CN110167042B - 基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法 - Google Patents
基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法 Download PDFInfo
- Publication number
- CN110167042B CN110167042B CN201910268944.XA CN201910268944A CN110167042B CN 110167042 B CN110167042 B CN 110167042B CN 201910268944 A CN201910268944 A CN 201910268944A CN 110167042 B CN110167042 B CN 110167042B
- Authority
- CN
- China
- Prior art keywords
- scm
- follows
- intelligent terminal
- equal
- max
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 206010042135 Stomatitis necrotising Diseases 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 201000008585 noma Diseases 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法,包括以下步骤:(1)在集成边缘计算服务器的蜂窝网络基站的覆盖范围下有1个智能终端,优化问题描述为SCM问题;(2)将SCM问题进行两次转化,转化为问题SCM‑E2,将问题SCM‑E2分解为两个子问题(3)分别提出SubBiSec算法和TopLS算法来解决;(4)SubBiSec算法通过在给定t的情况下通过对分搜索θ来解决问题;(5)TopLS算法通过对满足约束条件的t进行枚举,对于每一次枚举t都调用SubBiSec算法算出取中的最小值。本发明提高了系统传输效率,节省了带宽资源和边缘服务器计算资源总成本,获得更优质的无线网络体验质量。
Description
技术领域
本发明属于通信领域,基于非正交多址的多接入边缘计算来优化智能终端完成所有计算工作量所需要的总延迟和边缘计算服务器所消耗的计算资源代价。
背景技术
物联网服务迅猛发展,需要大量的计算资源。然而,传统的物联网设备通常配备有限的计算资源,这导致在执行计算量需求很大的任务时会产生很大的延迟。多接入边缘计算(Mobile edge Computing,MEC) 能够将部分计算任务迁移到位于蜂窝网络基站的边缘计算服务器上执行,从而减小执行任务的计算时间。但是使用边缘计算服务器会产生相应的计算资源使用成本问题。
发明内容
为了克服现有智能终端完成所有计算工作量所需要的总延迟和计算资源代价过大的难点,本发明提供一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法,研究了基于非正交多址的多接入边缘计算来优化智能终端完成所有计算工作量所需要的总延迟问题和边缘计算服务器产生相应的计算资源使用成本问题。
本发明解决其技术问题所采用的技术方案是:
一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法,所述方法包括以下步骤:
在保证智能终端数据需求的情况下最小化智能终端完成所有计算工作量所需要的总延迟和边缘计算服务器所消耗的计算资源代价的问题描述为如下所示的优化问题SCM:
约束条件:0≤t≤dove≤Tmax
下面将问题中的各个参数做一个说明,如下:
gi:从智能终端到边缘服务器i的信道功率增益;
W:智能终端的信道带宽,单位是赫兹;
n0:背景噪声的光谱功率密度;
Stot:智能终端需要处理的计算工作量,单位是兆比特;
βi:边缘服务器i计算资源的边际成本;
μL:智能终端的本地计算速率,单位是兆比特/秒;
ρL:智能终端的本地计算的能量消耗,单位是焦耳/秒。
ω:智能终端完成总的计算工作量Stot所耗费的总延迟的权重;
Emax:智能终端的能耗预算,单位是焦耳;
Tmax:智能终端处理总的工作计算量所耗费的总延迟的上限,单位是秒;
Pmax:智能终端运输迁移的工作计算量到边缘服务器的总的传输功率的上限,单位是瓦特;
下面将问题中的各个待优化变量做一个说明,如下:
t:非正交传输时间,单位是秒;
dove:智能终端完成所有计算工作量Stot所需要的总延迟,单位是秒;
μi:边缘服务器i所提供的计算速度,单位是兆比特/秒;
(2)SCM问题表示如下:
约束条件:0≤t≤dove≤Tmax
将上述两个公式带入到SCM问题,SCM问题等价为SCM-E问题,“E”表示的是等价地,如下:
约束条件:0≤t≤dove≤Tmax
待优化变量:dove,t
为求解SCM-E问题,引入一个辅助待优化变量θ,如下:
基于这个公式,将SCM-E问题转化为SCM-E2问题,如下:
(SCM-E2)minθ
约束条件:0≤t≤dove≤Tmax (1)
待优化变量:dove,t,θ
为了有效解决SCM-E2问题,提出线性枚举0≤t≤Tmax的同时t的取值要满足公式(2),(3)的方法,SCM-E2问题分解为SCM-E2-Sub 问题和SCM-E2-Top问题,如下:
在智能终端的传输时间t给定的情况下,
待优化变量:dove,θ
约束条件:0≤t≤Tmax
待优化变量:t
(3)求解SCM问题的思路是:将SCM问题转化为SCM-E2问题, 此时问题有三个待优化变量dove,t和θ,将SCM-E2问题分解为 SCM-E2-Sub问题和SCM-E2-Top问题进行求解,在SCM-E2-Top问题上采用线性枚举0≤t≤Tmax,如果给定一个t满足公式(2),(3)就计算SCM-E2-Sub问题,求出返回到SCM-E2-Top问题,进而求出θ*,即(SCM)问题的目标函数值;
(4)给定t求解SCM-E2-Sub问题的SubBiSec算法,步骤如下:
步骤4.1:输入NOMA的传输时间t,可容忍的计算误差∈=10-8,对分上限θupp是一个足够大的数和对分下限θlow=ωt;
步骤4.2:开始循环|θupp-θlow|>∈;
步骤4.8:当|θupp-θlow|<∈时,执行步骤4.9,否则执行步骤4.3;
(5)对于求解SCM-E2-Top问题,采用线性搜索的方法以一个很小的步长去枚举,t的取值范围是[0,Tmax],求解SCM-E2-Top问题的TopLS算法,步骤如下:
步骤5.1:输入计算步长Δ=10-4,设定参数tupp=Tmax,t=0和CBV 是一个足够大的数;
步骤5.2:如果t不满足公式(2)和(3)的话,设定t=t+Δ,转至步骤 5.6;
步骤5.5:设定t=t+Δ;
步骤5.6:如果t≤tupp时,转至步骤5.2;否则,转至执行步骤5.7;
步骤5.7:输出θ*=CBV,t*;
TopLS算法输出的θ*代表:SCM-E2-Top问题所求智能终端完成所有计算工作量所需要的总延迟与边缘计算服务器所消耗的计算资源代价的最小值,输出的t*代表:对应的最优非正交传输时间。
本发明的技术构思为:首先,考虑在蜂窝无线网络中,智能终端通过非正交多址接入技术进行数据传输实现最小化系统总延迟和计算资源代价,从而获得一定的经济效益和服务质量。在此处,考虑的前提是智能终端上传的能量消耗,功率损耗和上行传输时间的限制。通过对问题特性的分析,将问题进行二次转化,再将问题分解为两个子问题。结合对子问题的分析,分别提出SubBiSec算法和TopLS算法来解决,从而保证智能终端完成所有计算工作量的情况下,实现最小化系统总时延和边缘计算服务器所消耗的计算资源代价。
本发明的有益效果表现在:提高了系统传输效率,节省了带宽资源和边缘服务器计算资源总成本,获得更优质的无线网络体验质量。
附图说明
图1是无线网络中多个智能终端和多个基站的场景示意图。
具体实施方式
下面结合附图对于本发明作进一步详细描述。
参照图1,一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法,所述方法包括以下步骤:
在保证智能终端数据需求的情况下最小化智能终端完成所有计算工作量所需要的总延迟和边缘计算服务器所消耗的计算资源代价的问题描述为如下所示的优化问题SCM:
约束条件:0≤t≤dove≤Tmax
下面将问题中的各个参数做一个说明,如下:
gi:从智能终端到边缘服务器i的信道功率增益;
W:智能终端的信道带宽,单位是赫兹;
n0:背景噪声的光谱功率密度;
Stot:智能终端需要处理的计算工作量,单位是兆比特;
βi:边缘服务器i计算资源的边际成本;
μL:智能终端的本地计算速率,单位是兆比特/秒;
ρL:智能终端的本地计算的能量消耗,单位是焦耳/秒。
ω:智能终端完成总的计算工作量Stot所耗费的总延迟的权重;
Emax:智能终端的能耗预算,单位是焦耳;
Tmax:智能终端处理总的工作计算量所耗费的总延迟的上限,单位是秒;
Pmax:智能终端运输迁移的工作计算量到边缘服务器的总的传输功率的上限,单位是瓦特;
下面将问题中的各个待优化变量做一个说明,如下:
t:非正交传输时间,单位是秒;
dove:智能终端完成所有计算工作量Stot所需要的总延迟,单位是秒;
μi:边缘服务器i所提供的计算速度,单位是兆比特/秒;
(2)SCM问题表示如下:
约束条件:0≤t≤dove≤Tmax
将上述两个公式带入到SCM问题,SCM问题等价为SCM-E问题,“E”表示的是等价地,如下:
约束条件:0≤t≤dove≤Tmax
待优化变量:dove,t;
为求解SCM-E问题,引入一个辅助待优化变量θ,如下:
基于这个公式,将SCM-E问题转化为SCM-E2问题,如下:
(SCM-E2)minθ
约束条件:0≤t≤dove≤Tmax (1)
待优化变量:dove,t,θ
为了有效解决SCM-E2问题,提出线性枚举0≤t≤Tmax的同时t的取值要满足公式(2),(3)的方法,SCM-E2问题分解为SCM-E2-Sub问题和SCM-E2-Top问题,如下:
在智能终端的传输时间t给定的情况下,
待优化变量:dove,θ
约束条件:0≤t≤Tmax
待优化变量:t
(3)求解SCM问题的思路是:将SCM问题转化为SCM-E2问题, 此时问题有三个待优化变量dove,t和θ;将SCM-E2问题分解为 SCM-E2-Sub问题和SCM-E2-Top问题进行求解,在SCM-E2-Top问题上采用线性枚举0≤t≤Tmax,如果给定一个t满足公式(2),(3)就计算SCM-E2-Sub问题,求出返回到SCM-E2-Top问题,进而求出θ*,即SCM问题的目标函数值;
(4)给定t求解SCM-E2-Sub问题的SubBiSec算法,步骤如下:
步骤4.1:输入NOMA的传输时间t,可容忍的计算误差∈=10-8,对分上限θupp是一个足够大的数和对分下限θlow=ωt;
步骤4.2:开始循环|θupp-θlow|>∈;
步骤4.8:当|θupp-θlow|<∈时,执行步骤4.9,否则执行步骤4.3;
(5)对于求解SCM-E2-Top问题,采用线性搜索的方法以一个很小的步长去枚举,t的取值范围是[0,Tmax],求解SCM-E2-Top问题的 TopLS算法,步骤如下:
步骤5.1:输入计算步长Δ=10-4,设定参数tupp=Tmax,t=0和CBV 是一个足够大的数;
步骤5.2:如果t不满足公式(2)和(3)的话,设定t=t+Δ,转至步骤5.6;
步骤5.5:设定t=t+Δ;
步骤5.6:如果t≤tupp时,转至步骤5.2;否则,转至执行步骤5.7;
步骤5.7:输出θ*=CBV,t*;
TopLS算法输出的θ*代表:SCM-E2-Top问题所求智能终端完成所有计算工作量所需要的总延迟与边缘计算服务器所消耗的计算资源代价的最小值;输出的t*代表:对应的最优非正交传输时间。
Claims (1)
1.一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法,其特征在于,所述方法包括以下步骤:
在保证智能终端数据需求的情况下最小化智能终端完成所有计算工作量所需要的总延迟和边缘计算服务器所消耗的计算资源代价的问题描述为如下所示的优化问题SCM:
约束条件:0≤t≤dove≤Tmax
下面将问题中的各个参数做一个说明,如下:
gi:从智能终端到边缘服务器i的信道功率增益;
W:智能终端的信道带宽,单位是赫兹;
n0:背景噪声的光谱功率密度;
Stot:智能终端需要处理的计算工作量,单位是兆比特;
βi:边缘服务器i计算资源的边际成本;
μL:智能终端的本地计算速率,单位是兆比特/秒;
ρL:智能终端的本地计算的能量消耗,单位是焦耳/秒;
ω:智能终端完成总的计算工作量Stot所耗费的总延迟的权重;
Emax:智能终端的能耗预算,单位是焦耳;
Tmax:智能终端处理总的工作计算量所耗费的总延迟的上限,单位是秒;
Pmax:智能终端运输迁移的工作计算量到边缘服务器的总的传输功率的上限,单位是瓦特;
下面将问题中的各个待优化变量做一个说明,如下:
t:非正交传输时间,单位是秒;
dove:智能终端完成所有计算工作量Stot所需要的总延迟,单位是秒;
μi:边缘服务器i所提供的计算速度,单位是兆比特/秒;
(2)SCM问题表示如下:
约束条件:0≤t≤dove≤Tmax
将上述两个等价形式公式带入到SCM问题,SCM问题等价为SCM-E问题,“E”表示的是等价地,如下:
约束条件:0≤t≤dove≤Tmax
待优化变量:dove,t;
为求解SCM-E问题,引入一个辅助待优化变量θ,如下:
基于这个公式,将SCM-E问题转化为SCM-E2问题,如下:
(SCM-E2)minθ
约束条件:0≤t≤dove≤Tmax (1)
待优化变量:dove,t,θ
为了有效解决SCM-E2问题,提出线性枚举0≤t≤Tmax的同时t的取值要满足公式(2),(3)的方法,SCM-E2问题分解为SCM-E2-Sub问题和SCM-E2-Top问题,如下:
在智能终端的传输时间t给定的情况下,
待优化变量:dove,θ
约束条件:0≤t≤Tmax
待优化变量:t
(3)求解SCM问题的思路是:将SCM问题转化为SCM-E2问题,此时问题有三个待优化变量dove,t和θ;将SCM-E2问题分解为SCM-E2-Sub问题和SCM-E2-Top问题进行求解,在SCM-E2-Top问题上采用线性枚举0≤t≤Tmax,如果给定一个t满足公式(2),(3)就计算SCM-E2-Sub问题,求出返回到SCM-E2-Top问题,进而求出θ*,即SCM问题的目标函数值;
(4)给定t求解SCM-E2-Sub问题的SubBiSec算法,步骤如下:
步骤4.1:输入NOMA的传输时间t,可容忍的计算误差∈=10-8,对分上限θupp是一个足够大的数和对分下限θlow=ωt;
步骤4.2:开始循环|θupp-θlow|>∈;
步骤4.8:当|θupp-θlow|<∈时,执行步骤4.9,否则执行步骤4.3;
(5)对于求解SCM-E2-Top问题,采用线性搜索的方法以一个很小的步长去枚举,t的取值范围是[0,Tmax],求解(SCM-E2-Top)问题的TopLS算法,步骤如下:
步骤5.1:输入计算步长Δ=10-4,设定参数tupp=Tmax,t=0和CBV是一个足够大的数;
步骤5.2:如果t不满足公式(2)和(3)的话,设定t=t+Δ,转至步骤5.6;
步骤5.5:设定t=t+Δ;
步骤5.6:如果t≤tupp时,转至步骤5.2;否则,转至执行步骤5.7;
步骤5.7:输出θ*=CBV,t*;
TopLS算法输出的θ*代表:SCM-E2-Top问题所求智能终端完成所有计算工作量所需要的总延迟与边缘计算服务器所消耗的计算资源代价的最小值;输出的t*代表:对应的最优非正交传输时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910268944.XA CN110167042B (zh) | 2019-04-04 | 2019-04-04 | 基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910268944.XA CN110167042B (zh) | 2019-04-04 | 2019-04-04 | 基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110167042A CN110167042A (zh) | 2019-08-23 |
CN110167042B true CN110167042B (zh) | 2022-04-08 |
Family
ID=67639009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910268944.XA Active CN110167042B (zh) | 2019-04-04 | 2019-04-04 | 基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110167042B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111866061A (zh) * | 2020-06-02 | 2020-10-30 | 浙江工业大学 | 一种基于非正交多址接入与蜂窝网络用户协作的移动边缘计算时延优化方法 |
CN112720506B (zh) * | 2021-01-27 | 2022-04-26 | 苏州科技大学 | 一种基于边缘计算的安防机器人系统节能方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109041196A (zh) * | 2018-08-09 | 2018-12-18 | 华南理工大学 | Noma携能通信系统中基于能效最大化的资源联合分配方法 |
CN109240818A (zh) * | 2018-09-04 | 2019-01-18 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
-
2019
- 2019-04-04 CN CN201910268944.XA patent/CN110167042B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109041196A (zh) * | 2018-08-09 | 2018-12-18 | 华南理工大学 | Noma携能通信系统中基于能效最大化的资源联合分配方法 |
CN109240818A (zh) * | 2018-09-04 | 2019-01-18 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
Non-Patent Citations (2)
Title |
---|
"Energy-efficient Resource Allocation for NOMA-assisted Mobile Edge Computing";Ming Zeng等;《IEEE》;20180912;全文 * |
"Joint task scheduling and uplink/downlink radio resource allocation in PD-NOMA based mobile edge computing ";Pouria Paymard等;《PHYSICAL COMMUNICATION》;20190228;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110167042A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109121151B (zh) | 小蜂窝集成移动边缘计算下分布式卸载方法 | |
CN112231085B (zh) | 一种协同环境下基于时间感知的移动终端任务迁移方法 | |
CN109526040B (zh) | 非正交多址接入的移动边缘计算线性搜索式时延优化方法 | |
CN110167042B (zh) | 基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法 | |
CN110190981B (zh) | 一种基于非正交多址接入的多任务计算迁移能耗优化方法 | |
CN111836284B (zh) | 基于移动边缘计算的能耗优化计算、卸载方法和系统 | |
Cheng et al. | Distributed green offloading and power optimization in virtualized small cell networks with mobile edge computing | |
Wu et al. | Joint power control and computation offloading for energy-efficient mobile edge networks | |
US11961409B1 (en) | Air-ground joint trajectory planning and offloading scheduling method and system for distributed multiple objectives | |
CN114219354A (zh) | 一种基于联邦学习资源分配优化方法及系统 | |
CN112654058A (zh) | D2d多播网络中的移动边缘计算卸载与资源分配算法 | |
Liao et al. | Robust task offloading for IoT fog computing under information asymmetry and information uncertainty | |
CN110190982B (zh) | 基于公平时间的非正交多址接入边缘计算时间和能耗优化 | |
Li et al. | Communication and computation cooperation in wireless network for mobile edge computing | |
CN107426775B (zh) | 一种面向高能效异构网络的分布式多用户接入方法 | |
CN116582893A (zh) | 一种无线供能边缘智能场景下的神经网络模型分割及资源分配方法 | |
CN114245449B (zh) | 一种5g边缘计算环境下终端能耗感知的任务卸载方法 | |
CN103703854B (zh) | 用户调度方法和装置 | |
Liu et al. | Optimal design of wireless-powered hierarchical fog-cloud computing networks | |
CN111866061A (zh) | 一种基于非正交多址接入与蜂窝网络用户协作的移动边缘计算时延优化方法 | |
CN114845363A (zh) | 一种反射面辅助的低功耗数据卸载方法及系统 | |
Liu et al. | Joint optimization of Task Offloading and Computing Resource Allocation in MEC-D2D Network | |
Yu et al. | Energy efficient mobile edge computing using joint benders decomposition and distributed dinkelbach algorithm | |
Xue et al. | Resource allocation for system throughput maximization based on mobile edge computing | |
CN113784372A (zh) | 一种面向终端多业务模型的联合优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |