CN113014632A - 一种支持工业互联网业务应用的d2d计算卸载方法 - Google Patents

Abstract

本发明提供了一种支持工业互联网业务应用的D2D计算卸载方法，包括：步骤1：获取工业互联网环境中设备的分布状况；步骤2：根据分布状况将工业互联网设备划分为两个集合：可用设备集合和目标设备集合；步骤3：为目标设备集合中的每一个目标设备构建对应的待选中继设备集合；步骤4：目标设备i接收到任务m_i信息，并与待选中继设备集合中的设备进行通信，获取待选中继设备集合中所有设备当前的带宽情况，以及正在传输的任务数；步骤5：创建计算卸载模型，利用基于效用的方法得出最终的卸载策略；步骤6：输出最终的卸载策略，包括卸载到边缘服务器的任务量、用于卸载的中继设备集合、每个中继设备传输的数据量。

Description

一种支持工业互联网业务应用的D2D计算卸载方法

技术领域

本发明涉及一种支持工业互联网业务应用的D2D计算卸载方法。

背景技术

工业互联网作为“新基建”的核心领域之一，可以将工业生产过程中的人、数据与机器连接起来，使工业生产过程数字化、自动化、智能化和网络化，提升生产效率、降低生产成本。工业互联网的发展，也促使了许多新的工业应用，例如智能电网、智慧交通，出现并日益普及。利用工业互联网，可以进行自动化地工业生产、环境监测以及城市救援。但是，这些应用通常都属于计算密集型应用，并且对延迟敏感，本地设备大多数都是计算能力有限的，难以满足这些任务的要求。在工业互联网环境下，工业生产还会涉及多种复杂的计算。同时，工业互联网也需要复杂密集的计算来支持工业生产的智能化、自动化。这些复杂应用对工业互联网设备造成了巨大压力。因此，如何解决工业互联网设备有限的资源与日趋庞大的工业互联网应用之间的矛盾，就成为了一个亟待解决的重要问题。

边缘计算是缓解这一矛盾的重要技术。通过在靠近终端设备的网络边缘部署边缘服务器，边缘计算可以为终端设备提供快速、灵活的计算服务。边缘计算可以利用计算卸载技术，将本地难以完成的复杂任务传输到边缘服务器进行处理，依靠边缘服务器强大的处理能力，更好地完成任务处理。在工业互联网环境下，工业互联网设备可以将本地等待处理的复杂任务通过网络传输到边缘服务器进行处理，提升工业生产的效率。

但是，工业生产的环境一般都是复杂多变的。在工业互联网环境下，本地设备通常是通过无线网络访问边缘服务器的。基站一般作为本地设备访问边缘服务器的访问接入点，并且，基站与边缘服务器一般是有线连接。在现有的研究中，研究者一般假设本地设备可以直接通过基站访问到边缘服务器。但是，在实际的工业互联网环境中，由于信号干扰、工业生产环境复杂恶劣，很可能出现网络不畅的情况。此时，工业互联网设备就处于盲区之中，难以通过基站连接边缘服务器，也就无法获得边缘服务器提供的任务处理能力。仅仅依靠工业互联网设备自身的计算能力，工业互联网业务应用则难以在规定的时间范围内完成，进而给工业生产造成难以估量的损失。此时，本地设备的有限资源与工业互联网应用的资源需求的冲突就成为了亟待解决的重要问题。D2D(Device to Device，设备间通信)技术则为解决盲区中工业互联网设备计算资源不足的问题提供了新的解决思路。D2D技术是一种邻近网络设备之间的通信技术。在通信系统或者无线网络中，一旦两个设备之间建立起了D2D通信链路，那么这两个设备之间的通信就无需网络核心设备的参与。利用D2D技术，本地设备可以直接参与通信，进而减少核心网络的通信压力，提升频谱利用效率。

虽然工业互联网设备处于盲区中时(称该设备为目标设备)，难以直接通过基站与边缘服务器通信，但是此时仍然有其他大量的工业互联网设备可以正常地获取边缘服务器的服务。考虑到D2D技术的卓越表现，这里可以利用一个可以与边缘服务器正常交互的本地工业互联网设备作为中继(称该设备为中继设备)，目标设备通过D2D技术与中继设备进行通信，进而将任务卸载到边缘服务器中。但是，工业生产中所采取的订单式生产模式，会导致本地设备所处理的数量随客户需求而发生变化，从而具备不确定性。大批量的订单会导致任务数量激增，单个中继设备的传输能力很可能难以支撑正常的工业生产。不仅如此，由于工业互联网中的本地设备众多，很可能会出现多个目标设备同时通过同一个中继传输任务的情况，此时中继设备的传输能力则会遭到挑战。

发明内容

发明目的：本发明旨在针对现有计算卸载方法在工业互联网场景中的不足，提出了一个支持工业互联网业务应用的D2D计算卸载方法。本发明中，称工业互联网设备所处的、难以通过基站和边缘服务器通信的区域为盲区，称该设备为目标设备。

本发明公开了一个支持工业互联网业务应用的D2D计算卸载方法，包括以下步骤：

步骤1：获取工业互联网环境中的设备分布状况；这些设备的分布信息在一个具体的工业场景中都是很容易得到的；所述设备包括基站、边缘服务器以及工业互联网设备。本发明中，工业互联网设备是指工业互联网环境中拥有计算、传输能力的设备，例如，监控设备；

步骤2：根据分布状况对工业互联网设备进行划分，能够直接通过与基站通信获取边缘服务器服务的工业互联网设备构成可用设备集合D_a，其他工业互联网设备构成目标设备集合D_t；

由于在工业环境中基站和边缘服务器的数量均可能不止一个，能和任意一个基站进行通信并获取到边缘服务器服务的工业互联网设备都应当作为可用设备集合D_a中的设备。其他无法获取边缘服务器服务的工业互联网设备则应构成目标设备集合D_t。本发明中了考虑了边缘服务器损坏和满载的情况。此时，工业互联网设备虽然可以和基站通信，但是与基站直接连接的边缘服务器却无法对外提供服务。因此，D_t中的设备可以分为两类：一类是无法和基站直接通信的工业互联网设备；另一类设备虽然可以和基站通信，但是该基站连接的边缘服务器已经无法对外提供服务了。这两类设备均需要通过D2D技术间接和边缘服务器通信，本发明中，称目标设备集合中的设备为目标设备。

步骤3：对于一个目标设备i∈D_t，先在可用设备集合D_a中搜索能够与其建立D2D连接的设备，搜索到的设备构成待选中继设备集合

步骤4：获取目标设备i中待计算的任务信息；

步骤5：基于与基站k连接的边缘服务器的计算能力

目标设备i的计算能力

以及任务信息，创建计算卸载模型，并利用基于效用的方法得出最终的计算卸载策略；

步骤6：输出最终的计算卸载策略，包括任务的卸载量、最终选择的用于任务传输的中继设备集合

以及通过每个中继传输的数据量。

步骤1中，所述基站分布在工业互联网环境中，记为集合B＝{1，2，...N}，本地设备记为集合D＝{1，2，...，M}；每一个基站都会配备一个边缘服务器，工业互联网设备能够通过访问基站来获取边缘服务器的服务。

步骤2中，D_a∩D_t＝D。

步骤2对于互联网设备的划分中，需要注意的是，由于在工业环境中基站和边缘服务器的数量可能不止一个，能和任意一个基站进行通信获取边缘服务器服务的工业互联网设备都应当作为可用设备集合D_a中的设备。

步骤2中还考虑了边缘服务器损坏或者满载的情况。因此，目标设备集合D_t中的设备可以分为两类：一类是无法和基站直接通信的工业互联网设备；另一类设备虽然可以和基站通信，但是该基站连接的边缘服务器已经无法对外提供服务了。这两类设备均需要通过D2D技术间接和边缘服务器通信，它们都属于目标设备集合D_t中的设备。

步骤3中，任意目标设备i∈D_t，判断设备j∈D_a是否属于待选中继设备集合

主要依据二者是否可以建立D2D连接。D2D连接建立的关键在于两个设备之间的距离，因此，对于任意设备

需要满足dist(i，j)≤l，即这两个设备之间的距离dist(i，j)需要不大于这两个工业互联网设备i和j的最大通信范围l。

本发明中，采用基于效用的方法来求解最终卸载到边缘服务器的任务量、最终选择的用于任务传输的中继设备集合

以及通过每个中继传输的数据量。

步骤4包括：获取目标设备i中待计算的任务信息m_i＝(d_i，h_i)，其中，d_i表示任务的数据量，h_i表示任务所需的CPU处理周期；同时，目标设备i会获取

中所有设备的信息；对设备j，

目标设备i会获取设备j能够用于传输数据的带宽大小b_j，以及设备j当前正在传输的任务数量n_j。

步骤5中，所述计算卸载模型包括本地执行模型、边缘执行模型、传输模型和激励模型，具体包括：

本地执行模型：目标设备i中待计算的任务为m_i，任务m_i在本地执行的时间

为

边缘执行模型：目标设备i也可能将任务m_i通过基站k传输到边缘服务器进行处理，此时任务的传输时间

为

传输模型：在m_i传输到基站的过程中需要考虑任务传输带来的时延，如果目标设备能够直接和基站建立连接，传输延迟

r_k表示基站k的传输速率；目标设备i处于盲区(本发明称工业互联网下无法直接和基站通信获取边缘服务器服务的区域为盲区)中，无法直接和基站通信，需要中继设备协助传输任务；又因为工业互联网中订单式生产的特点，导致任务处理具有不确定性，可能会出现大量任务同时通过一个中继进行传输，造成任务超时，因此需要多个中继设备同时协助传输。这些协助目标设备i传输任务的中继设备构成中继设备集合

中继设备j协助目标设备i传输的数据为

得到

根据如下公式计算出目标设备i通过D2D技术，利用中继设备传输数据的延迟

其中，

是中继设备集合

中的所有中继设备传输目标设备i任务m_i所耗费的时间集合，

表示中继设备集合中的中继设备j传输任务m_i所耗费的时间；

激励模型：边缘计算环境中普遍采取付费策略，用户需要为自己请求的服务支付相应的费用。本发明不仅考虑了边缘服务器的激励，还考虑了中继设备的激励策略。在实际的环境中，任意可以和基站通信的设备都可以作为中继，目标设备可以通过D2D技术与这些设备建立连接，进而获得边缘服务器的服务。为了激励这些设备参与到计算卸载的过程中，本发明设计了相应的激励策略。本发明中，用于传输数据的中继设备j的单位时间价格描述为

边缘服务器的价格描述为

在整个计算卸载过程中，需要为中继设备和边缘服务器支付的费用E_i为：

其中，α_i表示任务m_i被上传到边缘服务器执行的部分所占的比例，α_i∈[0，1]。

拥有上述子模型后，本发明就可以构建支持工业互联网业务应用的D2D计算卸载模型。目标设备i的任务m_i会被分为两大部分，一部分在本地执行，另一部分通过中继传输到边缘服务器执行。在m_i的执行过程中，上传到边缘服务器执行的任务包含了任务的传输时间和边缘服务器执行时间，描述为

计算卸载过程的最终耗时则是本地执行时间和边缘执行时间的最大值t_i，如下式：

通过上述内容，可以获得目标设备i的任务m_i执行时间。对于i而言，t_i的值越小越好，但是目标设备还需要对外支出一定费用。因此，目标设备i需要进行权衡，在合理的费用支出情况下，最小化执行时间。

为了解决问题，本发明中采取了基于效用的方法来确定最终的卸载方案。本发明中使用T_i来表示m_i的预期完成时间。目标设备总希望m_i可以在预期完成时间之前完成，这样可以给目标设备带来较好的收益。本发明中以μ_i表示目标设备对任务m_i的敏感度，T_i表示任务m_i的期望完成时间，并设计出效用函数U_i。

步骤5中，所述效用函数U_i如下所示：

U_i＝μ_i(T_i-t_i)-E_i

该函数有两个主要的影响因素：任务的执行时间、执行任务所需的费用。目标设备都是绝对理性的，它们会通过合理的策略选择使得自身的效用最大。

为了求解出上式的最大值，需要首先确定集合的选择策略。具体来说，需要先进行设备集合划分。初始的设备集合D包括所有的工业互联网设备，本发明按照工业互联网设备是否可以获取边缘服务器服务将集合D分为D_a和D_t，步骤2中给出了具体的说明。D_t中的设备可以通过基站与边缘服务器通信，D_a中的设备则需要通过中继设备才可以连接到基站。对于任意目标设备i∈D_a，它会以效益U_i最大化为目标来决定卸载策略。

本发明中，卸载策略的确定包含三个部分：一是选出合适的中继设备集合

二是确定

中每个设备传输的数据量

三是确定最终任务上传的比例α_i。但是，这三个部分的确定并不是相互孤立的，三个参数之间彼此会有影响。下面会详细论述三个参数的确立过程。

本发明中，

为待选中继设备集合，目标设备i需要确定中继设备集合

的确定关系到最终的效用值。由上述计算，可以知道，效用U_i与计算卸载耗费的时间正相关、与支出的费用负相关。

对于计算卸载的时间，它包含：任务本地执行时间、任务的边缘执行时间以及任务传输耗费的时间。与

相关的时间是任务的传输时间。对于目标设备而言，传输耗费的时间越短，意味着计算卸载的时间越短，但是这也意味着需要更多的中继设备和费用。集合

中的任何一个元素都有可能出现在

步骤5中，所述利用基于效用的方法得出最终的计算卸载策略，具体包括：

步骤5-1，设定

即集合

中的每一个设备都充当中继传输部分数据；

步骤5-2，计算传输耗时

以及用于传输的支出；在实际的计算中，一个合理的计算策略总是希望传输时间远远小于计算时间，即

因此，中继的传输时间总是越小越好。为此，在

计算中，本发明总是贪婪地选择传输时间最小的策略，即，根据

集合中每个设备的传输速率，采用加权平均的方式，使得每个设备的传输时常尽可能均匀。具体来说，每个设备传输的数据量

为：

根据如下公式计算出

步骤5-3，得到如下分段函数：

在上述分段函数中，令

t_L表示任务m_i在本地执行的部分所消耗的时间；令

t_E表示任务m_i在边缘服务器执行的部分所消耗的时间；

当t_E≤t_L时，效用值依赖本地执行时间，

且有：

可知，

的大小决定了分析的方向。当

时，α_i不再能约束效益的大小，效益是一个定值；

当

时，α_i越大，效益值越大，但是α_i≤1且

当

时，α_i越小，效益值越大，但是α_i≥0。

当t_E＞t_L时，效用值依赖边缘执行时间。此时，

且有

此时，U_i转变为了与α_i关联的单调递减函数，即，α_i越小，效用值越大；

步骤5-4，记录最大的效用值，以及此时的α_i、

从集合

去掉传输速率最小的设备，即b_j/(n_j+1)的值最小的设备，重复上述步骤，直到

中仅剩一个设备。此时，效用值最大的策略就是最终的计算卸载策略。

步骤6中，所述最终的计算卸载策略包括任务的卸载量、最终选择的用于任务传输的中继设备集合

以及通过每个中继传输的数据量。

本发明首先按照工业互联网设备是否可以直接获取边缘服务器的服务将工业互联网设备划分为两个集合D_a和D_t。对于D_t中的任意一个设备，它想要进行计算卸载都需要借助集合D_a中的设备作为中继。按照两个设备之间是否可以建立D2D通信，对于D_t中的目标设备i，选择出它的待选中继设备集合

基于效用函数，目标设备i可以从待选中继集合

中选出中继设备集合

以及

和α_i。

与现有技术相比，本发明的有益效果体现在：

1)将计算卸载方法应用到了工业互联网这一实际场景中，考虑了工业互联网中复杂环境对边缘计算的影响，提出了支持工业互联网业务应用的计算卸载方法。

2)引入了基于D2D技术的卸载方法，让处于盲区中，无法和基站直接通信的本地设备也可以将计算任务通过基站传输到边缘服务器执行。

3)考虑到工业互联网中订单式生产容易造成短时间内大量任务同时到达的情况，此时单个中继设备可能无法同时支持大量任务的传输，因此本发明提出了多中继辅助卸载方案，让基于D2D技术的计算卸载方法在峰值场景下也可以很好的支持工业互联网业务应用。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1是本发明流程图。

具体实施方式

本发明公开了一种支持工业互联网业务应用的D2D计算卸载方法，该方法的流程图如附图1所示，具体的流程如下：

步骤1：获取工业互联网环境中的设备分布状况，包括基站、边缘服务器、工业互联网设备；

步骤2：对工业互联网设备进行划分，可以直接和基站进行通信并获取到边缘服务器服务的工业互联网设备构成可用设备集合D_a。无法和基站直接通信的工业互联网设备，或是该设备虽然可以和基站通信，但是该基站连接的边缘服务器已经无法对外提供服务了，这两类设备构成目标设备集合D_t。

步骤3：对于一个目标设备i∈D_t，先在可用设备集合D_a中搜索可以与其建立D2D连接的工业互联网设备，这些设备可以构成待选中继设备集合

对于任意设备

需要满足dist(i，j)≤l，即这两个设备之间的距离需要不大于两个工业互联网设备的最大通信范围l；

步骤4：获取目标设备i中待计算的任务信息m_i＝(d_i，h_i)。同时，i会获取

中工业互联网设备j的信息，包括该设备可以用于传输数据的带宽大小b_j，以及该设备当前正在传输到任务数量n_j。

步骤5：基于与基站k连接的边缘服务器的计算能力

目标设备i的计算能力

以及上述任务信息创建计算卸载模型，并利用基于效用的方法得出最终的计算卸载策略；

该步骤是D2D计算卸载方法的核心步骤，具体而言又可以分为如下几小步：

(1)构造支持工业互联网业务应用的D2D计算卸载模型。具体而言，该模型由本地执行模型、边缘执行模型、传输模型、激励模型。

(1.1)本地执行模型：目标设备i中待计算的任务为m_i。任务m_i在本地执行的时间为

(1.2)边缘执行模型：目标设备i也可能将任务m_i通过基站传输到边缘服务器进行处理，此时任务的传输时间为

(1.3)传输模型：在m_i传输到基站的过程中需要考虑任务传输带来的时延，如果目标设备可以直接和基站建立连接，传输延迟则为

本发明中，目标设备i处于盲区中，无法直接和基站通信，需要中继设备协助传输任务。又因为工业互联网中订单式生产的特点，导致任务处理具有不确定性，可能会出现大量任务同时通过一个中继进行传输，造成任务超时，因此需要多个中继设备同时协助传输。这些协助目标设备i传输任务的中继设备构成中继设备集合

中继设备j协助目标设备i传输的数据为

可得

据此，可以计算出目标设备i通过D2D基数，利用多个中继设备传输数据的延迟：

这里，

是中继设备集合

中的设备传输目标设备任务所耗费的时间集合，即，

(1.4)激励模型：边缘计算环境中普遍采取付费策略，用户需要为自己请求的服务支付相应的费用。本发明不仅考虑了边缘服务器的激励，还考虑了中继设备的激励策略。在实际的环境中，任意可以和基站通信的设备都可以作为中继，目标设备可以通过D2D技术与这些设备建立连接，进而获得边缘服务器的服务。为了激励这些设备参与到计算卸载的过程中，本发明设计了相应的激励策略。本发明中，用于传输数据的中继设备j的单位时间价格描述为

边缘服务器的价格描述为

在整个计算卸载过程中，需要为中继设备和边缘服务器支付的费用为：

这里，α_i表示任务m_i被上传到边缘服务器执行的部分所占的比例，故α_i∈[0，1]。

拥有上述子模型后，本发明就可以构建支持工业互联网应用的D2D计算卸载模型。目标设备i的任务m_i会被分为两大部分，一部分在本地执行，另一部分通过中继传输到边缘服务器执行。在m_i的执行过程中，上传到边缘服务器执行的任务包含了任务的传输时间和边缘服务器执行时间，描述为

计算卸载过程的最终耗时则是本地执行时间和边缘执行时间的最大值，如下式：

本发明中采取了基于效用的方法来确定最终的卸载方案。本发明中使用T_i来表示m_i的预期完成时间。目标设备总希望m_i可以在预期完成时间之前完成，这样可以给目标设备带来较好的收益。本发明中以μ_i表示目标设备对任务m_i的敏感度，并设计出如下的效用函数：

U_i＝μ_i(T_i-t_i)-E_i

(2)基于已经得到的计算卸载模型，本发明采用效用最大化的方法来得到最终的D2D计算卸载策略。本发明采用如下四步方法：

(2.1)假设

即集合

中的每一个设备都充当中继传输部分数据；

(2.2)计算传输耗时

以及用于传输的支出。在实际的计算中，一个合理的计算策略总是希望传输时间远远小于计算时间，即

因此，中继的传输时间总是越小越好。为此，在

计算中，本发明总是贪婪地选择传输时间最小的策略，即，根据

集合中每个设备的传输速率，采用加权平均的方式，使得每个设备的传输时常尽可能均匀。具体来说，每个设备传输的数据量为：

此时，可以计算出

(2.3)基于上述两步的计算，可以进一步得出α_i，具体的计算过程如下：

在上述分段函数中，

当t_E≤t_L时，效用值依赖本地执行时间。此时，

且有

可知，

的大小决定了分析的方向。当

时，α_i不再能约束效益的大小，效益是一个定值；当

时，α_i越大，效益值越大，但是α_i≤1且

当

时，α_i越小，效益值越大，但是α_i≥0。

当t_E＞t_L时，效用值依赖边缘执行时间。此时，

且有

此时，U_i转变为了与α_i关联的单调递减函数，即，α_i越小，效用值越大。

(2.4)记录最大的效用值，以及此时的α_i、

接着，从集合

去掉b_j/(n_j+1)最小的设备，重复上述步骤，直到

中仅剩一个设备。此时，效用值最大的策略就是最终的结果。

步骤6：输出最终的计算卸载策略，包括任务的卸载量、最终选择的用于任务传输的中继设备集合

以及通过每个中继传输的数据量。

实施例

本实例采用了A城市一个智能工厂的基站、边缘服务器、工业互联网设备布局和任务数据进行实验。对于该工厂，有3个基站B＝{b₁，b₂，b₃}，这三个基站每个基站都配备了一个边缘服务器，9个工业互联网D＝{1，2，…，9}设备随机分布在工厂。

首先，基于基站的位置对工业互联网设备进行分类，可以直接和基站通信的工业互联网设备构成可用设备集合D_a＝{1，2，3，4，5，6}，无法直接与基站通信的工业互联网设备构成目标设备集合D_t＝{7，8，9}。

其次，为了使目标设备集合中的设备可以通过D2D通信的方式将任务传输到边缘服务器进行处理，需要为目标设备集合中的每个目标设备构建待选中继设备集合，这里的构建依据主要是两个设备之间的距离。依据dist(i，j)≤l，下表1给出了每个目标设备的待选中继设备集合

这里，l是指目标设备i和可用设备集合中的设备j之间的最大通信距离。

表1

当目标设备执行工业互联网任务时，囿于自身的性能，就需要通过计算卸载，将任务传输到边缘服务器执行。但是目标设备自身无法直接通过基站将任务传输到边缘服务器，就需要利用D2D技术，通过待选中继设备集合中的部分或全部设备来协助任务的传输。以目标设备7为例，当目标设备7接收到任务m₇＝{d₇，h₇}时，目标设备需要依据当前任务信息决定中继设备集合、边缘执行的任务比例以及每个中继设备传输的数据量，且这三个部分的决策是耦合在一起的。

为此，目标设备7首先设置最终的中继设备集合

目标设备7会先以传输时间最小化为目标为

中的每个设备确定传输的数据量。此时，每个设备的传输量为：

进而可以得到传输时间为：

集合

中的设备{1，2，3，4}的单位时间的使用费用依次为

边缘服务器的单位时间使用费用为

依据公式：

可以得到使得效用值U₇最大的参数α₇。其中，μ₇是目标设备7对任务完成时间的敏感度。T₇是目标设备7对于当前任务的预期完成时间。

将中继设备集合

中传输速率最小的设备去除，重新执行上述步骤，直到

目标设备会保留效用值最大时的中继设备集合、边缘执行的任务比例以及每个中继设备传输的数据量，这就是最终的卸载方案。

本发明提供了一种支持工业互联网业务应用的D2D计算卸载方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (9)

1.一种支持工业互联网业务应用的D2D计算卸载方法，其特征在于，包括如下步骤：

步骤1：获取工业互联网环境中的设备分布状况；所述设备包括基站、边缘服务器以及工业互联网设备；

步骤2：根据分布状况对工业互联网设备进行划分，能够直接通过与基站通信获取边缘服务器服务的工业互联网设备构成可用设备集合D_a，其他工业互联网设备构成目标设备集合D_t；目标设备集合中的设备为目标设备；

步骤3：对于一个目标设备i∈D_t，先在可用设备集合D_a中搜索能够与其建立D2D连接的设备，搜索到的设备构成待选中继设备集合

步骤4：获取目标设备i中待计算的任务信息；

步骤5：基于与基站k连接的边缘服务器的计算能力

目标设备i的计算能力

以及任务信息，创建计算卸载模型，并利用基于效用的方法得出最终的计算卸载策略；

步骤6：输出最终的计算卸载策略。

2.根据权利要求1所述的方法，其特征在于，步骤1中，所述基站分布在工业互联网环境中，记为集合B＝{1，2，...N}，本地设备记为集合D＝{1，2，...，M}；每一个基站都会配备一个边缘服务器，工业互联网设备能够通过访问基站来获取边缘服务器的服务。

3.根据权利要求2所述的方法，其特征在于，步骤2中，D_a∩D_t＝D。

4.根据权利要求3中所述的方法，其特征在于，步骤3中，对于任意设备

需要满足dist(i，j)≤l，即这两个设备之间的距离dist(i，j)需要不大于这两个工业互联网设备i和j的最大通信范围l。

5.根据权利要求4中所述的方法，其特征在于，步骤4包括：获取目标设备i中待计算的任务信息m_i＝(d_i，h_i)，其中，d_i表示任务的数据量，h_i表示任务所需的CPU处理周期；同时，目标设备i会获取

中所有设备的信息；对设备j，

目标设备i会获取设备j能够用于传输数据的带宽大小b_j，以及设备j当前正在传输的任务数量n_j。

6.根据权利要求5中所述的方法，其特征在于，步骤5中，所述计算卸载模型包括本地执行模型、边缘执行模型、传输模型和激励模型，具体包括：

本地执行模型：目标设备i中待计算的任务为m_i，任务m_i在本地执行的时间

为

边缘执行模型：目标设备i也可能将任务m_i通过基站k传输到边缘服务器进行处理，此时任务的传输时间

为

传输模型：在m_i传输到基站的过程中需要考虑任务传输带来的时延，如果目标设备能够直接和基站建立连接，传输延迟

为

r_k表示基站k的传输速率；目标设备i处于盲区中，无法直接和基站通信，需要中继设备协助传输任务；

协助目标设备i传输任务的中继设备构成中继设备集合

中继设备j协助目标设备i传输的数据为

得到

根据如下公式计算出目标设备i通过D2D技术，利用中继设备传输数据的延迟

其中，

是中继设备集合

中的所有中继设备传输目标设备i任务m_i所耗费的时间集合，即，

为中继设备j传输任务m_i所耗费的时间；

激励模型：用于传输数据的中继设备j的单位时间价格描述为

边缘服务器的价格描述为

在整个计算卸载过程中，需要为中继设备和边缘服务器支付的费用E_i为：

其中，α_i表示任务m_i被上传到边缘服务器执行的部分所占的比例，α_i∈[0，1]；

计算卸载过程的最终耗时则是本地执行时间和边缘执行时间的最大值t_i，如下式：

以μ_i表示目标设备对任务m_i的敏感度，T_i表示任务m_i的期望完成时间，并设计出效用函数U_i。

7.根据权利要求6所述的方法，其特征在于，步骤5中，所述效用函数U_i如下所示：

U_i＝μ_i(T_i-t_i)-E_i。

8.根据权利要求7所述的方法，其特征在于，步骤5中，所述利用基于效用的方法得出最终的计算卸载策略，具体包括：

步骤5-1，设定

即集合

中的每一个设备都充当中继传输部分数据；

步骤5-2，计算传输耗时

以及用于传输的支出：

每个设备传输的数据量

为：

根据如下公式计算出

步骤5-3，得到效用函数U_i的如下分段函数：

在上述分段函数中，令

t_L表示任务m_i在本地执行的部分所消耗的时间；令

t_E表示任务m_i在边缘服务器执行的部分所消耗的时间；

当t_E≤t_L时，效用值依赖本地执行时间，

且有：

当

时，α_i不再能约束效益的大小，效益是一个定值；

当

时，α_i越大，效益值越大，但是α_i≤1且

当

时，α_i越小，效益值越大，但是α_i≥0；

当t_E＞t_L时，效用值依赖边缘执行时间，此时，

且有：

此时，U_i转变为了与α_i关联的单调递减函数，即，α_i越小，效用值越大；

步骤5-4，记录最大的效用值，以及此时的α_i、

从集合

去掉传输速率最小的设备，即b_j/(n_j+1)的值最小的设备，重复上述步骤，直到

中仅剩一个设备，此时，效用值最大的策略就是最终的计算卸载策略。

9.根据权利要求8所述的方法，其特征在于，步骤6中，所述最终的计算卸载策略包括任务的卸载量、最终选择的用于任务传输的中继设备集合

以及通过每个中继传输的数据量。

Images