CN111836283A - 一种基于mec多服务器的车联网资源分配方法 - Google Patents

一种基于mec多服务器的车联网资源分配方法 Download PDF

Info

Publication number
CN111836283A
CN111836283A CN202010631050.5A CN202010631050A CN111836283A CN 111836283 A CN111836283 A CN 111836283A CN 202010631050 A CN202010631050 A CN 202010631050A CN 111836283 A CN111836283 A CN 111836283A
Authority
CN
China
Prior art keywords
vehicle
task
resource allocation
unloading
mec
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
CN202010631050.5A
Other languages
English (en)
Other versions
CN111836283B (zh
Inventor
刘开健
刘子琪
许云飞
张海波
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post 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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202010631050.5A priority Critical patent/CN111836283B/zh
Publication of CN111836283A publication Critical patent/CN111836283A/zh
Application granted granted Critical
Publication of CN111836283B publication Critical patent/CN111836283B/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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • 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

Abstract

本发明涉及车联网系统中无线短距离通信技术领域，特别涉及一种基于MEC多服务器的车联网资源分配方法；所述分配方法包括根据车联网资源分配的优化目标确定考虑时延和能耗的车辆用户任务执行的系统效益函数；通过解耦的方式简化各个优化函数，通过多轮组合卸载调度机制和联合资源分配策略求得车辆用户的最优卸载策略，采用执行最优卸载策略时多MEC服务器场景下的传输功率、计算资源进行车联网资源分配；本发明从任务卸载和资源分配两个方面确定MEC多服务器场景下的车联网资源分配，并通过多轮组合卸载调度机制和联合资源分配策略用以解决任务卸载问题，降低了时间的复杂度，实现了平均系统收益最大化，提升了系统的整体性能。

Description

一种基于MEC多服务器的车联网资源分配方法
技术领域
本发明涉及车联网系统中无线短距离通信技术领域，特别涉及一种基于MEC多服务器的车联网资源分配方法。
背景技术
作为物联网中最有发展潜力的应用，车联网已经引起了学术界和工业界的广泛关注。车载通信不仅可以提高道路的安全性而且可以大大提高交通效率，是智能交通系统中最有潜力的发展和应用。车辆请求任务需频繁访问互联网或远端服务器，涉及大量的数据交换，车联网链路中的V2I通信可为该类任务提供高质量服务。然而，随着移动应用和物联网的快速增长，通信技术对云基础设施和无线接入网络提出了更严苛的要求，例如，超低延迟、用户体验的连续性和高可靠性。这些严格的要求，促使受计算资源和计算能力限制的车载单元需借助周围有线或者无线泛在网络环境将其任务卸载到云服务器来支持大规模的服务和应用。
移动边缘计算(MEC)的概念最早由欧洲电信标准化协会正式确认发布，其核心技术思想是通过在无线通信网络模型的接入端部署MEC服务器，从而为移动终端用户提供任务边缘计算以及数据存储等能力。其核心思想是将网络的资源、内容和功能更贴近边缘终端用户，提高网络性能与用户体验质量。其中，网络资源主要包括计算资源、缓存资源和通信资源。基于MEC的无线接入网络能够以更低的时延，更高的系统容量进行信息传输，既减少了用户无线接入网的上行传输时延，同时也增加了通信网络容量。
移动设备将任务卸载到上行链路无线信道中的MEC服务器时，会在延迟和能量消耗方面产生额外的开销。此外，在具有大量卸载用户的系统中，MEC服务器上有限的计算资源会大大影响任务执行延迟。因此，执行资源分配和卸载决策是实现高效任务卸载的关键。之前一些研究中，对卸载决策，通信资源或计算资源进行优化，但只能部分解决这个问题。最近，有研究中考虑了任务的联合卸载和资源分配策略。车辆的所有任务都被卸载，每个基站对车辆的信道增益进行排序，车辆选择最大信道增益进行卸载。但是却没有将不同车辆的不同请求考虑在内，忽略了任务的多样性及复杂性。又有研究中提出了一种启发式的卸载和资源分配方法，采用半分布式的思想为车辆用户进行联合任务卸载和资源分配。其在一定程度上考虑了卸载决策和资源分配的合理性，但是没有考虑任务在多MEC服务器之间的合理分配，忽略了单一MEC服务器计算资源的局限性。
目前的研究致力于计算卸载、资源分配单方面的研究，或者只考虑单一MEC服务器场景下的共同优化。导致卸载决策、资源分配不合理，系统平均效益表现较差。
发明内容
为解决以上现有技术的问题，本发明根据车联网资源分配的优化目标确定考虑时延和能耗的车辆用户任务执行的系统效益函数；通过提出的多轮组合卸载调度机制和联合资源分配策略求得卸载问题的最优解，而后采用执行最优卸载策略时多MEC服务器场景下的传输功率、计算资源进行车联网资源分配。
本发明的技术方案包括：
一种基于MEC多服务器的车联网资源分配方法，所述方法包括：
根据车联网资源分配的优化目标，将车联网资源分配的任务完成时间和设备能耗的加权和得到系统效益函数；
将所述系统效益函数解耦为在特定任务卸载决策下的资源优化函数以及基于资源优化结果的卸载决策优化函数；
将所述特定任务卸载决策下的资源优化二次解耦为车辆的传输功率分配函数和MEC服务器的计算资源分配函数；
使用二分法求解车辆的传输功率分配函数的拟凸优化问题，得到最优传输功率分配策略；
使用KKT条件求解MEC服务器的计算资源分配函数的凸优化问题，得到最优计算资源分配策略；
基于最优传输功率分配策略和最优计算资源分配策略结果，使用多轮组合卸载调度机制，经过多次迭代，最终得到最优卸载策略；
执行所述最优卸载策略时对应的多MEC服务器场景下的传输功率、计算资源进行车联网资源分配。
本发明从卸载决策，传输功率分配和计算资源分配三方面来确定车联网资源分配和任务卸载，实现了基于MEC场景下的车联网卸载资源最优分配方法；本发明提出多轮组合卸载调度机制和联合资源分配策略用以解决任务卸载问题，降低了时间的复杂度，实现了平均系统收益最大化，提升了系统的整体性能。
附图说明
图1为本发明所使用基于MEC多服务器的车联网系统模型图；
图2为本发明所提车联网中基于MEC多服务器的资源分配实施流程图；
图3为本发明所提多轮组合卸载调度机制和联合资源分配策略的框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明是基于一个由多基站(小区)和多MEC服务器组成的车联网系统，车辆在道路上行驶过程中，周边会有多个基站和MEC服务器，车辆与基站之间存在着许多潜在关联。当车辆有任务产生时，车辆可以选择进行本地执行，也可以选择卸载到关联度最大的MEC服务器进行远端执行，但是远端执行可能会产生额外的延迟和功耗。因此，要平衡两者的关系，即获得最大化平均系统效益。这个过程涉及到卸载决策、传输功率、计算资源的资源分配。为了合理的量化这些资源以便优化，进行了模型搭建。
本发明是基于多车辆与基站共存的车辆异构网络，MEC服务器部署于基站一侧；MEC服务器具有计算功能；计算资源通过蜂窝通信系统的核心网络连接到Internet，从而提供任务处理。
当车辆产生任务后，首先决定是否进行任务卸载。
如果不卸载，则将任务在本地执行；
如果卸载，则通过OFDMA将车辆与基站相关联，其工作频段将被分成多个子频段，且不可复用。
基于上述要求，本发明提供了一种基于MEC多服务器的车联网资源分配方法，如图2所示，包括：
S1、根据车联网资源分配的优化目标，将车联网资源分配的任务完成时间和设备能耗的加权和得到系统效益函数；
S2、将所述系统效益函数解耦为在特定任务卸载决策下的资源优化函数以及基于资源优化结果的卸载决策优化函数；
S3、将所述特定任务卸载决策下的资源优化二次解耦为车辆的传输功率分配函数和MEC服务器的计算资源分配函数；
S4、使用二分法求解车辆的传输功率分配函数的拟凸优化问题，得到最优传输功率分配策略；
S5、使用KKT条件求解MEC服务器的计算资源分配函数的凸优化问题，得到最优计算资源分配策略；
S6、基于最优传输功率分配策略和最优计算资源分配策略结果，使用多轮组合卸载调度机制，经过多次迭代，最终得到最优卸载策略；
S7、执行所述最优卸载策略时对应的多MEC服务器场景下的传输功率、计算资源进行车联网资源分配；其中，MEC表示移动边缘计算。
在本实施例中，根据车联网资源分配的优化目标确定考虑时延和能耗的车辆用户任务执行的系统效益函数；通过提出的一种多轮组合卸载调度机制求得卸载问题的最优解，而后采用执行最优卸载策略时多MEC服务器场景下的传输功率、计算资源进行车联网资源分配，本发明利用多轮组合卸载调度机制和联合资源分配策略用以解决任务卸载问题，降低了时间的复杂度，实现了平均系统收益最大化，提升了系统的整体性能。
在本实施例的车联网资源分配方法中，车辆的移动性使得车辆任务执行对时延的要求较高，同时，由于车辆自身资源有限，通过合理的资源分配降低设备能耗显得尤为重要。因此，给定卸载决策
Figure BDA0002568738720000051
传输功率分配决策
Figure BDA0002568738720000052
以及计算资源分配决策
Figure BDA0002568738720000053
时的优化目标作为系统效益；其中对于系统效益主要涉及到任务完成时间tf和设备能耗ED。
时间和能耗是最重要的两个指标。任务的处理时间必须要满足一定时延要求，车辆自身的能耗不能过大，否则无法维持正常的行驶。车辆执行任务卸载时，传输功率和计算资源的合理分配可以使任务执行时延和设备耗能满足系统性能要求。最小化不论任务是否执行卸载，都需要考虑任务计算时间以及设备能耗问题。其中，当车辆执行卸载时，
本发明设定车辆服从泊松分布，车辆集合表示为
Figure BDA0002568738720000054
MEC服务器集合表示为
Figure BDA0002568738720000055
每辆车每次只有一个不可分割的计算任务，记为Tv＝{dv,cv}，dv表示输入数据的大小，cv表示工作负载，即任务的计算量。
对于任务卸载，其任务卸载决策的集合为：
Figure BDA0002568738720000056
其中，
Figure BDA0002568738720000057
为任务的卸载决策变量，
Figure BDA0002568738720000058
的值为1时代表车辆v将任务Tv卸载到基站的子带宽j上，
Figure BDA0002568738720000059
的值为0时则代表车辆v没有将任务Tv卸载到基站的子带宽j上；
Figure BDA00025687387200000510
为每个基站可用子带宽的集合；
Figure BDA00025687387200000511
为所有卸载决策变量的集合。
对于传输功率分配，其传输功率分配决策的集合为：
Figure BDA00025687387200000512
其中，Pv为最大传输功率，pv为车辆v将任务卸载到MEC服务器的传输功率，
Figure BDA0002568738720000061
为卸载车辆的集合，车辆将其任务卸载到服务器m的集合为
Figure BDA0002568738720000062
对于计算资源分配，其传输功率分配决策的集合为：
Figure BDA0002568738720000063
其中，fvm为MEC服务器m分配给车辆v的计算资源。
对于车辆任务的完成时间，主要包括车辆在本地完成的时间和车辆在MEC服务器远端执行所需的时间，车辆任务完成时间的表达式为：
Figure BDA0002568738720000064
其中，
Figure BDA0002568738720000065
为车辆v的任务在本地执行任务所需的时间，tv为车辆v的任务卸载至MEC服务器远端执行所需的时间。
在一个实施例中，车辆v的任务在本地完成时间函数
Figure BDA0002568738720000066
的表达式为：
Figure BDA0002568738720000067
其中，
Figure BDA0002568738720000068
为车辆自身的计算能力，cv表示工作负载。
在一个实施例中，车辆任务卸载至MEC服务器远端执行所需的时间tv的计算过程包括：
车辆选择将计算任务卸载到多个MEC服务器之中最为关联的服务器上；
本发明考虑OFDMA上行传输，工作频段B被划分为N个大小为W＝B/N的等子带宽。考虑到小区间干扰，车辆v的信干噪比为：
Figure BDA0002568738720000069
其中，
Figure BDA00025687387200000610
为车辆v到MEC服务器m在子频段j上的信道增益，σ2为背景噪声，
Figure BDA0002568738720000071
表示为在同一子频带车辆v受到其它小区车辆的干扰和。
求出车辆v的上行传输速率
Figure BDA0002568738720000072
任务远端执行的传输时延为
Figure BDA0002568738720000073
其中，dv表示输入数据的大小。
MEC服务器的计算时延为
Figure BDA0002568738720000074
车辆任务卸载至MEC服务器远端执行所需的时间tv为：
Figure BDA0002568738720000075
对于车联网系统中，设备的能耗，主要考虑车辆在本地执行任务所耗费的能耗和卸载到MEC服务器所耗费的能量；车联网系统中设备能耗函数的表达式为：
Figure BDA0002568738720000076
其中，
Figure BDA0002568738720000077
为在本地执行任务所耗费的能量，Ev为任务卸载至MEC服务器远端执行所耗费的能量。
对于在本地执行任务能耗
Figure BDA0002568738720000078
为：
Figure BDA0002568738720000079
其中，κ为能量系数。
对于在远端卸载的能耗，车辆v的任务卸载至MEC服务器远端执行所需的能耗Ev为：
Figure BDA00025687387200000710
其中，ξ为车辆v的功率放大效率。
在保证系统时延和能耗构成的系统效益最优的情况下，对任务卸载策略、传输功率分配、计算资源分配进行最优决策。将车联网资源分配的任务完成时间和设备能耗的加权和得到系统效益函数，其表达式为：
Figure BDA0002568738720000081
s.t.C1:
Figure BDA0002568738720000082
C2:
Figure BDA0002568738720000083
C3:
Figure BDA0002568738720000084
C4:
Figure BDA0002568738720000085
C5:
Figure BDA0002568738720000086
C6:
Figure BDA0002568738720000087
C7:
Figure BDA0002568738720000088
其中，
Figure BDA0002568738720000089
表示任务卸载决策，
Figure BDA00025687387200000810
表示传输功率分配决策；
Figure BDA00025687387200000811
表示计算资源分配决策；Q表示车联网资源分配的优化目标；
Figure BDA00025687387200000812
表示车辆用户集合；
Figure BDA00025687387200000813
表示MEC服务器集合；
Figure BDA00025687387200000814
为每个基站可用子带宽的集合；xvm表示车辆v任务卸载到MEC服务器m的决策变量；
Figure BDA00025687387200000815
表示车辆v的任务在本地完成时间；tv表示车辆v任务卸载至MEC服务器远端执行所需的时间；
Figure BDA00025687387200000816
表示车辆v在本地执行任务能耗；Ev表示车辆v的任务卸载至MEC服务器远端执行所需的能耗；δ表示加权和控制因子；约束C1表示卸载决策为二元变量；约束C2表示车辆任务卸载到MEC服务器或者在本地执行；约束C3表示每个子通道最多可以分配给一个车辆；约束C4表示最多可向MEC服务器卸载的车辆数量；约束C5为车辆的功率约束，pv表示车辆v将任务卸载到MEC服务器的传输功率，Pv表示车辆v所对应的最大传输功率；约束C6表示MEC服务器分配给车辆的计算资源必须为正，fvm表示MEC服务器m分配给车辆v的计算资源；约束C7表示卸载任务所需的计算资源总和不超过MEC服务器的计算能力，fm表示MEC服务器m所拥有的计算资源。
如图3所示，为了减少计算复杂度，获得最优卸载决策，本发明引入多轮组合卸载调度机制和联合资源分配策略。解耦原始复杂优化问题，基于资源分配最优结果，通过多轮组合卸载调度算法，求得最大平均系统效益下的最优任务卸载策略。
首先将原始复杂优化问题解耦为资源分配问题与任务卸载决策问题。
原始优化问题中，卸载决策
Figure BDA0002568738720000091
是一个二进制变量，功率分配
Figure BDA0002568738720000092
和计算资源分配
Figure BDA0002568738720000093
是连续变量，是一个复杂的混合整数非线性问题。通过观察约束条件，卸载约束C1、C2、C3、C4与资源分配约束C5、C6、C7是解耦的。因此，原始优化问题可以分解为在特定任务卸载决策下的资源优化以及基于资源优化结果的卸载决策优化，分解如下所示：
1)任务卸载问题即卸载决策优化函数表示为：
Figure BDA0002568738720000094
s.t.C1:
Figure BDA0002568738720000095
C2:
Figure BDA0002568738720000096
C3:
Figure BDA0002568738720000097
C4:
Figure BDA0002568738720000098
其中，
Figure BDA0002568738720000099
对应资源分配问题的最优值。
对于一个给定的满足约束条件C1，C2，C3，C4的可行任务卸载决策，经过改写与等价，资源分配问题可表示为：
Figure BDA00025687387200000910
s.t.C5:
Figure BDA00025687387200000911
C6:
Figure BDA00025687387200000912
C7:
Figure BDA00025687387200000913
对于一个特定的卸载决策，由于上式中存在常数项，因此
Figure BDA0002568738720000101
可以等价为：
Figure BDA0002568738720000102
s.t.C5:
Figure BDA0002568738720000103
C6:
Figure BDA0002568738720000104
C7:
Figure BDA0002568738720000105
其中，
Figure BDA0002568738720000106
表示最大化系统效益函数下的资源分配结果
Figure BDA0002568738720000107
Figure BDA0002568738720000108
是车辆的传输功率分配，
Figure BDA0002568738720000109
是MEC服务器的计算资源分配。
2)关于资源分配问题即计算资源分配函数表示为：
Figure BDA00025687387200001010
s.t.C5:
Figure BDA00025687387200001011
C6:
Figure BDA00025687387200001012
C7:
Figure BDA00025687387200001013
此外，由于约束条件C5，C6，C7是解耦的，因此，将资源分配问题进一步解耦为车辆的传输功率分配和MEC服务器的计算资源分配。
二次解耦时，将所述系统效益函数解耦为在特定任务卸载决策下的资源优化函数以及基于资源优化结果的卸载决策优化函数；使用二分法求解传输功率分配函数的拟凸优化问题，得到最优传输功率分配策略
Figure BDA00025687387200001014
车辆传输功率
Figure BDA00025687387200001015
的优化问题如下所示：
Figure BDA00025687387200001016
Figure BDA00025687387200001017
对最优传输功率分配策略进行进一步展开，表示为：
Figure BDA0002568738720000111
Figure BDA0002568738720000112
由于该问题拟凸的，证明可知该拟凸函数的一阶导数为起始点为负数的单调递增函数，则最优解位于约束边界处或一阶导数过零点处。故使用二等分算法进行求解。首先设定传输功率分配策略的初始区间及容忍度，判断边界值是否为拟凸函数一阶导数的最优解，若不是，就进行二分迭代，而后在每一次迭代中计算拟凸函数一阶导数的值，判断是否为最优传输功率分配策略。
使用KKT条件求解MEC服务器的计算资源分配函数的凸优化问题，得到最优计算资源分配策略
Figure BDA0002568738720000113
MEC服务器计算资源F的优化问题如下所示：
Figure BDA0002568738720000114
Figure BDA0002568738720000115
Figure BDA0002568738720000116
MEC服务器计算资源
Figure BDA0002568738720000117
的优化问题是一个凸优化问题，利用KKT条件进行求解，得到最优目标函数如下所示：
Figure BDA0002568738720000118
基于上述的资源优化结果包括最优传输功率分配策略和最优计算资源分配策略，给定卸载决策
Figure BDA0002568738720000119
的任务卸载问题表示为：
Figure BDA00025687387200001110
s.t.C1:
Figure BDA00025687387200001111
C2:
Figure BDA00025687387200001112
C3:
Figure BDA00025687387200001113
C4:
Figure BDA00025687387200001114
在一个实施例中，本实施例从任意初始卸载任务集合
Figure BDA0002568738720000121
开始，将整个潜在问题的可行解分为两部分，一部分是给定任意初始卸载任务集合的可行解，另一部分是初始集外潜在的可行解。特别地，由于两部分的互斥性，每一部分都可以单独执行，有效地提高了任务决策的效率。
本实施例中设置初始卸载策略
Figure BDA0002568738720000122
阈值τ，其他变量a,b等，通过删除操作对初始集合内某些元素
Figure BDA0002568738720000123
进行优化。优化对象是与给定初始卸载策略相互排斥的子集
Figure BDA0002568738720000124
主要操作是在初始卸载策略集之外添加一个元素，然后根据约束从集合中删除不满足约束的元素。经过多次迭代，得到满足目标函数并且是来自于初始任务卸载策略集内的最优值。
从另一个角度来讲，对任意初始任务卸载决策集内的某些任务卸载元素
Figure BDA0002568738720000125
进行删除操作，得到初始策略集内的可行解；同时，向初始卸载策略集相斥子集中任意添加任务卸载元素，对不满足约束条件C2、C4的元素进行删除操作，得到初始策略集外潜在的可行解。对各MEC服务器、各占用子带宽、以及各辆车进行多轮迭代，最后，两部分可行解组成了最优卸载策略集合。通过删除操作对初始集合内某些元素进行优化，得到初始策略集内的最优解。
以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于MEC多服务器的车联网资源分配方法，其特征在于，所述方法包括：
根据车联网资源分配的优化目标，将车联网资源分配的任务完成时间和设备能耗的加权和得到系统效益函数；
将所述系统效益函数解耦为在特定任务卸载决策下的资源优化函数以及基于资源优化结果的卸载决策优化函数；
将所述特定任务卸载决策下的资源优化函数二次解耦为车辆的传输功率分配函数和MEC服务器的计算资源分配函数；
使用二分法求解车辆的传输功率分配函数的拟凸优化问题，得到最优传输功率分配策略；
使用KKT条件求解MEC服务器的计算资源分配函数的凸优化问题，得到最优计算资源分配策略；
基于最优传输功率分配策略和最优计算资源分配策略结果，使用多轮组合卸载调度机制，将对任意初始集内可行解的筛选与对任意初始集外可行解的筛选两部分组合起来，同时进行，经过对各MEC服务器、各占用子带宽、以及各辆车的多轮迭代，共同得到最优卸载策略集；
执行所述最优卸载策略时对应的多MEC服务器场景下的传输功率、计算资源进行车联网资源分配。
2.根据权利要求1所述的一种基于MEC多服务器的车联网资源分配方法，其特征在于，所述系统效益函数的表达式为：
Figure FDA0002568738710000021
s.t.C1:
Figure FDA0002568738710000022
C2:
Figure FDA0002568738710000023
C3:
Figure FDA0002568738710000024
C4:
Figure FDA0002568738710000025
C5:
Figure FDA0002568738710000026
C6:
Figure FDA0002568738710000027
C7:
Figure FDA0002568738710000028
其中，Q表示系统收益函数；
Figure FDA0002568738710000029
表示任务卸载决策集，
Figure FDA00025687387100000210
表示传输功率分配决策集；
Figure FDA00025687387100000211
表示计算资源分配决策集；Q表示车联网资源分配的优化目标；
Figure FDA00025687387100000212
表示车辆用户集合；
Figure FDA00025687387100000213
表示MEC服务器集合；
Figure FDA00025687387100000214
为每个基站可用子带宽的集合；xvm表示车辆v任务卸载到MEC服务器m的决策变量；
Figure FDA00025687387100000215
表示车辆v的任务在本地完成时间；tv表示车辆v任务卸载至MEC服务器远端执行所需的时间；
Figure FDA00025687387100000216
表示车辆v在本地执行任务能耗；Ev表示车辆v的任务卸载至MEC服务器远端执行所需的能耗；δ表示加权和控制因子；约束C1表示卸载决策为二元变量；约束C2表示车辆任务卸载到MEC服务器或者在本地执行；约束C3表示每个子通道最多可以分配给一个车辆；约束C4表示最多可向MEC服务器卸载的车辆数量；约束C5为车辆的功率约束，pv表示车辆v将任务卸载到MEC服务器的传输功率，Pv表示车辆v所对应的最大传输功率；约束C6表示MEC服务器分配给车辆的计算资源必须为正，fvm表示MEC服务器m分配给车辆v的计算资源；约束C7表示卸载任务所需的计算资源总和不超过MEC服务器的计算能力，fm表示MEC服务器m所拥有的计算资源。
3.根据权利要求2所述的一种基于MEC多服务器的车联网资源分配方法，其特征在于，将所述资源优化函数解耦为满足约束C1～约束C4的特定任务卸载决策下的资源优化函数以及基于资源优化结果的卸载决策优化函数，分别表示为：
Figure FDA0002568738710000031
s.t.C5:
Figure FDA0002568738710000032
C6:
Figure FDA0002568738710000033
C7:
Figure FDA0002568738710000034
Figure FDA0002568738710000035
s.t.C1:
Figure FDA0002568738710000036
C2:
Figure FDA0002568738710000037
C3:
Figure FDA0002568738710000038
C4:
Figure FDA0002568738710000039
其中，
Figure FDA00025687387100000310
表示特定卸载任务决策下的资源优化函数；
Figure FDA00025687387100000311
表示基于
Figure FDA00025687387100000312
的资源优化结果
Figure FDA00025687387100000313
所求解出的卸载决策优化函数。
4.根据权利要求3所述的一种基于MEC多服务器的车联网资源分配方法，其特征在于，将特定卸载任务决策下的资源优化函数代入所述系统效益函数中，并化简求得所述资源优化函数表示为：
Figure FDA00025687387100000314
s.t.C5:
Figure FDA00025687387100000315
C6:
Figure FDA00025687387100000316
C7:
Figure FDA00025687387100000317
其中，
Figure FDA00025687387100000318
表示最大化系统效益函数下的资源分配结果
Figure FDA00025687387100000319
Figure FDA00025687387100000320
Figure FDA0002568738710000041
是车辆的传输功率分配，
Figure FDA0002568738710000042
是MEC服务器的计算资源分配；ξ为车辆v的功率放大效率，
Figure FDA0002568738710000043
为特定任务卸载决策的系数；
Figure FDA0002568738710000044
表示车辆v自身具有的计算资源，fvm为MEC服务器m分配给车辆v的计算资源。
5.根据权利要求4所述的一种基于MEC多服务器的车联网资源分配方法，其特征在于，将所述资源优化函数进行二次解耦所得的所述传输功率分配函数表示为：
Figure FDA0002568738710000045
Figure FDA0002568738710000046
其中，
Figure FDA0002568738710000047
表示最大化系统效益函数下的传输资源分配结果
Figure FDA0002568738710000048
6.根据权利要求4所述的一种基于MEC多服务器的车联网资源分配方法，其特征在于，将所述资源优化函数进行二次解耦所得的所述计算资源分配函数表示为：
Figure FDA0002568738710000049
Figure FDA00025687387100000410
Figure FDA00025687387100000411
其中，
Figure FDA00025687387100000412
表示最大化系统效益函数下的计算资源分配结果
Figure FDA00025687387100000413
7.根据权利要求3所述的一种基于MEC多服务器的车联网资源分配方法，其特征在于，所述卸载决策优化函数表示为：
Figure FDA0002568738710000051
s.t.C1:
Figure FDA0002568738710000052
C2:
Figure FDA0002568738710000053
C3:
Figure FDA0002568738710000054
C4:
Figure FDA0002568738710000055
其中，
Figure FDA0002568738710000056
表示特定卸载任务决策下的最优传输资源分配；
Figure FDA0002568738710000057
表示特定卸载任务决策下的最优计算资源分配。
8.根据权利要求2所述的一种基于MEC多服务器的车联网资源分配方法，其特征在于，车辆v的任务卸载至MEC服务器远端执行所需的时间tv的计算过程包括：
车辆v选择从其附近可连接的任意一个基站将计算任务卸载到对应的MEC服务器上；
基于OFDMA上行传输方式，求出车辆v的上行传输速率，并计算出车辆v的任务在远端执行的传输时延
Figure FDA0002568738710000058
获取MEC服务器的计算时延
Figure FDA0002568738710000059
将任务远端执行的传输时延
Figure FDA00025687387100000510
与MEC服务器的计算时延求和从而求解出车辆任务卸载至MEC服务器远端执行所需的时间tv。
9.根据权利要求1所述的一种基于MEC多服务器的车联网资源分配方法，其特征在于，所述最优卸载策略集的计算过程包括使用多轮组合卸载调度机制，对任意初始任务卸载决策集内的某些任务卸载元素进行删除操作，得到初始策略集内的可行解；同时，向初始卸载策略集相斥子集中任意添加任务卸载元素，对不满足约束条件C2、C4的元素进行删除操作，得到初始卸载策略集外潜在的可行解；对各MEC服务器、各占用子带宽、以及各车辆进行多轮迭代，最后，两部分可行解组成了最优卸载策略集合。
CN202010631050.5A 2020-07-03 2020-07-03 一种基于mec多服务器的车联网资源分配方法 Active CN111836283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010631050.5A CN111836283B (zh) 2020-07-03 2020-07-03 一种基于mec多服务器的车联网资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010631050.5A CN111836283B (zh) 2020-07-03 2020-07-03 一种基于mec多服务器的车联网资源分配方法

Publications (2)

Publication Number Publication Date
CN111836283A true CN111836283A (zh) 2020-10-27
CN111836283B CN111836283B (zh) 2022-05-03

Family

ID=72900824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010631050.5A Active CN111836283B (zh) 2020-07-03 2020-07-03 一种基于mec多服务器的车联网资源分配方法

Country Status (1)

Country Link
CN (1) CN111836283B (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112367640A (zh) * 2020-11-09 2021-02-12 中科怡海高新技术发展江苏股份公司 基于移动边缘计算的v2v模式多任务卸载方法及系统
CN112601197A (zh) * 2020-12-18 2021-04-02 重庆邮电大学 一种基于非正交多址的车联网络中资源优化方法
CN112822702A (zh) * 2021-01-12 2021-05-18 重庆邮电大学 一种主从mec网络中联合任务卸载与资源分配方法
CN112888005A (zh) * 2021-02-26 2021-06-01 中天通信技术有限公司 一种面向mec的分布式业务调度方法
CN112995289A (zh) * 2021-02-04 2021-06-18 天津理工大学 一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法
CN113056007A (zh) * 2021-02-06 2021-06-29 重庆邮电大学 基于正交频分多址的并行移动边缘计算网络资源分配方法
CN113055854A (zh) * 2021-03-16 2021-06-29 西安邮电大学 基于noma的车辆边缘计算网络优化方法、系统、介质及应用
CN113099418A (zh) * 2021-03-26 2021-07-09 深圳供电局有限公司 一种用于车联网数据传输的区块链任务的优化方法
CN113114738A (zh) * 2021-03-25 2021-07-13 华南理工大学 基于sdn的车联网任务卸载的优化方法
CN113179296A (zh) * 2021-04-08 2021-07-27 中国科学院计算技术研究所 一种用于车载边缘计算系统的任务卸载方法
CN113364859A (zh) * 2021-06-03 2021-09-07 吉林大学 车联网中面向mec的联合计算资源分配和卸载决策优化方案
CN113573280A (zh) * 2021-06-08 2021-10-29 西安邮电大学 一种车辆边缘计算成本效益优化方法、系统、设备、终端
CN113596106A (zh) * 2021-07-07 2021-11-02 北京信息科技大学 基于多边缘服务器协作的时延敏感型切片资源调度方法
CN113641417A (zh) * 2021-06-29 2021-11-12 南京邮电大学 一种基于分支定界法的车辆安全任务卸载方法
CN113709817A (zh) * 2021-08-13 2021-11-26 北京信息科技大学 多基站多服务器场景下的任务卸载和资源调度方法及装置
CN113783959A (zh) * 2021-09-13 2021-12-10 吉林大学 一种车联网联合优化计算任务卸载比率和资源分配方法
CN114125063A (zh) * 2021-08-30 2022-03-01 华北电力大学 基于业务QoS的电力通信网任务卸载系统、方法及应用
CN114461299A (zh) * 2022-01-26 2022-05-10 中国联合网络通信集团有限公司 一种卸载决策确定方法、装置、电子设备及存储介质
CN114710497A (zh) * 2022-03-11 2022-07-05 厦门理工学院 一种车联网多任务卸载最小响应时间获取方法
CN114786129A (zh) * 2022-04-18 2022-07-22 北京工业大学 基于深度学习的车联网计算资源分配与优化方法
CN114928611A (zh) * 2022-05-16 2022-08-19 重庆邮电大学 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109413615A (zh) * 2018-09-14 2019-03-01 重庆邮电大学 车联网下基于mec的能量感知卸载的能量延迟折衷方案
CN110035410A (zh) * 2019-03-07 2019-07-19 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及系统
CN111010684A (zh) * 2019-12-17 2020-04-14 重庆邮电大学 一种基于mec缓存服务的车联网资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109413615A (zh) * 2018-09-14 2019-03-01 重庆邮电大学 车联网下基于mec的能量感知卸载的能量延迟折衷方案
CN110035410A (zh) * 2019-03-07 2019-07-19 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及系统
CN111010684A (zh) * 2019-12-17 2020-04-14 重庆邮电大学 一种基于mec缓存服务的车联网资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
栾秋季: "车联网系统中基于MEC的任务卸载优化研究", 《中国优秀硕士学位论文全文数据库》 *
王寒松: "车辆往中基于MEC的计算任务卸载策略研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112367640A (zh) * 2020-11-09 2021-02-12 中科怡海高新技术发展江苏股份公司 基于移动边缘计算的v2v模式多任务卸载方法及系统
CN112367640B (zh) * 2020-11-09 2022-10-28 中科怡海高新技术发展江苏股份公司 基于移动边缘计算的v2v模式多任务卸载方法及系统
CN112601197A (zh) * 2020-12-18 2021-04-02 重庆邮电大学 一种基于非正交多址的车联网络中资源优化方法
CN112601197B (zh) * 2020-12-18 2022-04-05 重庆邮电大学 一种基于非正交多址的车联网络中资源优化方法
CN112822702A (zh) * 2021-01-12 2021-05-18 重庆邮电大学 一种主从mec网络中联合任务卸载与资源分配方法
CN112995289B (zh) * 2021-02-04 2022-05-17 天津理工大学 一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法
CN112995289A (zh) * 2021-02-04 2021-06-18 天津理工大学 一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法
CN113056007A (zh) * 2021-02-06 2021-06-29 重庆邮电大学 基于正交频分多址的并行移动边缘计算网络资源分配方法
CN113056007B (zh) * 2021-02-06 2022-04-08 重庆邮电大学 基于正交频分多址的并行移动边缘计算网络资源分配方法
CN112888005A (zh) * 2021-02-26 2021-06-01 中天通信技术有限公司 一种面向mec的分布式业务调度方法
CN112888005B (zh) * 2021-02-26 2022-09-13 中天通信技术有限公司 一种面向mec的分布式业务调度方法
CN113055854A (zh) * 2021-03-16 2021-06-29 西安邮电大学 基于noma的车辆边缘计算网络优化方法、系统、介质及应用
CN113114738A (zh) * 2021-03-25 2021-07-13 华南理工大学 基于sdn的车联网任务卸载的优化方法
CN113114738B (zh) * 2021-03-25 2022-03-25 华南理工大学 基于sdn的车联网任务卸载的优化方法
CN113099418B (zh) * 2021-03-26 2022-08-16 深圳供电局有限公司 一种用于车联网数据传输的区块链任务的优化方法
CN113099418A (zh) * 2021-03-26 2021-07-09 深圳供电局有限公司 一种用于车联网数据传输的区块链任务的优化方法
CN113179296A (zh) * 2021-04-08 2021-07-27 中国科学院计算技术研究所 一种用于车载边缘计算系统的任务卸载方法
CN113364859A (zh) * 2021-06-03 2021-09-07 吉林大学 车联网中面向mec的联合计算资源分配和卸载决策优化方案
CN113573280A (zh) * 2021-06-08 2021-10-29 西安邮电大学 一种车辆边缘计算成本效益优化方法、系统、设备、终端
CN113573280B (zh) * 2021-06-08 2023-09-19 西安邮电大学 一种车辆边缘计算成本效益优化方法、系统、设备、终端
CN113641417B (zh) * 2021-06-29 2023-08-22 南京邮电大学 一种基于分支定界法的车辆安全任务卸载方法
CN113641417A (zh) * 2021-06-29 2021-11-12 南京邮电大学 一种基于分支定界法的车辆安全任务卸载方法
CN113596106B (zh) * 2021-07-07 2023-06-06 北京信息科技大学 基于多边缘服务器协作的时延敏感型切片资源调度方法
CN113596106A (zh) * 2021-07-07 2021-11-02 北京信息科技大学 基于多边缘服务器协作的时延敏感型切片资源调度方法
CN113709817A (zh) * 2021-08-13 2021-11-26 北京信息科技大学 多基站多服务器场景下的任务卸载和资源调度方法及装置
CN113709817B (zh) * 2021-08-13 2023-06-06 北京信息科技大学 多基站多服务器场景下的任务卸载和资源调度方法及装置
CN114125063A (zh) * 2021-08-30 2022-03-01 华北电力大学 基于业务QoS的电力通信网任务卸载系统、方法及应用
CN114125063B (zh) * 2021-08-30 2022-07-08 国网内蒙古东部电力有限公司 基于业务QoS的电力通信网任务卸载系统、方法及应用
CN113783959B (zh) * 2021-09-13 2022-06-03 吉林大学 一种车联网联合优化计算任务卸载比率和资源分配方法
CN113783959A (zh) * 2021-09-13 2021-12-10 吉林大学 一种车联网联合优化计算任务卸载比率和资源分配方法
CN114461299B (zh) * 2022-01-26 2023-06-06 中国联合网络通信集团有限公司 一种卸载决策确定方法、装置、电子设备及存储介质
CN114461299A (zh) * 2022-01-26 2022-05-10 中国联合网络通信集团有限公司 一种卸载决策确定方法、装置、电子设备及存储介质
CN114710497B (zh) * 2022-03-11 2023-06-02 厦门理工学院 一种车联网多任务卸载最小响应时间获取方法
CN114710497A (zh) * 2022-03-11 2022-07-05 厦门理工学院 一种车联网多任务卸载最小响应时间获取方法
CN114786129A (zh) * 2022-04-18 2022-07-22 北京工业大学 基于深度学习的车联网计算资源分配与优化方法
CN114786129B (zh) * 2022-04-18 2024-04-26 北京工业大学 基于深度学习的车联网计算资源分配与优化方法
CN114928611A (zh) * 2022-05-16 2022-08-19 重庆邮电大学 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法
CN114928611B (zh) * 2022-05-16 2023-07-25 重庆邮电大学 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法

Also Published As

Publication number Publication date
CN111836283B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN111836283B (zh) 一种基于mec多服务器的车联网资源分配方法
CN111786839B (zh) 一种车载边缘计算网络中能效优化的计算卸载方法及系统
Feng et al. Collaborative data caching and computation offloading for multi-service mobile edge computing
CN111010684B (zh) 一种基于mec缓存服务的车联网资源分配方法
CN109088686B (zh) 一种基于5g高低频段的同时无线信息与能量传输方法
Zhang et al. Mobility-aware cooperative task offloading and resource allocation in vehicular edge computing
Cui et al. Graph-based cooperative caching in Fog-RAN
CN114615730B (zh) 回程受限密集无线网络面向内容覆盖的功率分配方法
Li et al. An optimized content caching strategy for video stream in edge-cloud environment
Shu et al. Joint offloading strategy based on quantum particle swarm optimization for MEC-enabled vehicular networks
Zhou et al. Multi-server federated edge learning for low power consumption wireless resource allocation based on user QoE
Ouyang Task offloading algorithm of vehicle edge computing environment based on Dueling-DQN
Li et al. Collaborative optimization of edge-cloud computation offloading in internet of vehicles
WO2020156397A1 (zh) 频谱管理设备、电子设备、无线通信方法和存储介质
CN111065121B (zh) 一种考虑小区差异的密集网络能耗及能效联合优化方法
Li et al. Joint access point selection and resource allocation in MEC-assisted network: A reinforcement learning based approach
Li et al. Moving to green edges: A cooperative MEC framework to reduce energy demand of clouds
CN115633402A (zh) 一种面向混合业务吞吐量优化的资源调度方法
CN115955711A (zh) 一种面向能效最优的空地6g网络资源分配方法
Tian et al. Deep reinforcement learning based resource allocation with heterogeneous QoS for cellular V2X
CN116112896A (zh) 一种基于移动感知的车联网任务卸载优化方法
CN114531718A (zh) 不完美csi情况下noma-mec系统能耗优化方法
Yang et al. Local content cloud based cooperative caching placement for edge caching
Ren et al. An Approximation Algorithm for Joint Data Uploading and Task Offloading in IoV
Ma Communication Resource Allocation Strategy of Internet of Vehicles Based on MEC.

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