CN112954739B - 基于循环博弈算法的毫米波mec卸载传输方法 - Google Patents

Abstract

本发明公开了一种基于循环博弈算法的毫米波MEC卸载传输方法，主要解决现有技术进行毫米波MEC计算卸载传输策略仅适用于单一用户场景，且卸载传输能量效率低，传输时延大的问题。其实现方案是：1)利用非合作式博弈论法设置卸载传输时用户匹配参数；2)计算所有匹配对的效用函数；3)利用效用函数判决匹配对的匹配成功与否；4)对匹配成功的匹配对进行重复匹配判断，保留效用函数最大的匹配对，剩余的匹配对被打破；5)检测匹配完成情况，若完成，则由匹配对得到的用户顺序进行非正交多址接入NOMA传输，完成MEC数据卸载，否则，返回3)。本发明大幅度减少了所需的能量效率和传输时延，可用于基于毫米波通信传输。

Description

基于循环博弈算法的毫米波MEC卸载传输方法

技术领域

本发明属于无线通信技术领域，特别涉及一种毫米波MEC卸载方法，可用于基于毫米波通信传输。

背景技术

在未来5G/B5G通信中，“高计算量业务”将呈现爆发式增长，如虚拟现实应用、超清视频流、大型人机交互游戏、AI计算处理等，移动终端面临前所未有的超负荷计算挑战，易导致出现服务延时或中断、瞬时功耗骤增等严重问题。移动边缘计算MEC是一种分布式计算技术，其采用分布式云化架构，通过将计算任务直接卸载至就近基础设施，即配备有MEC服务器的微基站，降低所需计算延时和用户本地能耗，且能大大减少单一计算服务器负载，从而更好地解决移动终端的计算卸载问题。因此，在5G/B5G移动网络中，MEC技术可以适配多种不同业务场景，包括智能移动终端、VR虚拟现实应用、全息视频或影像、无人驾驶车联网。

现有MEC技术的数据传输方案包括两种，一种的计算卸载传输主要是基于分米波频段通信，可被称为“分米波MEC技术”，而另一种的计算卸载传输主要是基于毫米波频段通信，可称为“毫米波MEC技术”。随着5G/B5G通信网络微型化、密集化，高计算量业务需求数量将大幅增加，传统分米波通信的频谱资源有限，无法在承载密集计算任务的同时需求大数据量卸载传输，导致计算任务超时甚至失效的严重后果。因此，如何优化能量传输效率和减小传输时延是MEC传输问题中十分重要的问题。

而毫米波MEC拥有丰富频谱资源的毫米波通信，可天然地服务于MEC技术，通过实现高速率MEC卸载传输，大大降低计算任务时延，进而支持大规模计算任务卸载。根据现有研究对于不同计算卸载技术的特点及性能对比可见毫米波MEC技术拥有巨大优势。然而现有大多数相关文献对于毫米波MEC都局限于计算判决问题，即判决计算任务在用户端或边缘服务器端执行。有些关于毫米波MEC计算卸载传输策略仅适用于单一用户场景，且卸载传输能量效率低，传输时延大。

发明内容

本发明目的在于提出一种基于循环博弈算法的毫米波MEC卸载传输方法，以在多用户场景下最大程度优化卸载传输能量效率和传输延时。

为实现上述目的，本发明的技术方案包括如下：

1.一种基于循环博弈算法的毫米波MEC卸载传输方法，其特征在于，包括如下：

1)利用非合作式博弈论法设置卸载传输时用户匹配参数：

设置传输功率、传输速率、匹配概率和惩罚系数；

设置固定用户和非固定用户；

设置本轮配对集NP、本轮未配对集UP和已经配对集AP；

定义奖励函数为匹配概率与传输速率的乘积；

定义惩罚函数为传输功率和其倒数的线性加权；

2)将每位固定用户和非固定用户构成一个匹配对，计算每个匹配对的奖励函数R_i,j(S)和惩罚函数C_i,j(S)，并对这两个函数求和，得到效用函数U_i,j(S)，其中i表示第i个固定用户，j表示第j个非固定用户，S表示配对集类型；

3)根据最大效用函数法则，固定用户m依次寻找最优的非固定用户n进行匹配；

4)判断3)中当前匹配对与“已有匹配对”中是否有相同的非固定用户n：

如果有，执行5)；

如果无，则执行6)；

5)比较3)中当前匹配对的效用函数与非固定用户n的“已有匹配对”的效用函数大小：

若3)中当前匹配对的效用函数U_m,n(S)更大，则对应的匹配对(m,n)匹配成功，且已有匹配对被打破；

否则，返回3)，固定用户m选择其次优的非固定用户n’；

6)检查所有固定用户是否均完成配对：

若是，则用户匹配完成，每组配对用户基于NOMA机制进行卸载传输，完成MEC数据卸载；

否则，返回3)。

本发明由于采用基于循环博弈的匹配对传输过程，具有如下优点：

一是，相比现有的遍历算法，可将其趋近二次多项式的时间复杂度O(n^2)降为趋近一次多项式的时间复杂度O(n)。

二是，与现有的贪心算法相比，在分别改变匹配对组数和总传输能量时，均能够较好优化能量效率-时延权衡函数。

附图说明

图1是本发明的实现流程图；

图2为用本发明和现有贪心算法在考虑不同配对组数时，仿真匹配对的能量效率-延时函数曲线图。

图3为用本发明和现有贪心算法在增加总传输能量时，仿真匹配对的能量效率-时延权衡函数曲线图。

具体实施方法

为了使本发明的目的、技术方案更加清楚、明确，以下参照附图对本发明的实施例和效果进一步详细说明。

参照图1，本实例的实现步骤如下：

步骤1，利用非合作式博弈论法设置卸载传输时用户匹配参数。

所述非合作式博弈论法属于博弈论，是现代数学运筹学的一个重要分支，其指在博弈次数有限的非合作式博弈过程中，一方博弈策略确定时，若另一方在博弈中选择的策略都是基于前者博弈策略组合的最佳对策，则两者选择的策略集合解可以达到稳定最优解。

本步骤根据非合作式博弈论法设置卸载传输时用户匹配参数，其实现如下：

1.1)设置传输功率W、传输速率r、设置选择本轮配对集的概率匹配概率p选择本轮未配对集的匹配概率q，及两个数值不同的惩罚系数k1与k2；

1.2)设博弈双方共有2N个，其中固定用户有N个，非固定用户有N个，分别表示传输时间固定的固定用户i和传输时间不固定的非固定用户j，i,j∈{1,2,…N},其中非固定用户传输时间T_j小于或等于固定用户的传输时间T_i；

1.3)设置本轮配对集NP、本轮未配对集UP和已经配对集AP；

1.4)定义奖励函数R_i,j(S)为匹配概率β_i,j(S)与传输速率r的乘积；定义惩罚函数C_i,j(S)为传输功率W与其倒数的线性加权；

1.5)定义效用函数U_i,j(S)为奖励函数与惩罚函数之和。

步骤2，计算用户效用函数。

2.1)将每位固定用户i和每位非固定用户j构成一个匹配对,其中i,j∈{1,2,…N}，N表示匹配对总数；

2.2)计算每个匹配对的匹配概率：

其中，p表示选择本轮配对集NP的概率，q表示选择本轮未配对集UP的概率，i表示第i个固定用户，j表示第j个非固定用户，S表示配对集类型；

2.3)根据匹配概率计算匹配对的奖励函数，即将匹配对的匹配概率与传输速率r相乘，得到匹配对的奖励函数R_i,j(S)：

R_i,j(S)＝β_i,j(S)·r；

2.4)计算每个匹配对的惩罚函数C_i,j(S)，即将传输功率与其倒数进行线性加权：

C_i,j(S)＝k₁·W+k₂/W，

其中，k₁,k₂是两个数值不同的惩罚系数，本实例取但不限于k₁＝0.7，k₂＝0.3W是传输功率；

2.5)对奖励函数R_i,j(S)和惩罚函数C_i,j(S)进行求和，得到每个匹配对效用函数U_i,j(S)：

步骤3，利用效用函数判决匹配对匹配成功与否。

3.1)根据最大效用函数法则，判断固定用户匹配对是否配对成功：

选出每个固定用户i与所有非固定用户j构成匹配对的效用函数最大值，则该固定用户配对成功，其余为未配对成功的固定用户；

3.2)固定用户i依次寻找最优的非固定用户j进行匹配：

3.2.1)用一个“未配对成功的固定用户”i与所有非固定用户j组成匹配对，计算这些匹配对的效用函数值U_i,j(S)，j∈{1,2,…N}；

3.2.2)从U_i,1(S)～U_i,N(S)的效用函数值中，选出效用函数最大值U_i,n(S)，则该函数最大值U_i,n(S)对应的“未配对成功的固定用户”i与非固定用户n为配对成功的匹配对。

步骤4，重复匹配判断。

在所有成功匹配的匹配对中，判断同一个非固定用户n，是否与多个固定用户构成匹配对：

如果是，则存在重复匹配，执行步骤5；

如果无，则不存在重复匹配，则执行步骤6；

步骤5，打破重复匹配。

比较重复匹配的匹配对效用函数大小，将效用函数最大的匹配对保留，其余的匹配对打破；

将被打破的匹配对返回步骤3，剩余固定用户选择其次优的非固定用户。

步骤6，检测匹配完成的最终情况。

将成功匹配对数与总匹配对数进行比较；

若两者的数值相等，则判断用户匹配完成，并将所有的匹配对按照完成匹配的顺序进行非正交多址接入NOMA传输，完成移动边缘计算MEC的数据卸载；

否则，返回步骤3。可通过以下仿真进一步说明：

1.仿真条件：

设毫米波网络中，包括9个宏基站和27个微基站，每两个宏基站间隔1公里。设通信频段为W频段，可用总带宽为1GHz，每个宏基站的最大发送功率为46dBm，噪声功率为-174dBm/Hz。

2.仿真内容：

仿真1，分别将本发明循环博弈算法与现有的贪心算法，对上述毫米波网络进行MEC任务卸载传输仿真，在改变匹配对数时，计算能量效率-延时函数值，结果如图2。其中的横坐标为“匹配组数”，纵坐标为仿真10000次平均需要的能量效率-时延权衡值。

由图2仿真结果可知，在同样匹配组数的情况下，采用本发明进行MEC任务卸载传输的毫米波网络的能量效率-时延权衡值低于采用贪心算法的能量效率-时延权衡函数值，且随着匹配组数的增加，本发明的优势更加明显。

仿真2，分别将本发明与现有的贪心算法，对上述毫米波网络进行MEC任务卸载传输仿真，在改变传输总能量时，计算能量效率-时延权衡值的仿真，结果如图3。其中，横坐标为“总能量”，纵坐标为仿真10000次中平均需要的能量效率-时延权衡值。由图3仿真结果可知，在总能量一定的情况下，采用本发明进行MEC任务卸载传输的毫米波网络的能量效率-时延权衡值低于采用贪心算法的能量效率-时延权衡值，且随着总能量的提高，本发明能量效率-延时比贪心算法减小更多。

Claims (2)

1.一种基于循环博弈算法的毫米波MEC卸载传输方法，其特征在于，包括如下：

1)利用非合作式博弈论法设置卸载传输时用户匹配参数：

设置传输功率、传输速率、匹配概率和惩罚系数；

设置固定用户和非固定用户；

设置本轮配对集NP、本轮未配对集UP和已经配对集AP；

定义奖励函数为匹配概率与传输速率的乘积；

定义惩罚函数为传输功率和其倒数的线性加权；

2)将每位固定用户和非固定用户构成一个匹配对，计算每个匹配对的奖励函数R_i,j(S)和惩罚函数C_i,j(S)，并对这两个函数求和，得到效用函数U_i,j(S)，其中i表示第i个固定用户，j表示第j个非固定用户，S表示配对集类型；

所述计算每个匹配对的奖励函数R_i,j(S)，通过如下公式进行：

R_i,j(S)＝β_i,j(S)·r

其中，r表示传输速率，

为匹配概率函数，N表示匹配对总数，p表示选择本轮配对集NP的概率，q表示选择本轮未配对集UP的概率；

所述计算每个匹配对的惩罚函数C_i,j(S)，通过如下公式进行：

C_i,j(S)＝k₁·W+k₂/W，

其中，k₁,k₂是两个数值不同的惩罚系数，W是传输功率；

3)根据最大效用函数法则，固定用户m依次寻找最优的非固定用户n进行匹配；实现如下：

3.1)将一个固定用户i与所有非固定用户j组成匹配对，计算所有匹配对的效用函数值U_i,j(S)，j∈{1,2,…N}；

3.2)比较U_i,1(S)～U_i,N(S)，得到效用函数最大值U_i,n(S)，则固定用户i与非固定用户n是配对成功的匹配对；

4)判断3)中当前匹配对与“已有匹配对”中是否有相同的非固定用户n：

如果有，执行5)；

如果无，则执行6)；

5)比较3)中当前匹配对的效用函数与非固定用户n的“已有匹配对”的效用函数大小：

若3)中当前匹配对的效用函数U_m,n(S)更大，则对应的匹配对(m,n)匹配成功，且已有匹配对被打破；

否则，返回3)，固定用户m选择其次优的非固定用户n’；

6)检查所有固定用户是否均完成配对：

若是，则用户匹配完成，每组配对用户基于NOMA机制进行卸载传输，完成MEC数据卸载；

否则，返回3)。

2.根据权利要求1所述的方法，其中(2)得到的效用函数U_i,j(S)，表示如下：

其中，r表示传输速率，N表示匹配对总数，p表示选择本轮配对集NP的概率，q表示选择本轮未配对集UP的概率，k₁,k₂是两个数值不同的惩罚系数，W是传输功率。

Images