CN111800812A - 一种基于非正交多址接入的移动边缘计算用户接入方案 - Google Patents

一种基于非正交多址接入的移动边缘计算用户接入方案 Download PDF

Info

Publication number
CN111800812A
CN111800812A CN201910959143.8A CN201910959143A CN111800812A CN 111800812 A CN111800812 A CN 111800812A CN 201910959143 A CN201910959143 A CN 201910959143A CN 111800812 A CN111800812 A CN 111800812A
Authority
CN
China
Prior art keywords
user
access
users
access point
energy consumption
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.)
Granted
Application number
CN201910959143.8A
Other languages
English (en)
Other versions
CN111800812B (zh
Inventor
许晨
郑光远
唐良瑞
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201910959143.8A priority Critical patent/CN111800812B/zh
Publication of CN111800812A publication Critical patent/CN111800812A/zh
Application granted granted Critical
Publication of CN111800812B publication Critical patent/CN111800812B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/16—Discovering, processing access restriction or access information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及应用在基于非正交多址接入的移动边缘计算网络中的用户接入方案。用户可以根据自身的信道状态和任务的复杂程度选择最合适的接入点进行任务卸载来降低自己的能耗。本发明采用匹配‑联盟博弈的方法来获得用户的最佳接入方案，该方案可以保证用户服务质量的前提下，最小化整个系统的能耗。首先，我们提出基于盖尔‑沙普利算法的匹配算法来获得用户的最初接入方案，这可以极大的降低博弈联盟算法的收敛次数；然后根据用户的接入方案对边缘服务器的资源进行分配，并对用户的发射功率进行控制，有效的节约用户的能耗；最后通过基于资源分配的联盟博弈算法获得用户最佳的接入方案。

Description

一种基于非正交多址接入的移动边缘计算用户接入方案
技术领域
本发明属于无线通信领域，具体涉及应用在基于非正交多址接入的边缘计算网络中的用户接入方案，通过为用户选择最佳的接入点进行任务卸载，可以有效的节约系统的总能耗。本发明主要通过匹配-联盟博弈方法为用户选择最佳的接入方式，可以保证用户服务质量的前提下最小化系统的能耗。
背景技术
随着在线游戏、高清视频流和虚拟现实等移动多媒体服务快速发展，移动终端设备产生了大量计算复杂度高、时延敏感的任务。然而，现有终端设备处理能力很难满足上述低时延、高复杂度、高可靠性的移动应用需求，进而影响用户体验。移动云计算允许移动设备将本地计算任务部分或完全迁移到云端服务器执行，从而解决了移动设备自身资源紧缺问题，并且节约了任务本地执行能耗。然而，将任务卸载到位于核心网的云服务器需要消耗回传链路资源，产生额外的时延开销，无法满足低时延、高可靠的需求．
移动边缘计算(mobile edge computing，MEC)由欧洲电信标准协会于2014年率先提出。MEC系统允许设备将计算任务卸载到网络边缘节点，如基站、无线接入点等，既满足了终端设备计算能力的扩展需求，同时弥补了云计算时延较长的缺点。移动边缘计算技术能够将计算能力和数据分析应用扩展至网络边缘（如基站、接入点等），在网络边缘层进行数据处理和储存，不仅降低了非高峰期资源的浪费，而且能够缓解基站压力，提高数据处理能力，降低网络时延。
另一方面，随着用户数量的不断增长，现有的频谱资源不足以支持大量用户的接入。非正交多址接入（non-orthogonal multiple access，NOMA）技术可以在有限的频谱资源下提升接入用户容量和频谱利用率，成倍地提升通信网络系统的接入用户容量，显著地提升频谱资源利用率。NOMA技术在功率域为不同的用户提供不同的增益，并采用叠加编码(Superposition Coding, SC)实现多路信号在相同时域、频域或码域的资源块上传输。同时，接收端通过串行干扰消除 (Successive Interference Cancellation, SIC)技术来区别多路用户信号，并区分不同接收端的信息。
将NOMA技术应用到移动边缘计算网络中，可以提高网络的容量解决大量用户的接入问题以及保证用户的服务质量和服务体验。然而在这种场景的实际应用中，仍然面临一些挑战。第一，考虑到基站/接入点的高密集部署，对用户来说选择哪一个基站/接入点进行任务卸载以及如何为用户分配服务器的计算资源是非常困难的。第二，由于NOMA技术的复杂性，如何有效的控制用户的发射功率也是一个难点。因此设计合理的用户接入方案是非常重要的。
发明内容
本发明应用在基于NOMA技术的移动边缘计算网站中，以最小化整个系统能耗为目标，提出了一种基于匹配-联盟博弈的用户接入方案。用户的接入问题可以建模为一个具有同群效应的多对一双边匹配博弈问题。为了有效的解决这一问题，首先采用基于盖尔-沙普利（Gale-Shaply，GS）算法的匹配方法获得初始的接入方案；根据初始的接入方案为用户分配计算资源和传输功率从而得到系统的能耗；最后为了解决匹配过程中的同群效应采用一种基于资源分配的联盟博弈方法获得最终的用户接入方案。具体过程如下：
1）图1为基于NOMA技术的移动边缘计算网络场景，该场景有多个具有计算能力的接入点，以及多个用户。用户分布在中心的热点区域，接入点分布在边缘区域。用户通过将自身任务全部卸载到接入点所连接的服务器进行计算，从而节约本地的计算能耗保证自身的服务质量。不同的用户可以通过NOMA技术共用同一个频谱资源向同一个接入点进行任务卸载。
在此系统中，共存在M个接入点和N个用户，分别用
Figure 149580DEST_PATH_IMAGE001
和
Figure 493974DEST_PATH_IMAGE002
表示。每一个用户都有一个任务需要卸载到接入点所部署的边缘服务器进行计算，定义
Figure 788689DEST_PATH_IMAGE003
Figure 560336DEST_PATH_IMAGE004
Figure 74756DEST_PATH_IMAGE005
表示用户
Figure 19578DEST_PATH_IMAGE006
的任务，其中
Figure 372062DEST_PATH_IMAGE007
表示需要上传的任务量（比特）；
Figure 376927DEST_PATH_IMAGE008
为完成任务所需要的计算量（CPU周期数）；
Figure 877179DEST_PATH_IMAGE009
表示任务的时延门限（秒）。定义向同一个接入点m进行任务卸载的用户为一个组，用
Figure 127157DEST_PATH_IMAGE010
表示，并且每个组中的用户采用NOMA技术向接入点进行任务卸载，其中的用户按照信道增益降序排列，
Figure 396464DEST_PATH_IMAGE011
表示第
Figure 509914DEST_PATH_IMAGE012
解码的用户；
Figure 497461DEST_PATH_IMAGE013
表示接入点
Figure 721769DEST_PATH_IMAGE014
能服务的最大用户数。根据SIC技术的规则，第
Figure 111162DEST_PATH_IMAGE011
个用户向接入点
Figure 705434DEST_PATH_IMAGE015
上传的速率为
Figure 117961DEST_PATH_IMAGE016
其中
Figure 208277DEST_PATH_IMAGE017
表示用户的发射功率；
Figure 389860DEST_PATH_IMAGE018
表示用户和接入点之间的信道增益；
Figure 907429DEST_PATH_IMAGE019
代表加性高斯白噪声；
Figure 603989DEST_PATH_IMAGE020
表示用户和接入点的匹配情况，
Figure 170100DEST_PATH_IMAGE021
表示用户
Figure 35550DEST_PATH_IMAGE006
选择接入点
Figure 661703DEST_PATH_IMAGE015
进行任务卸载。因此可以得到任务的上传时延：
Figure 845560DEST_PATH_IMAGE022
。
假设接入点的计算资源可以分为多个计算资源块，每个计算资源块的计算能力为
Figure 277678DEST_PATH_IMAGE023
；资源块的数量为
Figure 433853DEST_PATH_IMAGE024
。则用户
Figure 293225DEST_PATH_IMAGE025
的任务在接入点
Figure 902061DEST_PATH_IMAGE026
的计算时间为
Figure 373755DEST_PATH_IMAGE027
，其中
Figure 446754DEST_PATH_IMAGE028
表示接入点
Figure 414710DEST_PATH_IMAGE015
分配给用户
Figure 573159DEST_PATH_IMAGE029
的计算资源块的数量。由于接入点的服务器由电网提供能量，所以仅考虑用户上传任务时的能耗，用户上传能耗为：
Figure 284763DEST_PATH_IMAGE030
。
整个系统的优化目标是最小化所有用户的能耗，则相应的优化问题表示为：
Figure 212267DEST_PATH_IMAGE031
s.t.
Figure 914906DEST_PATH_IMAGE032
Figure 498334DEST_PATH_IMAGE033
Figure 75946DEST_PATH_IMAGE034
Figure 795641DEST_PATH_IMAGE035
Figure 167716DEST_PATH_IMAGE036
Figure 300757DEST_PATH_IMAGE037
Figure 354164DEST_PATH_IMAGE038
其中
Figure 757726DEST_PATH_IMAGE039
1是上传速率的约束；
Figure 300702DEST_PATH_IMAGE040
2表示任务执行时延小于总的时延门限；
Figure 858723DEST_PATH_IMAGE040
3表示用户只能选择一个接入点；
Figure 512558DEST_PATH_IMAGE039
4表示一个接入点至多服务
Figure 206845DEST_PATH_IMAGE013
个用户；
Figure 186302DEST_PATH_IMAGE040
5表示分配给用户的计算资源不能超过服务器的计算能力；
Figure 529821DEST_PATH_IMAGE039
6是用户的功率约束；
Figure 925030DEST_PATH_IMAGE040
7表示一个组中的用户按照信道增益进行降序排序。
所提出的用户接入问题可以定义为一个具有同群效应的多对一双边匹配博弈问题。由于优化问题是一个非线性混合整数规划问题，很难采用有效的办法直接求解。因此，我们提出一种匹配-联盟博弈的方法来解决用户接入问题。首先，采用基于GS的匹配算法解决获得最初的用户接入方案；根据用户最初的接入方案可以解决用户的资源分配问题；最后采取联盟博弈算法获得用户的最佳接入方案。
2）在采用基于GS匹配算法前，需要建立用户和接入点的喜好列表。用户的喜好列表可以通过用户与不同接入点之间的信道状态来确定，对于一个用户来说，更偏好与信道状态好的接入点建立连接，这样可以减少自身的能耗。因此，用户
Figure 801719DEST_PATH_IMAGE006
对接入点
Figure 686499DEST_PATH_IMAGE026
的喜好值可以表示为：
Figure 953532DEST_PATH_IMAGE041
，其中
Figure 214749DEST_PATH_IMAGE042
表示用户u和接入点m之间的距离，
Figure 883628DEST_PATH_IMAGE043
为自由空间路径损耗因子，
Figure 440773DEST_PATH_IMAGE044
是服从复杂高斯分布的瑞利信道因子。建立接入点对用户的喜好列表，接入点m对用户u的喜好值可以表示为：
Figure 257419DEST_PATH_IMAGE045
，其中
Figure 994431DEST_PATH_IMAGE008
为用户u的计算任务量。
基于GS匹配算法的思路，用户首先根据自身的喜好列表向最喜欢的接入点提出匹配申请，接入点根据自身的喜好列表以及自身的限额选择最佳的用户而拒绝其他的用户；被拒绝的用户会将其从自己的喜好列表中删除，从而选择下一个喜欢的接入点；重复上述过程直到所有的用户都匹配完成或者用户被所有的接入点拒绝。
在获得用户的接入方案之后，需要对服务器的计算资源进行分配。计算资源的分配问题可以描述为每个服务器最小化任务的执行时延，目标函数可以定义为：
Figure 580133DEST_PATH_IMAGE046
s.t.
Figure 72295DEST_PATH_IMAGE047
Figure 313920DEST_PATH_IMAGE048
Figure 152825DEST_PATH_IMAGE049
其中
Figure 858613DEST_PATH_IMAGE039
1表示计算时延小于任务的总时延；
Figure 256096DEST_PATH_IMAGE040
2和
Figure 985018DEST_PATH_IMAGE040
3表示分配给用户的计算资源不能超过自身的计算能力。计算资源的分配算法是：首先为每个用户分配计算资源保证其任务计算时间小于总时延，然后再将多余的计算资源分配给可以实现资源利用率最高的用户。
获得用户接入方案和计算资源的分配方案后，原问题可以表述为优化每个用户的功率消耗，其目标函数为：
Figure 126149DEST_PATH_IMAGE050
s.t.
Figure 176190DEST_PATH_IMAGE051
Figure 10154DEST_PATH_IMAGE052
Figure 23109DEST_PATH_IMAGE053
通过将
Figure 531713DEST_PATH_IMAGE054
以及高信噪比条件下
Figure 946514DEST_PATH_IMAGE055
这两种代换方式，P2可以表示为一个凸优化问题，并且采用内点法获得用户的发射功率。
考虑到匹配问题的同群效应，即用户接入不仅需要考虑选择哪个接入点，还需要考虑其他选择相同接入点的用户对自身的影响，因此传统的匹配方法无法获得最优解；因此提出一种联盟博弈的算法来获得用户的最佳接入方案。每一个组中所有的用户
Figure 889062DEST_PATH_IMAGE056
表示一个联盟，定义联盟交换的规则如下：联盟
Figure 389314DEST_PATH_IMAGE056
中用户
Figure 872247DEST_PATH_IMAGE029
与
Figure 908599DEST_PATH_IMAGE057
中的用户
Figure 22048DEST_PATH_IMAGE058
进行交换，则需要满足如下条件：
Figure 9596DEST_PATH_IMAGE059
，其中
Figure 233904DEST_PATH_IMAGE060
，
Figure 357718DEST_PATH_IMAGE061
。
Figure 704385DEST_PATH_IMAGE062
表示联盟的效用值，即用户能耗的倒数，效用值越大表示能耗越低。联盟博弈的算法具体内容如下：
首先根据最初的接入方案进行计算资源分配和功率控制得到每个联盟的效用值；依次判断两个联盟中是否有用户满足联盟交换的规则，如果有用户满足规则则用户进行交换，即用户的接入方案发生了变化，然后进行计算资源分配和功率控制获得新的联盟的效用值，其他的用户接入方案保持不变；直到没有用户满足交换规则；最终可以获得用户最佳的接入方案。根据联盟的交换原则可以知道，每经过一次交换，系统的总能耗会降低；由于用户数和接入点数是有限的，因此可以通过联盟博弈算法获得用户最佳的接入方案以及系统的最优能耗。
附图说明：
图1是系统的模型图。
图2是本发明进行仿真时的仿真参数。
图3是本发明提出的系统总能耗与迭代次数的关系图。
图4是本发明提出的在不同技术场景下系统总能耗与迭代次数的关系图。
图5是本发明提出的系统总能耗与用户数量的关系图。
图6是本发明提出的系统总能耗与时延门限的关系图。
图7是本发明提出的频谱效率与上传数据量的关系图。
图8是本发明提出的系统总能耗与服务器计算资源的关系图。
具体实施方式
本发明的实施方式分为两个步骤，第一步为建立模型，第二步为算法的实施。建立的模型如图1所示，它和发明内容中基于NOMA技术的移动边缘计算网络模型图的介绍完全对应。
1）对于系统模型，用户分布在热点区域中心，周围有多个接入点可以提供计算服务。对于用户来说选择哪个接入点进行任务卸载，可以既保证自身的服务质量又节约自身的能耗是十分重要的。由于采用NOMA技术会引入用户之间的干扰，因此很难直接采用匹配算法得到最佳的接入方案。因此，首先需要得到最初的接入方案；在根据最初的接入方案为用户分配计算资源和发射功率，获得此时的系统能耗；最后，根据联盟博弈算法得到用户最佳的接入方案。
2）本发明进行了大量的仿真。通过和传统的基于正交多址接入（orthogonalmultiple access，OMA）的移动边缘网络对比，进一步证明了NOMA技术的优点。仿真的具体参数如图2所示，8个用户分布在中心半径r=60m的范围内，4个接入点分布别分布在坐标为
Figure 116912DEST_PATH_IMAGE063
，
Figure 708693DEST_PATH_IMAGE064
,
Figure 952592DEST_PATH_IMAGE065
和
Figure 142265DEST_PATH_IMAGE066
的点上。
图3是系统总能耗和迭代次数的关系图。该图对比了随机匹配算法和所提出的匹配算法，仿真结果表明所提出的匹配方案可以有效的降低迭代次数，更快的获得用户的最佳接入方案。并且随着迭代次数的增加，系统的总能耗在不断降低，最终会达到一个稳定的值。
图4是对比采用OMA技术和NOMA技术下的能耗情况。从图中可以看出，随着迭代次数的增加，系统的总能耗会降低，但是采用NOMA技术的移动边缘计算网络的能耗要比采用OMA技术低的多，这是由于采用NOMA技术，用户的传输带宽更大，虽然引入NOMA技术会带来用户之间的干扰，但是带来的收益却远比代价更大。
图5是用户数量与系统总能耗的关系图。数据结果表明，随着用户数量的增加，系统的总能耗也在不断增加。而在采用匹配算法获得的用户接入方案，其系统的能耗会更大，这表明传统的匹配方法无法获得最佳的用户接入方案，而采用所提出的匹配-联盟博弈算法可以得到最佳的用户接入方案最小化系统能耗。
图6为不同时延门限下系统的总能耗的关系。仿真结果表明，随着用户时延门限的降低，系统的总能耗会进一步升高。这是由于时延门限的降低会使得用户用于上传数据的时间更短，这样会通过提高发射功率保证服务质量，从而导致系统能耗的增加。
图7显示了用户上传数据量与频谱效率之间的关系图。研究结果表明，随着上传数据量的提高，用户的频谱效率也会提高来保证用户的服务质量。并且时延门限的提高也会导致频谱效率的增加。
图8是所提出的算法在不同时延约束下服务器的计算资源与系统能耗的关系。仿真结果表明，随着服务器计算能力的提高，系统的能耗会降低。这是因为随着计算时延的降低，用户的传输时延升高，这更有益于用户节省能耗。
尽管为说明目的公开了本发明的具体实施和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (4)

1.一种应用在非正交多址接入的移动边缘计算网络中基于匹配理论，联盟博弈理论的用户接入方案，其特征在于：
1）用户接入问题可以描述为一个具有同群效应的多对一双边匹配博弈问题，考虑到匹配过程中的同群效应，首先采用基于盖尔-沙普利算法(Gale-Shapley，GS)的匹配算法确定最初的用户接入方案；
2）根据最初的用户接入方案，为用户分配边缘服务器的计算资源，对用户的发射功率进行控制，得到整个系统的能耗；
3）为了解决匹配过程中的同群效应，提出基于资源分配的联盟博弈算法为用户选择最佳的接入方案达到优化整个系统能耗的作用。
2.如权利要求1步骤1）所述的基于GS算法的匹配算法为用户选择最初的接入方式，其特征在于，首先不考虑匹配过程中的同群效应，仅根据用户的信道状态和任务的计算量建立用户和接入点的双边喜好列表，用户根据自己喜好选择接入点，而接入点根据自身的喜好列表选择合适的用户，最终达到一个稳定的匹配结果：
1）为了求解后续的资源分配问题，首先需要为每个用户选择最初的接入方案，将用户和接入点的接入问题实际上是一个双边匹配问题；进行双边匹配求解，需要建立双边的喜好列表；
首先建立用户对接入点的喜好列表，用户u对接入点m的喜好值可以表示为：
Figure 845977DEST_PATH_IMAGE001
，其中
Figure 39061DEST_PATH_IMAGE002
表示用户u和接入点m之间的距离，
Figure 177918DEST_PATH_IMAGE003
为自由空间路径损耗因子，
Figure 558084DEST_PATH_IMAGE004
是服从复杂高斯分布的瑞利信道因子；然后建立接入点对用户的喜好列表，接入点m对用户u的喜好值可以表示为：
Figure 73379DEST_PATH_IMAGE005
，其中
Figure 120969DEST_PATH_IMAGE006
为用户u的计算任务量；
2）基于GS算法的匹配算法的过程如下：用户首先根据自身的喜好列表向最喜欢的接入点提出匹配申请，接入点根据自身的喜好列表以及自身的限额选择最佳的用户而拒绝其他的用户；被拒绝的用户会将其从自己的喜好列表中删除，从而选择下一个喜欢的接入点；重复上述过程直到所有的用户都匹配完成或者用户被所有的接入点拒绝。
3.如权利要求1步骤2）所述的根据最初的用户接入方式为用户分配计算资源和传输功率，可以得到系统的能耗，其特征在于，将边缘服务器的计算资源进行分配达到最小化任务执行时间的要求；对用户发射功率进行控制降低用户之间由于非正交多址接入技术所带来的干扰同时保证用户的服务质量：
1）根据最初的接入方案，需要对服务器的计算资源进行分配，计算资源的分配问题可以描述为每个服务器最小化任务的执行时延，目标函数可以定义为：
Figure 994510DEST_PATH_IMAGE007
s.t.
Figure 799655DEST_PATH_IMAGE008
Figure 915378DEST_PATH_IMAGE009
Figure 817475DEST_PATH_IMAGE010
其中
Figure 298135DEST_PATH_IMAGE011
是任务的计算时间，
Figure 918472DEST_PATH_IMAGE012
表示接入点m分配给用户u的计算资源块的数量；C1表示计算时间小于任务的截止时间
Figure 509991DEST_PATH_IMAGE013
；C2表示分配给用户的计算资源块的数量小于总的资源数量；C3表示为用户分配的资源块的数量为整数；计算资源的分配方法是：首先为每个用户分配计算资源保证其任务时延门限，然后再将多余的计算资源分配给资源利用率最高的用户；
2）得到用户的计算时延后，用户的功率分配可以描述为优化用户的功率消耗，从而达到降低用户能耗的作用，其目标函数为：
Figure 33638DEST_PATH_IMAGE014
s.t.
Figure 747516DEST_PATH_IMAGE015
Figure 527253DEST_PATH_IMAGE016
Figure 984780DEST_PATH_IMAGE017
其中
Figure 799152DEST_PATH_IMAGE018
是用户的传输速率，
Figure 683931DEST_PATH_IMAGE019
是用户上传的数据量；C1是用户的最低上传速率约束；C2表示用户的发射功率不能超过最大功率
Figure 950965DEST_PATH_IMAGE020
；C3表示用户信道增益的大小关系；通过将
Figure 764245DEST_PATH_IMAGE021
以及高信噪比条件下
Figure 433123DEST_PATH_IMAGE022
这两种代换方式，P2可以表示为一个凸优化问题，并且采用内点法获得用户的发射功率，计算出整个系统的能耗。
4.如权利要求1步骤3）所述的基于资源分配的联盟博弈算法，其特征在于有效克服多对一匹配过程中存在的同群效应，采用基于用户交换的方式获得最佳的用户接入方案最小化整个系统的能耗：
1）考虑到匹配过程中的同群效应，即用户接入不仅需要考虑选择哪个接入点，还需要考虑选择相同接入点的其他用户对自身的影响，因此传统的匹配方法无法获得最优解；因此提出一种联盟博弈的方法；
2）将选择同一个接入点进行任务卸载的用户看作一个联盟，
Figure 488804DEST_PATH_IMAGE023
表示接入点m的联盟；定义联盟交换的规则如下：联盟
Figure 305450DEST_PATH_IMAGE023
中用户
Figure 308041DEST_PATH_IMAGE024
与
Figure 395208DEST_PATH_IMAGE025
中的用户
Figure 559473DEST_PATH_IMAGE026
进行交换，则需要满足如下条件：
Figure 597837DEST_PATH_IMAGE027
，其中
Figure 138539DEST_PATH_IMAGE028
，
Figure 844327DEST_PATH_IMAGE029
，
Figure 507390DEST_PATH_IMAGE030
表示联盟的效用值，即用户能耗的倒数，效用值越大表示能耗越低；
3）联盟博弈算法过程如下：首先根据最初的接入方案将用户分成M个联盟；两两联盟之间判断是否有用户满足交换原则，如果满足交换规则则进行用户的交换；直到没有用户满足交换规则为止；根据联盟的交换原则可以知道，每经过一次交换，系统的总能耗会降低；由于用户数和接入点数量是有限的，因此可以通过联盟博弈算法获得用户最终的接入方案以及系统的最优能耗。
CN201910959143.8A 2019-10-10 2019-10-10 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 Expired - Fee Related CN111800812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910959143.8A CN111800812B (zh) 2019-10-10 2019-10-10 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910959143.8A CN111800812B (zh) 2019-10-10 2019-10-10 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

Publications (2)

Publication Number Publication Date
CN111800812A true CN111800812A (zh) 2020-10-20
CN111800812B CN111800812B (zh) 2021-09-17

Family

ID=72805475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910959143.8A Expired - Fee Related CN111800812B (zh) 2019-10-10 2019-10-10 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

Country Status (1)

Country Link
CN (1) CN111800812B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112583460A (zh) * 2020-12-08 2021-03-30 重庆邮电大学 一种基于QoE的MIMO-NOMA系统功率分配方法
CN112738185A (zh) * 2020-12-24 2021-04-30 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
CN113115424A (zh) * 2021-04-22 2021-07-13 西北工业大学 一种基于认知云网络的三边资源匹配方法及系统
CN114189521A (zh) * 2021-12-15 2022-03-15 福州大学 在f-ran架构中协作计算卸载的方法
CN114363338A (zh) * 2022-01-07 2022-04-15 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
CN114828243A (zh) * 2022-03-03 2022-07-29 华北电力大学 面向内容服务双边匹配的天空地6g网络资源分配方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102075267A (zh) * 2010-12-30 2011-05-25 青海西部矿业科技有限公司 一种基于微分博弈的认知无线电系统功率控制方法
US20180049043A1 (en) * 2005-10-04 2018-02-15 Steven M. Hoffberg Multifactorial optimization system and method
CN108449149A (zh) * 2018-03-26 2018-08-24 南京邮电大学 一种基于匹配博弈的能量采集小基站资源分配方法
CN109600178A (zh) * 2018-12-07 2019-04-09 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
CN109688596A (zh) * 2018-12-07 2019-04-26 南京邮电大学 一种基于noma的移动边缘计算系统构建方法
CN110062026A (zh) * 2019-03-15 2019-07-26 重庆邮电大学 移动边缘计算网络中资源分配和计算卸载联合优化方案

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180049043A1 (en) * 2005-10-04 2018-02-15 Steven M. Hoffberg Multifactorial optimization system and method
CN102075267A (zh) * 2010-12-30 2011-05-25 青海西部矿业科技有限公司 一种基于微分博弈的认知无线电系统功率控制方法
CN108449149A (zh) * 2018-03-26 2018-08-24 南京邮电大学 一种基于匹配博弈的能量采集小基站资源分配方法
CN109600178A (zh) * 2018-12-07 2019-04-09 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
CN109688596A (zh) * 2018-12-07 2019-04-26 南京邮电大学 一种基于noma的移动边缘计算系统构建方法
CN110062026A (zh) * 2019-03-15 2019-07-26 重庆邮电大学 移动边缘计算网络中资源分配和计算卸载联合优化方案

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ABBAS KIANI等: "Edge Computing Aware NOMA for 5G Networks", 《IEEE INTERNET OF THINGS JOURNAL》 *
BILING ZHANG等: "Resource Allocation for 5G Heterogeneous Cloud Radio Access Networks With D2D Communication: A Matching and Coalition Approach", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 *
XIANBANG DIAO等: "Joint Computing Resource, Power, and Channel Allocations for D2D-Assisted and NOMA-Based Mobile Edge Computing", 《IEEE ACCESS》 *
王月: "面向移动边缘网络的资源管理研究", 《中国博士学位论文全文数据库》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112583460A (zh) * 2020-12-08 2021-03-30 重庆邮电大学 一种基于QoE的MIMO-NOMA系统功率分配方法
CN112583460B (zh) * 2020-12-08 2023-02-03 重庆邮电大学 一种基于QoE的MIMO-NOMA系统功率分配方法
CN112738185A (zh) * 2020-12-24 2021-04-30 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
CN113115424A (zh) * 2021-04-22 2021-07-13 西北工业大学 一种基于认知云网络的三边资源匹配方法及系统
CN113115424B (zh) * 2021-04-22 2021-12-21 西北工业大学 一种基于认知云网络的三边资源匹配方法及系统
CN114189521A (zh) * 2021-12-15 2022-03-15 福州大学 在f-ran架构中协作计算卸载的方法
CN114189521B (zh) * 2021-12-15 2024-01-26 福州大学 在f-ran架构中协作计算卸载的方法
CN114363338A (zh) * 2022-01-07 2022-04-15 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
CN114363338B (zh) * 2022-01-07 2023-01-31 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
CN114828243A (zh) * 2022-03-03 2022-07-29 华北电力大学 面向内容服务双边匹配的天空地6g网络资源分配方法

Also Published As

Publication number Publication date
CN111800812B (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
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
CN107819840B (zh) 超密集网络架构中分布式移动边缘计算卸载方法
Hu et al. Wireless powered cooperation-assisted mobile edge computing
Li et al. Optimizing resources allocation for fog computing-based Internet of Things networks
CN108541027B (zh) 一种基于边缘云网络的通信计算资源置换方法
CN112491957B (zh) 一种边缘网络环境下的分布式计算卸载方法及系统
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
Zhao et al. Task proactive caching based computation offloading and resource allocation in mobile-edge computing systems
CN108965009B (zh) 一种基于势博弈的负载已知用户关联方法
CN108600998B (zh) 超密度蜂窝与d2d异构融合网络缓存优化决策方法
CN112689296B (zh) 一种异构IoT网络中的边缘计算与缓存方法及系统
CN114205791A (zh) 一种基于深度q学习的社交感知d2d协同缓存方法
CN106060876B (zh) 一种异构无线网络均衡负载的方法
CN114375058A (zh) 任务队列感知的边缘计算实时信道分配和任务卸载方法
Ma et al. Joint allocation on communication and computing resources for fog radio access networks
CN115278779B (zh) Mec网络中基于渲染感知的vr服务模块动态放置方法
CN115801091A (zh) 面向星地协同计算的大规模星座网络资源调度方法
CN113891481B (zh) 一种面向吞吐量的蜂窝网络d2d通信动态资源分配方法
Vamvakas et al. Optimization and resource management in NOMA wireless networks supporting real and non-real time service bundling
Mu et al. Latency constrained partial offloading and subcarrier allocations in small cell networks
Ortín et al. Joint cell selection and resource allocation games with backhaul constraints
CN109561129B (zh) 一种基于光纤-无线网络的协同计算卸载方法
CN111954230A (zh) 基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法
CN113784372B (zh) 一种面向终端多业务模型的联合优化方法
Gupta et al. Noma-enabled computation and communication resource trading for a multi-user mec system

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210917

CF01 Termination of patent right due to non-payment of annual fee