CN110266512A - 一种移动边缘计算迁移系统的快速资源配置方法 - Google Patents

Abstract

本发明公开了一种移动边缘计算迁移系统的快速资源配置方法，以凸优化对偶理论为基础，构建了一个关于移动边缘计算系统能量消耗最小化的模型，并提出了面向移动边缘系统的一种快速计算和通信资源配置的方法。此外，本发明引入了椭球算法进行仿真实验，该算法能够快速有效地收敛于移动边缘计算系统能耗最小化的全局最优解，完成计算和通信资源的有效配置；本发明搭建了一个仿真平台进行仿真实验，根据现有的资源，不同的信道状态、传输时间及用户数量，通过迭代运算得到最优的任务传输率，根据实验结果刻画了不同状态与不同条件下移动边缘计算系统能量消耗变化趋势和最优任务传输概率变化趋势。

Description

一种移动边缘计算迁移系统的快速资源配置方法

技术领域

本发明涉及无线通信网络与云计算技术领域，具体涉及一种移动边缘计算迁移系统的快速资源配置方法。

背景技术

随着移动互联网和物联网的快速发展以及各种新型业务，如虚拟现实(VR)、增强现实(AR)和视频会议等的不断涌现，用户对网络服务质量(QoS)的要求越来越高。因此，为了有效解决移动互联网发展带来的高数据速率、低计算时延要求等的挑战，移动边缘计算(MEC)概念得以提出，并得到了学术界和产业界的广泛支持，被认为是下一代网络的关键技术之一。

移动边缘计算系统通过在网络边缘部署MEC服务器，将相关的计算任务和请求数据迁移到MEC服务器上，为移动设备的任务计算提供充足的计算与存储资源，同时减少网络设备能耗和传输时延，并大大提高用户体验。

作为新型的通讯技术，移动边缘计算目前仍处于处于科学探索阶段，有许多需要得到解决和优化的关键问题，如，快速有效的计算与通信资源分配，降低系统能量消耗，降低计算延迟等。移动边缘计算的两大性能指标为时延和能量消耗；然而，随着移动设备接入数量的急剧上升以及无线传输信道的动态变化，移动边缘计算系统面临着如下严峻技术挑战。首先，未来海量的无线设备对移动边缘计算服务器的计算和存储能力提出了更高的要求；其次，有限的频谱资源和信号深衰落及干扰，将导致更大的移动边缘计算系统的能耗和时延，并将从根本上限制系统性能；最后，无线设备的异构特性，如具有不同的处理器、电池容量、操作系统等，为有效协同这些异构无线设备的计算负荷和计算要求，需要发挥移动边缘计算服务器网络系统的协同效应。因此，如何改善移动边缘计算系统的能耗性能是本领域技术人员亟需解决的问题。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种移动边缘计算迁移系统的快速资源配置方法，该方法利用现有的资源，根据不同的信道状态及传输时间，选择适当任务传输率，以达到最小化任务计算及传输的能量消耗，优化移动边缘计算系统性能的目的。

本发明的目的通过下述技术方案实现：

一种移动边缘计算迁移系统的快速资源配置方法，包括下述步骤：

S1，建立移动边缘计算模型；

S1.1，存在至少一个可以正常接收任务与传输信息，并计算任务的移动边缘计算服务器；获取本地设备与移动边缘计算服务器的信道状态信息，以及移动边缘计算服务器的计算状态信息；

S1.2，本地设备根据所述信道状态信息以及计算状态信息对任务进行分割，生成至少一个计算任务，并根据计算任务传输率分成第一类子任务和第二类子任务；

S1.3，将所述第一类子任务通过本地设备进行计算，将所述第二类子任务发送至移动边缘计算服务器，通过边缘计算系统进行计算；

S1.4，本地设备接收移动边缘计算服务器发送的计算结果，通过本地设备输出最终计算结果；

S2，建立能量消耗模型；

S2.1，规定一个固定长度的传输时段，把该传输时段均分为若干个时隙并分配给所有本地设备；在每个时隙内，本地设备传输第二类子任务到移动边缘计算服务器，移动边缘计算服务器计算并返回信息至本地设备；

S2.2，对于每个本地设备，由于第一类子任务在设备内部电路的传输时间很短可忽略，故仅考虑本地计算消耗的能量；

S2.3，由香农公式可知，本地设备的任务传输速率与带宽、噪声功率、传输功率，以及本地设备与移动边缘计算服务器之间的信道增益有关，具体的传输速率表达式为：

其中p_i为传输功率，g_i为信道增益，σ²为噪声功率，B为带宽；

S2.4，对于移动边缘计算服务器，由于计算能力很强，故忽略计算任务时的能量消耗，仅考虑任务传输过程中的能量消耗；对于本地计算，其能量消耗为：

其中，K_i为计算效率，C_i为本地CPU钟频；

S2.5，整个过程的能量消耗可视为子任务传输过程的能量消耗以及本地计算能量消耗的总和；

S3，提出能量最优化问题以及利用椭球算法进行求解；

S3.1，建立的能量消耗问题，符合强对偶条件，再对其进行拉格朗日变换以及对偶变换之后，可得到其对偶问题，且该对偶问题严格等价于原问题；

S3.2，在考虑一般情况下，利用椭球法对上述对偶问题进行求解，通过设置梯度、迭代和判断步骤，求出最优化的传输概率；

S4，仿真与结论；

仿真过程中，设置恰当的参数，并规定不同的传输时段长度，观察相应的最优任务传输率的趋势以及能量消耗变换趋势，最后得出结论。

本发明与现有技术相比具有以下的有益效果：

(1)本发明以凸优化理论为基础，构建了一个移动边缘计算系统能量消耗最小化模型，并利用对偶分解理论求取该模型的最优解。此外，本发明引入了椭球算法进行仿真实验，该算法的特点能够快速地收敛，得到一个精确的结果。

(2)本发明通过搭建一个仿真平台进行仿真实验，验证了移动边缘计算作为一种新型的通讯技术，能够较大程度地减少系统任务计算过程中产生的能量消耗。

(3)本发明根据现有的资源，以及不同的信道状态、传输时间，通过迭代运算得到不同的最优任务传输率，以达到最小化任务计算及传输的能量消耗，优化移动边缘计算系统性能的目的。

(4)本发明以不同用户数量为背景进行仿真实验，通过实验结果刻画了在不同用户数量与不同传输时间的情况下移动边缘计算系统最优任务传输概率变化趋势。

附图说明

图1为本发明的流程示意图；

图2为本发明的移动边缘计算系统流程示意图；

图3为本发明的移动边缘计算模型图；

图4为本发明所有本地设备的任务传输时隙示意图；

图5为本发明2用户下在不同长度时段下的最优化能量消耗仿真图；

图6为本发明4用户下在不同长度时段下的最优化能量消耗仿真图；

图7为本发明在不同长度时段下的最优化任务迁移率趋势仿真图；

图8为本发明在不同任务量大小的能量消耗仿真图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1～8所示，本发明公开了一种移动边缘计算迁移系统的快速资源配置方法，以实现提高移动边缘计算的性能。具体来说：

一、建立移动边缘计算模型

如图2所示，为本发明移动边缘计算的具体流程，包括：

1、满足预定规则的至少一个移动边缘计算服务器，能够接收任务和发送信息，并且能够进行计算；

2、有至少一个本地设备，能够产生至少一个任务，并具有任务传输及任务计算的能力；

3、获取本地设备与移动边缘计算服务器信道状态信息，以及移动边缘计算服务器的计算状态信息；根据所述信道状态信息及计算状态信息对任务进行分割，本地设备生成至少一个子任务R_i；其中，子任务根据任务传输率分成第一类子任务f_i和第二类子任务l_i；

4、将所述第一类子任务通过本地设备进行计算，将所述第二类子任务发送至移动边缘计算服务器，通过所述移动边缘计算服务器进行计算；

5、接收移动边缘计算服务器发送的计算结果，通过本地设备输出最终计算结果。

二、实施例场景

如图3所示，为本实施例应用的一个场景，包括：若干个本地设备和一个移动边缘服务器。

如图4所示，规定一个固定长度的传输时段T，把该传输时段均分为若干个时隙并分配给所有本地设备；在每个时隙内，本地设备传输第二类子任务到移动边缘计算服务器，移动边缘计算服务器计算并返回信息至本地设备。

三、模型的建立与求解过程

1、模型建立。

假设有一个移动边缘计算系统模型，该系统由k个本地设备组成，记为UE_1,2...,k，对于每个本地设备，它们能够在本地完成所有计算任务，也能将计算任务迁移到移动边缘计算服务器，同时也能在本地计算一部分任务，将剩余的任务迁移到移动边缘计算服务器；记第i个本地设备UE_i的总任务大小为R_i，迁移的任务为l_i，本地计算为f_i，即R_i＝f_i+l_i.；

假设第i个本地设备的迁移率为α_i，即l_i＝α_iR_i，所以f_i＝(1-α_i)R_i；

假设一个时隙T，并把T分为i个部分，每个部分记为t_i，即本地设备i在t_i时间内迁移任务；

本地计算时，能耗为其中K_i为计算效率，C_i为本地CPU钟频；

传输速率其中p_i为传输功率，g_i为信道增益，σ²为噪声功率，所以

又因为l_i＝r_it_i，所以

迁移能量消耗为：

所以第i个本地设备能量消耗为：

记

所以原问题可记为：

s.t.0≤α_i≤1

当x＞0时，β(x)为凸函数，又α_i≥0，t_i≥0，所以目标函数是一个凸函数，并且其可行域为凸集，所以目标问题为凸问题。

2、拉格朗日函数和对偶函数。

设λ≥0为条件的拉格朗日乘子，则原问题的部分拉格朗日函数为：

对偶函数为：

所以原问题的对偶问题为：

由于原问题为凸问题且满足Slater条件，是一个强对偶，因此，对偶问题等价于原问题，使用椭球法找到合适的λ使得对偶函数最大，记(α^*,t^*)为原函数的最优解，(α^opt,t^opt,λ^opt)为对偶函数g(λ)的最优解。

原问题可分解为k个子问题如下：

所以第i个子问题的拉格朗日函数为：

其中，ν_i,γ_i,η_i≥0为拉格朗日乘子，记(t_i ^*,α_i ^*,ν_i ^*,γ_i ^*,η_i ^*)为基于kkt条件下的最优值。

所以有t_i ^*≥0,0≤α_i ^*≤1 (1)

ν_i ^*,γ_i ^*,η_i ^*≥0 (2)

ν_i ^*α_i ^*＝0,γ_i ^*(α_i ^*-1)＝0,η_i ^*t_i ^*＝0. (3)

其中

又有Lambert函数w(x)e^w(x)＝x，且x＞0时，y＝β(x)-xβ'(x)；

则

令

则

对于(5)，有

所以

3、椭球法部分。

假设已经得到了最优的α_i ^*,t_i ^*，接下来要使用一些有关次梯度的方法，例如椭球法来找到λ使对偶函数极大。椭球法的基本思想是找到一系列的椭球，通过迭代找到最优解λ^opt。我们选择λ₀作为初始的中心，其体积充分大以至于能够包含λ^opt，然后根据目标函数次梯度进行迭代，并逐渐减小椭球体积直至阈值处，则此时的椭球的中心记为最优解λ^opt。

根据k个子函数，可求出其梯度为：

[t₁ ^*,t₂ ^*...,t_k ^*-T]^T；

记e_i是第i项为1的全零矩阵，且e_i∈R^k*1，

通过(9)和e_i矩阵，便可用椭球法找到λ^opt。因为原问题等价于对偶问题，所以把λ^opt带入(6)(7)(8)得：

椭球法算法：

初始化：给定一个包含λ^opt的椭球E(λ，A)，其中λ为椭球的中心，A是一个描述椭球体积的正定矩阵。

迭代步骤如下：

Step1，对于每个本地设备i∈k，给定λ_i，得到(α_i ^*，t_i ^*)；

Step2，计算出目标函数的次梯度；

Step3，通过更新椭球E更新λ；

Step4，当λ收敛到某个阈值时停止迭代，此时的λ就为λ^opt；

Step5，通过λ^opt计算出(t_i ^opt，α_i ^opt)；

4、结果与结论。

在仿真过程中，迭代参数设置为：

B＝1MHz,R＝10⁵bit,k_i＝10^-6,C_i＝10⁵,σ²＝10^-9w.

结论1：参见图5、6，本发明分别以2用户及4用户为例进行了验证。随着T的增大，能量消耗呈下降趋势，而且使用本实施例的策略的能量消耗小于完全本地计算及完全传输任务所消耗的能量，在不同本地设备数量的条件下，该策略都有效；

结论2：参见图7，随着T的增大，任务传输率呈下降趋势，所以可得出结论为：当传输时段不断增大时，应适当减小任务的传输率以最小化系统的能量消耗。

结论3：参见图8，随着任务量的增加，三种不同的任务计算方式所产生总能量消耗也随之增加。

上述为本发明较佳的实施方式，但本发明的实施方式并不受上述内容的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (1)

1.一种移动边缘计算迁移系统的快速资源配置方法，其特征在于，包括下述步骤：

S1，建立移动边缘计算模型；

S1.1，存在至少一个可以正常接收任务与传输信息，并计算任务的移动边缘计算服务器；获取本地设备与移动边缘计算服务器的信道状态信息，以及移动边缘计算服务器的计算状态信息；

S1.2，本地设备根据所述信道状态信息以及计算状态信息对任务进行分割，生成至少一个计算任务，并根据计算任务传输率分成第一类子任务和第二类子任务；

S1.3，将所述第一类子任务通过本地设备进行计算，将所述第二类子任务发送至移动边缘计算服务器，通过边缘计算系统进行计算；

S1.4，本地设备接收移动边缘计算服务器发送的计算结果，通过本地设备输出最终计算结果；

S2，建立能量消耗模型；

S2.1，规定一个固定长度的传输时段，把该传输时段均分为若干个时隙并分配给所有本地设备；在每个时隙内，本地设备传输第二类子任务到移动边缘计算服务器，移动边缘计算服务器计算并返回信息至本地设备；

S2.2，对于每个本地设备，由于第一类子任务在设备内部电路的传输时间很短可忽略，故仅考虑本地计算消耗的能量；

S2.3，由香农公式可知，本地设备的任务传输速率与带宽、噪声功率、传输功率，以及本地设备与移动边缘计算服务器之间的信道增益有关，具体的传输速率表达式为：

其中p_i为传输功率，g_i为信道增益，σ²为噪声功率，B为带宽；

S2.4，对于移动边缘计算服务器，由于计算能力很强，故忽略计算任务时的能量消耗，仅考虑任务传输过程中的能量消耗；对于本地计算，其能量消耗为：

其中，K_i为计算效率，C_i为本地CPU钟频；

S2.5，整个过程的能量消耗可视为子任务传输过程的能量消耗以及本地计算能量消耗的总和；

S3，提出能量最优化问题以及利用椭球算法进行求解；

S3.1，建立的能量消耗问题，符合强对偶条件，再对其进行拉格朗日变换以及对偶变换之后，可得到其对偶问题，且该对偶问题严格等价于原问题；

S3.2，在考虑一般情况下，利用椭球法对上述对偶问题进行求解，通过设置梯度、迭代和判断步骤，求出最优化的传输概率；

S4，仿真与结论；

仿真过程中，设置恰当的参数，并规定不同的传输时段长度，观察相应的最优任务传输率的趋势以及能量消耗变换趋势，最后得出结论。