CN111954230B - 基于mec与密集云接入网融合的计算迁移与资源分配方法 - Google Patents

基于mec与密集云接入网融合的计算迁移与资源分配方法 Download PDF

Info

Publication number
CN111954230B
CN111954230B CN201910398695.6A CN201910398695A CN111954230B CN 111954230 B CN111954230 B CN 111954230B CN 201910398695 A CN201910398695 A CN 201910398695A CN 111954230 B CN111954230 B CN 111954230B
Authority
CN
China
Prior art keywords
intelligent mobile
base station
mobile equipment
mobile device
computing
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
CN201910398695.6A
Other languages
English (en)
Other versions
CN111954230A (zh
Inventor
张琦
归琳
朱世超
孙飞
俞晖
熊箭
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong 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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201910398695.6A priority Critical patent/CN111954230B/zh
Publication of CN111954230A publication Critical patent/CN111954230A/zh
Application granted granted Critical
Publication of CN111954230B publication Critical patent/CN111954230B/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
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种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，包括基于网络功能虚拟化，将云接入网中的基带处理功能和移动边缘计算中的边缘服务器功能进行虚拟化，整合为统一的边缘云；根据智能移动设备的任务队列长度，确定计算任务在本地和在边缘云执行的比例；对需要在本地执行的任务，确定智能移动设备的本地计算频率；对需要在边缘云执行的任务，确定智能移动设备接入的基站，分配的子信道以及发射功率大小；根据计算任务在边缘云中的队列长度，分配智能移动设备相应的基带处理资源和边缘服务器资源。本发明能够在计算任务队列保持稳定的前提下，优化智能移动设备和边缘云总的能量效率，提升网络的计算资源和无线资源利用率。

Description

基于MEC与密集云接入网融合的计算迁移与资源分配方法
技术领域：
本发明涉及移动边缘计算技术，更具体地，涉及一种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。
背景技术：
超密集组网是未来移动网络一种有前景的技术，它通过小型基站的密集部署提供近端传输和巨大的接入能力。随着智能移动设备，如智能手机和物联网设备的空前发展，各种计算密集型应用在超密集网络中逐渐增加，如视频流分析，互动游戏和虚拟现实等。大多数这些应用在实时处理和能量消耗方面要求很高。但是智能移动设备只有有限的计算能力和电池电量，不能在本地有效地执行计算密集型任务。移动边缘计算作为一种突出的技术被提出以克服这些挑战，具体而言，移动边缘计算可以通过将部分计算任务卸载到边缘服务器来减少智能移动设备的计算负载。移动边缘计算提供可定制服务和更低的服务延迟，优于传统的移动云计算。然而，由于网络密集化，超密集网络中的任务迁移将导致严重的小区间干扰和大量信令开销。云接入网可以实现一种经济有效的集中式网络密集化，它可以通过中央基带处理单元池来协调小区间干扰。借助网络功能虚拟化，边缘服务器和基带处理单元池可以共享相同的网络功能虚拟化基础设施，因此，移动边缘计算和云接入网可以基于通用处理器进行融合。
在超密集网络中将移动边缘计算与云接入网集成可以带来很多好处。由于边缘服务器和基带单元池的功能是在通用处理器上基于网络功能虚拟化实现的，因此可以在任务执行和通信处理之间进行动态和弹性的计算资源分配，显著提高了计算资源的利用效率。此外，移动边缘计算和云接入网之间能够交互并利用相互的信息来提高计算密集型应用的服务质量。但是，仍存在一些挑战需要解决。首先，由于计算分集，计算任务可以在边缘服务器和智能移动设备上执行。将计算任务卸载到边缘服务器减少了任务执行延迟，但在上行链路传输中增加了能量消耗和延迟。为了平衡能量效率和服务延迟，应该合理地确定任务迁移的比例。其次，现有的大多数移动边缘计算资源管理方法是将边缘服务器和基带处理池的中计算资源分开考虑。基于网络功能虚拟化，需要重新设计动态资源管理方案，以便在不同的网络规模和任务到达率下弹性地调度虚拟计算资源。
发明内容：
本发明的目的在于针对上述现有技术存在的问题，提出一种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，给出了任务迁移策略，边缘云和智能移动设备的资源调度方法，以及智能移动设备的接入方案，子信道及功率分配方法。提高了密集云接入网中的计算及无线资源利用效率。
本发明的主要想法是：首先获得智能移动设备和边缘云的队列长度和网络能量效率；然后确定智能移动设备的计算任务在本地和在边缘云执行的比例；其次，对于需要在本地执行的任务，确定智能移动设备的本地计算频率；对于需要在边缘云执行的任务，确定智能移动设备所接入的基站，分配的子信道和发射功率的大小；最后，边缘云分配智能移动设备相应的虚拟基带处理资源和虚拟边缘服务器处理资源。
本发明采用下述技术方案：
一种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，其特点在于，该方法包括以下步骤：
(1)计算当前时隙智能移动设备的本地计算任务处理队列
Figure BDA0002059025020000021
计算任务迁移队列
Figure BDA0002059025020000022
边缘云的基带处理队列
Figure BDA0002059025020000023
计算任务处理队列
Figure BDA0002059025020000024
以及网络能量效率ηEE(t)，具体包括：
①计算当前时隙从智能移动设备上传到基站的传输速率
Figure BDA0002059025020000025
其中，N为基站数，K为每个基站的子信道数，Ws为子信道带宽，T为时隙长度，
Figure BDA0002059025020000026
为上行传输的信噪比，
Figure BDA0002059025020000027
为第i个智能移动设备的发射功率，
Figure BDA0002059025020000031
为智能移动设备i在子信道k上接入基站j的信道功率增益，n0为加性高斯白噪声的功率谱密度；aij(t)表示智能移动设备i是否允许接入基站j，aij(t)＝1表示允许智能移动设备i接入基站j，aij(t)＝0表示不允许智能移动设备i接入基站j；xi k(t)表示智能移动设备i是否分配子信道k，
Figure BDA0002059025020000032
表示将子信道k分配给智能移动设备i，
Figure BDA0002059025020000033
表示子信道k不分配给智能移动设备i；m为i之外的其他智能移动设备，n为m接入的基站。
②计算当前时隙虚拟基带单元池处理的任务数
Figure BDA0002059025020000034
能量消耗
Figure BDA0002059025020000035
其中，
Figure BDA0002059025020000036
为智能移动设备i在虚拟基带单元池B中的计算资源，β为通信处理的计算密度，κG为边缘云通用处理器的功率因子。
③计算当前时隙虚拟边缘服务器处理的任务数
Figure BDA0002059025020000037
能量消耗
Figure BDA0002059025020000038
其中
Figure BDA0002059025020000039
为智能移动设备i在虚拟边缘服务器S中的计算资源，γi(t)为任务处理的计算密度。
④计算当前时隙智能移动设备在本地处理的计算任务数
Figure BDA00020590250200000310
能量消耗
Figure BDA00020590250200000311
其中
Figure BDA00020590250200000312
为智能移动设备i分配的本地计算资源，
Figure BDA00020590250200000313
为智能移动设备i的功率因子。
⑤更新当前时隙智能移动设备和边缘云的队列长度：
Figure BDA00020590250200000314
Figure BDA00020590250200000315
Figure BDA00020590250200000316
Figure BDA00020590250200000317
其中，[x]+＝max(x,0)，Ai(t)为智能移动设备i在时隙t到达任务的数量，ci(t)为智能移动设备i在时隙t任务迁移的比例。
⑥更新当前时隙网络的能量效率ηEE(t)：
Figure BDA0002059025020000041
其中，
Figure BDA0002059025020000042
ωi，ωG为加权系数
Figure BDA0002059025020000043
(2)智能移动设备确定计算任务在本地和在边缘云执行的比例ci(t)，具体包括以下步骤：
②获取智能移动设备的本地计算任务处理队列
Figure BDA0002059025020000044
计算任务迁移队列
Figure BDA0002059025020000045
的长度，以及当前时隙任务到达的数量Ai(t)；
②若
Figure BDA0002059025020000046
则ci(t)＝1，所有计算任务迁移至边缘云执行；
③若
Figure BDA0002059025020000047
则ci(t)＝0，所有计算任务在本地执行；
④若
Figure BDA0002059025020000048
则
Figure BDA0002059025020000049
将
Figure BDA00020590250200000410
计算任务迁移至边缘云执行，将
Figure BDA00020590250200000411
计算任务在本地执行。
(3)确定智能移动设备的本地计算频率，具体为：根据式(6)得出每个智能移动设备的本地计算频率
Figure BDA00020590250200000412
Figure BDA00020590250200000413
其中，V为控制参数，可以调节系统能量和时延的平衡。
Figure BDA00020590250200000414
为智能移动设备i 最高的计算频率。
(4)确定智能移动设备接入的基站，具体包括以下步骤：
①每个智能移动设备建立其对基站的偏好列表，按照偏好函数(7)降序排列；
Figure BDA00020590250200000415
②未接入基站的智能移动设备按照其偏好列表，向当前最偏好的基站发出接入申请；
③基站收集智能移动设备的请求，按照其偏好函数(8)的大小对请求的智能移动设备进行降序排列，接受前K个用户的接入申请，然后拒绝其他智能移动设备的接入申请，
Figure BDA0002059025020000051
被拒绝接入的智能移动设备从其偏好列表中删去相应的基站，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；
④重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入。
(5)确定智能移动设备分配的子信道，具体包括以下步骤：
①每个智能移动设备建立其对子信道的偏好列表，按照偏好函数(9)降序排列，
Figure BDA0002059025020000052
②未分配子信道的智能移动设备按照其偏好列表，向当前最偏好的子信道发出接入申请；
③每个子信道收集智能移动设备的请求，按照其偏好函数(10)的大小对请求的智能移动设备进行降序排列，接受第一个智能移动设备的接入申请，然后拒绝其他智能移动设备的接入申请；
Figure BDA0002059025020000053
其中，j'为智能移动设备i'的接入基站，σi′k由下式得出
Figure BDA0002059025020000054
其中，
Figure BDA0002059025020000055
④被拒绝的智能移动设备从其偏好列表中删去相应的子信道，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；
⑤重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入；
⑥搜索不在同一子信道上的智能移动设备对，在保持其他信道分配不变的情况下，交换这对智能移动设备分配的子信道；
⑦若步骤⑥可以增加智能移动设备或子信道偏好函数值，则允许交换，否则保持不变；
⑧重复步骤⑥至⑦，直至所有智能移动设备都被搜索到。
(6)确定智能移动设备的发射功率
Figure BDA0002059025020000061
具体包括以下步骤：
①对每一个智能移动设备初始化辅助变量
Figure BDA0002059025020000062
②根据式(11)计算智能移动设备的发射功率
Figure BDA0002059025020000063
Figure BDA0002059025020000064
③根据式(12)更新小区间的干扰值
Figure BDA0002059025020000065
Figure BDA0002059025020000066
④根据式(13)和式(14)更新辅助变量
Figure BDA0002059025020000067
Figure BDA0002059025020000068
Figure BDA0002059025020000069
⑤重复步骤②至④直至收敛。
(7)边缘云根据队列长度信息和网络能量效率，分配基带处理资源
Figure BDA00020590250200000610
和边缘服务器处理资源
Figure BDA00020590250200000611
具体包括以下步骤：
①初始化参数μ0(t)和步长α(t)；
②根据式(15)为每个智能移动设备分配基带处理计算资源
Figure BDA00020590250200000612
Figure BDA00020590250200000613
其中，
Figure BDA0002059025020000071
③根据式(16)为每个智能移动设备分配边缘服务器处理资源
Figure BDA0002059025020000072
Figure BDA0002059025020000073
其中，
Figure BDA0002059025020000074
④根据公式(17)更新参数μl，
Figure BDA0002059025020000075
⑤重复步骤②至④直至收敛。
与现有技术相比，本发明的技术效果是降低了整个网络的能量消耗和计算时延，提高了密集云接入网中的计算及无线资源利用效率。
附图说明：
图1为本发明场景示意图
图2本发明中计算任务到达和排队模型
具体实施方式：
下面结合附图和具体实施例对本发明做进一步的描述。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，基站和智能移动设备随机分布在500×500m2的区域，基站的数目为15，每个基站有4个子信道，子信道的带宽为Ws＝5MHz，上行的路径损耗模型为127+20log10d，其中d的单位为km，小尺度信道功率增益服从均值为1的瑞利衰落，智能移动设备的最大发射功率为
Figure BDA0002059025020000076
边缘云全部的计算频率为
Figure BDA0002059025020000077
智能移动设备的最大计算频率为
Figure BDA0002059025020000078
通信处理的计算密度β＝198cycles/s，计算任务的计算密度γi(t)＝737.5cycles/s，功耗因子
Figure BDA0002059025020000079
ωi＝0.3，ωG＝0.7，V＝5×1013,高斯白噪声功率谱密度n0＝-174dBm/Hz，时隙长度T＝100ms。
本发明的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的具体步骤如下：
(1)计算当前时隙智能移动设备的本地计算任务处理队列
Figure BDA0002059025020000081
计算任务迁移队列
Figure BDA0002059025020000082
边缘云的基带处理队列
Figure BDA0002059025020000083
计算任务处理队列
Figure BDA0002059025020000084
以及网络能量效率ηEE(t)，具体包括：
①计算当前时隙从智能移动设备上传到基站的传输速率
Figure BDA0002059025020000085
其中，
Figure BDA0002059025020000086
为上行传输的信噪比，
Figure BDA0002059025020000087
为第i个智能移动设备的发射功率，
Figure BDA0002059025020000088
为智能移动设备i在子信道k上接入基站j的信道功率增益，n0为加性高斯白噪声的功率谱密度；aij(t)表示智能移动设备i是否允许接入基站j，aij(t)＝1表示允许智能移动设备i接入基站j， aij(t)＝0表示不允许智能移动设备i接入基站j；
Figure BDA0002059025020000089
表示智能移动设备i是否分配子信道k，
Figure BDA00020590250200000810
表示将子信道k分配给智能移动设备i，
Figure BDA00020590250200000811
表示子信道k不分配给智能移动设备i；m为i之外的其他智能移动设备，n为m接入的基站。
②计算当前时隙虚拟基带单元池处理的任务数为
Figure BDA00020590250200000812
能量消耗为
Figure BDA00020590250200000813
③计算当前时隙虚拟边缘服务器处理的任务数为
Figure BDA00020590250200000814
能量消耗为
Figure BDA00020590250200000815
④计算当前时隙智能移动设备在本地处理的计算任务数为
Figure BDA0002059025020000091
能量消耗为
Figure BDA0002059025020000092
⑤如图2所示，更新当前时隙智能移动设备和边缘云的队列长度：
Figure BDA0002059025020000093
Figure BDA0002059025020000094
Figure BDA0002059025020000095
Figure BDA0002059025020000096
其中，[x]+＝max(x,0)，Ai(t)为智能移动设备i在时隙t到达任务的数量，ci(t)为智能移动设备i在时隙t任务迁移的比例。
⑥更新当前时隙智能移动设备和边缘云的网络能量效率ηEE(t)：
Figure BDA0002059025020000097
其中，
Figure BDA0002059025020000098
Figure BDA0002059025020000099
(2)智能移动设备确定计算任务在本地和在边缘云执行的比例ci(t)，具体包括以下步骤：
③获取智能移动设备的本地计算任务处理队列
Figure BDA00020590250200000910
计算任务迁移队列
Figure BDA00020590250200000911
的长度，以及当前时隙任务到达的数量Ai(t)；
②若
Figure BDA00020590250200000912
则ci(t)＝1，所有计算任务迁移至边缘云执行；
③若
Figure BDA00020590250200000913
则ci(t)＝0，所有计算任务在本地执行；
④若
Figure BDA00020590250200000914
则
Figure BDA00020590250200000915
将
Figure BDA0002059025020000101
计算任务迁移至边缘云执行；将
Figure BDA0002059025020000102
计算任务在本地执行。
(3)确定智能移动设备的本地计算频率，具体为：根据式(23)得出每个智能移动设备的本地计算频率
Figure BDA0002059025020000103
Figure BDA0002059025020000104
(4)确定智能移动设备接入的基站，具体包括以下步骤：
①每个智能移动设备建立其对基站的偏好列表，按照偏好函数(24)降序排列：
Figure BDA0002059025020000105
②未接入基站的智能移动设备按照其偏好列表，向当前最偏好的基站发出接入申请；
③基站收集智能移动设备的请求，按照其偏好函数(25)的大小对请求的智能移动设备进行降序排列，接受前4个用户的接入申请，然后拒绝其他智能移动设备的接入申请，
Figure BDA0002059025020000106
④被拒绝接入的智能移动设备从其偏好列表中删去相应的基站，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；
⑤重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入。
(5)确定智能移动设备所分配的子信道，具体包括以下步骤：
①每个智能移动设备建立其对子信道的偏好列表，按照偏好函数(26)降序排列：
Figure BDA0002059025020000107
②未分配子信道的智能移动设备按照其偏好列表，向当前最偏好的子信道发出接入申请；
③每个子信道收集智能移动设备的请求，按照其偏好函数(27)的大小对请求的智能移动设备进行降序排列，接受第一个智能移动设备的接入申请，然后拒绝其他智能移动设备的接入申请，
Figure BDA0002059025020000111
其中，j'为智能移动设备i'的接入基站，σi′k由下式得出
Figure BDA0002059025020000112
其中，
Figure BDA0002059025020000113
④被拒绝的智能移动设备从其偏好列表中删去相应的子信道，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；
⑤重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入；
⑥搜索不在同一子信道上的智能移动设备对，在保持其他信道分配不变的情况下，交换这对智能移动设备分配的子信道；
⑦若步骤⑥可以增加智能移动设备或子信道偏好函数值，则允许交换，否则保持不变；
⑧重复步骤⑥至⑦，直至所有智能移动设备都被搜索到。
(6)确定智能移动设备的发射功率
Figure BDA0002059025020000114
具体包括以下步骤：
①对每一个智能移动设备初始化辅助变量
Figure BDA0002059025020000115
②根据式(28)计算智能移动设备的发射功率
Figure BDA0002059025020000116
Figure BDA0002059025020000117
③根据式(29)更新小区间的干扰值
Figure BDA0002059025020000118
Figure BDA0002059025020000119
④根据式(30)和式(31)更新辅助变量
Figure BDA00020590250200001110
Figure BDA0002059025020000121
Figure BDA0002059025020000122
⑤重复步骤②至④直至收敛。
(7)边缘云根据队列长度信息和网络能量效率，分配基带处理资源
Figure BDA0002059025020000123
和边缘服务器处理资源
Figure BDA0002059025020000124
具体包括以下步骤：
①初始化参数μ0(t)和步长α(t)；
②根据式(32)分配每个智能移动设备的基带处理计算资源
Figure BDA0002059025020000125
Figure BDA0002059025020000126
其中，
Figure BDA0002059025020000127
③根据式(33)分配每个智能移动设备的边缘服务器处理资源
Figure BDA0002059025020000128
Figure BDA0002059025020000129
其中，
Figure BDA00020590250200001210
④根据公式(34)更新参数μl，
μl+1(t)＝{μl(t)+10-6[(fi B(t)+fi S(t))-40×109]}+； (34)
⑤重复步骤②至④直至收敛。
通过以上步骤，可以得到当前时刻计算任务在本地与在边缘云执行的比例，智能移动设备接入的基站、分配的子信道和上行发射功率，以及边缘云为每个智能移动设备分配的计算资源。本发明通过以上步骤得到的计算迁移与资源分配结果是实时动态调整的，可以有效提升计算和无线资源的利用率，降低计算任务的执行时延和整个网络的能量消耗。

Claims (1)

1.一种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，该方法将移动边缘计算与密集云接入网融合为统一的边缘云，具体包括：基于通用处理器，将云接入网中的基带处理功能和移动边缘计算中的边缘服务器功能进行虚拟化，在网络功能虚拟化设施上建立虚拟的基带单元池和虚拟的边缘服务器，两者之间可以共享通用计算资源；智能移动设备通过正交频分多址技术接入到基站，基站通过高速光纤链路接入边缘云，其特征在于，该方法包括以下步骤：
1)智能移动设备更新当前时隙的本地计算任务处理队列
Figure FDA0003145421900000011
和计算任务迁移队列
Figure FDA0003145421900000012
边缘云更新其基带处理队列
Figure FDA0003145421900000013
计算任务处理队列
Figure FDA0003145421900000014
以及网络能量效率ηEE(t)，具体包括：
①计算当前时隙从智能移动设备上传到基站的传输速率，公式如下：
Figure FDA0003145421900000015
其中，N为基站数，K为每个基站的子信道数，Ws为子信道带宽，T为时隙长度，
Figure FDA0003145421900000016
为上行传输的信噪比，
Figure FDA0003145421900000017
为第i个智能移动设备的发射功率，
Figure FDA0003145421900000018
为智能移动设备i在子信道k上接入基站j的信道功率增益，n0为加性高斯白噪声的功率谱密度，aij(t)表示智能移动设备i是否允许接入基站j：当aij(t)＝1表示允许智能移动设备i接入基站j，当aij(t)＝0表示不允许智能移动设备i接入基站j，
Figure FDA0003145421900000019
表示智能移动设备i是否分配子信道k：当
Figure FDA00031454219000000110
表示将子信道k分配给智能移动设备i，当
Figure FDA00031454219000000111
表示子信道k不分配给智能移动设备i，m为i之外的其他智能移动设备，n为m接入的基站；
②计算当前时隙t虚拟基带单元池B处理的任务数
Figure FDA0003145421900000021
和能量消耗
Figure FDA0003145421900000022
公式如下：
Figure FDA0003145421900000023
Figure FDA0003145421900000024
其中，fi B(t)为智能移动设备i在虚拟基带单元池B中的计算资源，β为通信处理的计算密度，κG为边缘云通用处理器的功率因子；
③计算当前时隙t虚拟边缘服务器S处理的任务数
Figure FDA0003145421900000025
和能量消耗
Figure FDA0003145421900000026
公式如下：
Figure FDA0003145421900000027
Figure FDA0003145421900000028
其中，fi S(t)为智能移动设备i在虚拟边缘服务器S中的计算资源，γi(t)为任务处理的计算密度；
④计算当前时隙t智能移动设备i在本地处理的任务数
Figure FDA0003145421900000029
和能量消耗
Figure FDA00031454219000000210
公式如下：
Figure FDA00031454219000000211
Figure FDA00031454219000000212
其中，fi L(t)为智能移动设备i分配的本地计算资源，
Figure FDA00031454219000000213
为智能移动设备i的功率因子；
⑤更新当前时隙智能移动设备和边缘云的队列长度：
Figure FDA00031454219000000214
Figure FDA00031454219000000215
Figure FDA0003145421900000031
Figure FDA0003145421900000032
其中，[x]+＝max(x,0)，Ai(t)为智能移动设备i在时隙t到达任务的数量，ci(t)为智能移动设备i在时隙t任务迁移的比例；
⑥更新当前时隙网络的能量效率ηEE(t)：
Figure FDA0003145421900000033
其中，
Figure FDA0003145421900000034
ωi，ωG为加权系数
Figure FDA0003145421900000035
2)根据智能移动设备的队列长度信息，智能移动设备确定计算任务在本地和在边缘云执行的比例ci(t)，具体包括以下步骤：
①获取智能移动设备的本地计算任务处理队列
Figure FDA0003145421900000036
计算任务迁移队列
Figure FDA0003145421900000037
的长度，以及当前时隙任务到达的数量Ai(t)；
②若
Figure FDA0003145421900000038
则ci(t)＝1，所有计算任务迁移至边缘云执行；
③若
Figure FDA0003145421900000039
则ci(t)＝0，所有计算任务在本地执行；
④若
Figure FDA00031454219000000310
则
Figure FDA00031454219000000311
将
Figure FDA00031454219000000312
计算任务迁移至边缘云执行，将
Figure FDA00031454219000000313
计算任务在本地执行；
3)对于需要在本地执行的任务，智能移动设备确定本地的计算频率，具体是，每个智能移动设备i根据公式(6)计算本地计算频率fi L(t)，
Figure FDA00031454219000000314
其中，V为控制参数，可以调节系统能量和时延的平衡，fi max为智能移动设备i最高的计算频率；
4)对于需要在边缘云执行的任务，确定智能移动设备所接入的基站，分配的子信道和发射功率的大小；
所述的确定智能移动设备所接入的基站，具体包括以下步骤：
①每个智能移动设备按照基站降序偏好函数
Figure FDA0003145421900000041
建立其对基站的偏好列表，公式如下：
Figure FDA0003145421900000042
②未接入基站的智能移动设备按照其偏好列表，向当前最偏好的基站发出接入申请；
③基站收集智能移动设备的请求，按照基站大小偏好函数
Figure FDA0003145421900000043
对请求的智能移动设备进行降序排列，接受前K个用户的接入申请，然后拒绝其他智能移动设备的接入申请；
Figure FDA0003145421900000044
④被拒绝接入的智能移动设备从其偏好列表中删去相应的基站，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；
⑤重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入；
所述的确定智能移动设备所分配的子信道，具体包括以下步骤：
①每个智能移动设备按照子信道降序偏好函数
Figure FDA0003145421900000045
建立其对子信道的偏好列表，公式如下：
Figure FDA0003145421900000046
②未分配子信道的智能移动设备按照其偏好列表，向当前最偏好的子信道发出接入申请；
③每个子信道收集智能移动设备的请求，按照子信道偏好函数
Figure FDA0003145421900000047
的大小对请求的智能移动设备进行降序排列，接受第一个智能移动设备的接入申请，然后拒绝其他智能移动设备的接入申请，子信道偏好函数
Figure FDA0003145421900000051
的计算方法如下：
Figure FDA0003145421900000052
其中，j'为智能移动设备i'的接入基站，σi′k由下式得出
Figure FDA0003145421900000053
其中，
Figure FDA0003145421900000054
④被拒绝的智能移动设备从其偏好列表中删去相应的子信道，将被拒绝的智能移动设备加入到未匹配的智能移动设备集合；
⑤重复步骤②至④，直至所有智能移动设备均接入基站或未接入基站的设备已被所有基站拒绝接入；
⑥搜索不在同一子信道上的智能移动设备对，在保持其他信道分配不变的情况下，交换这对智能移动设备分配的子信道；
⑦若步骤⑥可以增加智能移动设备或子信道偏好函数值，则允许交换，否则保持不变；
⑧重复步骤⑥至⑦，直至所有智能移动设备都被搜索到；
所述的确定智能移动设备的发射功率
Figure FDA0003145421900000055
具体包括以下步骤：
①对每一个智能移动设备初始化辅助变量
Figure FDA0003145421900000056
和
Figure FDA0003145421900000057
②计算智能移动设备的发射功率
Figure FDA0003145421900000058
公式如下：
Figure FDA0003145421900000059
③更新小区间的干扰值
Figure FDA00031454219000000510
公式如下：
Figure FDA00031454219000000511
④更新辅助变量
Figure FDA00031454219000000512
和
Figure FDA00031454219000000513
公式如下：
Figure FDA0003145421900000061
Figure FDA0003145421900000062
⑤重复步骤②至④直至收敛；
5)边缘云根据队列长度信息和网络能量效率，分配基带处理资源fi B(t)和边缘服务器处理资源fi S(t)，具体包括以下步骤：
①初始化参数μ0(t)和步长α(t)；
②计算每个智能移动设备分配的基带处理资源fi B(t)，公式如下：
Figure FDA0003145421900000063
其中，
Figure FDA0003145421900000064
Zi＝VωGκG；
③计算每个智能移动设备分配的边缘服务器处理资源fi S(t)，公式如下：
Figure FDA0003145421900000065
其中，
Figure FDA0003145421900000066
④更新参数μl，公式如下：
Figure FDA0003145421900000067
⑤重复步骤②至④直至收敛；
6)在下一时隙，重复步骤1)至5)，以获得每个时隙计算任务在本地与在边缘云执行的比例，智能移动设备接入的基站，分配的子信道和上行发射功率，以及边缘云为每个智能移动设备分配的计算资源。
CN201910398695.6A 2019-05-14 2019-05-14 基于mec与密集云接入网融合的计算迁移与资源分配方法 Active CN111954230B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910398695.6A CN111954230B (zh) 2019-05-14 2019-05-14 基于mec与密集云接入网融合的计算迁移与资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910398695.6A CN111954230B (zh) 2019-05-14 2019-05-14 基于mec与密集云接入网融合的计算迁移与资源分配方法

Publications (2)

Publication Number Publication Date
CN111954230A CN111954230A (zh) 2020-11-17
CN111954230B true CN111954230B (zh) 2021-09-07

Family

ID=73335628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910398695.6A Active CN111954230B (zh) 2019-05-14 2019-05-14 基于mec与密集云接入网融合的计算迁移与资源分配方法

Country Status (1)

Country Link
CN (1) CN111954230B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112637276B (zh) * 2020-12-08 2021-12-21 电子科技大学 一种基于数字孪生技术的多用户计算迁移方法
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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107018534A (zh) * 2016-01-28 2017-08-04 中兴通讯股份有限公司 一种实现移动边缘计算服务的方法、装置及系统
CN109417512A (zh) * 2016-06-30 2019-03-01 阿尔卡特朗讯公司 近实时和实时通信

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10004019B2 (en) * 2015-09-08 2018-06-19 Parallel Wireless, Inc. RAN for multimedia delivery
US9775045B2 (en) * 2015-09-11 2017-09-26 Intel IP Corporation Slicing architecture for wireless communication
US9949133B2 (en) * 2016-08-05 2018-04-17 Nxgen Partners Ip, Llc Ultra-broadband virtualized telecom and internet

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107018534A (zh) * 2016-01-28 2017-08-04 中兴通讯股份有限公司 一种实现移动边缘计算服务的方法、装置及系统
CN109417512A (zh) * 2016-06-30 2019-03-01 阿尔卡特朗讯公司 近实时和实时通信

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
On QoE-awareness through Virtualized Probes in 5G Networks;Christos Tselios 等;《IEEE International Workshop on Computer-Aided Modeling,Analysis,and Design of Communication Links and Networks》;20161222;第1-6页，图1-2 *
移动边缘计算的探究和应用;张晋祚;《电子世界》;20180703;全文 *

Also Published As

Publication number Publication date
CN111954230A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
CN111447619B (zh) 一种移动边缘计算网络中联合任务卸载和资源分配方法
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
Fan et al. Towards workload balancing in fog computing empowered IoT
CN110418416B (zh) 移动边缘计算系统中基于多智能体强化学习的资源分配方法
CN108541027B (zh) 一种基于边缘云网络的通信计算资源置换方法
CN110087318B (zh) 基于5g移动边缘计算的任务卸载和资源分配联合优化方法
CN111132191B (zh) 移动边缘计算服务器联合任务卸载、缓存及资源分配方法
CN111372314A (zh) 基于移动边缘计算场景下的任务卸载方法及任务卸载装置
CN109151864B (zh) 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法
CN111182495B (zh) 一种5g车联网部分计算卸载方法
CN112000481B (zh) 一种d2d-mec系统计算能力最大化的任务卸载方法
CN106954232B (zh) 一种时延优化的资源分配方法
CN109982434B (zh) 无线资源调度一体智能化控制系统及方法、无线通信系统
CN112737837A (zh) 一种高动态网络拓扑下无人机群带宽资源分配方法
CN106028463B (zh) 一种基于服务速率控制的星载动态频谱资源调度方法
CN113746677B (zh) 一种面向5g新空口的网络切片内资源分配方法
CN111093226B (zh) 基于非正交多址接入与移动边缘计算多任务并行迁移方法
CN106714323A (zh) 一种4g网络中异构流的优先级区分调度方法
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
CN111800812A (zh) 一种基于非正交多址接入的移动边缘计算用户接入方案
CN106341826A (zh) 基于虚拟化技术的面向无线电力专网的资源优化分配方法
CN109218004B (zh) 基于SCMA mMTC系统分层机器类通信的子载波及功率分配方法
CN102752757B (zh) 在频谱聚合过程中按照最小浪费准则优化频谱分配的方法
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
CN112887943B (zh) 一种基于中心度的缓存资源分配方法及系统

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