CN110190981B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110190981B
CN110190981B CN201910287196.XA CN201910287196A CN110190981B CN 110190981 B CN110190981 B CN 110190981B CN 201910287196 A CN201910287196 A CN 201910287196A CN 110190981 B CN110190981 B CN 110190981B
Authority
CN
China
Prior art keywords
sub
follows
task
computing
theta
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
Application number
CN201910287196.XA
Other languages
English (en)
Other versions
CN110190981A (zh
Inventor
吴远
张友
施秉华
蔡嘉丽
钱丽萍
黄亮
仇翔
孟利民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910287196.XA priority Critical patent/CN110190981B/zh
Publication of CN110190981A publication Critical patent/CN110190981A/zh
Application granted granted Critical
Publication of CN110190981B publication Critical patent/CN110190981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/083—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for increasing network speed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/0833—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network energy consumption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

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，包括以下步骤：(1)在提供边缘计算服务器的蜂窝网络基站的覆盖范围下有1个智能设备，优化问题描述为EM问题；(2)将EM转化为EM‑E，将其分解为问题EM‑E‑Sub和一个已知解问题，将问题EM‑E‑Sub转化为问题EM‑E‑Sub‑E2；(3)采用SubE2LS算法和SubE2BiSec算法解决问题EM‑E‑Sub‑E2；(4)在给定θ的情况下对满足约束条件的z进行枚举求出
Figure DDA0002023675100000011
(5)通过SubE2LS算法求出
Figure DDA0002023675100000013
根据
Figure DDA0002023675100000012
的大小对分搜索θ求出θ*，z*。本发明在满足各计算任务延迟要求的前提下，节省了智能设备计算能耗和传输能耗，有利于延长智能设备的使用寿命和节约能源。

Description

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
技术领域
本发明属于通信领域，通过一种基于非正交多址接入的多任务计算迁移来优化智能设备完成多个任务的计算能耗和传输消耗。
背景技术
随着时代的发展，人们的需求更加的丰富化和多元化。人们在享受更为精彩生活的同时，对于智能设备来说，需要处理的计算任务量会越来越大，任务数目会越来越多，智能终端很难保证在完成这些任务的同时不影响用户的体验(例如：长时间的延迟和比较大的能量损耗)。边缘计算技术的出现使得智能设备的多个计算任务分流成为可能，进而提高智能设备计算多任务时的效率。但是巨大的能量消耗问题依旧存在。
发明内容
为了克服智能设备完成多个计算任务量时本地计算能耗和传输能耗过大的问题，本发明提供了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，研究了基于非正交多址接入的多任务计算迁移来优化本地计算能耗和传输能耗问题。
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接入的多任务计算迁移能耗优化方法，所述方法包括以下步骤：
(1)一个智能设备有一组计算任务需要执行，计算任务用集合
Figure GDA0003216142190000011
表示，其中第i个任务的计算任务量用
Figure GDA0003216142190000012
表示，同时，考虑一组提供边缘计算服务器的蜂窝网络基站，边缘服务器基站也用
Figure GDA0003216142190000021
表示，其中第i个边缘服务器的计算速度为μi；为减小任务执行时间，智能设备将第i个任务的计算任务量分为两个部分，即si与
Figure GDA0003216142190000022
其中，用si表示智能设备将第i个任务中的si计算任务量分流到第i个边缘服务器执行；用
Figure GDA0003216142190000023
表示智能设备在本地执行的第i个任务的计算任务量；为提高传输被分流计算任务时的传输效率，智能设备使用正交多址接入技术将被分流计算任务量
Figure GDA0003216142190000024
同时发送到各个相应的边缘服务器，发送时间用变量t表示；
目标是：在满足各计算任务延迟要求的前提下，通过联合优化智能设备的任务传输时间与智能设备为各计算任务分配的本地计算速度，任务传输时间即变量t，本地计算速度用变量集合
Figure GDA0003216142190000025
实现智能设备的计算能耗与传输能耗之和最小化，对应的联合优化问题被表述为以下数学优化问题：
Figure GDA0003216142190000026
约束条件：
Figure GDA0003216142190000027
Figure GDA0003216142190000028
待优化变量：t和
Figure GDA0003216142190000029
.下面将问题中的各个参数做一个说明，如下：
gi:从智能设备到边缘服务器i的信道功率增益；
W：智能设备的信道带宽，单位是赫兹；
n0：背景噪声的光谱功率密度；
g0：g0表示一个很大的数，因此
Figure GDA0003216142190000031
Figure GDA0003216142190000032
智能设备需要处理的第i个任务的计算任务量，单位是兆比特；
Figure GDA0003216142190000033
Figure GDA0003216142190000034
迁移到边缘计算服务器i上的部分计算任务量，单位是兆比特；
μi：边缘计算服务器在处理
Figure GDA0003216142190000035
时所提供的计算速度，单位是兆比特/秒；
ρL：智能设备的本地计算的能耗率，单位是焦耳/秒；
di ove：智能设备完成第i个任务的计算任务量所需要延迟，单位是秒；
Ti max：智能设备完成第i个任务的计算任务量所耗费的延迟的上限，单位是秒；
Pmax：智能设备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；
μL,i：智能设备在处理
Figure GDA0003216142190000036
时候的本地计算速率，单位是兆比特/秒；
(2)问题EM如下：
Figure GDA0003216142190000037
约束条件：
Figure GDA0003216142190000038
Figure GDA0003216142190000039
待优化变量：t和
Figure GDA0003216142190000041
由公式
Figure GDA0003216142190000042
得：
Figure GDA0003216142190000043
Figure GDA0003216142190000044
将上述两个公式带入到问题EM中转化为EM-E问题,“E”表示的是等价地，如下：
Figure GDA0003216142190000045
约束条件：
Figure GDA0003216142190000046
Figure GDA0003216142190000047
待优化变量：t
问题EM-E转化为两个部分之和：EM-E-Sub问题和
Figure GDA0003216142190000048
如下：
Figure GDA0003216142190000049
约束条件：
Figure GDA00032161421900000410
Figure GDA00032161421900000411
变量：t
为了更好解决EM-E-Sub问题，引入一个辅助变量θ如下：
Figure GDA0003216142190000051
将此公式带入到问题EM-E-Sub中得到问题EM-E-Sub-E,如下：
(EM-E-Sub-E)minθ
约束条件：
Figure GDA0003216142190000052
Figure GDA0003216142190000053
Figure GDA0003216142190000054
待优化变量：t，θ
为了解决问题EM-E-Sub-E，定义一个辅助变量z和表达式Qθ(z)如下：
Figure GDA0003216142190000055
Figure GDA0003216142190000056
将上述公式带入到问题EM-E-Sub-E中转化为问题EM-E-Sub-E2如下：
Figure GDA0003216142190000057
约束条件：
Figure GDA0003216142190000058
Figure GDA0003216142190000059
Figure GDA0003216142190000061
待优化变量：z，θ；
(3)解决问题EM的思路是：将问题EM转化为EM-E问题，将问题EM-E分解为问题EM-E-Sub与
Figure GDA0003216142190000062
之和；在求解问题EM-E-Sub的过程中通过引入辅助变量θ转化为问题EM-E-Sub-E，再引入辅助变量z和表达式Qθ(z)将问题EM-E-Sub-E转化为问题EM-E-Sub-E2。通过求解在θ给定的情况下问题EM-E-Sub-E2得到
Figure GDA0003216142190000063
根据
Figure GDA0003216142190000064
的大小对θ进行对分搜索从而找到最优的θ*和z*，即问题EM的最优解
Figure GDA0003216142190000065
目标函数值是
Figure GDA0003216142190000066
Figure GDA0003216142190000067
(4)在θ给定的情况下，求解问题EM-E-Sub-E2的SubE2LS算法，步骤如下：
步骤4.1：输入辅助变量θ，计算步长Δ＝10-3，设定参数zupp是一个足够大的数，CBV也是一个足够大的数，
Figure GDA0003216142190000068
步骤4.2：如果z不满足公式(2-1)、(2-2)和(2-3)，设定z＝z+Δ，转至步骤4.6；
步骤4.3：否则如果z满足公式(2-1)、(2-2)和(2-3)，将z带入到Qθ(z)，求出它的值；
步骤4.4：如果Qθ(z)＜CBV,设定CBV＝Qθ(z)，且
Figure GDA0003216142190000069
步骤4.5：设定z＝z+Δ；
步骤4.6：如果z≤zupp，转至步骤4.2，否则转入步骤4.7；
步骤4.7：输出
Figure GDA0003216142190000071
(5)基于步骤(4)，得到求解问题EM-E-Sub-E2的SubE2BiSec算法，步骤如下：
步骤5.1：输入可容忍的计算误差∈＝10-8，,对分上限θupp是一个足够大的数和对分下限θlow＝0；
步骤5.2：开始循环|θupp-θlow|＞∈；
步骤5.3：设定
Figure GDA0003216142190000072
步骤5.4：将θcur带入到步骤(4)中，调用SubE2LS算法计算出
Figure GDA0003216142190000073
步骤5.5：如果
Figure GDA0003216142190000074
设定θupp＝θcur；
步骤5.6：否则如果
Figure GDA0003216142190000075
设定θlow＝θcur；
步骤5.7：当|θupp-θlow|＜∈时，执行步骤5.8，否则执行步骤5.3；
步骤5.8：将θcur所对应的步骤(4)的
Figure GDA0003216142190000076
确认为z*；
步骤5.9：输出θ*＝θcur，z*；
通过SubE2BiSec算法输出的θ*和z*，得到问题EM的最优解
Figure GDA0003216142190000077
目标函数值是
Figure GDA0003216142190000078
本发明的技术构思为：首先，考虑在蜂窝无线网络中，智能设备通过非正交多址接入技术进行数据传输实现最小化本地计算能耗和传输能耗，从而获得一定的经济效益，环境效益和服务质量。其次，在这里考虑的前提是智能设备上传的功率损耗和上行传输时间的限制。最后，通过对问题特性的分析，将问题EM进行一次转化为问题EM-E，将问题EM-E分解为问题EM-E-Sub与
Figure GDA0003216142190000081
之和。在求解问题EM-E-Sub的过程中，通过对问题EM-E-Sub的两次转化为问题EM-E-Sub-E2。在解决问题EM-E-Sub-E2的过程中，我们提出了SubE2LS算法和SubE2BiSec算法来求解这个问题。进而求出原问题EM的解，实现智能设备完成多个任务的本地能耗和边缘计算服务器的能耗。
本发明的有益效果表现在：在满足各计算任务延迟要求的前提下，节省了智能设备本地计算能耗和传输能耗，有利于延长智能设备的使用寿命和节约能源。
附图说明
图1是无线网络中智能设备和多个提供边缘计算服务器的蜂窝网络基站的场景示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1，一种基于非正交多址接入的多任务计算迁移能耗优化方法，所述方法包括以下步骤：
(1)一个智能设备有一组计算任务需要执行，计算任务用集合
Figure GDA0003216142190000082
表示，其中第i个任务的计算任务量用
Figure GDA0003216142190000083
表示，同时，考虑一组提供边缘计算服务器的蜂窝网络基站，为方便表述，边缘服务器基站也用
Figure GDA0003216142190000084
表示，其中第i个边缘服务器的计算速度为μi；为减小任务执行时间，智能设备将第i个任务的计算任务量分为两个部分，即si与
Figure GDA0003216142190000085
其中，用si表示智能设备将第i个任务中的si计算任务量分流到第i个边缘服务器执行；用
Figure GDA0003216142190000091
表示智能设备在本地执行的第i个任务的计算任务量；为提高传输被分流计算任务时的传输效率，智能设备使用正交多址接入技术将被分流计算任务量
Figure GDA0003216142190000092
同时发送到各个相应的边缘服务器，发送时间用变量t表示；
目标是：在满足各计算任务延迟要求的前提下，通过联合优化智能设备的任务传输时间与智能设备为各计算任务分配的本地计算速度，任务传输时间即变量t，本地计算速度用变量集合
Figure GDA0003216142190000093
实现智能设备的计算能耗与传输能耗之和最小化，对应的联合优化问题被表述为以下数学优化问题：
Figure GDA0003216142190000094
约束条件：
Figure GDA0003216142190000095
Figure GDA0003216142190000096
待优化变量：t和
Figure GDA0003216142190000097
.下面将问题中的各个参数做一个说明，如下：
gi:从智能设备到边缘服务器i的信道功率增益；
W：智能设备的信道带宽，单位是赫兹；
n0：背景噪声的光谱功率密度；
g0：g0表示一个很大的数，因此
Figure GDA0003216142190000098
Figure GDA0003216142190000101
智能设备需要处理的第i个任务的计算任务量，单位是兆比特；
Figure GDA0003216142190000102
Figure GDA0003216142190000103
迁移到边缘计算服务器i上的部分计算任务量，单位是兆比特；
μi：边缘计算服务器在处理
Figure GDA0003216142190000104
时所提供的计算速度，单位是兆比特/秒；
ρL：智能设备的本地计算的能耗率，单位是焦耳/秒；
di ove：智能设备完成第i个任务的计算任务量所需要延迟，单位是秒；
Ti max：智能设备完成第i个任务的计算任务量所耗费的延迟的上限，单位是秒；
Pmax：智能设备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；
μL,i：智能设备在处理
Figure GDA0003216142190000105
时候的本地计算速率，单位是兆比特/秒；
(2)问题EM如下：
Figure GDA0003216142190000106
约束条件：
Figure GDA0003216142190000107
Figure GDA0003216142190000108
待优化变量：t和
Figure GDA0003216142190000109
由公式
Figure GDA0003216142190000111
得：
Figure GDA0003216142190000112
Figure GDA0003216142190000113
将上述两个公式带入到问题EM中转化为EM-E问题,“E”表示的是等价地，如下：
Figure GDA0003216142190000114
约束条件：
Figure GDA0003216142190000115
Figure GDA0003216142190000116
待优化变量：t
问题EM-E转化为两个部分之和：EM-E-Sub问题和
Figure GDA0003216142190000117
如下：
Figure GDA0003216142190000118
约束条件：
Figure GDA0003216142190000119
Figure GDA00032161421900001110
变量：t
为了更好解决EM-E-Sub问题，引入一个辅助变量θ如下：
Figure GDA0003216142190000121
将此公式带入到问题EM-E-Sub中得到问题EM-E-Sub-E,如下：
(EM-E-Sub-E)minθ
约束条件：
Figure GDA0003216142190000122
Figure GDA0003216142190000123
Figure GDA0003216142190000124
待优化变量：t，θ
为了解决问题EM-E-Sub-E，定义一个辅助变量z和表达式Qθ(z)如下：
Figure GDA0003216142190000125
Figure GDA0003216142190000126
将上述公式带入到问题EM-E-Sub-E中转化为问题EM-E-Sub-E2如下：
Figure GDA0003216142190000127
约束条件：
Figure GDA0003216142190000128
Figure GDA0003216142190000129
Figure GDA0003216142190000131
待优化变量：z，θ；
(3)解决问题EM的思路是：将问题EM转化为EM-E问题，将问题EM-E分解为问题EM-E-Sub与
Figure GDA0003216142190000132
之和，在求解问题EM-E-Sub的过程中通过引入辅助变量θ转化为问题EM-E-Sub-E，再引入辅助变量z和表达式Qθ(z)将问题EM-E-Sub-E转化为问题EM-E-Sub-E2，通过求解在θ给定的情况下问题EM-E-Sub-E2得到
Figure GDA0003216142190000133
根据
Figure GDA0003216142190000134
的大小对θ进行对分搜索从而找到最优的θ*和z*，即问题EM的最优解
Figure GDA0003216142190000135
目标函数值是
Figure GDA0003216142190000136
Figure GDA0003216142190000137
(4)在θ给定的情况下，求解问题EM-E-Sub-E2的SubE2LS算法，步骤如下：
步骤4.1：输入辅助变量θ，计算步长Δ＝10-3，设定参数zupp是一个足够大的数，CBV也是一个足够大的数，
Figure GDA0003216142190000138
步骤4.2：如果z不满足公式(2-1)、(2-2)和(2-3)，设定z＝z+Δ，转至步骤4.6；
步骤4.3：否则如果z满足公式(2-1)、(2-2)和(2-3)，将z带入到Qθ(z)，求出它的值；
步骤4.4：如果Qθ(z)＜CBV,设定CBV＝Qθ(z)，且
Figure GDA0003216142190000139
步骤4.5：设定z＝z+Δ；
步骤4.6：如果z≤zupp，转至步骤4.2，否则转入步骤4.7；
步骤4.7：输出
Figure GDA0003216142190000141
(5)基于步骤(4)，得到求解问题EM-E-Sub-E2的SubE2BiSec算法，步骤如下：
步骤5.1：输入可容忍的计算误差∈＝10-8，,对分上限θupp是一个足够大的数和对分下限θlow＝0；
步骤5.2：开始循环|θupp-θlow|＞∈；
步骤5.3：设定
Figure GDA0003216142190000142
步骤5.4：将θcur带入到步骤(4)中,调用SubE2LS算法计算出
Figure GDA0003216142190000143
步骤5.5：如果
Figure GDA0003216142190000144
设定θupp＝θcur；
步骤5.6：否则如果
Figure GDA0003216142190000145
设定θlow＝θcur；
步骤5.7：当|θupp-θlow|＜∈时，执行步骤5.8，否则执行步骤5.3；
步骤5.8：将θcur所对应的步骤(4)的
Figure GDA0003216142190000146
确认为z*；
步骤5.9：输出θ*＝θcur，z*；
通过SubE2BiSec算法输出的θ*和z*，得到问题EM的最优解
Figure GDA0003216142190000147
目标函数值是
Figure GDA0003216142190000148

Claims (1)

1.一种基于非正交多址接入的多任务计算迁移能耗优化方法，其特征在于，所述方法包括以下步骤：
(1)一个智能设备有一组计算任务需要执行，计算任务用集合
Figure FDA0003216142180000011
表示，其中第i个任务的计算任务量用
Figure FDA0003216142180000012
表示，同时，考虑一组提供边缘计算服务器的蜂窝网络基站，边缘服务器基站也用
Figure FDA0003216142180000013
表示，其中第i个边缘服务器的计算速度为μi；为减小任务执行时间，智能设备将第i个任务的计算任务量分为两个部分，即si与
Figure FDA0003216142180000014
其中，用si表示智能设备将第i个任务中的si计算任务量分流到第i个边缘服务器执行；用
Figure FDA0003216142180000015
表示智能设备在本地执行的第i个任务的计算任务量；为提高传输被分流计算任务时的传输效率，智能设备使用正交多址接入技术将被分流计算任务量
Figure FDA0003216142180000016
同时发送到各个相应的边缘服务器，发送时间用变量t表示；
目标是：在满足各计算任务延迟要求的前提下，通过联合优化智能设备的任务传输时间与智能设备为各计算任务分配的本地计算速度，任务传输时间即变量t，本地计算速度用变量集合
Figure FDA0003216142180000017
实现智能设备的计算能耗与传输能耗之和最小化，对应的联合优化问题被表述为以下数学优化问题：
Figure FDA0003216142180000018
约束条件：
Figure FDA0003216142180000019
Figure FDA00032161421800000110
待优化变量：t和
Figure FDA0003216142180000021
.下面将问题中的各个参数做一个说明，如下：
gi:从智能设备到边缘服务器i的信道功率增益；
W：智能设备的信道带宽，单位是赫兹；
n0：背景噪声的光谱功率密度；
g0：g0表示一个很大的数，因此
Figure FDA0003216142180000022
Figure FDA0003216142180000023
智能设备需要处理的第i个任务的计算任务量，单位是兆比特；
Figure FDA0003216142180000024
Figure FDA0003216142180000025
迁移到边缘计算服务器i上的部分计算任务量，单位是兆比特；
μi：边缘计算服务器在处理
Figure FDA0003216142180000026
时所提供的计算速度，单位是兆比特/秒；
ρL：智能设备的本地计算的能耗率，单位是焦耳/秒；
di ove：智能设备完成第i个任务的计算任务量所需要延迟，单位是秒；Ti max：智能设备完成第i个任务的计算任务量所耗费的延迟的上限，单位是秒；
Pmax：智能设备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；
μL,i：智能设备在处理
Figure FDA0003216142180000027
时候的本地计算速率，单位是兆比特/秒；
(2)问题EM如下：
Figure FDA0003216142180000031
约束条件：
Figure FDA0003216142180000032
Figure FDA0003216142180000033
待优化变量：t和
Figure FDA0003216142180000034
由公式
Figure FDA0003216142180000035
得：
Figure FDA0003216142180000036
Figure FDA0003216142180000037
将上述两个公式带入到问题EM中转化为EM-E问题,“E”表示的是等价地，如下：
Figure FDA0003216142180000038
约束条件：
Figure FDA0003216142180000039
Figure FDA00032161421800000310
待优化变量：t
问题EM-E转化为两个部分之和：EM-E-Sub问题和
Figure FDA0003216142180000041
如下：
Figure FDA0003216142180000042
约束条件：
Figure FDA0003216142180000043
Figure FDA0003216142180000044
变量：t
为了更好解决EM-E-Sub问题，引入一个辅助变量θ如下：
Figure FDA0003216142180000045
将此公式带入到问题EM-E-Sub中得到问题EM-E-Sub-E,如下：
(EM-E-Sub-E)minθ
约束条件：
Figure FDA0003216142180000046
Figure FDA0003216142180000047
Figure FDA0003216142180000048
待优化变量：t，θ；
为了解决问题EM-E-Sub-E，定义一个辅助变量z和表达式Qθ(z)如下：
Figure FDA0003216142180000049
Figure FDA0003216142180000051
将上述公式带入到问题EM-E-Sub-E中转化为问题EM-E-Sub-E2如下：
Figure FDA0003216142180000052
约束条件：
Figure FDA0003216142180000053
Figure FDA0003216142180000054
Figure FDA0003216142180000055
待优化变量：z，θ
(3)解决问题EM的思路是：将问题EM转化为EM-E问题，将问题EM-E分解为问题EM-E-Sub与
Figure FDA0003216142180000056
之和，在求解问题EM-E-Sub的过程中通过引入辅助变量θ转化为问题EM-E-Sub-E，再引入辅助变量z和表达式Qθ(z)将问题EM-E-Sub-E转化为问题EM-E-Sub-E2，通过求解在θ给定的情况下问题EM-E-Sub-E2得到
Figure FDA0003216142180000057
根据
Figure FDA0003216142180000058
的大小对θ进行对分搜索从而找到最优的θ*和z*，即问题EM的最优解
Figure FDA0003216142180000059
目标函数值是
Figure FDA00032161421800000510
Figure FDA00032161421800000511
(4)在θ给定的情况下，求解问题EM-E-Sub-E2的SubE2LS算法，步骤如下：
步骤4.1：输入辅助变量θ，计算步长Δ＝10-3，设定参数zupp是一个足够大的数，CBV也是一个足够大的数，
Figure FDA0003216142180000061
步骤4.2：如果z不满足公式(2-1)、(2-2)和(2-3)，设定z＝z+Δ，转至步骤4.6；
步骤4.3：否则如果z满足公式(2-1)、(2-2)和(2-3)，将z带入到Qθ(z)，求出它的值；
步骤4.4：如果Qθ(z)＜CBV,设定CBV＝Qθ(z)，且
Figure FDA0003216142180000062
步骤4.5：设定z＝z+Δ；
步骤4.6：如果z≤zupp，转至步骤4.2，否则转入步骤4.7；
步骤4.7：输出
Figure FDA0003216142180000063
(5)基于步骤(4)，得到求解问题EM-E-Sub-E2的SubE2BiSec算法，步骤如下：
步骤5.1：输入可容忍的计算误差∈＝10-8，对分上限θupp是一个足够大的数和对分下限θlow＝0；
步骤5.2：开始循环|θupp-θlow|＞∈；
步骤5.3：设定
Figure FDA0003216142180000064
步骤5.4：将θcur带入到步骤(4)中,调用SubE2LS算法计算出
Figure FDA0003216142180000065
步骤5.5：如果
Figure FDA0003216142180000066
设定θupp＝θcur；
步骤5.6：否则如果
Figure FDA0003216142180000067
设定θlow＝θcur；
步骤5.7：当|θupp-θlow|＜∈时，执行步骤5.8，否则执行步骤5.3；
步骤5.8：将θcur所对应的步骤(4)的
Figure FDA0003216142180000071
确认为z*；
步骤5.9：输出θ*＝θcur，z*；
通过SubE2BiSec算法输出的θ*和z*，得到问题EM的最优解
Figure FDA0003216142180000072
目标函数值是
Figure FDA0003216142180000073
CN201910287196.XA 2019-04-11 2019-04-11 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 Active CN110190981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910287196.XA CN110190981B (zh) 2019-04-11 2019-04-11 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910287196.XA CN110190981B (zh) 2019-04-11 2019-04-11 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

Publications (2)

Publication Number Publication Date
CN110190981A CN110190981A (zh) 2019-08-30
CN110190981B true CN110190981B (zh) 2021-10-29

Family

ID=67714110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910287196.XA Active CN110190981B (zh) 2019-04-11 2019-04-11 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

Country Status (1)

Country Link
CN (1) CN110190981B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111093226B (zh) * 2019-12-12 2021-10-08 西安电子科技大学 基于非正交多址接入与移动边缘计算多任务并行迁移方法
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
CN112799812B (zh) * 2021-01-27 2022-01-21 苏州科技大学 一种多智能设备协同优化系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106844051A (zh) * 2017-01-19 2017-06-13 河海大学 一种边缘计算环境中功耗优化的负载任务迁移算法
EP3242184A1 (en) * 2016-05-06 2017-11-08 MediaTek Inc. Adaptive optimization of low power strategies
US10079627B1 (en) * 2017-03-15 2018-09-18 National Tsing Hua University Joint power allocation, precoding, and decoding method and base station thereof
CN108810986A (zh) * 2018-05-18 2018-11-13 浙江工业大学 一种基于深度确定性策略梯度的非正交接入下行传输时间优化方法
CN109005592A (zh) * 2018-08-03 2018-12-14 田心记 单天线noma系统中功率分配方法
CN109548013A (zh) * 2018-12-07 2019-03-29 南京邮电大学 一种具有反窃听能力的noma移动边缘计算系统构建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3242184A1 (en) * 2016-05-06 2017-11-08 MediaTek Inc. Adaptive optimization of low power strategies
CN106844051A (zh) * 2017-01-19 2017-06-13 河海大学 一种边缘计算环境中功耗优化的负载任务迁移算法
US10079627B1 (en) * 2017-03-15 2018-09-18 National Tsing Hua University Joint power allocation, precoding, and decoding method and base station thereof
CN108810986A (zh) * 2018-05-18 2018-11-13 浙江工业大学 一种基于深度确定性策略梯度的非正交接入下行传输时间优化方法
CN109005592A (zh) * 2018-08-03 2018-12-14 田心记 单天线noma系统中功率分配方法
CN109548013A (zh) * 2018-12-07 2019-03-29 南京邮电大学 一种具有反窃听能力的noma移动边缘计算系统构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Optimal Power Allocation and Scheduling for Non-Orthogonal Multiple Access Relay-Assisted Networks;Yuan Wu;《IEEE Transactions on Mobile Computing》;20180306;第17卷(第11期);全文 *
异构密集无线网中用户、业务与网络资源匹配理论研究;袁春经;《中国优秀硕士学位论文数据库》;20180401;全文 *

Also Published As

Publication number Publication date
CN110190981A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
Huang et al. Energy-efficient SWIPT in IoT distributed antenna systems
Hu et al. Wireless powered cooperation-assisted mobile edge computing
CN109089272B (zh) 在多基站场景中的移动边缘计算布伦特式时延优化方法
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
CN111314935B (zh) 基于noma-mec系统的下行传输时延最小化的方法
CN107466069A (zh) 无线网络中基于双连接与非正交多址接入的能效优化方法
CN103686976A (zh) 一种d2d系统中功率控制的方法及其实现装置
CN111031547B (zh) 基于频谱分配与功率控制的多用户d2d通信资源分配方法
Chen et al. Optimal resource allocation for multicarrier NOMA in short packet communications
CN106211302A (zh) 非正交多址接入异构融合网络资源分配方法
CN114885420A (zh) 一种noma-mec系统中的用户分组和资源分配方法及装置
CN111556576B (zh) 基于d2d_mec系统的时延优化方法
CN116347579B (zh) 基于可重构智能表面辅助的d2d通信功率优化方法及系统
CN112654058A (zh) D2d多播网络中的移动边缘计算卸载与资源分配算法
CN109068356A (zh) 一种用于认知无线电网络中的无线缓存分配方法
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
CN113507712B (zh) 一种基于交替方向乘子的资源分配与计算任务卸载方法
Liu et al. Adaptive batchsize selection and gradient compression for wireless federated learning
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
CN108449737B (zh) 分布式天线系统中基于d2d的下行链路高能效功率分配方法
CN107182116B (zh) 全双工蜂窝移动通信系统中基于功率分配的干扰控制方法
CN110061826B (zh) 一种最大化多载波分布式天线系统能效的资源分配方法
Xuefei et al. Energy-efficient computation offloading and resource allocation in SWIPT-based MEC Networks
CN106411487A (zh) 基站额定功率固定的下行ofdma系统的高能效资源分配方法
CN112994870B (zh) 面向全双工d2d通信的电力设备发送功率优化方法及装置

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