CN112866006B - 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法 - Google Patents
一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法 Download PDFInfo
- Publication number
- CN112866006B CN112866006B CN202011635062.1A CN202011635062A CN112866006B CN 112866006 B CN112866006 B CN 112866006B CN 202011635062 A CN202011635062 A CN 202011635062A CN 112866006 B CN112866006 B CN 112866006B
- Authority
- CN
- China
- Prior art keywords
- time delay
- energy consumption
- unloading
- task
- weighted sum
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/0833—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network energy consumption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/0826—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network costs
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/083—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for increasing network speed
-
- 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
- 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/101—Server selection for load balancing based on network conditions
-
- 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
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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 Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法,包括:S1、运营商获取信息数据;S2、计算时延、系统能耗和支付成本;S3、确定时延、能耗、支付成本的联合优化问题;S4、确定优化目标函数;S5、对联合优化问题进行求解,分为如下三种类型:端设备‑端设备的任务卸载,端设备‑雾节点的任务卸载,端设备‑雾节点‑云节点的任务卸载,求解得到各种类型下的最优卸载比例和最优发射功率;S6、选择剩余能量最多的端设备或相应的节点,并选择相应的最优卸载比例和最优发射功率,进行任务卸载。本发明解决了卸载计算的任务分配问题,在保证用户时延迟的条件下,显著降低系统能耗,提升系统总体性能。
Description
技术领域
本发明属于云雾计算优化技术领域,基于D2D(Device-to-Device)辅助的云雾融合网络场景下,用户通过D2D,雾节点,远程云进行任务卸载,针对时延、能耗、支付成本及网络寿命的多目标联合优化方法,具体涉及一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法。
背景技术
随着5G时代的加速到来,5G的应用场景中多类型业务传输要求极低的时延与极强的计算能力,云计算因其拥有超强的计算能力而得到广泛应用;雾计算作为云计算的重要补充,相对于云计算离产生数据的地方更近,可以进一步有效减小计算系统的延迟,同时缓解云计算中心压力;针对局部的热点区域,D2D技术可以实现近距离用户间直接传输,大大降低用户的时延。因此,D2D辅助的云雾融合网络结合D2D的低时延特性和云雾计算强大的计算能力,能够进一步提升系统性能,为用户带来更好的QoE体验。
然而,随着网络规模的不断扩大,用户时延性能得到的提升的同时,势必会带来更多的能量消耗,因为时延性能的提升以增加系统容量为前提。在D2D辅助的云雾融合网络中,云节点、雾节点、D2D终端节点能量消耗各不相同,任务可以由云节点、雾节点、D2D终端节点分别或者同时协作进行传输,如何合理的分配卸载任务和发射功率,在保证用户时延的条件下最小化系统能耗,对用户质量和网络整体效能都有着重要的影响。
传统方式中只考虑时延或系统能耗,将时延或能耗作为单一优化目标;除了传统意义上的时延和系统能耗,运营商还要考虑任务卸载中有关的支付成本与网络寿命等因素,降低时延与能耗的同时降低支付成本,提高网络寿命对提高整个系统的利用效率有着重要意义。
发明内容
针对上述问题,本发明提出了一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法,目的在于针对现有系统存在的问题,根据实际业务负载情况灵活进行云、雾、端的任务卸载,通过系统的性能分析,将时延、能耗及支付成本的联合优化问题描述为最小化系统成本函数问题,综合考虑时延、能耗、成本、网络寿命;利用内点法求得最优的卸载概率及最优发射功率,使得用户时延性能得以保证的前提小,能够最小化能耗,提升系统的整体性能。
为了实现以上目的,本发明采用如下技术方案:
一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法,包括以下步骤:
S1、运营商获取信息数据;
信息数据包括:端设备的数量N,端设备i的平均任务数据大小θi,端设备i的任务平均到达率λi,端设备i的平均任务负载率端设备i的平均计算能力帮助端设备的计算功率uD,端设备i的最大传输功率雾节点的数量c,雾节点的计算功率uF,雾节点的发射功率雾节点的最大请求速率云节点固定延迟T0,云节点的计算功率uCC,信道带宽B,信道增益以及噪声功率ω0;
S2、计算时延、系统能耗和支付成本;
S3、确定时延、能耗、支付成本的联合优化问题;
S4、确定优化目标函数;
S5、对联合优化问题进行求解,考虑不同的任务卸载位置,分为如下三种类型:端设备-端设备的任务卸载,端设备-雾节点的任务卸载,端设备-雾节点-云节点的任务卸载,求解得到各种类型下的最优卸载比例和最优发射功率;
S6、选择剩余能量最多的端设备或相应的节点,并选择相应的最优卸载比例和最优发射功率,进行任务卸载。
剩余能量是系统原始能量减去系统消耗的能耗。
作为优选方案,所述步骤S2中,计算时延,包括:
计算用户端的平均时延;
用户实际时延为本地时延与卸载时延的最大值;
计算端设备的本地计算时延Ti M和卸载至雾节点或云节点的传输时延Ti l:
针对不同偏向需求的端设备,卸载至不同网络层面;对于时延敏感的任务优先采用D2D方式;对于数量密集的任务,优先采用云-雾融合网络;
D2D方式卸载任务平均处理时间TD为:
多个端设备卸载到雾节点的服务请求速率总和为:
雾节点实际执行的卸载请求ΨF为:
因此,雾节点的实际执行速率:
雾节点的服务强度为:
雾节点执行卸载的平均响应:
在雾节点结果返回端设备的平均等待时间:
在雾节点总的时间为响应时间加上等待时间:
当雾节点计算能力不足以承担任务卸载时,将任务卸载至计算能力更强的云节点,此时云处理时间为:
在本地计算时延和卸载计算时延中,实际时延是二者中的最大值,卸载计算时延可以根据卸载位置的不同统一定义为Ti=Ti l+TD/F+(CC),即用户端的平均时延为:
T=max(Ti M,Ti) (14)。
作为优选方案,所述步骤S2中,计算系统中的能耗,包括:
能耗由端设备的本地计算能耗和任务传输能耗组成;
作为优选方案,所述步骤S2中,计算支付成本,包括:
考虑不同节点负载大小和消耗成本,定义端设备的支付成本:
其中,rD,rF,rCC分别为端设备,雾节点,云节点资源的支付单价。
定义时延与任务大小之比为平均时延;
将时延、系统能耗、支付成本的联合优化问题表示为:
作为优选方案,所述步骤S4中,所述联合优化问题是能耗-时延-支付成本的权衡问题,对目标函数进行无量纲化处理,引入权重因子转化为单目标优化假设时延、能耗、支付成本分别有数学期望权重系数α1,α2,α3,并且α1+α2+α3=1,则优化目标函数表示为:
作为优选方案,所述步骤S5中,对于端设备-端设备的任务卸载,包括:
S51、利用内点法建立惩罚函数;
S52、初始化优化系统参数,运营商确定初始最小加权和系数,确定迭代次数;
S53、对惩罚函数求偏导,将偏导为零对应的最优卸载比例和最优发射功率代入惩罚函数中;
S54、比较当前迭代轮次下能耗、时延和支付成本的加权和与最小加权和;若当前轮次下能耗、时延和支付成本的加权和小于最小加权和,则以当前迭代轮次下能耗、时延和支付成本的加权和更新最小加权和;反之,不更新;
S55、重复迭代,直至达到迭代次数达到阈值或更新结果收敛至预设值,得到全局最优卸载比例和最优发射功率。
作为优选方案,所述步骤S5中,端设备-雾节点的任务卸载,包括:
S510、利用内点法建立惩罚函数;
S520、初始化优化系统参数,运营商确定初始最小加权和系数,确定迭代次数;
S530、对惩罚函数求偏导,将偏导为零对应的最优卸载比例和最优发射功率代入惩罚函数中;
S540、比较当前迭代轮次下能耗、时延和支付成本的加权和与最小加权和;若当前轮次下能耗、时延和支付成本的加权和小于最小加权和,则以当前迭代轮次下能耗、时延和支付成本的加权和更新最小加权和;反之,不更新;
S550、重复迭代,直至达到迭代次数达到阈值或更新结果收敛至预设值,得到全局最优卸载比例和最优发射功率。
作为优选方案,所述步骤S5中,对于端设备-雾节点-云节点的任务卸载,包括:
S5100、利用内点法建立惩罚函数;
S5200、初始化优化系统参数,运营商确定初始最小加权和系数,确定迭代次数;
S5300、对惩罚函数求偏导,将偏导为零对应的最优卸载比例和最优发射功率代入惩罚函数中;
S5400、比较当前迭代轮次下能耗、时延和支付成本的加权和与最小加权和;若当前轮次下能耗、时延和支付成本的加权和小于最小加权和,则以当前迭代轮次下能耗、时延和支付成本的加权和更新最小加权和;反之,不更新;
S5500、重复迭代,直至达到迭代次数达到阈值或更新结果收敛至预设值,得到全局最优卸载比例和最优发射功率。
本发明相对于现有技术,具有如下技术效果:
(1)本发明提供了一种更符合实际需求的卸载调度方法,针对不同内容需求,为端设备设置不同的卸载网络,由于模型中设置的差异性选择,可以带来比传统方法更好的性能增益,利用云-雾-端三层网络结构提高了系统的容错率,充分利用不同网络层的优势,最终提升用户的体验。
(2)本发明通过内点法求得了整体能耗、时延和支付成本最小问题的最优卸载比例和最优发射功率,算法复杂度低,容易操作,有力的解决了卸载计算的任务分配问题;结合任务大小可能对模型产生影响做了优化。可以根据用户对能耗,时延,支付成本侧重不同,得到最优解,在保证用户时延迟的条件下,可显著降低系统能耗;最后结合剩余能量将有效提高整体网络寿命,提升系统的总体性能。
附图说明
图1为一种基于时延能耗权衡的云雾融合网络多目标优化方法的流程图;
图2为一种基于时延能耗权衡的云雾融合网络多目标优化的网络模型图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
实施例:
如图1所示,本实施例的基于时延能耗权衡的云雾融合网络多目标任务卸载方法,基于云-雾-端模型,利用该模型使时延能耗及支付成本最小,综合考虑网络寿命,得出最优的卸载比例及最优发射功率。
包括步骤:
S1.运营商获取信息数据。
S2性能分析,计算系统中的能耗、时延和支付成本;
进一步的,所述步骤S2包括步骤:
S2.1计算用户时延;
S2.2计算能耗;
S2.3计算支付成本。
S3.确定联合优化问题。
S4.确定优化目标函数。
S5.优化问题求解:
针对任务卸载到不同节点分三种情况;
1)卸载位置case1:端设备-端设备的任务卸载(简称端-端任务卸载)
2)卸载位置case2:端设备-雾节点的任务卸载(简称端-雾的任务卸载)
3)卸载位置case3:端设备-雾节点-云节点的任务卸载(简称端-雾-云的任务卸载)
S6.求解case 1,端-端任务卸载:
S6.1建立惩罚函数;
S6.2初始化系统参数,运营商确定初始系数,确定迭代次数N。
S6.3对惩罚函数求偏导,将偏导为0时的卸载比例和发射功率代入惩罚函数中。
S6.4比较当前迭代轮次j下能耗、时延和支付成本的加权和与最小加权和,若当前轮次下能耗、时延和支付成本的加权和小于最小加,此时满足终止条件,以当前迭代轮次下能耗、时延和支付成本的加权和更新最小加权和,反之不更新。
S6.5重复迭代,直至达到迭代次数达到阈值或更新结果收敛至预设值。
S7.求解case 2,端-雾的任务卸载。
以下方法同S6.1,S6.2,S6.3,S6.4,S6.5。
S8.求解case 3,端-雾-云的任务卸载。
以下方法同S6.1,S6.2,S6.3,S6.4,S6.5。
S9.得到最优解;
不同情况时选择各自最优卸载比例和最优发射功率。
S10.执行任务卸载;
本实施例适用于云-雾-端网络模型,该模型图参照图2所示,在该网络中,端设备具体包括智能家居中的安防摄像头,智能门锁,智能手机,电脑,智能电视等设备,端设备之间都可以相互连接,并且都可以和雾节点进行任务传输,雾节点通过光纤与远程云节点连接。
本实施例做出如下假设:
(1)端设备产生的任务可以被分为两个子任务。其中一个子任务在本地执行,另一个子任务卸载至帮助节点或雾节点计算。
(2)由于计算结果往往比较小,忽略任务卸载中计算结果的传输时间。
(3)假设D2D方式任务卸载没有等待时间,可以满足时延敏感的任务卸载。
具体地,本实施例的基于时延能耗权衡的云雾融合网络多目标任务卸载方法,包括以下步骤:
S1.运营商获取同一时刻网络中的信息数据。
网络的信息包括:端设备的数量N,端设备i的平均任务数据大小θi,端设备i的平均任务平均到达率λi,端设备i的平均任务负载率端设备i的平均计算能力帮助端设备的计算功率uD,端设备i的最大传输功率Pi Max;雾节点的数量C,雾节点的计算功率uF,雾节点的发射功率雾节点的最大请求速率云节点固定延迟T0,云节点的计算功率uCC,信道带宽B、信道增益以及噪声功率ω0。
S2性能分析,计算系统中的能耗、时延和支付成本;
进一步的,步骤S2包括步骤:
S2.1计算用户的时延;
S2.2计算整个系统的能耗;
S2.3计算用户的支付成本;
并且在步骤S2.1中:
进一步的,针对不同偏向需求的端设备,需要将计算卸载至不同网络层面,对于时延敏感的任务优先采用D2D方式,而数量密集的任务则优先采用卸载至云—雾融合网络。
D2D技术卸载任务平均处理时间TD为:
多个端设备卸载到雾节点的服务请求速率总和为
雾节点实际执行的卸载请求ΨF为:
因此,雾节点的实际执行速率:
雾节点的服务强度为:
雾服务器执行卸载的平均响应:
在雾节点结果返回端设备的平均等待时间:
所以在雾节点总的时间为响应时间加上等待时间:
当雾节点计算能力不足以承担任务卸载时,将任务卸载至计算能力更强的云端,此时云处理时间为:
在本地计算时延和卸载计算时延中,实际时延是二者中的最大值,卸载计算时延可以根据卸载位置的不同统一定义为Ti=Ti l+TD/F+(CC),即用户端的平均时延为:
T=max(Ti M,Ti) (44)。
步骤S2.2中:
在步骤S2.3中:
计算端设备的支付成本:
其中,共有N个设备,rD,rF,rCC分别为端设备,雾节点,云节点资源占用的支付单价。
S3.确定联合优化问题。
为了进一步减少时延受到任务长度大小而产生的干扰,定义时延与任务大小之比为平均时延。
时延、能耗、支付成本的联合优化问题如下:
S4.确定优化目标函数。
该联合优化问题是能耗-时延-支付成本的权衡问题,对目标函数无量纲化处理,引入权重因子转化为单目标优化。假设时延能耗、支付成本分别有数学期望权重系数α1,α2,α3并且α1+α2+α3=1,所以优化目标变为:
S5.优化问题求解。
针对任务卸载位置的不同分三种情况;
1)卸载位置case1:端—端任务卸载;
2)卸载位置case2:端—雾的任务卸载;
3)卸载位置case3:端—雾—云的任务卸载;
S6.求解case1,端—端任务卸载
S6.1建立惩罚函数:
S6.2初始化优化系统参数,计算初始最小加权和。
S6.3对惩罚函数求偏导,将偏导为0时的卸载比例和发射功率代入惩罚函数中。
S6.4比较当前迭代轮次j下能耗、时延和支付成本的加权和与最小加权和,若当前轮次下能耗、时延和支付成本的加权和小于最小加,此时满足终止条件,以当前迭代轮次下能耗、时延和支付成本的加权和更新最小加权和,反之不更新。
S6.5重复迭代,直至达到迭代次数达到阈值或更新结果收敛至预设值。
S7.求解case2,只有端-雾的任务卸载;
S7.1建立惩罚函数:
以下方法同S6.2,S6.3,S6.4,S6.5。
S8.求解case3,端-雾-云的任务卸载;
S8.1建立惩罚函数:
以下方法同S6.2,S6.3,S6.4,S6.5。
S9.得到最优解:不同情况时选择各自最优卸载比例和最优发射功率。
S10.执行任务卸载;
以上所述仅是对本发明的优选实施例及原理进行了详细说明,对本领域的普通技术人员而言,依据本发明提供的思想,在具体实施方式上会有改变之处,而这些改变也应视为本发明的保护范围。
Claims (1)
1.一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法,其特征在于,包括以下步骤:
S1、运营商获取信息数据;
信息数据包括:端设备的数量N,端设备i的平均任务数据大小θi,端设备i的任务平均到达率λi,端设备i的平均任务负载率端设备i的平均计算能力帮助端设备的计算功率uD,端设备i的最大传输功率Pi Max,雾节点的数量c,雾节点的计算功率uF,雾节点的发射功率雾节点的最大请求速率云节点固定延迟T0,云节点的计算功率uCC,信道带宽B,信道增益以及噪声功率ω0;
S2、计算时延、系统能耗和支付成本;
S3、确定时延、能耗、支付成本的联合优化问题;
S4、确定优化目标函数;
S5、对联合优化问题进行求解,考虑不同的任务卸载位置,分为如下三种类型:端设备-端设备的任务卸载,端设备-雾节点的任务卸载,端设备-雾节点-云节点的任务卸载,求解得到各种类型下的最优卸载比例和最优发射功率;
S6、选择剩余能量最多的端设备或相应的节点,并选择相应的最优卸载比例和最优发射功率,进行任务卸载;
所述步骤S2中,计算时延,包括:
计算用户端的平均时延;
用户实际时延为本地时延与卸载时延的最大值;
计算端设备的本地计算时延Ti M和卸载至雾节点或云节点的传输时延Ti l:
针对不同偏向需求的端设备,卸载至不同网络层面;对于时延敏感的任务采用D2D方式;对于数量密集的任务,采用云-雾融合网络;
D2D方式卸载任务平均处理时间TD为:
多个端设备卸载到雾节点的服务请求速率总和为:
雾节点实际执行的卸载请求ΨF为:
因此,雾节点的实际执行速率:
雾节点的服务强度为:
雾节点执行卸载的平均响应时间:
在雾节点结果返回端设备的平均等待时间:
在雾节点总的时间为响应时间加上等待时间:
当雾节点计算能力不足以承担任务卸载时,将任务卸载至计算能力更强的云节点,此时云处理时间为:
在本地计算时延和卸载计算时延中,实际时延是二者中的最大值,卸载计算时延可以根据卸载位置的不同统一定义为Ti=Ti l+TD/F+(CC),即用户端的平均时延为:
T=max(Ti M,Ti) (14);
所述步骤S2中,计算系统中的能耗,包括:
能耗由端设备的本地计算能耗和任务传输能耗组成;
所述步骤S2中,计算支付成本,包括:
考虑不同节点负载大小和消耗成本,定义端设备的支付成本:
其中,rD,rF,rCC分别为端设备、雾节点、云节点资源的支付单价;
定义时延与任务大小之比为平均时延;
将时延、系统能耗、支付成本的联合优化问题表示为:
所述步骤S4中,所述联合优化问题是能耗-时延-支付成本的权衡问题,对目标函数进行无量纲化处理,引入权重因子转化为单目标优化假设时延、能耗、支付成本分别有数学期望权重系数α1,α2,α3,并且α1+α2+α3=1,则优化目标函数表示为:
所述步骤S5中,对于端设备-端设备的任务卸载,包括:
S51、利用内点法建立惩罚函数;
S52、初始化优化系统参数,运营商确定初始最小加权和系数,确定迭代次数;
S53、对惩罚函数求偏导,将偏导为零对应的最优卸载比例和最优发射功率代入惩罚函数中;
S54、比较当前迭代轮次下能耗、时延和支付成本的加权和与最小加权和;若当前轮次下能耗、时延和支付成本的加权和小于最小加权和,则以当前迭代轮次下能耗、时延和支付成本的加权和更新最小加权和;反之,不更新;
S55、重复迭代,直至达到迭代次数达到阈值或更新结果收敛至预设值,得到全局最优卸载比例和最优发射功率;
所述步骤S5中,端设备-雾节点的任务卸载,包括:
S510、利用内点法建立惩罚函数;
S520、初始化优化系统参数,运营商确定初始最小加权和系数,确定迭代次数;
S530、对惩罚函数求偏导,将偏导为零对应的最优卸载比例和最优发射功率代入惩罚函数中;
S540、比较当前迭代轮次下能耗、时延和支付成本的加权和与最小加权和;若当前轮次下能耗、时延和支付成本的加权和小于最小加权和,则以当前迭代轮次下能耗、时延和支付成本的加权和更新最小加权和;反之,不更新;
S550、重复迭代,直至达到迭代次数达到阈值或更新结果收敛至预设值,得到全局最优卸载比例和最优发射功率;
所述步骤S5中,对于端设备-雾节点-云节点的任务卸载,包括:
S5100、利用内点法建立惩罚函数;
S5200、初始化优化系统参数,运营商确定初始最小加权和系数,确定迭代次数;
S5300、对惩罚函数求偏导,将偏导为零对应的最优卸载比例和最优发射功率代入惩罚函数中;
S5400、比较当前迭代轮次下能耗、时延和支付成本的加权和与最小加权和;若当前轮次下能耗、时延和支付成本的加权和小于最小加权和,则以当前迭代轮次下能耗、时延和支付成本的加权和更新最小加权和;反之,不更新;
S5500、重复迭代,直至达到迭代次数达到阈值或更新结果收敛至预设值,得到全局最优卸载比例和最优发射功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011635062.1A CN112866006B (zh) | 2020-12-31 | 2020-12-31 | 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011635062.1A CN112866006B (zh) | 2020-12-31 | 2020-12-31 | 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112866006A CN112866006A (zh) | 2021-05-28 |
CN112866006B true CN112866006B (zh) | 2022-09-30 |
Family
ID=76000221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011635062.1A Active CN112866006B (zh) | 2020-12-31 | 2020-12-31 | 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112866006B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113645637B (zh) * | 2021-07-12 | 2022-09-16 | 中山大学 | 超密集网络任务卸载方法、装置、计算机设备和存储介质 |
CN113691606B (zh) * | 2021-08-19 | 2024-04-16 | 京东鲲鹏(江苏)科技有限公司 | 任务卸载方法、装置、电子设备、系统和存储介质 |
CN114158116A (zh) * | 2021-11-29 | 2022-03-08 | 国网上海市电力公司 | 一种边缘计算云端服务器的功率自适应调节方法 |
CN114302373A (zh) * | 2021-12-30 | 2022-04-08 | 东南大学 | 一种基于计算可靠性的v2v通信中的卸载决策和功率分配方法 |
CN114980127A (zh) * | 2022-05-18 | 2022-08-30 | 东南大学 | 雾无线接入网中基于联邦强化学习的计算卸载方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN111124531A (zh) * | 2019-11-25 | 2020-05-08 | 哈尔滨工业大学 | 一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7609626B2 (en) * | 2004-04-16 | 2009-10-27 | Alcatel-Lucent Usa Inc. | Nodes for managing congestion and traffic flow by considering the minimization of link utilization values |
CN111641973B (zh) * | 2020-05-29 | 2022-04-01 | 重庆邮电大学 | 一种雾计算网络中基于雾节点协作的负载均衡方法 |
CN111953759B (zh) * | 2020-08-04 | 2022-11-11 | 国网河南省电力公司信息通信公司 | 基于强化学习的协同计算任务卸载和迁移的方法及装置 |
CN112040512B (zh) * | 2020-08-31 | 2023-09-15 | 三明市星辰科技有限责任公司 | 一种基于公平的雾计算任务卸载方法及系统 |
-
2020
- 2020-12-31 CN CN202011635062.1A patent/CN112866006B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN111124531A (zh) * | 2019-11-25 | 2020-05-08 | 哈尔滨工业大学 | 一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法 |
Non-Patent Citations (1)
Title |
---|
分布式卫星云雾网络及时延与能耗策略;任智源等;《浙江大学学报(工学版)》;20180823(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112866006A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112866006B (zh) | 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法 | |
CN113242568B (zh) | 一种不确定网络环境中的任务卸载和资源分配方法 | |
CN111278132B (zh) | 移动边缘计算中面向低时延高可靠业务的资源分配方法 | |
CN107766135B (zh) | 移动朵云中基于粒子群和模拟退火优化的任务分配方法 | |
CN111586696B (zh) | 一种基于多智能体架构强化学习的资源分配及卸载决策方法 | |
CN111930436B (zh) | 一种基于边缘计算的随机型任务排队卸载优化方法 | |
CN110740473B (zh) | 一种用于移动边缘计算的管理方法及边缘服务器 | |
CN112689303B (zh) | 一种边云协同资源联合分配方法、系统及应用 | |
CN107708152B (zh) | 异构蜂窝网络的任务卸载方法 | |
CN111552564A (zh) | 基于边缘缓存的任务卸载与资源优化的方法 | |
WO2023040022A1 (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
CN112188627B (zh) | 一种基于状态预测的动态资源分配策略 | |
CN113254095B (zh) | 云边结合平台的任务卸载、调度与负载均衡系统、方法 | |
CN112988347B (zh) | 一种降低系统能耗与花费和的边缘计算卸载方法及系统 | |
CN111711962A (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN112612553A (zh) | 一种基于容器技术的边缘计算任务卸载方法 | |
CN113573363A (zh) | 基于深度强化学习的mec计算卸载与资源分配方法 | |
CN111615121A (zh) | 地面机动站多跳任务计算卸载处理方法 | |
KR20210147240A (ko) | 모바일 엣지 컴퓨팅을 활용하는 모바일 증강현실 서비스의 모바일 단말 에너지 최적화 방법 및 시스템 | |
CN111158893B (zh) | 应用于雾计算网络的任务卸载方法、系统、设备及介质 | |
CN112817741B (zh) | 一种边缘计算的dnn任务控制方法 | |
CN116017570A (zh) | 一种基于区块链的边缘计算系统资源管理方法 | |
CN114615705B (zh) | 一种基于5g网络下单用户资源分配策略方法 | |
CN112203309B (zh) | 一种基于服务器协作的联合任务卸载及缓存方法 | |
CN115766478A (zh) | 一种空地协同边缘计算服务器的卸载方法 |
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 |