CN110351760A - 一种移动边缘计算系统动态任务卸载及资源分配方法 - Google Patents

Abstract

本发明涉及一种移动边缘计算系统动态任务卸载及资源分配方法，属于无线通信技术领域。该方法包括以下步骤：S1：建模移动边缘计算系统；S2：建模用户设备任务变量；S3：建模边缘服务器变量；S4：建模用户设备任务缓冲队列模型；S5：建模边缘服务器任务缓冲队列模型；S6：建模系统长期平均功耗；S7：建模任务卸载，资源分配及任务缓冲队列约束条件；S8：基于系统长期平均功耗优化准则，确定任务卸载及资源分配策略。本发明综合考虑用户设备随机到达任务动态特征，用户设备及边缘服务器任务缓冲队列特性，联合优化任务卸载及资源分配，从而实现系统长期平均功耗最小化。

Description

一种移动边缘计算系统动态任务卸载及资源分配方法

技术领域

本发明属于无线通信技术领域，涉及一种移动边缘计算系统动态任务卸载及资源分配方法。

背景技术

随着移动互联网的快速发展和智能终端的普及，增强现实(Augment Reality，AR)、虚拟现实(Virtual Reality，VR)和移动高清视频流等应用对服务质量(Quality ofService，QoS)的需求越来越高。然而，智能用户设备处理能力不足以及传统移动云计算(Mobile Cloud Computing，MCC)技术的性能局限导致网络难以满足用户短时间内连续处理大量数据的业务需求。针对这一问题，移动边缘计算技术应运而生，通过在距离智能用户设备较近的基站处部署边缘服务器，使用边缘服务器对用户任务进行卸载处理，可有效降低用户设备本地处理任务的能耗与卸载任务至云服务器的时延及能耗，以满足用户任务的低时延低能耗需求。

针对动态到达的用户任务，需研究移动边缘计算系统动态任务卸载问题。目前，已有文献提出针对移动边缘计算系统动态任务卸载问题的用户设备长期平均功耗的最小化方案，但现有方案较少考虑卸载任务缓冲队列长度受限问题，导致网络传输与任务处理效率较低；此外，较少研究联合考虑用户设备任务的动态卸载与资源分配策略，导致所提算法难以实现网络性能的优化。

发明内容

有鉴于此，本发明的目的在于提供一种移动边缘计算系统中以系统长期平均功耗为优化目标的动态任务卸载及资源分配方法，实现系统长期平均功耗最小化。

为达到上述目的，本发明提供如下技术方案：

一种移动边缘计算系统动态任务卸载及资源分配方法，在该方法中，假设移动边缘计算系统是一个由多个任务随机到达的用户设备与多个边缘服务器组成，用户设备与边缘服务器均具有任务缓冲能力。在该方法中，建模系统长期平均功耗为目标，基于任务卸载，资源分配及任务缓冲队列约束，确定用户设备动态任务卸载及资源分配策略。该方法具体包括以下步骤：

S1：建模移动边缘计算系统；

S2：建模用户设备任务变量；

S3：建模边缘服务器变量；

S4：建模用户设备任务缓冲队列模型；

S5：建模边缘服务器任务缓冲队列模型；

S6：建模系统长期平均功耗；

S7：建模任务卸载，资源分配及任务缓冲队列约束条件；

S8：基于系统长期平均功耗优化准则，确定任务卸载及资源分配策略。

进一步，所述步骤S1具体包括：建模一个多用户设备多边缘服务器的移动边缘计算(Mobile Edge Computing，MEC)系统，系统内时间被分为多个持续时间为τ的时隙，令t表示时隙的索引，t＝0,1,...。

进一步，所述步骤S2具体包括：令U＝{U₁,...,U_i,...,U_M}表示用户设备集合，其中，U_i表示第i个用户设备，1≤i≤M，M为用户设备总数目；f_i ^L(t)表示第t个时隙用户设备U_i处理任务所调用的本地计算能力；令A(t)＝{A₁(t),...,A_i(t),...,A_M(t)}表示第t个时隙用户设备随机到达的任务数据量的集合，A_i(t)表示第t个时隙到达U_i的任务数据量。

进一步，所述步骤S3具体包括：令S＝{S₁,...,S_j,...,S_N}表示边缘服务器集合，其中，S_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量；表示第t个时隙边缘服务器S_j的计算能力；B_j表示边缘服务器S_j所关联基站的信道带宽。

进一步，所述步骤S4具体包括：令Q(t)＝{Q₁(t),...,Q_i(t),...,Q_M(t)}表示第t个时隙用户设备任务缓冲队列集合，Q_i(t)表示用户设备U_i在第t个时隙任务缓冲队列；令表示用户设备U_i在第t个时隙本地处理的任务量，建模为其中，θ_i表示用户设备U_i处理单位比特数据量的任务所需计算开销；令表示用户设备U_i在第t个时隙卸载至边缘服务器S_j的任务量，建模为其中，α_ij(t)表示第t个时隙边缘服务器S_j分配给用户设备U_i的带宽比例，p_i(t)表示在第t个时隙用户设备U_i卸载任务对应的发送功率，h_ij(t)表示第t个时隙用户设备U_i与边缘服务器S_j之间的信道增益，N₀表示信道噪声功率谱密度，则第t+1个时隙用户设备U_i的任务缓冲队列Q_i(t+1)建模为其中，x_ij(t)表示在第t个时隙用户设备U_i卸载任务至边缘服务器S_j的调度决策标识，x_ij(t)＝1表示用户设备U_i卸载任务至边缘服务器S_j进行处理，否则，x_ij(t)＝0。

进一步，所述步骤S5具体包括：令G(t)＝{G₁₁(t),...,G_ij(t),...,G_MN(t)}表示第t个时隙边缘服务器处用户设备任务缓冲队列集合，G_ij(t)表示第t个时隙边缘服务器S_j处用户设备U_i任务缓冲队列，令表示边缘服务器S_j在第t个时隙处理的用户设备U_i的卸载任务量，建模为其中，β_ij(t)表示在第t个时隙边缘服务器S_j分配给用户设备U_i的计算能力比例，则第t+1个时隙边缘服务器S_j上用户设备U_i任务缓冲队列G_ij(t+1)建模为：

进一步，所述步骤S6中，建模系统长期平均功耗为：

其中，表示系统功耗期望值，T表示系统总时间，p_i(t)表示第t个时隙用户设备U_i的发射功率，表示第t个时隙用户设备U_i的本地计算功耗，建模为其中，表示用户设备U_i的本地计算功耗系数，表示第t个时隙边缘服务器S_j的计算功耗，建模为其中，表示边缘服务器S_j的计算功耗系数。

进一步，所述步骤S7具体包括：

任务卸载约束条件建模为x_ij(t)∈{0,1}，

用户设备发送功率约束条件建模为其中，表示用户设备U_i的最大发送功率；

用户设备本地计算能力约束条件建模为f_i ^L(t)∈[0,f_i ^max]，其中，f_i ^max表示用户设备U_i的最大计算能力；

边缘服务器资源分配约束条件建模为α_ij(t)∈[0,1]，β_ij(t)∈[0,1]，

任务缓冲队列约束条件建模为 其中，表示用户设备U_i最大可容纳的任务缓冲队列长度，表示边缘服务器S_j最大可容纳的用户设备U_i的任务缓冲队列长度。

进一步，所述步骤S8具体包括：在满足任务卸载约束条件的前提下，以系统长期平均功耗最小化为目标，优化确定边缘服务器任务卸载及资源分配策略，即：

其中，表示用户设备U_i卸载任务至边缘服务器S_j的最优卸载决策，表示用户设备U_i卸载任务至边缘服务器的最优发送功率决策，f_i ^L*表示用户设备U_i本地处理任务最优本地计算能力调度决策，分别表示边缘服务器S_j为用户设备U_i确定的最优信道带宽分配决策及计算能力分配决策。

本发明的有益效果在于：本发明综合考虑用户设备随机到达任务的动态特征，用户设备及边缘服务器任务缓冲队列特性，联合优化任务卸载及资源分配，从而实现系统长期平均功耗最小化。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为移动边缘计算系统架构图；

图2为本发明所述移动边缘计算系统动态任务卸载及资源分配方法的流程示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

请参阅图1～图2，本实施例提供一种移动边缘计算系统动态任务卸载及资源分配方法，假设在该方法中，移动边缘系统为多用户多边缘服务器系统，用户设备任务随机到达，用户设备及边缘服务器均具有任务缓冲能力。在该方法中，综合考虑用户设备的发送功率与本地计算能力，边缘服务器的信道条件与计算能力，用户设备与边缘服务器任务缓冲能力，确定任务卸载及资源分配策略以实现系统长期平均功耗最小化。建模用户设备任务卸载能耗，任务处理能耗与边缘服务器卸载任务处理能耗之和为系统长期平均功耗，基于系统长期平均功耗优化准则，确定任务卸载及资源分配优化策略。

图1为移动边缘计算系统架构，如图1所示，系统中存在多个任务随机到达的用户设备与多个边缘服务器。基于系统长期平均功耗优化准则，确定任务卸载及资源分配优化策略。

图2为本实施所述方法的流程示意图，如图2所示，该方法具体包括以下步骤：

1)建模移动边缘计算系统

建模一个多用户设备多边缘服务器的MEC系统，系统内时间被分为多个持续时间为τ的时隙，令t表示时隙的索引，t＝0,1,...。

2)建模用户设备任务变量

令U＝{U₁,...,U_i,...,U_M}表示用户设备集合，其中，U_i表示第i个用户设备，1≤i≤M，M为用户设备总数目；f_i ^L(t)表示第t个时隙用户设备U_i处理任务所调用的本地计算能力；令A(t)＝{A₁(t),...,A_i(t),...,A_M(t)}表示第t个时隙用户设备随机到达的任务数据量的集合，A_i(t)表示第t个时隙到达U_i的任务数据量。

3)建模边缘服务器变量

令S＝{S₁,...,S_j,...,S_N}表示边缘服务器集合，其中，S_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量；表示第t个时隙边缘服务器S_j的计算能力；B_j表示边缘服务器S_j所关联基站的信道带宽。

4)建模用户设备任务缓冲队列模型

令Q(t)＝{Q₁(t),...,Q_i(t),...,Q_M(t)}表示第t个时隙用户设备任务缓冲队列集合，Q_i(t)表示用户设备U_i在第t个时隙任务缓冲队列；令表示用户设备U_i在第t个时隙本地处理的任务量，建模为其中，θ_i表示用户设备U_i处理单位比特数据量的任务所需计算开销；令表示用户设备U_i在第t个时隙卸载至边缘服务器S_j的任务量，建模为其中，α_ij(t)表示第t个时隙边缘服务器S_j分配给用户设备U_i的带宽比例，p_i(t)表示在第t个时隙用户设备U_i卸载任务对应的发送功率，h_ij(t)表示第t个时隙用户设备U_i与边缘服务器S_j之间的信道增益，N₀表示信道噪声功率谱密度，则第t+1个时隙用户设备U_i的任务缓冲队列Q_i(t+1)建模为其中，x_ij(t)表示在第t个时隙用户设备U_i卸载任务至边缘服务器S_j的调度决策标识，x_ij(t)＝1表示用户设备U_i卸载任务至边缘服务器S_j进行处理，否则，x_ij(t)＝0。

5)建模边缘服务器任务缓冲队列模型

令G(t)＝{G₁₁(t),...,G_ij(t),...,G_MN(t)}表示第t个时隙边缘服务器处用户设备任务缓冲队列集合，G_ij(t)表示第t个时隙边缘服务器S_j处用户设备U_i任务缓冲队列，令表示边缘服务器S_j在第t个时隙处理的用户设备U_i的卸载任务量，建模为其中，β_ij(t)表示在第t个时隙边缘服务器S_j分配给用户设备U_i的计算能力比例，则第t+1个时隙边缘服务器S_j上用户设备U_i任务缓冲队列G_ij(t+1)建模为：

6)建模系统长期平均功耗

建模系统长期平均功耗为：

其中，表示系统功耗期望值，T表示系统总时间，p_i(t)表示第t个时隙用户设备U_i的发射功率，表示第t个时隙用户设备U_i的本地计算功耗，建模为其中，表示用户设备U_i的本地计算功耗系数，表示第t个时隙边缘服务器S_j的计算功耗，建模为其中，表示边缘服务器S_j的计算功耗系数。

7)建模任务卸载，资源分配及任务缓冲队列约束条件

任务卸载约束条件建模为x_ij(t)∈{0,1}，

用户设备发送功率约束条件建模为其中，表示用户设备U_i的最大发送功率；

用户设备本地计算能力约束条件建模为f_i ^L(t)∈[0,f_i ^max]，其中，f_i ^max表示用户设备U_i的最大计算能力；

边缘服务器资源分配约束条件建模为α_ij(t)∈[0,1]，β_ij(t)∈[0,1]，

任务缓冲队列约束条件建模为 其中，表示用户设备U_i最大可容纳的任务缓冲队列长度，表示边缘服务器S_j最大可容纳的用户设备U_i的任务缓冲队列长度。

8)基于系统长期平均功耗优化准则，确定任务卸载及资源分配策略

在满足任务卸载约束条件的前提下，以系统长期平均功耗最小化为目标，优化确定边缘服务器任务卸载及资源分配策略，即：

其中，表示用户设备U_i卸载任务至边缘服务器S_j的最优卸载决策，表示用户设备U_i卸载任务至边缘服务器的最优发送功率决策，f_i ^L*表示用户设备U_i本地处理任务最优本地计算能力调度决策，分别表示边缘服务器S_j为用户设备U_i确定的最优信道带宽分配决策及计算能力分配决策。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，该方法具体包括以下步骤：

S1：建模移动边缘计算系统；

S2：建模用户设备任务变量；

S3：建模边缘服务器变量；

S4：建模用户设备任务缓冲队列模型；

S5：建模边缘服务器任务缓冲队列模型；

S6：建模系统长期平均功耗；

S7：建模任务卸载，资源分配及任务缓冲队列约束条件；

S8：基于系统长期平均功耗优化准则，确定任务卸载及资源分配策略。

2.根据权利要求1所述的一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，所述步骤S1具体包括：建模一个多用户设备多边缘服务器的移动边缘计算(MobileEdge Computing，MEC)系统，系统内时间被分为多个持续时间为τ的时隙，令t表示时隙的索引，t＝0,1,...。

3.根据权利要求2所述的一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，所述步骤S2具体包括：令U＝{U₁,...,U_i,...,U_M}表示用户设备集合，其中，U_i表示第i个用户设备，1≤i≤M，M为用户设备总数目；f_i ^L(t)表示第t个时隙用户设备U_i处理任务所调用的本地计算能力；令A(t)＝{A₁(t),...,A_i(t),...,A_M(t)}表示第t个时隙用户设备随机到达的任务数据量的集合，A_i(t)表示第t个时隙到达U_i的任务数据量。

4.根据权利要求3所述的一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，所述步骤S3具体包括：令S＝{S₁,...,S_j,...,S_N}表示边缘服务器集合，其中，S_j表示第j个边缘服务器，1≤j≤N，N为边缘服务器的数量；表示第t个时隙边缘服务器S_j的计算能力；B_j表示边缘服务器S_j所关联基站的信道带宽。

5.根据权利要求4所述的一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，所述步骤S4具体包括：令Q(t)＝{Q₁(t),...,Q_i(t),...,Q_M(t)}表示第t个时隙用户设备任务缓冲队列集合，Q_i(t)表示用户设备U_i在第t个时隙任务缓冲队列；令表示用户设备U_i在第t个时隙本地处理的任务量，建模为其中，θ_i表示用户设备U_i处理单位比特数据量的任务所需计算开销；令表示用户设备U_i在第t个时隙卸载至边缘服务器S_j的任务量，建模为其中，α_ij(t)表示第t个时隙边缘服务器S_j分配给用户设备U_i的带宽比例，p_i(t)表示在第t个时隙用户设备U_i卸载任务对应的发送功率，h_ij(t)表示第t个时隙用户设备U_i与边缘服务器S_j之间的信道增益，N₀表示信道噪声功率谱密度，则第t+1个时隙用户设备U_i的任务缓冲队列Q_i(t+1)建模为：其中，x_ij(t)表示在第t个时隙用户设备U_i卸载任务至边缘服务器S_j的调度决策标识，x_ij(t)＝1表示用户设备U_i卸载任务至边缘服务器S_j进行处理，否则，x_ij(t)＝0。

6.根据权利要求5所述的一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，所述步骤S5具体包括：令G(t)＝{G₁₁(t),...,G_ij(t),...,G_MN(t)}表示第t个时隙边缘服务器处用户设备任务缓冲队列集合，G_ij(t)表示第t个时隙边缘服务器S_j处用户设备U_i任务缓冲队列，令表示边缘服务器S_j在第t个时隙处理的用户设备U_i的卸载任务量，建模为其中，β_ij(t)表示在第t个时隙边缘服务器S_j分配给用户设备U_i的计算能力比例，则第t+1个时隙边缘服务器S_j上用户设备U_i任务缓冲队列G_ij(t+1)建模为：

7.根据权利要求6所述的一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，所述步骤S6中，建模系统长期平均功耗为：

其中，表示系统功耗期望值，T表示系统总时间，p_i(t)表示第t个时隙用户设备U_i的发射功率，表示第t个时隙用户设备U_i的本地计算功耗，建模为其中，表示用户设备U_i的本地计算功耗系数，表示第t个时隙边缘服务器S_j的计算功耗，建模为其中，表示边缘服务器S_j的计算功耗系数。

8.根据权利要求7所述的一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，所述步骤S7具体包括：

任务卸载约束条件建模为x_ij(t)∈{0,1}，

用户设备发送功率约束条件建模为其中，表示用户设备U_i的最大发送功率；

用户设备本地计算能力约束条件建模为f_i ^L(t)∈[0,f_i ^max]，其中，f_i ^max表示用户设备U_i的最大计算能力；

边缘服务器资源分配约束条件建模为α_ij(t)∈[0,1]，β_ij(t)∈[0,1]，

任务缓冲队列约束条件建模为 其中，表示用户设备U_i最大可容纳的任务缓冲队列长度，表示边缘服务器S_j最大可容纳的用户设备U_i的任务缓冲队列长度。

9.根据权利要求8所述的一种移动边缘计算系统动态任务卸载及资源分配方法，其特征在于，所述步骤S8具体包括：在满足任务卸载约束条件的前提下，以系统长期平均功耗最小化为目标，优化确定边缘服务器任务卸载及资源分配策略，即：

其中，表示用户设备U_i卸载任务至边缘服务器S_j的最优卸载决策，表示用户设备U_i卸载任务至边缘服务器的最优发送功率决策，f_i ^L*表示用户设备U_i本地处理任务最优本地计算能力调度决策，分别表示边缘服务器S_j为用户设备U_i确定的最优信道带宽分配决策及计算能力分配决策。