CN111615129B - 基于noma的多用户移动边缘计算系统中的资源分配方法 - Google Patents

基于noma的多用户移动边缘计算系统中的资源分配方法 Download PDF

Info

Publication number
CN111615129B
CN111615129B CN202010472813.6A CN202010472813A CN111615129B CN 111615129 B CN111615129 B CN 111615129B CN 202010472813 A CN202010472813 A CN 202010472813A CN 111615129 B CN111615129 B CN 111615129B
Authority
CN
China
Prior art keywords
constraint
user
problem model
denoted
task
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
CN202010472813.6A
Other languages
English (en)
Other versions
CN111615129A (zh
Inventor
徐鼎
万志兰
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202010472813.6A priority Critical patent/CN111615129B/zh
Publication of CN111615129A publication Critical patent/CN111615129A/zh
Application granted granted Critical
Publication of CN111615129B publication Critical patent/CN111615129B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明揭示了一种基于NOMA的多用户移动边缘计算系统中的资源分配方法，适用于多用户移动边缘计算系统，方法包括如下步骤：S1、设置各项参数，建立优化问题模型；S2、明确约束条件，对所述优化问题模型中的各项条件进行约束；S3、对所述优化问题模型进行求解，优化各项参数，按照优化结果分配相应资源，最终得到系统卸载时延。本发明通过将NOMA技术与移动边缘计算技术相结合的方式，实现了对多用户移动边缘计算系统中信道、任务卸载、功率以及计算资源等方面的优化分配。

Description

基于NOMA的多用户移动边缘计算系统中的资源分配方法
技术领域
本发明为一种资源分配方法，具体涉及一种基于NOMA的多用户移动边缘计算系统中的资源分配方法，属于移动边缘计算技术领域。
背景技术
近年来，随着移动互联网技术的飞速发展，各类相关服务陆续出现，逐步产生了各种需要大量计算的应用程序，例如虚拟/增强现实、在线人工智能以及基于物联网的大数据分析等等。也正是基于上述发展现状，在目前的网络架构中，各类移动终端的计算压力巨大。这一方面是由于大部分现有移动终端本身的计算能力有限，无法满足时延需求；另一方面则是由于移动终端本身的电池损耗速度快，无法支持高密度的计算应用。
针对以上问题，目前也有一部分研究者提出通过移动云计算的方式加以解决，即将计算任务卸载到云端执行。但由于中心云可能距离用户太远而产生很大的传播时延和网络转发时延，加之回程链路带宽的限制，该方案在实际应用时可能会出现网络拥塞的情况。
随着研究的不断深入，现如今，领域内还陆续出现了一些全新的计算方法和计算思路。具体而言，移动边缘计算(Mobile edge Computing,MEC)是一种将软硬件相结合的技术解决方案，其主要思想是使移动用户(Mobile terminals/users,Mus)将计算应用卸载到更加靠近用户的、无线接入网边缘的计算服务器中执行，从而缓解Mus的计算压力。非正交多址接入(Non-Orthogonal Multiple Access,NOMA)是下一代网络中提高频谱利用率的一项关键技术。在发送端，NOMA采用叠加编码(Superposition Coding,SC)技术，使同一信道上的不同用户信号以叠加编码的方式进行传输，每个用户到达接收端的信道条件不同。假设接收端已知所有信道状态信息，采用串行干扰消除(Successive InterferenceCancellation,SIC)技术，根据用户信道条件、按照一定顺序进行干扰消除，可解码出不同用户的信号。
随着日益增长用户卸载需求，边缘计算卸载的主要研究问题开始侧重于针对用户的高时延要求，为用户合理分配有限的计算资源以及通信资源，以提高用户服务体验和系统资源利用效率。
为了解决MEC中海量的连接需求，将NOMA与MEC相结合、按照传输类型分为上行NOMA-MEC和下行NOMA-MEC。上行NOMA-MEC,包含多个用户和一个MEC服务器，多个用户通过复用相同的频率资源块同时进行计算卸载。下行NOMA-MEC，包含一个用户和多个MEC服务器，一个用户将多个计算任务通过NOMA同时卸载给多个MEC服务器。相较于上行NOMA-MEC，在下行NOMA-MEC中，信道条件好的用户与信道条件差的用户配对，NOMA-MEC可实现比传统正交多址MEC更好的性能增益，有效提高移动边缘网络的卸载效率。
综上所述，如何结合上述研究现状，设计出一种全新的资源分配方法，通过对信道、任务卸载、功率以及计算资源进行优化分配，提升系统卸载性能，最小化用户卸载计算完成时间，也就成为了本领域内技术人员所共同关注的问题。
发明内容
鉴于现有技术存在上述缺陷，本发明的目的是提出一种基于NOMA的多用户移动边缘计算系统中的资源分配方法，具体如下。
一种基于NOMA的多用户移动边缘计算系统中的资源分配方法，适用于多用户移动边缘计算系统；
所述多用户移动边缘计算系统包括N个用户、N条信道以及I个边缘计算服务器，其中，用户n，n∈N有Kn个计算任务且
Figure BDA0002514876440000031
在分配给用户n的上行传输时间
Figure BDA0002514876440000032
内，用户将Kn个计算任务通过NOMA卸载给边缘计算服务器，服务器为用户n的第k个任务分配的计算资源为
Figure BDA0002514876440000033
各服务器计算完成后，在分配给用户n的下行传输时间
Figure BDA0002514876440000034
内，将计算结果通过NOMA传输发送给用户；
方法包括如下步骤：
S1、将用户n的第k个任务记为
Figure BDA0002514876440000035
其中，
Figure BDA0002514876440000036
表示计算任务的数据大小，
Figure BDA0002514876440000037
表示计算量(CPU周期数)，
Figure BDA0002514876440000038
表示计算结果的数据大小；
将信道决策表示为{βn，l}，l∈L，
其中，L为信道集合，当任务
Figure BDA0002514876440000039
在信道l上发送时{βn，l}＝1，否则{βn，l}＝0；
将任务卸载决策表示为
Figure BDA00025148764400000310
其中，I为边缘服务器集合，当任务
Figure BDA00025148764400000311
卸载到边缘计算服务器i时
Figure BDA00025148764400000312
否则
Figure BDA00025148764400000313
将任务
Figure BDA00025148764400000314
的计算时间记为
Figure BDA00025148764400000315
任务
Figure BDA00025148764400000316
的上行发送功率记为
Figure BDA00025148764400000317
任务
Figure BDA00025148764400000318
的下行发送功率记为
Figure BDA00025148764400000319
将用户n的卸载完成时间表示为、
Figure BDA00025148764400000320
随后以最小化所有用户卸载完成时间为目标构建优化问题模型P1、表示为
Figure BDA0002514876440000041
S2、明确约束条件，对所述优化问题模型中的各项条件进行约束；
S3、对所述优化问题模型进行求解，优化
Figure BDA0002514876440000042
βn，l、
Figure BDA0002514876440000043
Figure BDA0002514876440000044
按照优化结果分配相应资源，最终得到系统卸载时延
Figure BDA0002514876440000045
优选地，S2中所述优化条件包括：
约束C1为上行传输的功率约束、表示为
Figure BDA0002514876440000046
其中，
Figure BDA0002514876440000047
表示用户n的最大发送功率；
约束C2为下行传输的功率约束、表示为
Figure BDA0002514876440000048
其中，
Figure BDA0002514876440000049
表示边缘计算服务器i的最大发送功率；
约束C3为边缘计算服务器的计算资源约束、表示为
Figure BDA00025148764400000410
其中，
Figure BDA00025148764400000411
表示边缘计算服务器i的计算资源；
约束C4为上行的速率约束、表示为
Figure BDA00025148764400000412
约束C5为下行的速率约束、表示为
Figure BDA00025148764400000413
约束C6为参数非负约束、表示为
Figure BDA00025148764400000414
约束C7表示一个任务只能卸载给一个服务器、表示为
Figure BDA0002514876440000051
约束C8表示一个用户只能使用一条信道、表示为
Figure BDA0002514876440000052
约束C9表示一条信道只能分配给一个用户、表示为
Figure BDA0002514876440000053
优选地，所述
Figure BDA0002514876440000054
的表达式为
Figure BDA0002514876440000055
其中，σ为噪声功率，
Figure BDA0002514876440000056
表示用户sn与边缘计算服务器i通过信道l通信的信道增益；
所述
Figure BDA0002514876440000057
的表达式为
Figure BDA0002514876440000058
优选地，将最小上行传输功率表示为
Figure BDA0002514876440000059
将最小下行传输功率表示为
Figure BDA00025148764400000510
优选地，S3中所述对优化问题模型进行求解，具体包括如下步骤：
S31、在满足约束条件C7的前提下，随机初始化
Figure BDA00025148764400000511
S32、依据给定的
Figure BDA00025148764400000512
建立问题模型P2、表示为
Figure BDA00025148764400000513
问题模型P2的约束条件包括约束C1、约束C4、约束C8、约束C9以及约束C10，其中，约束C10表示为
Figure BDA00025148764400000514
采用KM算法和二分法求解问题模型P2，得到
Figure BDA0002514876440000061
βn，l；
S33、依据给定的
Figure BDA0002514876440000062
βn，l、
Figure BDA0002514876440000063
建立问题模型P3、表示为
Figure BDA0002514876440000064
问题模型P3的约束条件包括约束约束C11、约束C12以及约束C13，其中，约束C11表示为
Figure BDA0002514876440000065
约束C12表示为
Figure BDA0002514876440000066
约束C13表示为
Figure BDA0002514876440000067
通过求解问题模型P3优化
Figure BDA0002514876440000068
其中，
Figure BDA0002514876440000069
当N＝2，直接求出
Figure BDA00025148764400000610
当N＞2，通过二分法求出
Figure BDA00025148764400000611
S34、计算得到Tn，判断Tn是否收敛，若是则随即结束步骤；若否则以Tn作为效益函数、两组玩家N、I建立偏好列表，采用双边交换匹配算法进一步优化
Figure BDA00025148764400000612
并返回步骤S33，经过多次迭代最终得到最优的
Figure BDA00025148764400000613
βn，l、
Figure BDA00025148764400000614
优选地，S32具体包括如下步骤：
根据得到的
Figure BDA00025148764400000615
将用户n采用信道l卸载的传输时间表示为
Figure BDA00025148764400000616
对于l∈L，
Figure BDA00025148764400000617
代入βn，l＝1，建立问题模型P2.1、表示为
Figure BDA00025148764400000618
问题模型P2.1的约束条件为约束C1以及约束C10，
求解问题模型P2.1得到
Figure BDA00025148764400000619
随后建立问题模型P2、表示为
Figure BDA0002514876440000071
问题模型P2的约束条件包括约束C1、约束C4、约束C8、约束C9以及约束C10，其中，约束C10表示为
Figure BDA0002514876440000072
对问题模型P2采用二分搜索法求解得到最短上行传输时间
Figure BDA0002514876440000073
并代入最小传输功率表达式得到最优的
Figure BDA0002514876440000074
所述最小传输功率表达式为
Figure BDA0002514876440000075
优选地，S33中所述问题模型P3的求解过程包括：
S331、根据最小下行传输功率
Figure BDA0002514876440000076
采用二分搜索法求得下行传输时间
Figure BDA0002514876440000077
以及下行传输功率
Figure BDA0002514876440000078
S332、令
Figure BDA0002514876440000079
将对问题模型P3的求解转化成求解最小的T、即求解以下方程组
Figure BDA00025148764400000710
当N＝2时，可直接求得
Figure BDA00025148764400000711
的表达式，当N＞2时，根据
Figure BDA00025148764400000712
采用二分搜索法求出T，根据
Figure BDA00025148764400000713
Figure BDA00025148764400000714
求得
Figure BDA00025148764400000715
的表达式；
S333、在给定
Figure BDA00025148764400000716
均前提下，将
Figure BDA00025148764400000717
代入最小下行传输功率表达式，采用二分搜索法求出T，得到
Figure BDA00025148764400000718
以及
Figure BDA00025148764400000719
随后判断T是否收敛，若是则结束步骤，若否则返回S332。
本发明的优点主要体现在以下几个方面：
本发明所提出的资源分配方法，通过将NOMA技术与移动边缘计算技术相结合的方式，实现了对多用户移动边缘计算系统中信道、任务卸载、功率以及计算资源等方面的优化分配。本方法的适配性强、兼容性能优异，可基于不同用户的计算需求、不同的信道条件以及不同的服务器计算能力，灵活分配系统资源，最小化系统中所有用户卸载计算的完成时间，提升用户服务体验。
此外，本发明还为边缘计算系统的相关研究和应用提供了可以一种全新的思路，为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸和深入研究，具有十分广阔的应用前景。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明方法中的部分流程示意图；
图2为适用本发明方法的多用户移动边缘计算系统的架构示意图；
图3为系统卸载时延相对于
Figure BDA0002514876440000081
的变化示意图；
图4为系统卸载时延相对于
Figure BDA0002514876440000082
的变化示意图；
图5为系统卸载时延相对于
Figure BDA0002514876440000083
的变化示意图。
具体实施方式
本发明揭示了一种基于非定长编码遗传算法的多跳路由路径选择方法，具体如下。
一种基于NOMA的多用户移动边缘计算系统中的资源分配方法，适用于多用户移动边缘计算系统。
所述多用户移动边缘计算系统包括N个用户、N条信道以及I个边缘计算服务器，其中，用户n，n∈N有Kn个计算任务且
Figure BDA0002514876440000091
在分配给用户n的上行传输时间
Figure BDA0002514876440000092
内，用户将Kn个计算任务通过NOMA卸载给边缘计算服务器，服务器为用户n的第k个任务分配的计算资源为
Figure BDA0002514876440000093
(CPU周期/秒)，各服务器计算完成后，在分配给用户n的下行传输时间
Figure BDA0002514876440000094
内，将计算结果通过NOMA传输发送给用户。
本发明的方法包括如下步骤：
S1、将用户n的第k个任务记为
Figure BDA0002514876440000095
其中，
Figure BDA0002514876440000096
表示计算任务的数据大小，
Figure BDA0002514876440000097
表示计算量(CPU周期数)，
Figure BDA0002514876440000098
表示计算结果的数据大小；
将信道决策表示为{βn，l}，l∈L，
其中，L为信道集合，当任务
Figure BDA0002514876440000099
在信道l上发送时{βn，l}＝1，否则{βn，l}＝0；
将任务卸载决策表示为
Figure BDA00025148764400000910
其中，I为边缘服务器集合，当任务
Figure BDA00025148764400000911
卸载到边缘计算服务器i时
Figure BDA00025148764400000912
否则
Figure BDA00025148764400000913
将任务
Figure BDA00025148764400000914
的计算时间记为
Figure BDA00025148764400000915
任务
Figure BDA00025148764400000916
的上行发送功率记为
Figure BDA00025148764400000917
任务
Figure BDA00025148764400000918
的下行发送功率记为
Figure BDA00025148764400000919
将用户n的卸载完成时间表示为、
Figure BDA00025148764400000920
随后以最小化所有用户卸载完成时间为目标构建优化问题模型P1、表示为
Figure BDA0002514876440000101
S2、明确约束条件，对所述优化问题模型中的各项条件进行约束。
此处所述优化条件包括：
约束C1为上行传输的功率约束、表示为
Figure BDA0002514876440000102
其中，
Figure BDA0002514876440000103
表示用户n的最大发送功率；
约束C2为下行传输的功率约束、表示为
Figure BDA0002514876440000104
其中，
Figure BDA0002514876440000105
表示边缘计算服务器i的最大发送功率；
约束C3为边缘计算服务器的计算资源约束、表示为
Figure BDA0002514876440000106
其中，
Figure BDA0002514876440000107
表示边缘计算服务器i的计算资源；
约束C4为上行的速率约束、表示为
Figure BDA0002514876440000108
约束C5为下行的速率约束、表示为
Figure BDA0002514876440000109
约束C6为参数非负约束、表示为
Figure BDA00025148764400001010
约束C7表示一个任务只能卸载给一个服务器、表示为
Figure BDA00025148764400001011
约束C8表示一个用户只能使用一条信道、表示为
Figure BDA0002514876440000111
约束C9表示一条信道只能分配给一个用户、表示为
Figure BDA0002514876440000112
需要补充说明的是，所述
Figure BDA0002514876440000113
的表达式为
Figure BDA0002514876440000114
其中，σ为噪声功率，
Figure BDA0002514876440000115
表示用户sn与边缘计算服务器i通过信道l通信的信道增益；
所述
Figure BDA0002514876440000116
的表达式为
Figure BDA0002514876440000117
将最小上行传输功率表示为
Figure BDA0002514876440000118
将最小下行传输功率表示为
Figure BDA0002514876440000119
S3、对所述优化问题模型进行求解，优化
Figure BDA00025148764400001110
βn，l、
Figure BDA00025148764400001111
Figure BDA00025148764400001112
按照优化结果分配相应资源，最终得到系统卸载时延
Figure BDA00025148764400001113
如图1所示，所述对优化问题模型进行求解，具体包括如下步骤：
S31、在满足约束条件C7的前提下，随机初始化
Figure BDA00025148764400001114
S32、依据给定的
Figure BDA00025148764400001115
建立问题模型P2、表示为
Figure BDA00025148764400001116
问题模型P2的约束条件包括约束C1、约束C4、约束C8、约束C9以及约束C10，其中，约束C10表示为
Figure BDA0002514876440000121
采用KM(Khun-Munkres)算法和二分法求解问题模型P2，得到
Figure BDA0002514876440000122
Figure BDA0002514876440000123
βn，l；
S33、依据给定的
Figure BDA0002514876440000124
βn，l、
Figure BDA0002514876440000125
建立问题模型P3、表示为
Figure BDA0002514876440000126
问题模型P3的约束条件包括约束约束C11、约束C12以及约束C13，其中，约束C11表示为
Figure BDA0002514876440000127
约束C12表示为
Figure BDA0002514876440000128
约束C13表示为
Figure BDA0002514876440000129
通过求解问题模型P3优化
Figure BDA00025148764400001210
其中，
Figure BDA00025148764400001211
当N＝2，直接求出
Figure BDA00025148764400001212
当N＞2，通过二分法求出
Figure BDA00025148764400001213
S34、计算得到Tn，判断Tn是否收敛，若是则随即结束步骤；若否则以Tn作为效益函数、两组玩家N、I建立偏好列表，采用双边交换匹配算法进一步优化
Figure BDA00025148764400001214
并返回步骤S33，经过多次迭代最终得到最优的
Figure BDA00025148764400001215
βn，l、
Figure BDA00025148764400001216
S32具体包括如下步骤：
根据得到的
Figure BDA00025148764400001217
将用户n采用信道l卸载的传输时间表示为
Figure BDA00025148764400001218
对于l∈L，
Figure BDA00025148764400001219
代入βn，l＝1，建立问题模型P2.1、表示为
Figure BDA00025148764400001220
问题模型P2.1的约束条件为约束C1以及约束C10，
求解问题模型P2.1得到
Figure BDA0002514876440000131
随后建立问题模型P2、表示为
Figure BDA0002514876440000132
问题模型P2的约束条件包括约束C1、约束C4、约束C8、约束C9以及约束C10，其中，约束C10表示为
Figure BDA0002514876440000133
对问题模型P2采用二分搜索法求解得到最短上行传输时间
Figure BDA0002514876440000134
并代入最小传输功率表达式得到最优的
Figure BDA0002514876440000135
所述最小传输功率表达式为
Figure BDA0002514876440000136
S33中所述问题模型P3的求解过程包括：
S331、根据最小下行传输功率
Figure BDA0002514876440000137
采用二分搜索法求得下行传输时间
Figure BDA0002514876440000138
以及下行传输功率
Figure BDA0002514876440000139
S332、令
Figure BDA00025148764400001310
将对问题模型P3的求解转化成求解最小的T、即求解以下方程组
Figure BDA00025148764400001311
当N＝2时，可直接求得
Figure BDA00025148764400001312
的表达式，当N＞2时，根据
Figure BDA00025148764400001313
采用二分搜索法求出T，根据
Figure BDA00025148764400001314
Figure BDA00025148764400001315
求得
Figure BDA00025148764400001316
的表达式；
S333、在给定
Figure BDA0002514876440000141
的前提下，将
Figure BDA0002514876440000142
代入最小下行传输功率表达式，采用二分搜索法求出T，得到
Figure BDA0002514876440000143
以及
Figure BDA0002514876440000144
随后判断T是否收敛，若是则结束步骤，若否则返回S332。
以下便结合一具体实施例对本发明的方案进行详细说明。应用场景如图2所示，包括N个用户，N条信道，I个边缘服务器，用户n有Kn个计算任务，且
Figure BDA0002514876440000145
用户n的任务k记为
Figure BDA0002514876440000146
Figure BDA0002514876440000147
表示任务数据大小，
Figure BDA0002514876440000148
表示任务的计算量(CPU cycles)，
Figure BDA0002514876440000149
表示计算结果数据大小。
假设边缘计算服务器和用户均匀分布在半径为500米的区域内，假设I＝5，传输带宽w＝5MHZ，信道为瑞利衰落，路径衰落为
Figure BDA00025148764400001410
为用户n与服务器i间的距离，λ＝3/2为路径衰落因子。假设
Figure BDA00025148764400001411
Figure BDA00025148764400001412
Figure BDA00025148764400001413
将TDMA卸载方案与SCM方案作为参考方案，与本发明中的卸载方案进行比较。三种方案的卸载时延随任务数据变化情况如图3所示、随用户功率变化情况如图4所示、随边缘计算服务器计算资源变化情况如图5所示。通过观察可以发现，本发明所提卸载方案的卸载时延低于TDMA卸载方案和SCM方案，因为在TDMA卸载方案中在多个任务采用分时传输，而NOMA支持多任务同时传输，在SCM方案中没有考虑联合优化功率和计算资源的分配。
综上所述，本发明所提出的资源分配方法，通过将NOMA技术与移动边缘计算技术相结合的方式，实现了对多用户移动边缘计算系统中信道、任务卸载、功率以及计算资源等方面的优化分配。本方法的适配性强、兼容性能优异，可基于不同用户的计算需求、不同的信道条件以及不同的服务器计算能力，灵活分配系统资源，最小化系统中所有用户卸载计算的完成时间，提升用户服务体验。
此外，本发明还为边缘计算系统的相关研究和应用提供了可以一种全新的思路，为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸和深入研究，具有十分广阔的应用前景。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
最后，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于NOMA的多用户移动边缘计算系统中的资源分配方法，适用于多用户移动边缘计算系统；
所述多用户移动边缘计算系统包括N个用户、N条信道以及I个边缘计算服务器，其中，用户n有Kn个计算任务且maxn{Kn}≤I，n∈N，在分配给用户n的上行传输时间
Figure FDA0003866578340000011
内，用户将Kn个计算任务通过NOMA卸载给边缘计算服务器，服务器为用户n的第k个任务分配的计算资源为
Figure FDA0003866578340000012
各服务器计算完成后，在分配给用户n的下行传输时间
Figure FDA0003866578340000013
内，将计算结果通过NOMA传输发送给用户；
其特征在于，方法包括如下步骤：
S1、将用户n的第k个任务记为
Figure FDA0003866578340000014
其中，
Figure FDA0003866578340000015
表示计算任务的数据大小，
Figure FDA0003866578340000016
表示计算量，即CPU周期数，
Figure FDA0003866578340000017
表示计算结果的数据大小；
将信道决策表示为
{βn,l},l∈L，
其中，L为信道集合，当任务
Figure FDA0003866578340000018
在信道l上发送时{βn,l}＝1，否则{βn,l}＝0；
将任务卸载决策表示为
Figure FDA0003866578340000019
其中，I为边缘服务器集合，当任务
Figure FDA00038665783400000110
卸载到边缘计算服务器i时
Figure FDA00038665783400000111
否则
Figure FDA00038665783400000112
将任务
Figure FDA00038665783400000113
的计算时间记为
Figure FDA00038665783400000114
任务
Figure FDA00038665783400000115
的上行发送功率记为
Figure FDA00038665783400000116
任务
Figure FDA00038665783400000117
的下行发送功率记为
Figure FDA00038665783400000118
将用户n的卸载完成时间表示为
Figure FDA00038665783400000119
随后以最小化所有用户卸载完成时间为目标构建优化问题模型P1、表示为
Figure FDA0003866578340000021
S2、明确约束条件，对所述优化问题模型中的各项条件进行约束；
所述约束条件包括：
约束C1为上行传输的功率约束、表示为
Figure FDA0003866578340000022
其中，
Figure FDA0003866578340000023
表示用户n的最大发送功率；
约束C2为下行传输的功率约束、表示为
Figure FDA0003866578340000024
其中，
Figure FDA0003866578340000025
表示边缘计算服务器i的最大发送功率；
约束C3为边缘计算服务器的计算资源约束、表示为
Figure FDA0003866578340000026
其中，Vi max表示边缘计算服务器i的计算资源；
约束C4为上行的速率约束、表示为
Figure FDA0003866578340000027
约束C5为下行的速率约束、表示为
Figure FDA0003866578340000028
约束C6为参数非负约束、表示为
Figure FDA0003866578340000029
约束C7表示一个任务只能卸载给一个服务器、表示为
Figure FDA00038665783400000210
约束C8表示一个用户只能使用一条信道、表示为
Figure FDA00038665783400000211
约束C9表示一条信道只能分配给一个用户、表示为
Figure FDA0003866578340000031
S3、对所述优化问题模型进行求解，优化
Figure FDA0003866578340000032
βn,l、
Figure FDA0003866578340000033
按照优化结果分配相应资源，最终得到系统卸载时延maxn{Tn}；
所述对优化问题模型进行求解，具体包括如下步骤：
S31、在满足约束条件C7的前提下，随机初始化
Figure FDA0003866578340000034
S32、依据给定的
Figure FDA0003866578340000035
建立问题模型P2、表示为
Figure FDA0003866578340000036
问题模型P2的约束条件包括约束C1、约束C4、约束C8、约束C9以及约束C10，其中，约束C10表示为
Figure FDA0003866578340000037
采用KM算法和二分法求解问题模型P2，得到
Figure FDA0003866578340000038
βn,l；
S33、依据给定的
Figure FDA0003866578340000039
βn,l、
Figure FDA00038665783400000310
建立问题模型P3、表示为
Figure FDA00038665783400000311
问题模型P3的约束条件包括约束C11、约束C12以及约束C13，其中，约束C11表示为
Figure FDA00038665783400000312
约束C12表示为
Figure FDA00038665783400000313
约束C13表示为
Figure FDA00038665783400000314
通过求解问题模型P3优化
Figure FDA00038665783400000315
其中，
Figure FDA00038665783400000316
当N＝2，直接求出
Figure FDA00038665783400000317
当N>2，通过二分法求出
Figure FDA00038665783400000318
S34、计算得到Tn，判断Tn是否收敛，若是则随即结束步骤；若否则以Tn作为效益函数、两组玩家N、I建立偏好列表，采用双边交换匹配算法进一步优化
Figure FDA0003866578340000041
并返回步骤S33，经过多次迭代最终得到最优的
Figure FDA0003866578340000042
βn,l、
Figure FDA0003866578340000043
2.根据权利要求1所述的基于NOMA的多用户移动边缘计算系统中的资源分配方法，其特征在于：所述
Figure FDA0003866578340000044
的表达式为
Figure FDA0003866578340000045
其中，σ为噪声功率，
Figure FDA0003866578340000046
Figure FDA0003866578340000047
表示用户sn与边缘计算服务器i通过信道l通信的信道增益；
所述
Figure FDA0003866578340000048
的表达式为
Figure FDA0003866578340000049
3.根据权利要求2所述的基于NOMA的多用户移动边缘计算系统中的资源分配方法，其特征在于：将最小上行传输功率表示为
Figure FDA00038665783400000410
将最小下行传输功率表示为
Figure FDA00038665783400000411
4.根据权利要求1所述的基于NOMA的多用户移动边缘计算系统中的资源分配方法，其特征在于，S32具体包括如下步骤：
根据得到的
Figure FDA00038665783400000412
将用户n采用信道l卸载的传输时间表示为
Figure FDA00038665783400000413
对于l∈L，
Figure FDA00038665783400000414
代入βn,l＝1，建立问题模型P2.1、表示为
Figure FDA00038665783400000415
问题模型P2.1的约束条件为约束C1以及约束C10，
求解问题模型P2.1得到
Figure FDA00038665783400000416
随后建立问题模型P2、表示为
Figure FDA0003866578340000051
问题模型P2的约束条件包括约束C1、约束C4、约束C8、约束C9以及约束C10，其中，约束C10表示为
Figure FDA0003866578340000052
对问题模型P2采用二分搜索法求解得到最短上行传输时间
Figure FDA0003866578340000053
并代入最小传输功率表达式得到最优的
Figure FDA0003866578340000054
所述最小传输功率表达式为
Figure FDA0003866578340000055
5.根据权利要求1所述的基于NOMA的多用户移动边缘计算系统中的资源分配方法，其特征在于，S33中所述问题模型P3的求解过程包括：
S331、根据最小下行传输功率
Figure FDA0003866578340000056
采用二分搜索法求得下行传输时间
Figure FDA0003866578340000057
以及下行传输功率
Figure FDA0003866578340000058
S332、令T＝maxn{Tn}，将对问题模型P3的求解转化成求解最小的T、即求解以下方程组
Figure FDA0003866578340000059
当N＝2时，可直接求得
Figure FDA00038665783400000510
的表达式，当N>2时，根据
Figure FDA00038665783400000511
采用二分搜索法求出T，根据
Figure FDA00038665783400000512
求得
Figure FDA00038665783400000513
的表达式；
S333、在给定
Figure FDA00038665783400000514
的前提下，将
Figure FDA00038665783400000515
代入最小下行传输功率表达式，采用二分搜索法求出T，得到
Figure FDA0003866578340000061
以及
Figure FDA0003866578340000062
随后判断T是否收敛，若是则结束步骤，若否则返回S332。
CN202010472813.6A 2020-05-29 2020-05-29 基于noma的多用户移动边缘计算系统中的资源分配方法 Active CN111615129B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010472813.6A CN111615129B (zh) 2020-05-29 2020-05-29 基于noma的多用户移动边缘计算系统中的资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010472813.6A CN111615129B (zh) 2020-05-29 2020-05-29 基于noma的多用户移动边缘计算系统中的资源分配方法

Publications (2)

Publication Number Publication Date
CN111615129A CN111615129A (zh) 2020-09-01
CN111615129B true CN111615129B (zh) 2023-03-24

Family

ID=72203798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010472813.6A Active CN111615129B (zh) 2020-05-29 2020-05-29 基于noma的多用户移动边缘计算系统中的资源分配方法

Country Status (1)

Country Link
CN (1) CN111615129B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112311849B (zh) * 2020-09-24 2023-02-10 北京中电飞华通信有限公司 基于mimo-mec的通信网络中任务处理方法
CN112333702A (zh) * 2020-10-30 2021-02-05 杭州哲达科技股份有限公司 一种基于安全noma移动边缘计算的延迟最小化的优化方法
CN112788764A (zh) * 2020-12-23 2021-05-11 华北电力大学 针对noma超密集网络任务卸载和资源分配方法及系统
CN112738185B (zh) * 2020-12-24 2022-09-20 西安邮电大学 基于非正交多址的边缘计算系统控制联合优化方法及应用
CN113573361B (zh) * 2021-06-22 2024-04-16 西安电子科技大学 面向毫米波mec的低时延-高速率的卸载传输方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109640320B (zh) * 2018-12-07 2021-07-27 南京邮电大学 一种基于混合noma的移动边缘计算系统计算任务的安全卸载方法
CN109548013B (zh) * 2018-12-07 2021-12-07 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
CN109600178B (zh) * 2018-12-07 2021-03-30 中国人民解放军军事科学院国防科技创新研究院 一种边缘计算中能耗与时延和最小化的优化方法
CN109814951B (zh) * 2019-01-22 2021-09-28 南京邮电大学 移动边缘计算网络中任务卸载及资源分配的联合优化方法
CN110035410B (zh) * 2019-03-07 2021-07-13 中南大学 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法
CN110996393B (zh) * 2019-12-12 2023-04-11 大连理工大学 一种单边缘计算服务器与多用户协同的计算卸载与资源分配方法
CN111130911B (zh) * 2019-12-31 2022-05-31 杭州电子科技大学 一种基于移动边缘计算的计算卸载方法

Also Published As

Publication number Publication date
CN111615129A (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
CN111615129B (zh) 基于noma的多用户移动边缘计算系统中的资源分配方法
CN109413724B (zh) 一种基于mec的任务卸载和资源分配方案
CN109814951B (zh) 移动边缘计算网络中任务卸载及资源分配的联合优化方法
WO2022121097A1 (zh) 一种移动用户计算任务的卸载方法
Huang et al. Distributed offloading in overlapping areas of mobile-edge computing for Internet of Things
CN110798858B (zh) 基于代价效率的分布式任务卸载方法
CN111800812B (zh) 一种应用在非正交多址接入的移动边缘计算网络中的用户接入方案的设计方法
CN112000481B (zh) 一种d2d-mec系统计算能力最大化的任务卸载方法
CN111884696A (zh) 一种基于多载波的中继协作移动边缘计算方法
CN115278779B (zh) Mec网络中基于渲染感知的vr服务模块动态放置方法
CN112654058A (zh) D2d多播网络中的移动边缘计算卸载与资源分配算法
CN112969163A (zh) 一种基于自适应任务卸载的蜂窝网络计算资源分配方法
CN115801091A (zh) 面向星地协同计算的大规模星座网络资源调度方法
Chen et al. Dynamic task caching and computation offloading for mobile edge computing
CN111954230B (zh) 基于mec与密集云接入网融合的计算迁移与资源分配方法
CN116761218A (zh) 一种云边端协同系统中的联合优化方法、系统及存储介质
CN109561129B (zh) 一种基于光纤-无线网络的协同计算卸载方法
CN109831759A (zh) 一种基于软件定义无线网络的三维d2d匹配算法
CN113784372B (zh) 一种面向终端多业务模型的联合优化方法
Kim et al. Service caching and computation resource allocation for large-scale edge computing-enabled networks
Dai et al. Decoupled multiple association in full-duplex ultra-dense networks: An evolutionary game approach
Wu et al. NOMA-Enabled Multiuser Offloading in Multicell Edge Computing Networks: A Coalition Game Based Approach
CN112738827A (zh) H-cran中基于谱效最大化的子载波与功率联合优化方法
Zhang et al. Multi-Service Oriented Multi-Dimensional Resource Requirement Conflicts Coordination in Radio Access Networks
Wu et al. A computing offloading algorithm for F-RAN with limited capacity fronthaul

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