CN112738185B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN112738185B
CN112738185B CN202011553163.4A CN202011553163A CN112738185B CN 112738185 B CN112738185 B CN 112738185B CN 202011553163 A CN202011553163 A CN 202011553163A CN 112738185 B CN112738185 B CN 112738185B
Authority
CN
China
Prior art keywords
user
users
task
local
graph
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
CN202011553163.4A
Other languages
English (en)
Other versions
CN112738185A (zh
Inventor
杜剑波
刘文欢
索宏泽
李树磊
卢光跃
姜静
任德锋
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.)
CETC 54 Research Institute
Xian University of Posts and Telecommunications
Original Assignee
CETC 54 Research Institute
Xian 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 CETC 54 Research Institute, Xian University of Posts and Telecommunications filed Critical CETC 54 Research Institute
Priority to CN202011553163.4A priority Critical patent/CN112738185B/zh
Publication of CN112738185A publication Critical patent/CN112738185A/zh
Application granted granted Critical
Publication of CN112738185B publication Critical patent/CN112738185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

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

Abstract

本发明属于无线通信技术领域，公开了一种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，初始化参数；根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化；进行接入控制优化：对所有用户进行排序；采用图论中的最大独立集MWIS方法进行联合用户配对、子载波分配及发送功率控制：将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集。本发明使得尽可能多的用户任务得以执行，为用户节省尽可能多的能量消耗；可应用于多种需要大容量、低能耗的物联网场景中。

Description

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
技术领域
本发明属于无线通信技术领域，尤其涉及一种边缘计算系统控制联合优化方法及应用。
背景技术
目前：随着物联网技术的快速发展，大量智能用户终端以及各种物联网设备涌入无线网络，各种智能应用层出不穷。物联网带给于极大方便的同时，也带来了很多挑战。(1)大部分智能应用经常对时延有着极高的要求，由于设备体积的限制，很多物联网设备或用户终端设备(统称为终端设备)往往无法满足时延方面的苛刻要求；(2)大部分智能应用往往是能耗密集型或计算密集型的，需要消耗大量的能量，运行这些应用会导致用户终端或者物联网设备的待机时间大大减小；(3)由于无线资源的稀缺性，当前网络要能够容纳这些急剧增加的终端设备步履维艰。移动边缘计算(MEC)技术是解决上述前两个挑战的有效的技术。通过给无线接入网络赋予一定的处理能力，终端设备可以将其任务卸载到MEC服务器执行，从而可以大大减少任务执行时间，可以在终端设备上使能更多的应用，可以为大大减少终端设备的能量消耗。然而，由于计算卸载时用户需要通过无线网络进行数据传输，无线资源的稀缺性及其带来的速率低、容量小等，可能会抵消MEC所带来的好处。非正交多址接入(NOMA)是解决第三个问题，即资源稀缺性问题的潜在技术。通过让多个用户同时使用相同的无线资源，可以大大提高无线频谱效率和系统容量，因而可以大大物联网中的大连接、高速率、超低时延。将NOMA和MEC结合用于物联网，可以提高MEC任务卸载中的数据传输速率，节省传输能耗，同时容纳更多的物联网终端。
当前，基于NOMA的MEC系统中的优化策略引起了人们极大的兴趣，其中人们的主要工作，包括如下方面：一个是为了延长其设备待机时间而进行的能耗最小化方面的工作，主要通过优化，减小任务的卸载能耗和/或减小数据传输能耗；另一个是为了使能一些复杂的任务而进行的减小其任务处理时延方面的工作，主要是通过优化，减小任务的卸载时延和/或减小数据传输时延。因此，研究基本上也是基于这两方面展开；另外，在当前的无线网络中用户设备数量的大量增长，尽可能提高系统容量也是一个重要的研究方面。
同时，NOMA要能够成功MEC的结合用于物联网系统，必须解决几个问题：(1)卸载的用户过多的话，会引起NOMA数据传输过程中严重的共道干扰，这样，不仅会增加物联网设备的复杂度和经济成本，也会使得信道变差，从而使得传输速率降低，任务卸载性能变差。因而，需要好的卸载决策，来挑出一部分最适合卸载的用户进行卸载。(2)为了使用有限的无线信道给尽可能多的终端设备提供成功的任务卸载服务，需要好的用户的接入控制、配对、子载波分配策略。(3)由于终端电池容量的限制，终端设备本地端的计算资源控制，终端设备的发送功率控制，以在满足任务处理时延的需求下，尽可能的节省终端设备的能耗，以延长其待机时间。
然而，现有文献经常在能耗、时延和容量中的某单方面展开研究，而现实中往往需要将这几者综合考虑起来，即保证任务处理时延，又节省总系统能耗，同时给尽可能多的用户提供服务。另外，涉及到上述计算卸载决策、接入控制、用户配对、资源分配等优化途径的问题往往都是非凸的，因而难以求解或者求解复杂度过高，难以在实际中应用，低复杂度的算法更容易实现，从而更容易在实际中应用。
通过上述分析，现有技术存在的问题及缺陷为：现有文献经常在能耗、时延和容量中的某单方面展开研究，而现实中往往需要将这几者综合考虑起来；计算卸载决策、接入控制、用户配对、资源分配等优化途径的问题是非凸的，难以求解或者求解复杂度过高，难以在实际中应用。
解决以上问题及缺陷的意义为：本发明综合考虑了实际中人们对能耗、时延、容量的需求，进行涉及到计算卸载决策、接入控制、用户配对、资源分配等多方面的优化。所提出的低复杂度优化算法有利于将其应用于实际系统中。
发明内容
针对现有技术存在的问题，本发明提供了一种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。
本发明是这样实现的，一种基于非正交多址的边缘计算系统控制联合优化方法，所述基于非正交多址的边缘计算系统控制联合优化方法包括：
初始化用户个数N，用户的集合N，子载波个数K，子载波的集合κ，用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力fn max，用户任务的最大可容忍时延Tn max，每个卸载的用户任务分配到的计算资源fmec，用户的信道增益gn,k，用户本地处理能耗系数α参数；
根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化；对于每个用户，判断本地执行是否可行，如果可行本地执行，卸载决策xn＝0，本地计算资源按照能保证完成任务最大处理时延来分配；如果本地执行不可行，则进行卸载，令xn＝1；
进行接入控制优化：对所有用户按照其Gn进行排序，如果卸载的用户数多于2N，则前面2N个用户可以接入无线网络进行任务卸载；如果卸载的用户数少于2N，则所有用户接入无线网络；接入无线网络的用户令其yn＝1，否则令yn＝0；
采用图论中的最大独立集MWIS方法进行联合用户配对、子载波分配及发送功率控制：将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集，即为最终的用户配对和子载波分配、用户配对及发送功率控制方案。
进一步，所述基于非正交多址的边缘计算系统控制联合优化方法的卸载决策及本地计算资源分配优化包括以下步骤：
步骤一：初始化参数：初始化用户个数N，用户的集合N，用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力
Figure BDA0002857584290000041
用户任务的最大可容忍时延
Figure BDA0002857584290000042
用户本地处理能耗系数α；
步骤二：对于每个用户
Figure BDA0002857584290000043
计算
Figure BDA0002857584290000044
并判断：
(1)
Figure BDA0002857584290000045
是否成立，如果成立，则xn＝0且有
Figure BDA0002857584290000046
(2)如果
Figure BDA0002857584290000047
则xn＝0且有
Figure BDA0002857584290000048
(3)如果
Figure BDA0002857584290000049
则xn＝1；
每个簇中有2个用户，在频谱效率和实现复杂度之间进行折中；通过卸载决策优化，让本地执行可行的用户都在本地执行，从本地侧进行系统有效容量最大化的优化；通过本地计算资源分配
Figure BDA00028575842900000410
优化，每个用户使用满足最大时延要求的计算资源执行任务，从而从本地侧实现能耗最小化的优化；
记所有本地执行用户的个数和集合分别为Nloc和
Figure BDA00028575842900000411
对于本地执行不可行的用户，可能有机会卸载到MEC服务器执行，这取决于后面的接入控制，记本地执行不可行的用户个数和集合分别为N1和
Figure BDA00028575842900000412
进一步，所述基于非正交多址的边缘计算系统控制联合优化方法的接入控制优化包括以下步骤：
步骤一：对于所有本地执行不可行的用户n,即
Figure BDA00028575842900000413
计算Gn＝gnλn/Dn；
步骤二：对所有本地执行不可行的用户，按照Gn降序排列；
步骤三：判断N1＞2K是否成立，如果成立，取前2K个用户，令其yn＝1，接入无线网络执行计算卸载；否则，对于所有
Figure BDA00028575842900000414
中的用户，令其yn＝1；
步骤四：对于满足yn＝1的用户，记其集合为
Figure BDA00028575842900000415
可以执行计算卸载；其余的用户记其集合为
Figure BDA0002857584290000051
进一步，所述步骤一中的
Figure BDA0002857584290000052
为用户n在所有子载波上的信道增益之和，表示用户n总的信道质量，gn越大，用户n的任务越适合卸载；
步骤一中，由于Dn越大，gn越大，用户n的任务越适合卸载；λn越小，任务越适合卸载；因此，Gn从任务、以及用户信道增益角度，表述了用户任务是否适合卸载；Gn越大，任务越适合卸载；
步骤三中，本发明综合考虑了频谱效率以及任务系统实现复杂度，每个子载波上只能容纳两个用户，故K个子载波上最多只能容纳2K个用户；如果N1＞2K成立，表示本地不可行的用户数多于无线信道能够容纳的总用户数，因此只允许前2K个用户接入无线网络进行计算卸载；否则，如果N1＞2K不成立，所有本地不可行的用户都可以接入无线网络进行任务卸载；
步骤四中，满足yn＝1的用户的集合为
Figure BDA0002857584290000053
该集合中所有用户会成功进行计算卸载，其任务可以得到成功执行；对于yn＝0的用户，即在集合
Figure BDA0002857584290000054
中的用户，由于本地执行、计算卸载均不可行，故这些用户的任务无法得到执行。
进一步，所述基于非正交多址的边缘计算系统控制联合优化方法的发送功率控制、用户配对及子载波分配优化包括以下步骤：
步骤一：初始化参数：用户个数N，用户的集合
Figure BDA0002857584290000055
子载波个数K，子载波的集合κ，用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力
Figure BDA0002857584290000056
用户任务的最大可容忍时延
Figure BDA0002857584290000057
每个卸载的用户任务分配到的计算资源fmec，用户的信道增益gn,k，用户本地处理能耗系数α参数；
步骤二：生成初始的图
Figure BDA0002857584290000058
步骤三：基于图
Figure BDA0002857584290000059
获得图每个节点
Figure BDA00028575842900000510
的邻居
Figure BDA00028575842900000511
和度数
Figure BDA00028575842900000512
步骤四：准备迭代参数：令
Figure BDA0002857584290000061
其中
Figure BDA0002857584290000062
用来存放最大独立集中的元素，
Figure BDA0002857584290000063
为第i次迭代中的图；
步骤五：判断
Figure BDA0002857584290000064
是否成立；如果成立，执行步骤六；如果不成立，退出循环；
步骤六：在
Figure BDA0002857584290000065
中寻找满足
Figure BDA0002857584290000066
的所有节点v，放入
Figure BDA00028575842900000627
中，即：
Figure BDA0002857584290000067
步骤七：在
Figure BDA0002857584290000068
中的所有节点中，寻找满足条件的
Figure BDA0002857584290000069
将v*放入集合
Figure BDA00028575842900000610
中，即
Figure BDA00028575842900000611
步骤八：从当前图中去掉v*，图中剩下的节点构成下一次迭代的图，即
Figure BDA00028575842900000612
步骤九：执行i＝i+1，进行下一次迭代，即从步骤五开始执行，直到收敛，得到的集合
Figure BDA00028575842900000613
中存放的就是最终的用户配对、发送功率控制及子载波分配策略。
进一步，所述步骤二中生成初始的图
Figure BDA00028575842900000614
包括如下步骤：
(1)
Figure BDA00028575842900000615
(2)从第一个子载波开始进行循环，对每个子载波分配两个满足时延及功率要求条件
Figure BDA00028575842900000616
的用户，形成一个簇
Figure BDA00028575842900000617
其中
Figure BDA00028575842900000618
中存放的是该用户对，k为子载波；对每个子载波，找出所有满足条件的用户对，每个用户对和该子载波组成一个NOMA簇；找到一个簇，更新一次图
Figure BDA00028575842900000619
步骤三中的每个节点
Figure BDA00028575842900000620
的邻居
Figure BDA00028575842900000621
和度数
Figure BDA00028575842900000622
其中节点v的度数
Figure BDA00028575842900000623
是指其邻居个数；
步骤六中在图
Figure BDA00028575842900000624
中寻找满足
Figure BDA00028575842900000625
的节点v，是指该节点的权重大于它的所有邻居平均权重，把满足该条件的所有节点v放入集合
Figure BDA00028575842900000626
中；
步骤六中的节点v的权重为
Figure BDA0002857584290000071
为v中两个用户
Figure BDA0002857584290000072
和
Figure BDA0002857584290000073
的效用之和，其中用户n的效用为
Figure BDA0002857584290000074
即用户n本地执行的能耗与通过计算卸载的能耗之差，即通过计算卸载节省的能耗；
步骤七中在
Figure BDA0002857584290000075
中的所有节点中，寻找权重最大的节点，即满足条件的
Figure BDA0002857584290000076
记为v*，将v*放入最大独立集中；
步骤八形成的最大独立集中，每个节点v为一个可行的、满足时延约束及功率约束的NOMA簇，且权重最大。根据最大独立集的定义，其中所有的元素中，不包括相同的用户，也不包括相同的自载波；步骤八获得的最大独立集，即为节省能耗最大的协同用户分簇、自载波分配及发送功率控制方案。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
初始化用户个数，用户的集合，子载波个数，子载波的集合，用户任务输入数据量，用户任务处理密度，用户本地处理能力，用户任务的最大可容忍时延，每个卸载的用户任务分配到的计算资源，用户的信道增益，用户本地处理能耗系数参数；
根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化；对于每个用户，判断本地执行是否可行，如果可行本地执行，卸载决策，本地计算资源按照能保证完成任务最大处理时延来分配；如果本地执行不可行，则进行卸载；
进行接入控制优化：对所有用户进行排序，如果卸载的用户数多于2N，则前面2N个用户可以接入无线网络进行任务卸载；如果卸载的用户数少于2N，则所有用户接入无线网络；
采用图论中的最大独立集MWIS方法进行联合用户配对、子载波分配及发送功率控制：将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集，即为最终的用户配对和子载波分配、用户配对及发送功率控制方案。
本发明的另一目的在于提供一种实施所述基于非正交多址的边缘计算系统控制联合优化方法的边缘计算系统控制联合优化系统，所述边缘计算系统控制联合优化系统包括：
参数初始化模块，用于初始化用户个数，用户的集合，子载波个数，子载波的集合，用户任务输入数据量，用户任务处理密度，用户本地处理能力，用户任务的最大可容忍时延，每个卸载的用户任务分配到的计算资源，用户的信道增益，用户本地处理能耗系数参数；
卸载决策及本地计算资源分配优化模块，用于根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化；
接入控制优化模块，用于对所有用户进行排序，如果卸载的用户数多于2N，则前面2N个用户可以接入无线网络进行任务卸载；如果卸载的用户数少于2N，则所有用户接入无线网络；
联合用户配对、子载波分配及发送功率控制模块，用于将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集，即为最终的用户配对和子载波分配、用户配对及发送功率控制方案。
本发明的另一目的在于提供一种需要大容量、低能耗的物联网场景控制系统，所述需要大容量、低能耗的物联网场景控制系统执行所述的基于非正交多址的边缘计算系统控制联合优化方法。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的基于非正交多址的边缘计算系统控制联合优化方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明涉及移动边缘计算(MEC)和非正交多址接入(NOMA)集成系统的联合优化，尤其涉及一种协同计算卸载、接入控制、计算资源分配、用户配对、子载波分配及发送功率控制的联合优化方法，能够有效减少系统的能量消耗。
本发明在基于非正交多址的边缘计算系统中，通过协同计算卸载、接入控制、计算资源分配、用户配对、子载波分配及发送功率控制策略，在最大化系统有效容量(指任务被成功执行的用户数)的同时，最大化相比任务本地执行节省的能耗。本发明将非正交多址和移动边缘计算引入物联网中，一方面通过本地端计算卸载优化以及NOMA无线接入，来最大程度提高系统有效容量，另一方面通过本地端的计算资源分配优化和服务器端的联合接入控制、分户分簇、子载波分配和发送功率控制优化，使得总的用户节省能耗最大化。仿真结果表明，本发明提出的联合优化算法，可以充分发挥边缘计算和非正交多址接入的优势，使得尽可能多的用户任务得以成功执行，并为用户节省尽可能多的能量消耗。本发明提出的方案可应用于多种需要大容量、低能耗的物联网场景中。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于非正交多址的边缘计算系统控制联合优化方法流程图。
图2是本发明实施例提供的边缘计算系统控制联合优化系统的结构示意图；
图2中：1、参数初始化模块；2、卸载决策及本地计算资源分配优化模块；3、接入控制优化模块；4、联合用户配对、子载波分配及发送功率控制模块。
图3是本发明实施例提供的可应用的一个场景图。
图4是本发明实施例提供的卸载决策及本地计算资源分配流程图。
图5是本发明实施例提供的接入控制流程图。
图6是本发明实施例提供的协同计算卸载决策、接入控制、用户配对及资源分配流程图。
图7是本发明实施例提供的本发明与现有协同计算卸载决策、接入控制、用户配对及资源分配方法对不同任务处理密度时节省的能耗比较图。
图8是本发明实施例提供的本发明与现有协同计算卸载决策、接入控制、用户配对及资源分配方法对不同任务处理密度时有效容量比较图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种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，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的基于非正交多址的边缘计算系统控制联合优化方法包括以下步骤：
S101：初始化用户个数，用户的集合，子载波个数，子载波的集合，用户任务输入数据量，用户任务处理密度，用户本地处理能力，用户任务的最大可容忍时延，每个卸载的用户任务分配到的计算资源，用户的信道增益，用户本地处理能耗系数等参数；
S102：根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化；对于每个用户，判断本地执行是否可行，如果可行本地执行，卸载决策，本地计算资源按照能保证完成任务最大处理时延来分配；如果本地执行不可行，则进行卸载；
S103：进行接入控制优化：对所有用户进行排序，如果卸载的用户数多于2N，则前面2N个用户可以接入无线网络进行任务卸载；如果卸载的用户数少于2N，则所有用户接入无线网络；
S104：采用图论中的最大独立集(MWIS)方法进行联合用户配对、子载波分配及发送功率控制：将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集，即为最终的用户配对和子载波分配、用户配对及发送功率控制方案。
本发明提供的基于非正交多址的边缘计算系统控制联合优化方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的基于非正交多址的边缘计算系统控制联合优化方法仅仅是一个具体实施例而已。
如图2所示，本发明提供的边缘计算系统控制联合优化系统包括：
参数初始化模块1，用于初始化用户个数，用户的集合，子载波个数，子载波的集合，用户任务输入数据量，用户任务处理密度，用户本地处理能力，用户任务的最大可容忍时延，每个卸载的用户任务分配到的计算资源，用户的信道增益，用户本地处理能耗系数等参数；
卸载决策及本地计算资源分配优化模块2，用于根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化；
接入控制优化模块3，用于对所有用户进行排序，如果卸载的用户数多于2N，则前面2N个用户可以接入无线网络进行任务卸载；如果卸载的用户数少于2N，则所有用户接入无线网络；
联合用户配对、子载波分配及发送功率控制模块4，用于将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集，即为最终的用户配对和子载波分配、用户配对及发送功率控制方案。
下面结合附图对本发明的技术方案作进一步的描述。
本发明在基于非正交多址的边缘计算系统中，通过协同计算卸载、接入控制、计算资源分配、用户配对、子载波分配及发送功率控制策略，在最大化系统有效容量(指任务被成功执行的用户数)的同时，最大化相比任务本地执行节省的能耗。本发明将非正交多址和移动边缘计算引入物联网中，一方面通过本地端计算卸载优化以及NOMA无线接入，来最大程度提高系统有效容量，另一方面通过本地端的计算资源分配优化和服务器端的联合接入控制、分户分簇、子载波分配和发送功率控制优化，使得总的用户节省能耗最大化。仿真结果表明，本发明提出的联合优化算法，可以充分发挥边缘计算和非正交多址接入的优势，使得尽可能多的用户任务得以成功执行，并为用户节省尽可能多的能量消耗。本发明提出的方案可应用于多种需要大容量、低能耗的物联网场景中。
本发明提供的基于非正交多址的边缘计算系统控制联合优化方法包括以下步骤：
第一步，初始化用户个数N，用户的集合
Figure BDA0002857584290000121
子载波个数K，子载波的集合
Figure BDA0002857584290000122
用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力
Figure BDA0002857584290000123
用户任务的最大可容忍时延
Figure BDA0002857584290000124
每个卸载的用户任务分配到的计算资源fmec，用户的信道增益gn,k，用户本地处理能耗系数α等参数。
第二步，根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化。对于每个用户，判断本地执行是否可行，如果可行本地执行，卸载决策xn＝0，本地计算资源按照能保证完成任务最大处理时延来分配；如果本地执行不可行，则进行卸载，令xn＝1。
第三步，进行接入控制优化：对所有用户按照其Gn进行排序，如果卸载的用户数多于2N，则前面2N个用户可以接入无线网络进行任务卸载；如果卸载的用户数少于2N，则所有用户接入无线网络。接入无线网络的用户令其yn＝1，否则令yn＝0。
第四步，采用图论中的最大独立集(MWIS)方法进行联合用户配对、子载波分配及发送功率控制：将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集，即为最终的用户配对和子载波分配、用户配对及发送功率控制方案。
图4是本发明的方法可应用的一个场景图。系统中包含一个MEC服务器，N个终端设备，K个子载波。用户的集合记为
Figure BDA0002857584290000131
子载波的集合记为
Figure BDA0002857584290000132
且用户个数N远远大于子载波个数K。MEC有较强的任务处理能力，终端设备有一定的任务处理能力。
每个用户n有一个计算密集型任务，可以在终端设备本地执行，也可以要卸载到边缘计算服务器上去执行。用户的卸载决策用xn表示，其中xn＝0表示任务在用户本地执行，xn＝1表示任务卸载到MEC服务器执行。每个用户的任务可以表示为
Figure BDA0002857584290000133
其中Dn表示该任务的输入数据量大小(单位为比特)，λn是处理密度，表示任务的复杂度，其单位为CPU cycles/bit，
Figure BDA0002857584290000134
为任务的处理时延约束。
本发明中用户以非正交多址的方式与服务器通信，以尽可能充分使用有限的无线资源，从而容纳更多的用户。考虑到系统实现复杂性和频谱效率的折中，每两个用户配成一个对，称为一个簇，同一个簇内的两个终端共同使用同一个无线子载波。为了克服簇内用户相互干扰，可以通过合理的用户分簇、子载波分配方案，保证簇内用户之间信道有一定的差异，配合发送端进行发送功率控制以及接收端的串行干扰消除来实现。
此外，由于用户个数远远大于子载波个数，而每个子载波上只能容纳两个用户。为了让尽可能多的用户的任务得以成功执行，本发明通过卸载决策来控制。本地可行的用户都在本地执行，本地不可行的用户任务卸载到MEC服务器执行。另外本地不可行的用户可能要多于无线网络所能容纳的用户个数，因此通过接入控制，取所有本地不可行的用户中最好的2K个接入网络，其余的任务执行失败。
为了尽可能减少系统总能量消耗，从而节省更多的能量，本发明从两方面做了优化。在本地侧，本地执行的用户以满足最低时延要求
Figure BDA0002857584290000135
的计算资源处理任务；在MEC侧，通过接入控制、用户配对、子载波分配及发送功率控制来实现。
如图4所示，本发明采用的协同优化计算卸载决策、接入控制、用户配对及资源分配方法的卸载决策及本地计算资源分配
Figure BDA0002857584290000141
优化包括以下步骤：
步骤一：初始化参数：初始化用户个数N，用户的集合
Figure BDA0002857584290000142
用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力
Figure BDA0002857584290000143
用户任务的最大可容忍时延
Figure BDA0002857584290000144
用户本地处理能耗系数α。
步骤二：对于每个用户
Figure BDA0002857584290000145
计算
Figure BDA0002857584290000146
并判断：
(1)
Figure BDA0002857584290000147
是否成立，如果成立，则xn＝0且有
Figure BDA0002857584290000148
(2)如果
Figure BDA0002857584290000149
则xn＝0且有
Figure BDA00028575842900001410
(3)如果
Figure BDA00028575842900001411
则xn＝1。
在步骤二中，每个簇中有2个用户，在频谱效率和实现复杂度之间进行折中；
步骤二通过卸载决策优化，让本地执行可行的用户都在本地执行，从而从本地侧进行系统有效容量最大化的优化。
步骤二通过本地计算资源分配
Figure BDA00028575842900001412
优化，每个用户使用满足最大时延要求的计算资源执行任务，从而从本地侧实现能耗最小化的优化。
本发明中的有效容量是指，任务被成功执行的用户个数。
在步骤二完成后，记所有本地执行用户的个数和集合分别为Nloc和
Figure BDA00028575842900001413
对于本地执行不可行的用户，可能有机会卸载到MEC服务器执行，这取决于后面的接入控制。记本地执行不可行的用户个数和集合分别为N1和
Figure BDA00028575842900001414
如图5所示，本发明采用的协同计算卸载决策、接入控制、用户配对及资源分配优化方法的接入控制优化包括以下步骤：
步骤一：对于所有本地执行不可行的用户n,即
Figure BDA0002857584290000151
计算Gn＝gnλn/Dn；
步骤二：对所有本地执行不可行的用户，按照Gn降序排列；
步骤三：判断N1＞2K是否成立，如果成立，取前2K个用户，令其yn＝1，即可以接入无线网络执行计算卸载；否则，对于所有
Figure BDA0002857584290000152
中的用户，令其yn＝1。
步骤四：对于满足yn＝1的用户，记其集合为
Figure BDA0002857584290000153
可以执行计算卸载；其余的用户记其集合为
Figure BDA0002857584290000154
步骤一中的
Figure BDA0002857584290000155
为用户n在所有子载波上的信道增益之和，表示用户n总的信道质量，gn越大，用户n的任务越适合卸载。
步骤一中，由于Dn越大，gn越大，用户n的任务越适合卸载；λn越小，任务越适合卸载；因此，Gn从任务、以及用户信道增益角度，表述了用户任务是否适合卸载；Gn越大，任务越适合卸载。
步骤三中，本发明综合考虑了频谱效率以及任务系统实现复杂度，每个子载波上只能容纳两个用户，故K个子载波上最多只能容纳2K个用户；如果N1＞2K成立，表示本地不可行的用户数多于无线信道能够容纳的总用户数，因此只允许前2K个用户接入无线网络进行计算卸载；否则，如果N1＞2K不成立，所有本地不可行的用户都可以接入无线网络进行任务卸载。
步骤四中，满足yn＝1的用户的集合为
Figure BDA0002857584290000156
该集合中所有用户会成功进行计算卸载，其任务可以得到成功执行；对于yn＝0的用户，即在集合
Figure BDA0002857584290000157
中的用户，由于本地执行、计算卸载均不可行，故这些用户的任务无法得到执行。
如图6所示，本发明采用的所述协同优化计算卸载决策、接入控制、用户配对及资源分配方法的发送功率控制、用户配对及子载波分配优化包括以下步骤：
步骤一：初始化参数：用户个数N，用户的集合
Figure BDA0002857584290000158
子载波个数K，子载波的集合
Figure BDA0002857584290000161
用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力
Figure BDA0002857584290000162
用户任务的最大可容忍时延
Figure BDA0002857584290000163
每个卸载的用户任务分配到的计算资源fmec，用户的信道增益gn,k，用户本地处理能耗系数α等参数。
步骤二：生成初始的图
Figure BDA0002857584290000164
步骤三：基于图
Figure BDA0002857584290000165
获得图每个节点
Figure BDA0002857584290000166
的邻居
Figure BDA0002857584290000167
和度数
Figure BDA0002857584290000168
步骤四：准备迭代参数：令
Figure BDA0002857584290000169
其中
Figure BDA00028575842900001610
用来存放最大独立集中的元素，
Figure BDA00028575842900001611
为第i次迭代中的图。
步骤五：判断
Figure BDA00028575842900001612
是否成立；如果成立，执行步骤六；如果不成立，退出循环。
步骤六：在
Figure BDA00028575842900001613
中寻找满足
Figure BDA00028575842900001614
的所有节点v，放入
Figure BDA00028575842900001615
中，即：
Figure BDA00028575842900001616
步骤七：在
Figure BDA00028575842900001617
中的所有节点中，寻找满足条件的
Figure BDA00028575842900001618
将v*放入集合
Figure BDA00028575842900001619
中，即
Figure BDA00028575842900001620
步骤八：从当前图中去掉v*，图中剩下的节点构成下一次迭代的图，即
Figure BDA00028575842900001621
步骤九：执行i＝i+1，进行下一次迭代，即从步骤五开始执行，直到收敛，得到的集合
Figure BDA00028575842900001622
中存放的就是最终的用户配对、发送功率控制及子载波分配策略。
步骤二中生成初始的图
Figure BDA00028575842900001623
包括如下步骤：
(1)
Figure BDA00028575842900001624
(2)从第一个子载波开始进行循环，对每个子载波分配两个满足时延及功率要求条件
Figure BDA00028575842900001625
的用户，形成一个簇
Figure BDA00028575842900001626
其中
Figure BDA00028575842900001627
中存放的是该用户对，k为子载波；对每个子载波，找出所有满足条件的用户对，每个用户对和该子载波组成一个NOMA簇；找到一个簇，更新一次图
Figure BDA0002857584290000171
步骤三中的每个节点
Figure BDA0002857584290000172
的邻居
Figure BDA0002857584290000173
和度数
Figure BDA0002857584290000174
其中节点v的度数
Figure BDA0002857584290000175
是指其邻居个数；
步骤六中在图
Figure BDA0002857584290000176
中寻找满足
Figure BDA0002857584290000177
的节点v，是指该节点的权重大于它的所有邻居平均权重，把满足该条件的所有节点v放入集合
Figure BDA0002857584290000178
中。
步骤六中的节点v的权重为
Figure BDA0002857584290000179
为v中两个用户
Figure BDA00028575842900001710
和
Figure BDA00028575842900001711
的效用之和，其中用户n的效用为
Figure BDA00028575842900001712
即用户n本地执行的能耗与通过计算卸载的能耗之差，即通过计算卸载节省的能耗。
步骤七中在
Figure BDA00028575842900001713
中的所有节点中，寻找权重最大的节点，即满足条件的
Figure BDA00028575842900001714
记为v*，因此将v*放入最大独立集中。
步骤八形成的最大独立集中，每个节点v为一个可行的、满足时延约束及功率约束的NOMA簇，且权重最大。根据最大独立集的定义，其中所有的元素中，不包括相同的用户，也不包括相同的自载波。因此，步骤八获得的最大独立集，即为节省能耗最大的协同用户分簇、自载波分配及发送功率控制方案。
本发明提出的基于非正交多址的边缘计算系统中能够一方面通过本地端计算卸载优化以及NOMA无线接入，来最大程度提高系统有效容量，另一方面通过本地端的计算资源分配优化和服务器端的联合接入控制、分户分簇、子载波分配和发送功率控制优化，使得总的用户节省能耗最大化。此外，本发明提出的联合优化算法，可以充分发挥边缘计算和非正交多址接入的优势，使得尽可能多的用户任务得以成功执行，并为用户节省尽可能多的能量消耗。本发明提出的方案可应用于多种需要大容量、低能耗的物联网场景中。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种基于非正交多址的边缘计算系统控制联合优化方法，其特征在于，所述基于非正交多址的边缘计算系统控制联合优化方法包括：
初始化用户个数N，用户的集合
Figure FDA0003700679160000011
子载波个数K，子载波的集合
Figure FDA0003700679160000012
用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力
Figure FDA0003700679160000013
用户任务的最大可容忍时延
Figure FDA0003700679160000014
每个卸载的用户任务分配到的计算资源fmec，用户的信道增益gn,k，用户本地处理能耗系数α参数；
根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化；对于每个用户，判断本地执行是否可行，如果可行本地执行，卸载决策xn＝0，本地计算资源按照能保证完成任务最大处理时延来分配；如果本地执行不可行，则进行卸载，令xn＝1；
进行接入控制优化：对所有用户按照其Gn进行排序，如果卸载的用户数多于2N，则前面2N个用户可以接入无线网络进行任务卸载；如果卸载的用户数少于2N，则所有用户接入无线网络；接入无线网络的用户令其yn＝1，否则令yn＝0；
采用图论中的最大独立集MWIS方法进行联合用户配对、子载波分配及发送功率控制：将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集，即为最终的用户配对和子载波分配、用户配对及发送功率控制方案；
所述基于非正交多址的边缘计算系统控制联合优化方法的发送功率控制、用户配对及子载波分配优化包括以下步骤：
步骤一：初始化参数：用户个数N，用户的集合
Figure FDA0003700679160000015
子载波个数K，子载波的集合
Figure FDA0003700679160000016
用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力
Figure FDA0003700679160000017
用户任务的最大可容忍时延
Figure FDA0003700679160000018
每个卸载的用户任务分配到的计算资源fmec，用户的信道增益gn,k，用户本地处理能耗系数α参数；
步骤二：生成初始的图
Figure FDA0003700679160000021
步骤三：基于图
Figure FDA0003700679160000022
获得图每个节点
Figure FDA0003700679160000023
的邻居
Figure FDA0003700679160000024
和度数
Figure FDA0003700679160000025
步骤四：准备迭代参数：令
Figure FDA0003700679160000026
其中
Figure FDA0003700679160000027
用来存放最大独立集中的元素，
Figure FDA0003700679160000028
为第i次迭代中的图；
步骤五：判断
Figure FDA0003700679160000029
是否成立；如果成立，执行步骤六；如果不成立，退出循环；
步骤六：在
Figure FDA00037006791600000210
中寻找满足
Figure FDA00037006791600000211
的所有节点v，放入
Figure FDA00037006791600000212
中，即：
Figure FDA00037006791600000213
步骤七：在
Figure FDA00037006791600000214
中的所有节点中，寻找满足条件的
Figure FDA00037006791600000215
将υ*放入集合
Figure FDA00037006791600000216
中，即
Figure FDA00037006791600000217
步骤八：从当前图中去掉υ*，图中剩下的节点构成下一次迭代的图，即
Figure FDA00037006791600000218
步骤九：执行i＝i+1，进行下一次迭代，即从步骤五开始执行，直到收敛，得到的集合
Figure FDA00037006791600000219
中存放的就是最终的用户配对、发送功率控制及子载波分配策略。
2.如权利要求1所述的基于非正交多址的边缘计算系统控制联合优化方法，其特征在于，所述基于非正交多址的边缘计算系统控制联合优化方法的卸载决策及本地计算资源分配优化包括以下步骤：
步骤一：初始化参数：初始化用户个数N，用户的集合
Figure FDA00037006791600000220
用户任务输入数据量Dn，用户任务处理密度λn，用户本地处理能力
Figure FDA00037006791600000221
用户任务的最大可容忍时延
Figure FDA00037006791600000222
用户本地处理能耗系数α；
步骤二：对于每个用户
Figure FDA0003700679160000031
计算
Figure FDA0003700679160000032
并判断：
(1)
Figure FDA0003700679160000033
是否成立，如果成立，则xn＝0且有
Figure FDA0003700679160000034
(2)如果
Figure FDA0003700679160000035
则xn＝0且有
Figure FDA0003700679160000036
(3)如果
Figure FDA0003700679160000037
则xn＝1；
每个簇中有2个用户，在频谱效率和实现复杂度之间进行折中；通过卸载决策优化，让本地执行可行的用户都在本地执行，从本地侧进行系统有效容量最大化的优化；通过本地计算资源分配
Figure FDA0003700679160000038
优化，每个用户使用满足最大时延要求的计算资源执行任务，从而从本地侧实现能耗最小化的优化；
记所有本地执行用户的个数和集合分别为Nloc和
Figure FDA0003700679160000039
对于本地执行不可行的用户，可能有机会卸载到MEC服务器执行，这取决于后面的接入控制，记本地执行不可行的用户个数和集合分别为N1和
Figure FDA00037006791600000310
3.如权利要求1所述的基于非正交多址的边缘计算系统控制联合优化方法，其特征在于，所述基于非正交多址的边缘计算系统控制联合优化方法的接入控制优化包括以下步骤：
步骤一：对于所有本地执行不可行的用户n,即
Figure FDA00037006791600000311
计算Gn＝gnλn/Dn；
步骤二：对所有本地执行不可行的用户，按照Gn降序排列；
步骤三：判断N1＞2K是否成立，如果成立，取前2K个用户，令其yn＝1，接入无线网络执行计算卸载；否则，对于所有
Figure FDA00037006791600000312
中的用户，令其yn＝1；
步骤四：对于满足yn＝1的用户，记其集合为
Figure FDA00037006791600000313
可以执行计算卸载；其余的用户记其集合为
Figure FDA00037006791600000314
4.如权利要求3所述的基于非正交多址的边缘计算系统控制联合优化方法，其特征在于，所述步骤一中的
Figure FDA00037006791600000315
为用户n在所有子载波上的信道增益之和，表示用户n总的信道质量，gn越大，用户n的任务越适合卸载；
步骤一中，由于Dn越大，gn越大，用户n的任务越适合卸载；λn越小，任务越适合卸载；因此，Gn从任务、以及用户信道增益角度，表述了用户任务是否适合卸载；Gn越大，任务越适合卸载；
步骤三中，综合考虑了频谱效率以及任务系统实现复杂度，每个子载波上只能容纳两个用户，故K个子载波上最多只能容纳2K个用户；如果N1＞2K成立，表示本地不可行的用户数多于无线信道能够容纳的总用户数，因此只允许前2K个用户接入无线网络进行计算卸载；否则，如果N1＞2K不成立，所有本地不可行的用户都可以接入无线网络进行任务卸载；
步骤四中，满足yn＝1的用户的集合为
Figure FDA0003700679160000041
该集合中所有用户会成功进行计算卸载，其任务可以得到成功执行；对于yn＝0的用户，即在集合
Figure FDA0003700679160000042
中的用户，由于本地执行、计算卸载均不可行，故这些用户的任务无法得到执行。
5.如权利要求1所述的基于非正交多址的边缘计算系统控制联合优化方法，其特征在于，所述步骤二中生成初始的图
Figure FDA0003700679160000043
包括如下步骤：
(1)
Figure FDA0003700679160000044
(2)从第一个子载波开始进行循环，对每个子载波分配两个满足时延及功率要求条件
Figure FDA0003700679160000045
的用户，形成一个簇
Figure FDA0003700679160000046
其中
Figure FDA0003700679160000047
中存放的是用户对，k为子载波；对每个子载波，找出所有满足条件的用户对，每个用户对和该子载波组成一个NOMA簇；找到一个簇，更新一次图
Figure FDA0003700679160000048
步骤三中的每个节点
Figure FDA0003700679160000049
的邻居
Figure FDA00037006791600000410
和度数
Figure FDA00037006791600000411
其中节点v的度数
Figure FDA00037006791600000412
是指其邻居个数；
步骤六中在图
Figure FDA00037006791600000413
中寻找满足
Figure FDA00037006791600000414
的节点v，是指该节点的权重大于它的所有邻居平均权重，把满足该条件的所有节点v放入集合
Figure FDA00037006791600000415
中；
步骤六中的节点v的权重为
Figure FDA00037006791600000416
为v中两个用户
Figure FDA0003700679160000051
和
Figure FDA0003700679160000052
的效用之和，其中用户n的效用为
Figure FDA0003700679160000053
即用户n本地执行的能耗与通过计算卸载的能耗之差，即通过计算卸载节省的能耗；
步骤七中在
Figure FDA0003700679160000054
中的所有节点中，寻找权重最大的节点，即满足条件的
Figure FDA0003700679160000055
记为υ*，将υ*放入最大独立集中；
步骤八形成的最大独立集中，每个节点v为一个可行的、满足时延约束及功率约束的NOMA簇，且权重最大，根据最大独立集的定义，其中所有的元素中，不包括相同的用户，也不包括相同的自载波；步骤八获得的最大独立集，即为节省能耗最大的协同用户分簇、自载波分配及发送功率控制方案。
6.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1～5任意一项所述基于非正交多址的边缘计算系统控制联合优化方法的步骤。
7.一种实施权利要求1～5任意一项所述基于非正交多址的边缘计算系统控制联合优化方法的边缘计算系统控制联合优化系统，其特征在于，所述边缘计算系统控制联合优化系统包括：
参数初始化模块，用于初始化用户个数，用户的集合，子载波个数，子载波的集合，用户任务输入数据量，用户任务处理密度，用户本地处理能力，用户任务的最大可容忍时延，每个卸载的用户任务分配到的计算资源，用户的信道增益，用户本地处理能耗系数参数；
卸载决策及本地计算资源分配优化模块，用于根据本地执行的可行性以及任务处理最大时延限制进行卸载决策及本地计算资源分配优化；
接入控制优化模块，用于对所有用户进行排序，如果卸载的用户数多于2N，则前面2N个用户可以接入无线网络进行任务卸载；如果卸载的用户数少于2N，则所有用户接入无线网络；对于所有本地执行不可行的用户n,即
Figure FDA0003700679160000056
计算Gn＝gnλn/Dn；对所有本地执行不可行的用户，按照Gn降序排列；判断N1＞2K是否成立，如果成立，取前2K个用户，令其yn＝1，接入无线网络执行计算卸载；否则，对于所有
Figure FDA0003700679160000061
中的用户，令其yn＝1；对于满足yn＝1的用户，记其集合为
Figure FDA0003700679160000062
可以执行计算卸载；其余的用户记其集合为
Figure FDA0003700679160000063
联合用户配对、子载波分配及发送功率控制模块，用于将所有可行的用户配对和子载波分配组成一个图，图中每一个节点为一个可行的用户配对和一个子载波的组合，每个用户的发送功率按照满足其最大时延需求进行分配；生成图的最大独立集，即为最终的用户配对和子载波分配、用户配对及发送功率控制方案。
8.一种需要大容量、低能耗的物联网场景控制系统，其特征在于，所述需要大容量、低能耗的物联网场景控制系统执行权利要求1～5任意一项所述的基于非正交多址的边缘计算系统控制联合优化方法的步骤。
9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1～5任意一项所述的基于非正交多址的边缘计算系统控制联合优化方法。
CN202011553163.4A 2020-12-24 2020-12-24 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 Active CN112738185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011553163.4A CN112738185B (zh) 2020-12-24 2020-12-24 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011553163.4A CN112738185B (zh) 2020-12-24 2020-12-24 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

Publications (2)

Publication Number Publication Date
CN112738185A CN112738185A (zh) 2021-04-30
CN112738185B true CN112738185B (zh) 2022-09-20

Family

ID=75615410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011553163.4A Active CN112738185B (zh) 2020-12-24 2020-12-24 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

Country Status (1)

Country Link
CN (1) CN112738185B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113556760B (zh) * 2021-06-08 2023-02-07 西安邮电大学 一种移动边缘计算成本效益优化方法、系统及应用
CN114827191B (zh) * 2022-03-15 2023-11-03 华南理工大学 一种车路协同系统中融合noma的动态任务卸载方法
CN115085781B (zh) * 2022-06-10 2023-09-08 西安电子科技大学 基于最大独立集的mimo ic链式干扰对齐方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109246795A (zh) * 2018-09-28 2019-01-18 西北工业大学 最大化非正交多址上行网络中用户连接数的接入控制方法
CN110543336A (zh) * 2019-08-30 2019-12-06 北京邮电大学 基于非正交多址接入技术的边缘计算任务卸载方法及装置
CN111614419A (zh) * 2020-01-10 2020-09-01 南京邮电大学 一种基于noma的移动边缘计算网络任务高安全卸载资源分配方法
CN111684740A (zh) * 2018-01-12 2020-09-18 高通股份有限公司 用于资源扩展多址(rsma)的基于序列的短码设计

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111800812B (zh) * 2019-10-10 2021-09-17 华北电力大学 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
CN111615129B (zh) * 2020-05-29 2023-03-24 南京邮电大学 基于noma的多用户移动边缘计算系统中的资源分配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111684740A (zh) * 2018-01-12 2020-09-18 高通股份有限公司 用于资源扩展多址(rsma)的基于序列的短码设计
CN109246795A (zh) * 2018-09-28 2019-01-18 西北工业大学 最大化非正交多址上行网络中用户连接数的接入控制方法
CN110543336A (zh) * 2019-08-30 2019-12-06 北京邮电大学 基于非正交多址接入技术的边缘计算任务卸载方法及装置
CN111614419A (zh) * 2020-01-10 2020-09-01 南京邮电大学 一种基于noma的移动边缘计算网络任务高安全卸载资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Cooperative Computation Offloading and Resource Allocation for Blockchain-Enabled Mobile-Edge Computing: A Deep Reinforcement Learning Approach;Jie Feng等;《IEEE》;20191224;全文 *
毫米波NOMA系统的一种用户分簇及预编码算法;姜静;《西安邮电大学学报》;20190305;全文 *

Also Published As

Publication number Publication date
CN112738185A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN112738185B (zh) 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
WO2022121097A1 (zh) 一种移动用户计算任务的卸载方法
Li et al. Energy-aware mobile edge computation offloading for IoT over heterogenous networks
CN110096362B (zh) 一种基于边缘服务器协作的多任务卸载方法
CN111475274B (zh) 云协同多任务调度方法及装置
Mahmood et al. Partial offloading in energy harvested mobile edge computing: A direct search approach
CN109756912B (zh) 一种多用户多基站联合任务卸载及资源分配方法
CN109246761B (zh) 考虑延迟及能耗的基于交替方向乘子法的卸载方法
CN112118287B (zh) 基于交替方向乘子算法与移动边缘计算的网络资源优化调度决策方法
CN112105062B (zh) 时敏条件下移动边缘计算网络能耗最小化策略方法
Liu et al. Latency optimization for computation offloading with hybrid NOMA–OMA transmission
CN112000481B (zh) 一种d2d-mec系统计算能力最大化的任务卸载方法
CN109151864A (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
CN113543342B (zh) 基于noma-mec强化学习资源分配与任务卸载方法
CN113115459A (zh) 一种面向电力物联网海量终端的多尺度多维资源分配方法
Lin et al. Joint offloading decision and resource allocation for multiuser NOMA-MEC systems
Tang et al. Research on heterogeneous computation resource allocation based on data-driven method
Pan et al. Multi-user computation offloading algorithm for mobile edge computing
El Ghmary et al. Time and resource constrained offloading with multi-task in a mobile edge computing node.
Diao et al. Joint user clustering, resource allocation and power control for NOMA-based mobile edge computing
Li et al. Mobile edge computing for task offloading in small-cell networks via belief propagation
CN113573280B (zh) 一种车辆边缘计算成本效益优化方法、系统、设备、终端
Di Pietro et al. An optimal low-complexity policy for cache-aided computation offloading
CN116880925A (zh) 一种基于移动边缘计算的计算卸载和资源分配方法
CN113556760B (zh) 一种移动边缘计算成本效益优化方法、系统及应用

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