CN113056007B - 基于正交频分多址的并行移动边缘计算网络资源分配方法 - Google Patents

Abstract

本发明涉及基于正交频分多址的并行移动边缘计算网络资源分配方法，其包括以下步骤：步骤一：建立一个基于正交频分多址的单MEC服务器、多用户的场景模型；步骤二：建立远端计算模型，在满足传输和时延的约束条件下，通过系统的总能耗数学表达式，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；步骤三：引入简化变量，改变系统的总能耗数学表达式，以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；步骤四：通过使用基于连续松弛和基于罚凹凸算法，分别获得一种使系统总能耗最小的资源分配结果。本发明相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源，实现系统能耗最小化。

Description

基于正交频分多址的并行移动边缘计算网络资源分配方法

技术领域

本发明属于无线通信和边缘计算领域，涉基于正交频分多址的并行移动边缘计算网络资源分配方法。

背景技术

全球移动互联网的持续繁荣推动了各种新型移动应用的出现，如AR、VR、网游等。这些移动应用通常对计算能力和时延有较高要求，这无疑给计算能力和电池容量有限的移动用户带来了巨大的挑战。通过在无线边缘提供计算服务，移动边缘计算被认为是解决上述挑战的理想技术。在边缘计算系统中，移动用户可以将自己的计算任务提交给边缘节点执行，如基站和接入点，然后从边缘节点下载计算结果。通信和计算资源的分配问题对边缘计算系统来说尤为重要，其中前者影响数据传输速率和系统能耗，后者影响任务的计算时延，因而需要发明在保证时延的前提下，能有效降低整个系统能耗的资源分配方案。

已有的关于资源分配方案的研究大多是集中在串行边缘计算系统上，即不同任务的传输和执行操作不能同时执行，这会导致在功率(或时间)约束下需要更多的任务处理时间(或能耗)，一些作者进一步研究了并行边缘计算系统，即它允许一个任务可以在另一任务的传输期间执行，然而他们文章中提出的资源分配方案是基于时分多址技术，由于正交频分多址(OFDMA)是目前4GLTE网络的主流无线接入技术，并可能在未来的无线网络(如5G)中发挥关键作用，因此需要发明基于正交频分多址的并行移动边缘计算网络资源分配方法。

发明内容

本发明的目的是提供在满足时延的前提下，能有效降低系统总能耗的基于正交频分多址的并行移动边缘计算网络资源分配方法。

为实现上述目的，本发明提供如下技术方案：

基于正交频分多址的并行移动边缘计算网络资源分配方法，包括以下步骤：

S1.建立一个基于正交频分多址的单MEC服务器、多用户的场景模型；

S2.建立远端计算模型，在满足传输和时延的约束条件下，通过系统的总能耗数学表达式，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；

S3.引入简化变量，改变系统的总能耗数学表达式，以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；

S4.通过使用基于连续松弛和基于罚凹凸算法，分别获得一种对应的使系统总能耗最小的资源分配结果。

进一步地，所述S1具体包括：

建立的场景模型包括一个边缘节点和K个移动用户，用

表示，其中，边缘节点和移动用户都配备一根天线，并且在边缘节点处配备MEC服务器，用F表示该服务器的CPU频率，假设边缘节点有很强的计算能力，每个用户k需要上传它的计算任务到边缘节点去执行，对于每个计算任务k，用

表示，其中，A_k为用户的任务输入数据量，R_k为用户的任务计算量，C_k为用户的计算结果量。

进一步地，所述S2具体包括以下步骤：

B1.建立远端计算模型，其中，远端计算流程如下：

上传阶段：移动用户k通过上行链路将任务数据上传到边缘节点；

执行阶段：边缘节点处理任务数据；

下载阶段：边缘节点通过下行链路将任务计算结果返回给用户；

移动用户将分配的任务数据上传到边缘节点的上传速率为：

其中，

是子信道分配指标，

为每一个上行子信道带宽，

为用户k在子信道n上的传输功率，

为用户k在子信道n上的信道功率增益，σ²代表白噪声功率；

B2.得出用户k通过上行链路将计算任务数据上传到边缘节点的能源消耗为：

其中，

表示用户k在子信道n上上传的数据位数，

表示上传阶段的持续时间，f(x,B)＝σ²(2^x/B-1)；

同理，边缘节点通过下行链路将任务计算结果返回给用户k的能源消耗为：

其中，c_k,n表示用户k在子信道n上下载的计算结果位数；

此外，边缘节点的计算能耗表示为:

ρ是与MEC服务器的硬件架构有关的常数；

B3.得出系统的总能耗

B4.在满足传输和时延的约束条件下，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型：

s.t.C1:

C2:

C3:

C4:

C5:

C6:

C7:

C8:

C9：

其中，约束C1说明

是一个二元变量，约束C2表明每个子信道最多只能被一个用户使用，C3表示用户上传和下载阶段的时延约束条件，D_k表示用户的时延要求，C4和C5反映用户计算任务传输和执行的并行操作，C6确保用户远端计算的总时延不超过它的最大时延，C7确保卸载的计算任务能够在边缘节点上成功执行，C8和C9是分配的输入数据位数和计算结果位数的约束条件。

进一步地，所述S3具体包括：

引入一个简化变量

得到该变量与无线资源分配变量和计算资源分配变量的如下关系：

将上式进行转化，得到如下简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型：

s.t.C1—C9，

C10:

C11：

其中，

进一步地，所述S4具体包括以下步骤：

D1.将上述的优化问题拆分为P1和P2两个子问题，P1用于获得上传、执行和下载阶段开始时间的分配方案，P2用于获得上下行子信道、数据位数和时间的分配方案；

D2.通过使用基于连续松弛和基于罚凹凸算法，分别获得一种对应的使系统总能耗最小的资源分配结果。

进一步地，所述D2中基于连续松弛算法，获得使系统总能耗最小的资源分配结果的具体内容如下：

将二元整数变量

进行连续化处理，则约束条件C1可写为：

C12:

通过计算P1，可得到

通过上式的转化，可得到经连续化处理后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P3：

s.t.C2,C3,C8—C12，

C13:

使用内点法求得最优资源分配结果，用

表示，由于得到的

和x′_k,n不是二元整数，该最优资源分配结果并非P2的资源分配结果，具体做法是：对于

E1.令

有

其余均为0；

E2.对于给出的

和

再次使用内点法以调整所有变量值，获得使系统总能耗最小的资源分配结果。

进一步地，所述D2中基于罚凹凸算法，获得使系统总能耗最小的资源分配结果的具体内容如下：

约束条件C1的另一种数学表达形式可写为C12和如下的表达式：

C14:

通过上式的转化，可得到等价转化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P4：

s.t.C2，C3,C8—C14，

对数学模型P4引入松弛变量

可得到松弛后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P5：

s.t.C2，C3,C8—C13，

C15:

存在一个λ_max＞0，当满足λ＞λ_max时该该松弛后的数学模型P5与P4等价，通过罚凹凸法求解模型P5来代替P4。将约束条件C15做线性化处理，用i＝0,1,2,…表示罚凹凸法迭代的次数，在第i+1次迭代时如下的线性化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P6被求得最优解：

s.t.C2，C3,C8—C13，

C16:

初始化参数

λ⁽⁰⁾,λ_max,η＞1和迭代次数i＝0，重复以下步骤：

F1.内点法求解P6；

F2.更新参数λ⁽ⁱ⁺¹⁾＝{ηλ⁽ⁱ⁾,λ_max}及i＝i+1，当P6收敛时，迭代停止，获得使系统总能耗最小的资源分配结果。

通过上述技术方案的实施，本发明的有益效果是：

本发明提出的基于正交频分多址的并行移动边缘计算网络资源分配方法，考虑到不同计算任务传输和执行的并行操作，相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源，减少用户的等待时间，从而降低移动边缘计算系统的时延，且保证在传输和时延的约束条件下，对上传、执行和下载阶段开始时间，上下行子信道，数据位数及时间等参数进行联合优化设计，实现系统能耗最小化。

附图说明

图1为本发明提供的基于基于正交频分多址的并行移动边缘计算网络资源分配方法的流程示意图；

图2为本发明中系统总能耗与时延之间的关系图；

图3为本发明中系统总能耗与子信道数之间的关系图；

图4为本发明中系统总能耗与用户数之间的关系图。

具体实施方式

以下将结合附图和具体实施例对本发明进行详细说明：

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1-4所示，所述的基于正交频分多址的并行移动边缘计算网络资源分配方法，包括以下步骤：

S1.建立一个基于正交频分多址的单MEC服务器、多用户的场景模型；

S2.建立远端计算模型，在满足传输和时延的约束条件下，通过系统的总能耗数学表达式，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；

S3.引入简化变量，改变系统的总能耗数学表达式，以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；

S4.通过使用基于连续松弛和基于罚凹凸算法，分别获得一种对应的使系统总能耗最小的资源分配结果。

S1中一个基于正交频分多址的单MEC服务器、多用户的场景模型包括一个边缘节点和K个移动用户，用

表示。其中，边缘节点和移动用户都配备一根天线，并且在边缘节点处配备MEC服务器，用F表示该服务器的CPU频率。假设边缘节点有很强的计算能力，每个用户k需要上传它的计算任务到边缘节点去执行，对于每个计算任务k，用

表示，其中，A_k为用户的任务输入数据量，R_k为用户的任务计算量，C_k为用户的计算结果量。

S2中建立远端计算模型，在满足传输和时延的约束条件下，通过系统的总能耗数学表达式，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型，其内容包括以下步骤：

B1.建立远端计算模型，其中，典型的远端计算流程如下：

上传阶段：移动用户k通过上行链路将任务数据上传到边缘节点；

执行阶段：边缘节点处理任务数据；

下载阶段：边缘节点通过下行链路将任务计算结果返回给用户。

移动用户将分配的任务数据上传到边缘节点的上传速率为：

其中，

是子信道分配指标，

为每一个上行子信道带宽，

为用户k在子信道n上的传输功率，

为用户k在子信道n上的信道功率增益，σ²代表白噪声功率。

B2.得出用户k通过上行链路将计算任务数据上传到边缘节点的能源消耗为：

其中，

表示用户k在子信道n上上传的数据位数，

表示上传阶段的持续时间，f(x,B)＝σ²(2^x/B-1)。

同理，边缘节点通过下行链路将任务计算结果返回给用户k的能源消耗为：

其中，c_k,n表示用户k在子信道n上下载的计算结果位数。

此外，边缘节点的计算能耗可表示为:

ρ是与MEC服务器的硬件架构有关的常数。

B3.得出系统的总能耗

B4.在满足传输和时延的约束条件下，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型：

s.t.C1:

C2:

C3:

C4:

C5:

C6:

C7:

C8:

C9：

其中，约束C1说明

是一个二元变量，约束C2表明每个子信道最多只能被一个用户使用，C3表示用户上传和下载阶段的时延约束条件，D_k表示用户的时延要求，C4和C5反映用户计算任务传输和执行的并行操作，C6确保用户远端计算的总时延不超过它的最大时延，C7确保卸载的计算任务能够在边缘节点上成功执行，C8和C9是分配的输入数据位数和计算结果位数的约束条件。

S3中引入一个简化变量

得到该变量与无线资源分配变量和计算资源分配变量的如下关系：

将上式进行转化，得到如下简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型：

s.t.C1—C9，

C10:

C11：

S4中通过使用基于连续松弛和基于罚凹凸算法，分别获得一种对应的使系统总能耗最小的资源分配结果，具体包括以下步骤：

D1.将上述的优化问题拆分为P1和P2两个子问题，P1用于获得上传、执行和下载阶段开始时间的分配方案，P2用于获得上下行子信道、数据位数和时间的分配方案；

D2.通过使用基于连续松弛和基于罚凹凸算法，分别获得一种对应的使系统总能耗最小的资源分配结果。

D2中基于连续松弛算法，获得使系统总能耗最小的资源分配结果的具体内容如下：

将二元整数变量

进行连续化处理，则约束条件C1可写为：

C12:

通过计算P1，可得到

通过上式的转化，可得到经连续化处理后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P3：

s.t.C2,C3,C8—C12，

C13:

该资源分配方案优化问题的数学模型是一个很经典的凸问题，用内点法可求得最优资源分配结果，用

表示，由于得到的

和x′_k，n不是二元整数，该最优资源分配结果并非P2的资源分配结果，具体做法是：对于

E1.令

有

其余均为0；

E2.对于给出的

和x'_k,n，再次使用内点法以调整所有变量值，获得使系统总能耗最小的资源分配结果。

D2中基于罚凹凸算法，获得使系统总能耗最小的资源分配结果的具体内容如下：

约束条件C1的另一种数学表达形式可写为C12和如下的表达式：

C14:

通过上式的转化，可得到等价转化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P4：

s.t.C2，C3,C8—C14，

该资源分配方案优化问题的数学模型是一个凸差分问题，为了使用罚凹凸法求解该数学模型，引入松弛变量

可得到松弛后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P5：

s.t.C2，C3,C8—C13，

C15:

存在一个λ_max＞0，当满足λ＞λ_max时该该松弛后的数学模型P5与P4等价，通过罚凹凸法求解模型P5来代替P4。将约束条件C15做线性化处理，用i＝0,1,2,…表示罚凹凸法迭代的次数，在第i+1次迭代时如下的线性化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P6被求得最优解：

s.t.C2，C3,C8—C13，

C16:

初始化参数

λ⁽⁰⁾,λ_max,η＞1和迭代次数i＝0，重复以下步骤：

F1.内点法求解P6；

F2.更新参数λ⁽ⁱ⁺¹⁾＝{ηλ⁽ⁱ⁾,λ_max}及i＝i+1，当P6收敛时，迭代停止，获得使系统总能耗最小的资源分配结果。

如图2、3、4所示，本发明给出了系统总能耗与时延、子信道数、用户数的关系。从三个图中可以看出，我们提出的算法(算法1和算法2)的性能是接近最优性能，并且优于现有的资源分配方案(基线1：将子信道分配给有最大信道功率增益的用户、基线2：将子信道随机分配给用户)。随着D和N的增加，所有方案的能耗都会减少，这是因为在无线边缘有更多的通信资源可用，此外，我们还看到能耗随着K的增加而增加，这是因为有更多的用户竞争资源。

本发明提出的基于正交频分多址的并行移动边缘计算网络资源分配方法，考虑到不同计算任务传输和执行的并行操作，相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源，减少用户的等待时间，从而降低移动边缘计算系统的时延，且保证在传输和时延的约束条件下，对上传、执行和下载阶段开始时间，上下行子信道，数据位数及时间等参数进行联合优化设计，实现系统能耗最小化。

以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (5)

1.基于正交频分多址的并行移动边缘计算网络资源分配方法，其特征在于：包括以下步骤：

S1.建立一个基于正交频分多址的单MEC服务器、多用户的场景模型；

S2.建立远端计算模型，在满足传输和时延的约束条件下，通过系统的总能耗数学表达式，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；

S3.引入简化变量，改变系统的总能耗数学表达式，以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；

S4.通过使用基于连续松弛和基于罚凹凸算法，分别获得一种对应的使系统总能耗最小的资源分配结果；

所述S2具体包括以下步骤：

B1.建立远端计算模型，其中，远端计算流程如下：

上传阶段：移动用户k通过上行链路将任务数据上传到边缘节点；

执行阶段：边缘节点处理任务数据；

下载阶段：边缘节点通过下行链路将任务计算结果返回给用户；

移动用户将分配的任务数据上传到边缘节点的上传速率为：

其中，

是子信道分配指标，

为每一个上行子信道带宽，

为用户k在子信道n上的传输功率，

为用户k在子信道n上的信道功率增益，σ²代表白噪声功率；

B2.得出用户k通过上行链路将计算任务数据上传到边缘节点的能源消耗为：

其中，

表示用户k在子信道n上上传的数据位数，

表示上传阶段的持续时间，f(x,B)＝σ²(2^x/B-1)；

同理，边缘节点通过下行链路将任务计算结果返回给用户k的能源消耗为：

其中，c_k,n表示用户k在子信道n上下载的计算结果位数；

此外，边缘节点的计算能耗表示为:

ρ是与MEC服务器的硬件架构有关的常数；

B3.得出系统的总能耗

B4.在满足传输和时延的约束条件下，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型：

s.t.

C2:

C3:

C4:

C5:

C6:

C7:

C8:

C9：

其中，约束C1说明

是一个二元变量，约束C2表明每个子信道最多只能被一个用户使用，C3表示用户上传和下载阶段的时延约束条件，D_k表示用户的时延要求，C4和C5反映用户计算任务传输和执行的并行操作，C6确保用户远端计算的总时延不超过它的最大时延，C7确保卸载的计算任务能够在边缘节点上成功执行，C8和C9是分配的输入数据位数和计算结果位数的约束条件；

所述S3具体包括：

引入一个简化变量

得到该变量与无线资源分配变量和计算资源分配变量的如下关系：

将上式进行转化，得到如下简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型：

s.t.C1—C9，

C10:

C11：

其中，

2.根据权利要求1所述的基于正交频分多址的并行移动边缘计算网络资源分配方法，其特征在于,所述S1具体包括：建立的场景模型包括一个边缘节点和K个移动用户，用

表示，其中，边缘节点和移动用户都配备一根天线，并且在边缘节点处配备MEC服务器，用F表示该服务器的CPU频率，假设边缘节点有很强的计算能力，每个用户k需要上传它的计算任务到边缘节点去执行，对于每个计算任务k，用

表示，其中，A_k为用户的任务输入数据量，R_k为用户的任务计算量，C_k为用户的计算结果量。

3.根据权利要求1所述的基于正交频分多址的并行移动边缘计算网络资源分配方法，其特征在于，所述S4具体包括以下步骤：

D1.将上述的优化问题拆分为P1和P2两个子问题，P1用于获得上传、执行和下载阶段开始时间的分配方案，P2用于获得上下行子信道、数据位数和时间的分配方案；

D2.通过使用基于连续松弛和基于罚凹凸算法，分别获得一种对应的使系统总能耗最小的资源分配结果。

4.根据权利要求3所述的基于正交频分多址的并行移动边缘计算网络资源分配方法，其特征在于，所述D2中基于连续松弛算法，获得使系统总能耗最小的资源分配结果的具体内容如下：将二元整数变量

进行连续化处理，则约束条件C1可写为：

通过计算P1，可得到

通过上式的转化，可得到经连续化处理后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P3：

s.t.C2,C3,C8—C12，

C13:

使用内点法求得最优资源分配结果，用

表示，由于得到的

和x'_k,n不是二元整数，该最优资源分配结果并非P2的资源分配结果，具体做法是：对于

E1.令

有

其余均为0；

E2.对于给出的

和x'_k,n，再次使用内点法以调整所有变量值，获得使系统总能耗最小的资源分配结果。

5.根据权利要求3所述的基于正交频分多址的并行移动边缘计算网络资源分配方法，其特征在于，所述D2中基于罚凹凸算法，获得使系统总能耗最小的资源分配结果的具体内容如下：

约束条件C1的另一种数学表达形式可写为C12和如下的表达式：

C14:

通过上式的转化，可得到等价转化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P4：

s.t.C2，C3,C8—C14，

对数学模型P4引入松弛变量

得到松弛后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P5：

s.t.C2，C3,C8—C13，

C15:

存在一个λ_max＞0，当满足λ＞λ_max时该该松弛后的数学模型P5与P4等价，通过罚凹凸法求解模型P5来代替P4，将约束条件C15做线性化处理，用i＝0,1,2,…表示罚凹凸法迭代的次数，在第i+1次迭代时如下的线性化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P6被求得最优解：

s.t.C2，C3,C8—C13，

C16:

初始化参数

λ⁽⁰⁾,λ_max,η＞1和迭代次数i＝0，重复以下步骤：

F1.内点法求解P6；

F2.更新参数λ⁽ⁱ⁺¹⁾＝{ηλ⁽ⁱ⁾,λ_max}及i＝i+1，当P6收敛时，迭代停止，获得使系统总能耗最小的资源分配结果。

Images