CN112910964B - 一种混合云和边缘计算的leo卫星网络计算卸载方法 - Google Patents

一种混合云和边缘计算的leo卫星网络计算卸载方法 Download PDF

Info

Publication number
CN112910964B
CN112910964B CN202110061644.1A CN202110061644A CN112910964B CN 112910964 B CN112910964 B CN 112910964B CN 202110061644 A CN202110061644 A CN 202110061644A CN 112910964 B CN112910964 B CN 112910964B
Authority
CN
China
Prior art keywords
leo satellite
computing
iteration
leo
ground
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
CN202110061644.1A
Other languages
English (en)
Other versions
CN112910964A (zh
Inventor
费泽松
唐清清
王维昊
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110061644.1A priority Critical patent/CN112910964B/zh
Publication of CN112910964A publication Critical patent/CN112910964A/zh
Application granted granted Critical
Publication of CN112910964B publication Critical patent/CN112910964B/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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1853—Satellite systems for providing telephony service to a mobile station, i.e. mobile satellite service
    • H04B7/18563—Arrangements for interconnecting multiple systems
    • 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
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Radio Relay Systems (AREA)

Abstract

本发明涉及一种混合云和边缘计算的LEO卫星网络计算卸载方法，属于计算卸载技术领域。包括1)初始化混合云和边缘计算的LEO卫星网络；2)判断迭代序号值是否小于最大迭代次数，若是，则跳至3)，若否则跳至8)；3)对每一个LEO卫星均执行更新局部决策向量操作；4)更新松弛的全局决策向量；5)更新缩放的拉格朗日乘数向量；6)迭代序号值加1；7)判断对于所有的地面用户，是否均满足两个收敛条件或迭代序号值达到最大迭代次数T，若是，则跳至8)，若否则跳至2)；8)恢复松弛的全局决策向量为二进制值；9)输出最优地面用户计算卸载决策向量。所述方法能提高计算能力、降低计算卸载方法的计算复杂度和地面用户能耗。

Description

一种混合云和边缘计算的LEO卫星网络计算卸载方法
技术领域
本发明涉及一种混合云和边缘计算的LEO卫星网络计算卸载方法，属于计算卸载技术领域。
背景技术
近年来，随着空间通信网络的发展，卫星技术在商业，民用和军事服务方面取得了长足的进步，使得低地球轨道(LEO)卫星变得经济且小型化。当前，许多国家已经实施了一些LEO卫星项目，例如OneWeb，SpaceX Starlink和O3b，并且最新消息表明SpaceX将与Azure合作为用户提供全球通信服务。与地面移动通信系统相比，LEO卫星通信网络具有能够实现无缝的全球覆盖的优势。除此之外，移动设备的普及催生了许多计算密集型应用，LEO卫星网络还需要为用户提供各种计算服务支持。
但受LEO卫星高度的影响，LEO卫星中用户的传输延迟会相对较高，难以满足地面用户的实时需求。因此将移动边缘计算(MEC)技术引入LEO卫星网络为地面用户提供计算服务能够降低时延。在具有MEC功能的LEO卫星网络中，用户能够直接将计算任务转移到LEO卫星上进行实时处理，从而减少由频繁的卫星到地面链路传输和端到端服务传输引起的LEO卫星与地面用户之间的时延。
Y.Wang等提出了一种具有双边缘计算能力的卫星地面综合网络，即将MEC服务器同时部署在地面基站和LEO卫星上，以减少用户的能源消耗和时延。Y.Wang等还研究了基于博弈论的卫星边缘计算(SMEC)网络的计算卸载策略，以减少用户的执行时延，用户的计算任务能够选择在本地进行计算或者卸载到LEO卫星上。R.Mijumbi等使用网络功能虚拟化技术在LEO卫星覆盖范围内整合了计算资源，实现了最大程度地减少用户的感知时延，并提出了一种SMEC网络的协作计算卸载策略。此外，C.Qiu等提出了一种软件定义的卫星地面网络，用于动态管理卫星地面网络的缓存和计算资源，并利用深度Q学习方法来对建立的联合资源分配问题进行求解。
现有的计算卸载方法主要有OSCLOC、CL以及COS。在Y.Wang等提出的OSCLOC方法中，地面用户能够选择将计算任务卸载到LEO卫星上或者在本地计算；在CL方法中，计算任务只能由地面用户自行计算；而C.Chi等提出的COS方法则使用内点方法来寻找地面用户的计算卸载决策。
现有的SMEC网络主要研究了地面网络和LEO卫星网络的两层计算网络，不仅能为没有地面通信设施支持的偏远地区用户提供通信和计算服务，还能有效降低用户的时延，但是，这样的两层计算网络的计算资源仍然有限。考虑到云服务器中具有丰富的计算资源，如何结合云服务器中的计算资源从而为地面用户提供更多的计算卸载机会，是一个具有挑战的问题。此外，对于COS方法存在的计算复杂度过高的问题以及OSCLOC和CL方法存在的地面用户能耗过高的问题还存在很大的改进空间。
发明内容
本发明的目的在于针对背景技术中提到的两层计算网络的计算资源有限、现有计算卸载方法计算复杂度和地面用户能耗过高的技术缺陷，提出了一种混合云和边缘计算的LEO卫星网络计算卸载方法，该方法中地面用户根据不同的计算需求选择在本地执行计算任务，或者在LEO卫星上执行或者进一步卸载到云服务中处理。基于此，该方法建立了在满足LEO卫星覆盖时间和计算能力的约束下，最小化地面用户总能耗的优化问题，该优化问题是一个非凸问题，本方法基于交替方向乘子法有效地求解该问题。
为了达到上述目的，本发明采取如下技术方案：
所述一种混合云和边缘计算的LEO卫星网络计算卸载方法依托于一个具有三层计算架构的云-边-端协同计算的LEO卫星网络，包括M个为地面用户提供边缘计算服务的LEO卫星、提供边缘计算服务的LEO卫星覆盖范围内随机分布的I个地面用户以及提供云计算服务的云服务器；
其中，M个LEO卫星，用集合
Figure BDA0002902896040000021
表示，且
Figure BDA0002902896040000022
I个地面用户组成集合
Figure BDA0002902896040000023
且
Figure BDA0002902896040000024
假设每个地面用户只有一个计算任务且计算任务不可拆分，每一个地面用户的一个计算任务只能有一个计算卸载决策；地面用户选择将计算任务放在本地、卸载到LEO卫星上或通过LEO卫星转发到云服务器上；
所述卫星网络需满足三大约束，分别是LEO卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及LEO卫星最长覆盖时间约束；
LEO卫星的最大计算能力约束指计算卸载到LEO卫星的计算任务算力总需求不能超过LEO卫星的最大计算能力；
每个地面用户只有一个计算卸载决策约束指每个地面用户的计算任务只能选择本地计算、卸载到LEO卫星上计算或通过LEO卫星转发到云服务器上计算三种方式之一，不能同时选择两种或以上计算卸载方式；
LEO卫星最长覆盖时间约束指每个计算任务卸载到LEO卫星上或者通过LEO卫星卸载到云服务器上计算所需的时间不能超过LEO卫星的覆盖时间，即地面用户与LEO卫星之间的最长通信时间；
考虑每个地面用户只能与一个LEO卫星进行数据传输且多个地面用户共享同一频谱资源，地面用户之间存在相互干扰；考虑计算结果的数据量远小于输入计算数据的数据量，并且LEO卫星的下行传输速率远大于地面用户的上行传输速率，所以忽略将计算结果返回给地面用户的下行传输时延；
所述LEO卫星网络计算卸载方法，具体包括以下步骤：
步骤1、初始化混合云和边缘计算的LEO卫星网络，具体包括如下子步骤：
步骤1.A：初始化停止迭代阈值；
步骤1.B：初始化迭代序号值t＝0并设定最大迭代次数为T；
步骤1.C：初始化地面用户集合
Figure BDA0002902896040000031
中的所有地面用户的将计算任务卸载到LEO卫星的全局决策向量ai和所有地面用户的将计算任务卸载到云服务器的全局决策向量bi；
其中，i表示地面用户集合
Figure BDA0002902896040000035
中的第i个地面用户；ai表示地面用户i将计算任务卸载到LEO卫星的全局决策向量，ai＝{ai,1,ai,2,…,ai,M}，ai,m∈{0,1}，
Figure BDA0002902896040000032
Figure BDA0002902896040000033
表示LEO卫星集合
Figure BDA0002902896040000034
中的第m颗LEO卫星，ai,m为1时表示地面用户i将计算任务卸载到卫星m上，否则ai,m＝0；bi表示地面用户i将计算任务通过LEO卫星卸载到云服务器的全局决策向量，bi＝{bi,1,bi,2,…,bi,M}，bi,m∈{0,1}，bi,m为1时表示地面用户i将计算任务通过LEO卫星m卸载到云服务器上，否则bi,m＝0；
步骤1.D：将地面用户集合
Figure BDA00029028960400000420
中的所有地面用户的ai和bi中的计算卸载决策值ai,m和bi,m松弛为[0,1]间的连续变量，即ai,m∈[0,1]，bi,m∈[0,1]，称此时的ai和bi为松弛的全局决策向量；
步骤1.E：初始化第t次迭代地面用户集合
Figure BDA00029028960400000421
中的所有地面用户的松弛的全局决策向量可行解；
其中，该可行解，记为：
Figure BDA0002902896040000041
表示ai的第t次迭代，
Figure BDA0002902896040000042
表示bi的第t次迭代；变量的右上角标(t)表示变量的第t次迭代；
步骤1.F：初始化LEO卫星集合
Figure BDA0002902896040000043
中的所有LEO卫星上的缩放的拉格朗日乘数向量
Figure BDA0002902896040000044
其中，um表示LEO卫星m上的与将计算任务卸载到LEO卫星的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为
Figure BDA0002902896040000045
Figure BDA0002902896040000046
k表示LEO卫星集合
Figure BDA0002902896040000047
中的第k颗LEO卫星，
Figure BDA0002902896040000048
表示LEO卫星m上的地面用户i将计算任务卸载到LEO卫星k的决策值对应位置的缩放的拉格朗日乘数值；vm表示LEO卫星m上的与将计算任务通过LEO卫星卸载到云服务器的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为
Figure BDA0002902896040000049
Figure BDA00029028960400000410
其中，
Figure BDA00029028960400000411
表示LEO卫星m上的地面用户i将计算任务通过LEO卫星k卸载到云服务器的决策值对应位置的缩放的拉格朗日乘数值；
步骤2、判断t是否小于最大迭代次数T，若是，则跳至步骤3，否则跳至步骤8；
步骤3、对集合
Figure BDA00029028960400000412
中的每一个LEO卫星m，均执行更新局部决策向量
Figure BDA00029028960400000413
Figure BDA00029028960400000414
操作；
其中，
Figure BDA00029028960400000415
表示LEO卫星m上的将计算任务卸载到LEO卫星的局部决策向量，为全局决策向量ai在LEO卫星m上的本地副本，表示为
Figure BDA00029028960400000416
Figure BDA00029028960400000417
k表示LEO卫星集合
Figure BDA00029028960400000418
中的第k颗LEO卫星；
Figure BDA00029028960400000419
表示LEO卫星m上的将计算任务通过LEO卫星卸载到云服务器的局部决策向量，为全局决策向量bi在LEO卫星m上的本地副本，表示为
Figure BDA0002902896040000051
Figure BDA0002902896040000052
k表示LEO卫星集合
Figure BDA0002902896040000053
中的第k颗LEO卫星；
Figure BDA0002902896040000054
表示
Figure BDA0002902896040000055
的第t+1次迭代；
Figure BDA0002902896040000056
表示
Figure BDA0002902896040000057
的第t+1次迭代；
步骤3，具体操作为：使用原始对偶内点方法或CVX工具解得式(1)的最优解；
Figure BDA0002902896040000058
如果
Figure BDA0002902896040000059
满足LEO卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及LEO卫星最长覆盖时间约束，则
Figure BDA00029028960400000510
Figure BDA00029028960400000511
否则：
Figure BDA00029028960400000512
表示所有地面用户的计算总能耗；
k表示LEO卫星集合
Figure BDA00029028960400000513
中的第k颗LEO卫星；
Figure BDA00029028960400000514
表示
Figure BDA00029028960400000515
中地面用户i将计算任务卸载到LEO卫星k的决策值；
Figure BDA00029028960400000516
表示
Figure BDA00029028960400000517
中将计算任务卸载到LEO卫星k的决策值；
Figure BDA00029028960400000518
表示
Figure BDA00029028960400000519
中地面用户i将计算任务通过LEO卫星k卸载到的决策值；
Figure BDA00029028960400000520
表示
Figure BDA00029028960400000521
中将计算任务通过LEO卫星k卸载到云服务器的决策值；
Figure BDA00029028960400000522
表示
Figure BDA00029028960400000523
的第t次迭代；
Figure BDA00029028960400000524
表示
Figure BDA00029028960400000525
的第t次迭代；
ρ是交替方向乘子法中对迭代性能有重要影响的正惩罚系数，用于调整收敛速度；ε表示能量因子，其大小取决于芯片结构；||·||表示取绝对值；pi表示地面用户i的上行发射功率；Ri,m表示地面用户i与LEO卫星m之间计算卸载上行传输速率；Xi表示完成地面用户i的计算任务所需要的CPU周期数即计算任务算力需求，单位是CPU周期/秒；Di表示地面用户i计算数据的数据量；fi L表示地面用户i的本地计算能力，单位是CPU周期/秒；
步骤4、更新松弛的全局决策向量
Figure BDA0002902896040000061
和
Figure BDA0002902896040000062
其中，
Figure BDA0002902896040000063
表示ai的第t+1次迭代，
Figure BDA0002902896040000064
表示bi的第t+1次迭代；
步骤4，具体包括如下子步骤：
步骤4.A：计算每个地面用户i第t+1次迭代的将计算任务卸载到LEO卫星集合
Figure BDA0002902896040000065
中的每个LEO卫星的全局计算卸载决策值
Figure BDA0002902896040000066
其中，
Figure BDA0002902896040000067
表示的ai,k的第t+1次迭代；k表示LEO卫星集合
Figure BDA0002902896040000068
中的第k个LEO卫星；
地面用户i的第t+1次迭代的将计算任务卸载到LEO卫星k的全局计算卸载决策值
Figure BDA0002902896040000069
等于LEO卫星集合
Figure BDA00029028960400000610
中的所有LEO卫星上的
Figure BDA00029028960400000611
与
Figure BDA00029028960400000612
的和求和，然后除以LEO卫星的数量M；
其中，
Figure BDA00029028960400000613
表示
Figure BDA00029028960400000614
的第t+1次迭代；
Figure BDA00029028960400000615
表示
Figure BDA00029028960400000616
的第t次迭代；
步骤4.B：计算每个地面用户i第t+1次迭代的将计算任务通过LEO卫星集合
Figure BDA00029028960400000617
中的每个LEO卫星卸载到云服务器的全局计算卸载决策值
Figure BDA00029028960400000618
其中，
Figure BDA00029028960400000619
表示的bi,k的第t+1次迭代；k表示LEO卫星集合
Figure BDA00029028960400000620
中的第k个LEO卫星；
地面用户i的第t+1次迭代的将计算任务通过LEO卫星k卸载到云服务器的全局计算卸载决策值
Figure BDA00029028960400000621
等于LEO卫星集合
Figure BDA00029028960400000622
中的所有LEO卫星上的
Figure BDA00029028960400000623
与
Figure BDA00029028960400000624
的和求和，然后除以LEO卫星的数量M；
其中，
Figure BDA00029028960400000625
表示
Figure BDA00029028960400000626
的第t+1次迭代；
Figure BDA00029028960400000627
表示
Figure BDA00029028960400000628
的第t次迭代；
步骤5、更新第t+1次迭代的缩放的拉格朗日乘数向量um(t+1)和vm(t+1)；
其中，um(t+1)表示um的第t+1次迭代，vm(t+1)表示vm的第t+1次迭代；
um(t+1)等于um(t)与
Figure BDA00029028960400000629
相加再与
Figure BDA00029028960400000630
相减；vm(t+1)等于vm(t)与
Figure BDA00029028960400000631
相加再与
Figure BDA00029028960400000632
相减；
其中，um(t)表示um的第t次迭代，
Figure BDA0002902896040000071
表示
Figure BDA0002902896040000072
的第t+1迭代，
Figure BDA0002902896040000073
表示ai的第t+1次迭代；vm(t)表示vm的第t次迭代，
Figure BDA0002902896040000074
表示
Figure BDA0002902896040000075
的第t+1次迭代，
Figure BDA0002902896040000076
表示bi的第t+1次迭代；
步骤6、迭代序号值t加1；
步骤7、判断对于所有的地面用户i，是否满足“
Figure BDA0002902896040000077
和
Figure BDA0002902896040000078
差值的欧几里得范数小于等于收敛阈值”和“
Figure BDA0002902896040000079
和
Figure BDA00029028960400000710
差值的欧几里得范数小于等于收敛阈值”，或t达到最大迭代次数T，若是，则跳至步骤8，若否则跳至步骤2；
步骤8、恢复松弛的全局决策向量
Figure BDA00029028960400000711
为二进制值；
具体包括如下子步骤：
步骤8.A：初始化计次序号i＝1；
步骤8.B：对于地面用户i，执行寻找最大决策值
Figure BDA00029028960400000712
的操作；
其中，
Figure BDA00029028960400000713
表示最大决策值对应的LEO卫星序号；
步骤8.C：置
Figure BDA00029028960400000714
为1，对于其他的
Figure BDA00029028960400000715
置ai,k＝0；
步骤8.D：判断LEO卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及LEO卫星最长覆盖时间约束是否均被满足，若是，则跳至步骤8.E，若否则置步骤8.C中的
Figure BDA00029028960400000716
为0，然后跳至步骤8.E；
步骤8.E：判断i是否小于I，若是则执行i＝i+1，跳至步骤8.B，若否，则输出最优地面用户计算卸载决策向量解a*，结束本步骤；
其中，
Figure BDA00029028960400000717
步骤9、恢复松弛的全局决策向量
Figure BDA00029028960400000718
为二进制值；
具体包括如下子步骤：
步骤9.A：初始化计次序号i＝1；
步骤9.B：对于地面用户i，执行寻找最大决策值
Figure BDA00029028960400000719
的操作；
其中，
Figure BDA0002902896040000081
表示最大决策值对应的LEO卫星序号，此处的决策为通过某个LEO卫星卸载到云服务器的决策；
步骤9.C：置
Figure BDA0002902896040000082
为1，对于其他的
Figure BDA0002902896040000083
置bi,k＝0；
步骤9.D：判断LEO卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及LEO卫星最长覆盖时间约束是否均被满足，若是，则跳至步骤9.E，若否则置步骤9.C中的
Figure BDA0002902896040000084
为0，然后跳至步骤9.E；
步骤9.E：判断i是否小于I，若是则执行i＝i+1，跳至步骤9.B，若否则输出最优地面用户计算卸载决策向量解b*，结束本方法；
其中，
Figure BDA0002902896040000085
有益效果
本发明提出的一种混合云和边缘计算的LEO卫星网络计算卸载方法，与现有技术相比，具有以下有益效果：
1、所述方法能够充分利用云服务器、卫星边缘服务器的计算资源为地面用户提供异构计算服务，提高了运算能力；
2、所述方法在实现云-边-端协同计算的同时有效降低地面用户的总能耗；
3、所述方法与现有方法相比，降低了计算复杂度。
附图说明
图1为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1的系统模型图；
图2为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1整体方法流程图；
图3为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1恢复松弛的全局决策向量
Figure BDA0002902896040000086
为二进制值的流程图；
图4为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1恢复松弛的全局决策向量
Figure BDA0002902896040000087
为二进制值的流程图；
图5为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1中地面用户总能耗与地面用户数量I关系的仿真结果图；
图6为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法实施例1中地面用户总能耗与计算任务算力需求Xi关系的仿真结果图；
图7为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法实施例1中地面用户总能耗与计算数据的数据量Di关系的仿真结果图；
图8为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法实施例1中地面用户总能耗与地面用户本地计算能力fi L关系的仿真结果图。
具体实施方式
下面结合附图和具体实施例对本发明所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法进行详细说明。
实施例1
本实施例详细阐述了本发明所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法具体实施时的步骤。
图1为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1的系统模型图，由图1可见，本实施例考虑一个具有三层计算架构的混合云计算和边缘计算的LEO卫星网络，该具有三层计算架构的混合云和边缘计算LEO卫星网络包括M个能够为地面用户提供边缘计算服务的LEO卫星，LEO卫星的集合表示为
Figure BDA0002902896040000091
在LEO卫星集合
Figure BDA0002902896040000092
覆盖范围内随机分布的I个地面用户，地面用户的集合表示为
Figure BDA0002902896040000093
以及提供云计算服务的云服务器；
具体到本实施例，如果未做特殊说明，则LEO卫星数量M为3，地面用户数量I为24；
假设每个地面用户只有一个计算任务且计算任务不可拆分，每一个地面用户的一个计算任务只能有一个计算卸载决策；地面用户选择将计算任务放在本地计算、卸载到LEO卫星上计算或者通过LEO卫星卸载到云服务器上计算；
LEO卫星m的最大计算能力Zm为20Gcycles/s，LEO卫星m的覆盖时间Tm由(1)式得出；
Figure BDA0002902896040000094
其中，vs表示LEO卫星的速度，L表示星下点和地面用户之间的长度，由(2)式得出；
L＝2·(Re+h)·γ (2)
其中，Re表示地球半径，h表示地面用户与LEO卫星轨道之间的距离，γ表示与LEO卫星覆盖区域相对应的地心角，可由(3)式计算得出；
Figure BDA0002902896040000101
其中，θ表示地面用户与LEO卫星之间的仰角；
具体到本实施例，LEO卫星的速度vs为21.6km/s，地球半径Re取6356.77km，地面用户与LEO卫星轨道之间的距离h为784km，仰角θ为10°，将上述变量代入(1)(2)(3)式可得L＝13523km，Tm＝626s；
考虑每个地面用户只能与一个LEO卫星进行数据传输，且多个地面用户共享同一频谱资源，这意味着地面用户之间存在相互干扰；那么地面用户i与LEO卫星m之间计算卸载上行传输速率表示为Ri,m；
Figure BDA0002902896040000102
其中，gi,m表示地面用户i到LEO卫星m的信道增益，B表示可用频谱宽度，pi表示地面用户i的上行发射功率，σ2表示加性高斯白噪声的功率；
具体到本实施例，信道增益gi,m为大尺度衰落和阴影-莱斯衰落的随机信道增益，可用频谱宽度B为20MHz，每个地面用户i的上行发射功率pi均取23dBm，加性高斯白噪声的功率σ2为-143dBW；Ri,m可由(4)式计算得到；
Ti L表示地面用户i的计算任务在本地的执行时间，
Figure BDA0002902896040000103
表示地面用户i将计算任务卸载到LEO卫星m上计算所需的时间，
Figure BDA0002902896040000104
表示地面用户i将计算任务通过LEO卫星m卸载到云服务器上计算所需的时间；
分别由(5)(6)(7)式计算：
Figure BDA0002902896040000105
Figure BDA0002902896040000106
Figure BDA0002902896040000111
其中，Xi表示完成地面用户i的计算任务所需要的CPU周期数计算任务算力需求；Di表示地面用户i计算数据的数据量；fi L表示地面用户i的本地计算能力，单位是CPU周期/秒；fi S表示LEO卫星分配给地面用户i的计算能力，单位是CPU周期/秒，并且假设每个LEO卫星分配给地面用户i的计算能力是相等的；fi C表示云服务器分配给地面用户i的计算能力，单位是CPU周期/秒；si,m表示地面用户i与LEO卫星m之间的距离，可由(8)式计算得出；c表示光速；r表示LEO卫星m与云服务器之间的传输速率；
Figure BDA0002902896040000112
具体到本实施例，如果未做特殊说明，完成地面用户i的计算任务所需要的CPU周期数即计算任务算力需求Xi为1000M周期/秒，地面用户i计算数据的数据量Di为1000KB，地面用户i的本地计算能力fi L为0.1G周期/秒，LEO卫星分配给地面用户i的计算能力fi S为3G周期/秒，云服务器分配给地面用户i的计算能力fi C为10G周期/秒，光速c取300000km/s，LEO卫星m与云服务器之间的传输速率r为1×106bit/s；
考虑计算结果的数据量远小于输入计算数据的数据量，并且LEO卫星的下行传输速率远大于地面用户的上行传输速率，所以忽略将计算结果返回给地面用户的下行传播时延；
图2为本发明所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1整体方法流程图；
从图2能够看出本发明所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法的详细流程，具体到本实施例，方法操作流程如下：
步骤1、初始化混合云计算和边缘计算的LEO卫星网络，具体包括如下子步骤：
步骤1.A：初始化停止迭代的阈值∈dual为0.001；
步骤1.B：初始化迭代序号值t＝0并设定最大迭代次数T为1000；
步骤1.C：初始化地面用户集合
Figure BDA0002902896040000113
中的所有地面用户的将计算任务卸载到LEO卫星的全局决策向量ai为0向量；初始化地面用户集合
Figure BDA0002902896040000121
中的所有地面用户的将计算任务通过LEO卫星卸载到云服务器的全局决策向量bi为0向量；
其中，i表示地面用户集合
Figure BDA0002902896040000122
中的第i个地面用户；ai表示地面用户i将计算任务卸载到LEO卫星的全局决策向量，ai＝{ai,1,ai,2,…,ai,M}，ai,m∈{0,1}，
Figure BDA0002902896040000123
Figure BDA0002902896040000124
表示LEO卫星集合
Figure BDA00029028960400001216
中的第m颗LEO卫星，ai,m为1时表示地面用户i将计算任务卸载到卫星m上，否则ai,m＝0；bi表示地面用户i将计算任务通过LEO卫星卸载到云服务器的全局决策向量，bi＝{bi,1,bi,2,…,bi,M}，bi,m∈{0,1}，bi,m为1时表示地面用户i将计算任务通过LEO卫星m卸载到云服务器上，否则bi,m＝0；
步骤1.D：将地面用户集合
Figure BDA00029028960400001217
中的所有地面用户的ai和bi中的计算卸载决策值ai,m和bi,m松弛为[0,1]间的连续变量，即ai,m∈[0,1]，bi,m∈[0,1]，称此时的ai和bi为松弛的全局决策向量；
步骤1.E：初始化第t次迭代地面用户集合
Figure BDA0002902896040000125
中的所有地面用户的松弛的全局决策向量可行解；
其中，该可行解，记为：
Figure BDA0002902896040000126
表示ai的第t次迭代，
Figure BDA0002902896040000127
表示bi的第t次迭代；变量的右上角标(t)表示变量的第t次迭代；
具体到本实施例，初始化
Figure BDA0002902896040000128
为0向量；初始化
Figure BDA0002902896040000129
为0向量；
步骤1.F：初始化LEO卫星集合
Figure BDA00029028960400001210
中的所有LEO卫星上的缩放的拉格朗日乘数向量
Figure BDA00029028960400001211
其中，um表示LEO卫星m上的与将计算任务卸载到LEO卫星的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为
Figure BDA00029028960400001212
Figure BDA00029028960400001213
k表示LEO卫星集合
Figure BDA00029028960400001214
中的第k颗LEO卫星，
Figure BDA00029028960400001215
表示LEO卫星m上的地面用户i将计算任务卸载到LEO卫星k的决策值对应位置的缩放的拉格朗日乘数值；vm表示LEO卫星m上的与将计算任务通过LEO卫星卸载到云服务器的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为
Figure BDA00029028960400001218
Figure BDA0002902896040000131
其中，
Figure BDA0002902896040000132
表示LEO卫星m上的地面用户i将计算任务通过LEO卫星k卸载到云服务器的决策值对应位置的缩放的拉格朗日乘数值；
具体到本实施例，具体操作为初始化um为0向量；初始化vm为0向量；
步骤2、判断迭代序号值t是否小于最大迭代次数T，若是，则跳至步骤3，若否则跳至步骤8；
步骤3、对集合
Figure BDA00029028960400001322
中的每一个LEO卫星m，均执行更新局部决策向量
Figure BDA0002902896040000133
Figure BDA0002902896040000134
操作；
其中，
Figure BDA0002902896040000135
表示LEO卫星m上的将计算任务卸载到LEO卫星的局部决策向量，为全局决策向量ai在LEO卫星m上的本地副本，表示为
Figure BDA0002902896040000136
Figure BDA0002902896040000137
k表示LEO卫星集合
Figure BDA0002902896040000138
中的第k颗LEO卫星；
Figure BDA0002902896040000139
表示LEO卫星m上的将计算任务通过LEO卫星卸载到云服务器的局部决策向量，为全局决策向量bi在LEO卫星m上的本地副本，表示为
Figure BDA00029028960400001310
Figure BDA00029028960400001311
k表示LEO卫星集合
Figure BDA00029028960400001312
中的第k颗LEO卫星；
Figure BDA00029028960400001313
表示
Figure BDA00029028960400001314
的第t+1次迭代；
Figure BDA00029028960400001315
表示
Figure BDA00029028960400001316
的第t+1次迭代；
步骤3，具体操作为使用原始对偶内点方法或CVX工具解得问题(9)的最优解；
Figure BDA00029028960400001317
如果
Figure BDA00029028960400001318
满足(10)式表示的LEO卫星的最大计算能力约束、(11)式表示的每个地面用户只有一个计算卸载决策约束以及(12)式表示的LEO卫星最长覆盖时间约束，则
Figure BDA00029028960400001319
Figure BDA00029028960400001320
否则
Figure BDA00029028960400001321
表示所有地面用户的计算总能耗；
Figure BDA0002902896040000141
Figure BDA0002902896040000142
Figure BDA0002902896040000143
k表示LEO卫星集合
Figure BDA0002902896040000144
中的第k颗LEO卫星；
Figure BDA0002902896040000145
表示
Figure BDA0002902896040000146
中地面用户i将计算任务卸载到LEO卫星k的决策值；
Figure BDA0002902896040000147
表示
Figure BDA0002902896040000148
中将计算任务卸载到LEO卫星k的决策值；
Figure BDA0002902896040000149
表示
Figure BDA00029028960400001410
中地面用户i将计算任务通过LEO卫星k卸载到的决策值；
Figure BDA00029028960400001411
表示
Figure BDA00029028960400001412
中将计算任务通过LEO卫星k卸载到云服务器的决策值；
Figure BDA00029028960400001413
表示
Figure BDA00029028960400001414
的第t次迭代；
Figure BDA00029028960400001415
表示
Figure BDA00029028960400001416
的第t次迭代；
ρ是交替方向乘子法中对迭代性能有重要影响的正惩罚系数，用于调整收敛速度；ε表示能量因子，其大小取决于芯片结构；||·||表示取绝对值；pi表示地面用户i的上行发射功率；Ri,m表示地面用户i与LEO卫星m之间计算卸载上行传输速率；Xi表示完成地面用户i的计算任务所需要的CPU周期数即计算任务算力需求，单位是CPU周期/秒；Di表示地面用户i计算数据的数据量；fi L表示地面用户i的本地计算能力，单位是CPU周期/秒；
具体到本实施例，如果未做特殊说明，正惩罚系数ρ取0.8；能量因子ε取1×10-20；地面用户i的上行发射功率pi取23dBm，上行传输速率Ri,m可由(4)式得到；完成地面用户i的计算任务所需要的CPU周期数即计算任务算力需求Xi为1000M周期/秒，地面用户i计算数据的数据量Di为1000KB，地面用户i的本地计算能力fi L为0.1G周期/秒；
步骤4、更新松弛的全局决策向量
Figure BDA00029028960400001417
和
Figure BDA00029028960400001418
其中，
Figure BDA00029028960400001419
表示ai的第t+1次迭代，
Figure BDA00029028960400001420
表示bi的第t+1次迭代；
具体包括如下子步骤：
步骤4.A：对每个地面用户i的全局决策向量
Figure BDA00029028960400001421
中的每个元素均执行(13)式操作；
Figure BDA0002902896040000151
其中，
Figure BDA0002902896040000152
表示的ai,k的第t+1次迭代；k表示LEO卫星集合
Figure BDA0002902896040000153
中的第k个LEO卫星；
Figure BDA0002902896040000154
表示
Figure BDA0002902896040000155
的第t+1次迭代；
Figure BDA0002902896040000156
表示
Figure BDA0002902896040000157
的第t次迭代；
步骤4.B：对每个地面用户i的全局决策向量
Figure BDA0002902896040000158
中的每个元素均执行(14)式操作；
Figure BDA0002902896040000159
其中，
Figure BDA00029028960400001510
表示的bi,k的第t+1次迭代；k表示LEO卫星集合
Figure BDA00029028960400001511
中的第k个LEO卫星；
Figure BDA00029028960400001512
表示
Figure BDA00029028960400001513
的第t+1次迭代；
Figure BDA00029028960400001514
表示
Figure BDA00029028960400001515
的第t次迭代；
步骤5、更新第t+1次迭代的缩放的拉格朗日乘数向量um(t+1)和vm(t+1)；具体包括如下子步骤：
其中，um(t+1)表示um的第t+1次迭代，vm(t+1)表示vm的第t+1次迭代；
步骤5.A：对缩放的拉格朗日乘数向量um(t+1)执行(15)式操作；
Figure BDA00029028960400001516
其中，um(t)表示um的第t次迭代，
Figure BDA00029028960400001517
表示
Figure BDA00029028960400001518
的第t+1迭代，
Figure BDA00029028960400001519
表示ai的第t+1次迭代；
步骤5.B：对缩放的拉格朗日乘数向量vm(t+1)执行(16)式操作；
Figure BDA00029028960400001520
其中，vm(t)表示vm的第t次迭代，
Figure BDA00029028960400001521
表示
Figure BDA00029028960400001522
的第t+1次迭代，
Figure BDA00029028960400001523
表示bi的第t+1次迭代；
步骤6、迭代序号值t加1；
步骤7、判断对于所有的地面用户i，是否均满足
Figure BDA00029028960400001524
Figure BDA00029028960400001525
或t达到最大迭代次数T，若是，则跳至步骤8，若否则跳至步骤2；
步骤8、恢复松弛的全局决策向量
Figure BDA0002902896040000161
为二进制值；
图3为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1中恢复松弛的全局决策向量
Figure BDA0002902896040000162
为二进制值的流程图；
从图3能够看出步骤8中恢复松弛的全局决策向量
Figure BDA0002902896040000163
为二进制值的方法，具体到本实施例，方法操作流程如下，具体包括如下子步骤：
步骤8.A：初始化计次序号i＝1；
步骤8.B：对于地面用户i，执行寻找最大决策值
Figure BDA0002902896040000164
的操作；
其中，
Figure BDA0002902896040000165
表示最大决策值对应的LEO卫星序号；
步骤8.C：置
Figure BDA0002902896040000166
为1，对于其他的
Figure BDA0002902896040000167
置ai,k＝0；
步骤8.D：判断约束(17)(18)(19)是否被满足，若是，则跳至步骤8.E，若否则置步骤8.C中的
Figure BDA0002902896040000168
为0，然后跳至步骤8.E；
Figure BDA0002902896040000169
Figure BDA00029028960400001610
Figure BDA00029028960400001611
步骤8.E：判断i是否小于I，若是则执行i＝i+1，跳至步骤8.B，若否则输出结果
Figure BDA00029028960400001612
结束本步骤；
步骤9、恢复松弛的全局决策向量
Figure BDA00029028960400001613
为二进制值；
图4为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法及实施例1中松弛的全局决策向量
Figure BDA00029028960400001614
为二进制值的流程图；
从图4能够看出步骤9中恢复松弛的全局决策向量
Figure BDA00029028960400001615
为二进制值的方法，具体到本实施例，方法操作流程如下，具体包括如下子步骤：
步骤9.A：初始化计次序号i＝1；
步骤9.B：对于地面用户i，执行寻找最大决策值
Figure BDA0002902896040000171
的操作；
其中，
Figure BDA0002902896040000172
表示最大决策值对应的LEO卫星序号，此处的决策为通过某个LEO卫星卸载到云服务器的决策；
步骤9.C：置
Figure BDA0002902896040000173
为1，对于其他的
Figure BDA0002902896040000174
置bi,k＝0；
步骤9.D：判断约束(20)(21)(22)是否被满足，若是，则跳至步骤9.E，若否则置步骤9.C中的
Figure BDA0002902896040000175
为0，然后跳至步骤9.E；
Figure BDA0002902896040000176
Figure BDA0002902896040000177
Figure BDA0002902896040000178
步骤9.E：判断i是否小于I，若是则执行i＝i+1，跳至步骤9.B，若否则输出结果
Figure BDA0002902896040000179
结束本步骤；
步骤10、输出最优地面用户计算卸载决策向量解
Figure BDA00029028960400001710
和
Figure BDA00029028960400001711
其中，
Figure BDA00029028960400001712
为步骤8.E输出的结果
Figure BDA00029028960400001713
为步骤9.E输出的结果
Figure BDA00029028960400001714
至此，经过步骤1到步骤10，完成了一种混合云和边缘计算的LEO卫星网络计算卸载任务。
图5为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法实施例1中地面用户总能耗与地面用户数量I关系的仿真结果图；
图5横坐标为地面用户数量I，依次取值3，6，9，12，15，18，纵坐标为地面用户总能耗，单位为J，仿真实验对四种方法的能耗进行了对比分析：1)混合云计算和边缘计算的LEO卫星网络计算卸载方法，即本方法；2)COS方法；3)OSCLOC方法；4)CL方法；
由图5能够看出，四种方法的总能耗随着地面用户数量I的增加而增加，本方法的地面用户能耗低于OSCLOC方法和CL方法，与COS方法相接近，并且随着地面用户数的增加，本方法的地面用户能耗的增速低于OSCLOC方法和CL方法；
图6为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法实施例1中地面用户总能耗与计算任务算力需求Xi关系的仿真结果图；
图6横坐标为计算任务算力需求Xi，依次取值3G周期/秒，6G周期/秒，9G周期/秒，12G周期/秒，15G周期/秒，18G周期/秒，纵坐标为地面用户总能耗，单位为J，仿真实验对四种方法的能耗进行了对比分析：1)混合云计算和边缘计算的LEO卫星网络计算卸载方法，即本方法；2)COS方法；3)OSCLOC方法；4)CL方法；
由图6能够看出，四种方法的总能耗随着计算任务算力需求Xi的增加而增加，本方法的地面用户能耗低于OSCLOC方法和CL方法，与COS方法的能耗相接近，并且随着计算任务算力需求Xi的增加，本方法的地面用户能耗的增速低于OSCLOC方法和CL方法；
图7为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法实施例1中地面用户总能耗与计算数据的数据量Di关系的仿真结果图；
图7横坐标为计算数据的数据量Di，依次取值2000KB，4000KB，6000KB，8000KB，10000KB，12000KB，纵坐标为地面用户总能耗，单位为J，仿真实验对四种方法的能耗进行了对比分析：1)混合云计算和边缘计算的LEO卫星网络计算卸载方法，即本方法；2)COS方法；3)OSCLOC方法；4)CL方法；
由图7能够看出，本方法、OSCLOC方法和COS方法的总能耗随着计算数据的数据量Di的增加而增加，而根据式(13)，本地计算的能耗与计算数据的数据量Di无关，所以CL方法的总能耗不对计算数据的数据量Di的变化而变化，在仿真实验范围内，本方法的地面用户能耗低于OSCLOC方法和CL方法，与COS方法的能耗相接近，尤其是当计算任务量为2000KB时，本方法的总能耗分别比OSCLOC方法和CL方法低了20.3％和28.8％；
图8为本发明一种混合云和边缘计算的LEO卫星网络计算卸载方法实施例1中地面用户总能耗与地面用户本地计算能力fi L关系的仿真结果图；
图8横坐标为地面用户本地计算能力fi L，依次取值1G周期/秒，2G周期/秒，3G周期/秒，4G周期/秒，5G周期/秒，6G周期/秒，7G周期/秒，8G周期/秒，纵坐标为地面用户总能耗，单位为J，仿真实验对四种方法的能耗进行了对比分析：1)混合云计算和边缘计算的LEO卫星网络计算卸载方法，即本方法；2)COS方法；3)OSCLOC方法；4)CL方法；
由图8能够看出，四种方法的总能耗随着地面用户本地计算能力fi L的增加而增加，本方法的地面用户能耗低于OSCLOC方法和CL方法，与COS方法的能耗相接近，并且随着地面用户本地计算能力fi L的增加，本方法的地面用户能耗的增速低于OSCLOC方法和CL方法。
COS的计算复杂度为
Figure BDA0002902896040000191
OSCLOC方法的计算复杂度为
Figure BDA0002902896040000192
其中N为最大迭代长度，α为准确度需求，CL方法的每次迭代的计算复杂度为
Figure BDA0002902896040000193
所述方法的计算复杂度为
Figure BDA0002902896040000194
其中K为所需迭代次数，由上述分析能够看出所述方法的计算复杂度与所述方法与OSCLOC方法和CL方法相接近，而与COS方法相比降低了计算复杂度。
以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (8)

1.一种混合云和边缘计算的LEO卫星网络计算卸载方法，其特征在于：依托于一个具有三层计算架构的云-边-端协同计算的LEO卫星网络，包括M个为地面用户提供边缘计算服务的LEO卫星、提供边缘计算服务的LEO卫星覆盖范围内随机分布的I个地面用户以及提供云计算服务的云服务器；
其中，M个LEO卫星，用集合
Figure FDA0002902896030000011
表示，且
Figure FDA0002902896030000012
I个地面用户组成集合
Figure FDA0002902896030000013
且
Figure FDA0002902896030000014
所述LEO卫星网络计算卸载方法，具体包括以下步骤：
步骤1、初始化混合云和边缘计算的LEO卫星网络，具体包括如下子步骤：
步骤1.A：初始化停止迭代阈值；
步骤1.B：初始化迭代序号值t＝0并设定最大迭代次数为T；
步骤1.C：初始化地面用户集合
Figure FDA0002902896030000015
中的所有地面用户的将计算任务卸载到LEO卫星的全局决策向量ai和所有地面用户的将计算任务卸载到云服务器的全局决策向量bi；
其中，i表示地面用户集合
Figure DEST_PATH_IMAGE002
中的第i个地面用户；ai表示地面用户i将计算任务卸载到LEO卫星的全局决策向量，ai＝{ai，1，ai，2，...，ai，M}，ai，m∈{0，1}，
Figure FDA0002902896030000016
表示LEO卫星集合
Figure FDA0002902896030000017
中的第m颗LEO卫星，ai，m为1时表示地面用户i将计算任务卸载到卫星m上，否则ai，m＝0；bi表示地面用户i将计算任务通过LEO卫星卸载到云服务器的全局决策向量，bi＝{bi，1，bi，2，...，bi，M}，bi，m∈{0，1}，bi，m为1时表示地面用户i将计算任务通过LEO卫星m卸载到云服务器上，否则bi，m＝0；
步骤1.D：将地面用户集合
Figure 655483DEST_PATH_IMAGE002
中的所有地面用户的ai和bi中的计算卸载决策值ai，m和bi，m松弛为[0，1]间的连续变量，即ai，m∈[0，1]，bi，m∈[0，1]，称此时的ai和bi为松弛的全局决策向量；
步骤1.E：初始化第t次迭代地面用户集合
Figure FDA0002902896030000018
和的所有地面用户的松弛的全局决策向量可行解；
其中，该可行解，记为：
Figure FDA0002902896030000019
Figure FDA00029028960300000110
表示ai的第t次迭代，
Figure FDA00029028960300000111
表示bi的第t次迭代；变量的右上角标(t)表示变量的第t次迭代；
步骤1.F：初始化LEO卫星集合
Figure FDA0002902896030000021
中的所有LEO卫星上的缩放的拉格朗日乘数向量
Figure FDA0002902896030000022
其中，um表示LEO卫星m上的与将计算任务卸载到LEO卫星的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为
Figure FDA0002902896030000023
k表示LEO卫星集合
Figure FDA0002902896030000024
中的第k颗LEO卫星，
Figure FDA0002902896030000025
表示LEO卫星m上的地面用户i将计算任务卸载到LEO卫星k的决策值对应位置的缩放的拉格朗日乘数值；vm表示LEO卫星m上的与将计算任务通过LEO卫星卸载到云服务器的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为
Figure FDA0002902896030000026
其中，
Figure FDA0002902896030000027
表示LEO卫星m上的地面用户i将计算任务通过LEO卫星k卸载到云服务器的决策值对应位置的缩放的拉格朗日乘数值；
步骤2、判断t是否小于最大迭代次数T，若是，则跳至步骤3，否则跳至步骤8；
步骤3、对集合
Figure FDA0002902896030000028
中的每一个LEO卫星m，均执行更新局部决策向量
Figure FDA0002902896030000029
操作；
其中，
Figure FDA00029028960300000210
表示LEO卫星m上的将计算任务卸载到LEO卫星的局部决策向量，为全局决策向量ai在LEO卫星m上的本地副本，表示为
Figure FDA00029028960300000211
k表示LEO卫星集合
Figure FDA00029028960300000212
中的第k颗LEO卫星；
Figure FDA00029028960300000213
表示LEO卫星m上的将计算任务通过LEO卫星卸载到云服务器的局部决策向量，为全局决策向量bi在LEO卫星m上的本地副本，表示为
Figure FDA00029028960300000214
k表示LEO卫星集合
Figure FDA00029028960300000215
中的第k颗LEO卫星；
Figure FDA00029028960300000216
表示
Figure FDA00029028960300000217
的第t+1次迭代；
Figure FDA00029028960300000218
表示
Figure FDA00029028960300000219
的第t+1次迭代；
步骤3，具体操作为：使用原始对偶内点方法或CVX工具解得式(1)的最优解；
Figure FDA00029028960300000220
如果
Figure FDA0002902896030000031
满足LEO卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及LEO卫星最长覆盖时间约束，则：
Figure FDA0002902896030000032
否则：
Figure FDA0002902896030000033
表示所有地面用户的计算总能耗；
k表示LEO卫星集合
Figure FDA0002902896030000034
中的第k颗LEO卫星；
Figure FDA0002902896030000035
表示
Figure FDA0002902896030000036
中地面用户i将计算任务卸载到LEO卫星k的决策值；
Figure FDA0002902896030000037
表示
Figure FDA0002902896030000038
中将计算任务卸载到LEO卫星k的决策值；
Figure FDA0002902896030000039
表示
Figure FDA00029028960300000310
中地面用户i将计算任务通过LEO卫星k卸载到的决策值；
Figure FDA00029028960300000311
表示
Figure FDA00029028960300000312
中将计算任务通过LEO卫星k卸载到云服务器的决策值；
Figure FDA00029028960300000313
表示
Figure FDA00029028960300000314
的第t次迭代；
Figure FDA00029028960300000315
表示
Figure FDA00029028960300000316
的第t次迭代；
ρ是交替方向乘子法中对迭代性能有重要影响的正惩罚系数，用于调整收敛速度；ε表示能量因子，其大小取决于芯片结构；||·||表示取绝对值；pi表示地面用户i的上行发射功率；Ri，m表示地面用户i与LEO卫星m之间计算卸载上行传输速率；Xi表示完成地面用户i的计算任务所需要的CPU周期数即计算任务算力需求，单位是CPU周期/秒；Di表示地面用户i计算数据的数据量；
Figure FDA00029028960300000317
表示地面用户i的本地计算能力，单位是CPU周期/秒；
步骤4、更新松弛的全局决策向量
Figure FDA00029028960300000318
和
Figure FDA00029028960300000319
其中，
Figure FDA00029028960300000320
表示ai的第t+1次迭代，
Figure FDA00029028960300000321
表示bi的第t+1次迭代；
步骤4，具体包括如下子步骤：
步骤4.A：计算每个地面用户i第t+1次迭代的将计算任务卸载到LEO卫星集合
Figure FDA00029028960300000322
中的每个LEO卫星的全局计算卸载决策值
Figure FDA00029028960300000323
其中，
Figure FDA00029028960300000324
表示的ai，k的第t+1次迭代；k表示LEO卫星集合
Figure FDA00029028960300000325
中的第k个LEO卫星；
地面用户i的第t+1次迭代的将计算任务卸载到LEO卫星k的全局计算卸载决策值
Figure FDA00029028960300000326
等于LEO卫星集合
Figure FDA0002902896030000041
中的所有LEO卫星上的
Figure FDA0002902896030000042
与
Figure FDA0002902896030000043
的和求和，然后除以LEO卫星的数量M；
其中，
Figure FDA0002902896030000044
表示
Figure FDA0002902896030000045
的第t+1次迭代；
Figure FDA0002902896030000046
表示
Figure FDA0002902896030000047
的第t次迭代；
步骤4.B：计算每个地面用户i第t+1次迭代的将计算任务通过LEO卫星集合
Figure FDA0002902896030000048
中的每个LEO卫星卸载到云服务器的全局计算卸载决策值
Figure FDA0002902896030000049
其中，
Figure FDA00029028960300000410
表示的bi，k的第t+1次迭代；k表示LEO卫星集合
Figure FDA00029028960300000411
中的第k个LEO卫星；
地面用户i的第t+1次迭代的将计算任务通过LEO卫星k卸载到云服务器的全局计算卸载决策值
Figure FDA00029028960300000412
等于LEO卫星集合
Figure FDA00029028960300000413
中的所有LEO卫星上的
Figure FDA00029028960300000414
与
Figure FDA00029028960300000415
的和求和，然后除以LEO卫星的数量M；
其中，
Figure FDA00029028960300000416
表示
Figure FDA00029028960300000417
的第t+1次迭代；
Figure FDA00029028960300000418
表示
Figure FDA00029028960300000419
的第t次迭代；
步骤5、更新第t+1次迭代的缩放的拉格朗日乘数向量um(t+1)和vm(t+1)；
其中，um(t+1)表示um的第t+1次迭代，vm(t+1)表示vm的第t+1次迭代；
um(t+1)等于um(t)与
Figure FDA00029028960300000420
相加再与
Figure FDA00029028960300000421
相减；vm(t+1)等于vm(t)与
Figure FDA00029028960300000422
相加再与
Figure FDA00029028960300000423
相减；
其中，um(t)表示um的第t次迭代，
Figure FDA00029028960300000424
表示
Figure FDA00029028960300000425
的第t+1迭代，
Figure FDA00029028960300000426
表示ai的第t+1次迭代；vm(t)表示vm的第t次迭代，
Figure FDA00029028960300000427
表示
Figure FDA00029028960300000428
的第t+1次迭代，
Figure FDA00029028960300000429
表示bi的第t+1次迭代；
步骤6、迭代序号值t加1；
步骤7、判断对于所有的地面用户i，是否满足“
Figure FDA00029028960300000430
和
Figure FDA00029028960300000431
差值的欧几里得范数小于等于收敛阈值”和“
Figure FDA00029028960300000432
和
Figure FDA00029028960300000433
差值的欧几里得范数小于等于收敛阈值”，或t达到最大迭代次数T，若是，则跳至步骤8，若否则跳至步骤2；
步骤8、恢复松弛的全局决策向量
Figure FDA0002902896030000051
为二进制值；
具体包括如下子步骤：
步骤8.A：初始化计次序号i＝1；
步骤8.B：对于地面用户i，执行寻找最大决策值
Figure FDA0002902896030000052
的操作；
其中，
Figure FDA0002902896030000053
表示最大决策值对应的LEO卫星序号；
步骤8.C：置
Figure FDA0002902896030000054
为1，对于其他的
Figure FDA0002902896030000055
置ai，k＝0；
步骤8.D：判断LEO卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及LEO卫星最长覆盖时间约束是否均被满足，若是，则跳至步骤8.E，若否则置步骤8.C中的
Figure FDA0002902896030000056
为0，然后跳至步骤8.E；
步骤8.E：判断i是否小于I，若是则执行i＝i+1，跳至步骤8.B，若否，则输出最优地面用户计算卸载决策向量解a*，结束本步骤；
其中，
Figure FDA0002902896030000057
步骤9、恢复松弛的全局决策向量
Figure FDA0002902896030000058
为二进制值；
具体包括如下子步骤：
步骤9.A：初始化计次序号i＝1；
步骤9.B：对于地面用户i，执行寻找最大决策值
Figure FDA0002902896030000059
的操作；
其中，
Figure FDA00029028960300000510
表示最大决策值对应的LEO卫星序号，此处的决策为通过某个LEO卫星卸载到云服务器的决策；
步骤9.C：置
Figure FDA00029028960300000511
为1，对于其他的
Figure FDA00029028960300000512
置bi，k＝0；
步骤9.D：判断LEO卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及LEO卫星最长覆盖时间约束是否均被满足，若是，则跳至步骤9.E，若否则置步骤9.C中的
Figure FDA00029028960300000513
为0，然后跳至步骤9.E；
步骤9.E：判断i是否小于I，若是则执行i＝i+1，跳至步骤9.B，若否则输出最优地面用户计算卸载决策向量解b*，结束本方法；
其中，
Figure FDA0002902896030000061
2.根据权利要求1所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法，其特征在于：每个地面用户只有一个计算任务且计算任务不可拆分，即每一个地面用户的一个计算任务只能有一个计算卸载决策。
3.根据权利要求2所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法，其特征在于：地面用户将计算任务放在本地、卸载到LEO卫星上或通过LEO卫星转发到云服务器上。
4.根据权利要求3所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法，其特征在于：依托的卫星网络需满足三大约束，分别是LEO卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及LEO卫星最长覆盖时间约束。
5.根据权利要求4所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法，其特征在于：LEO卫星的最大计算能力约束指计算卸载到LEO卫星的计算任务算力总需求不能超过LEO卫星的最大计算能力。
6.根据权利要求5所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法，其特征在于：每个地面用户只有一个计算卸载决策约束指每个地面用户的计算任务只能选择本地计算、卸载到LEO卫星上计算或通过LEO卫星转发到云服务器上计算三种方式之一，不能同时选择两种或以上计算卸载方式。
7.根据权利要求6所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法，其特征在于：LEO卫星最长覆盖时间约束指每个计算任务卸载到LEO卫星上或者通过LEO卫星卸载到云服务器上计算所需的时间不能超过LEO卫星的覆盖时间，即地面用户与LEO卫星之间的最长通信时间。
8.根据权利要求7所述的一种混合云和边缘计算的LEO卫星网络计算卸载方法，其特征在于：考虑每个地面用户只能与一个LEO卫星进行数据传输且多个地面用户共享同一频谱资源，地面用户之间存在相互干扰；考虑计算结果的数据量远小于输入计算数据的数据量，并且LEO卫星的下行传输速率远大于地面用户的上行传输速率，所以忽略将计算结果返回给地面用户的下行传输时延。
CN202110061644.1A 2021-01-18 2021-01-18 一种混合云和边缘计算的leo卫星网络计算卸载方法 Active CN112910964B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110061644.1A CN112910964B (zh) 2021-01-18 2021-01-18 一种混合云和边缘计算的leo卫星网络计算卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110061644.1A CN112910964B (zh) 2021-01-18 2021-01-18 一种混合云和边缘计算的leo卫星网络计算卸载方法

Publications (2)

Publication Number Publication Date
CN112910964A CN112910964A (zh) 2021-06-04
CN112910964B true CN112910964B (zh) 2021-11-30

Family

ID=76114627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110061644.1A Active CN112910964B (zh) 2021-01-18 2021-01-18 一种混合云和边缘计算的leo卫星网络计算卸载方法

Country Status (1)

Country Link
CN (1) CN112910964B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113794494B (zh) * 2021-07-30 2023-03-28 湖北微源卓越科技有限公司 一种面向低轨卫星网络的边缘计算系统及计算卸载优化方法
CN113839704B (zh) * 2021-09-30 2023-01-10 东南大学 一种密集低轨卫星与陆地融合的移动边缘计算方法
CN114051254B (zh) * 2021-11-08 2024-05-03 南京大学 一种基于星地融合网络的绿色云边协同计算卸载方法
CN114268357B (zh) * 2021-11-28 2023-04-25 西安电子科技大学 基于低轨卫星边缘计算任务卸载方法、系统、设备及应用
CN114520990B (zh) * 2022-01-24 2023-05-26 重庆邮电大学 一种基于星地云协作的移动边缘计算任务卸载方法
CN114884957B (zh) * 2022-07-12 2022-09-23 北京邮电大学 空天地网络中的计算任务卸载方法、装置和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110868455A (zh) * 2019-10-29 2020-03-06 北京邮电大学 一种基于空天地远程物联网的计算卸载方法及系统
CN110941667A (zh) * 2019-11-07 2020-03-31 北京科技大学 一种移动边缘计算网络中的计算卸载方法及系统
CN111447619A (zh) * 2020-03-12 2020-07-24 重庆邮电大学 一种移动边缘计算网络中联合任务卸载和资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110868455A (zh) * 2019-10-29 2020-03-06 北京邮电大学 一种基于空天地远程物联网的计算卸载方法及系统
CN110941667A (zh) * 2019-11-07 2020-03-31 北京科技大学 一种移动边缘计算网络中的计算卸载方法及系统
CN111447619A (zh) * 2020-03-12 2020-07-24 重庆邮电大学 一种移动边缘计算网络中联合任务卸载和资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Ultra-Dense LEO Satellite Offloading for Terrestrial Networks: How Much to Pay the Satellite Operator?;Ruoqi Deng et al.;《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》;20201031;全文 *
面向空天地一体化网络的移动边缘计算技术;唐清清 等;《无线电通信技术》;20201124;全文 *

Also Published As

Publication number Publication date
CN112910964A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN112910964B (zh) 一种混合云和边缘计算的leo卫星网络计算卸载方法
Guo et al. UAV-enhanced intelligent offloading for Internet of Things at the edge
CN113162682B (zh) 一种基于pd-noma的多波束leo卫星系统资源分配方法
CN110730031A (zh) 一种用于多载波通信的无人机轨迹与资源分配联合优化方法
CN114051254B (zh) 一种基于星地融合网络的绿色云边协同计算卸载方法
CN114153572A (zh) 一种星地协作网络中分布式深度学习的计算卸载方法
CN114268357B (zh) 基于低轨卫星边缘计算任务卸载方法、系统、设备及应用
Liu et al. Joint optimization of resource allocation and multi-UAV trajectory in space-air-ground IoRT networks
CN116436512A (zh) 一种ris辅助通信的多目标优化方法、系统及设备
Yang et al. HD video transmission of multi-rotor Unmanned Aerial Vehicle based on 5G cellular communication network
CN113783959B (zh) 一种车联网联合优化计算任务卸载比率和资源分配方法
Tang et al. Distributed deep learning for cooperative computation offloading in low earth orbit satellite networks
CN114785388A (zh) 智能全向面辅助的多用户大规模simo上行m阶调制加权和速率优化方法
Zhang et al. Trajectory optimization and resource allocation for time minimization in the UAV-enabled MEC system
CN113627013A (zh) 基于无人机二元卸载边缘计算的系统吞吐量最大化方法
CN117579126A (zh) 基于深度强化学习的卫星移动边缘计算卸载决策方法
Hong et al. Age of Incorrect Information Minimization for Semantic-Empowered NOMA System in S-IoT
CN114880046B (zh) 联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法
CN116600344A (zh) 一种具有电力成本差异的多层mec资源卸载方法
CN113342514B (zh) 一种基于近地轨道的边缘计算模型及其服务放置方法
CN114599102A (zh) 一种无人机边缘计算网络线性依赖任务卸载方法
Yang et al. Energy efficiency optimization in UAV-assisted communications and edge computing
Zhang et al. Joint optimization of uav trajectory and relay ratio in uav-aided mobile edge computation network
Chigullapally et al. Joint energy and throughput optimization for MEC-enabled multi-UAV IoRT networks
Kim et al. Joint Optimization of Offloading Scheduling and Path Planning for Space-air-ground Integrated Edge Computing Systems

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