CN113326122B - 无线分布式计算系统及资源分配方法 - Google Patents
无线分布式计算系统及资源分配方法 Download PDFInfo
- Publication number
- CN113326122B CN113326122B CN202110231507.8A CN202110231507A CN113326122B CN 113326122 B CN113326122 B CN 113326122B CN 202110231507 A CN202110231507 A CN 202110231507A CN 113326122 B CN113326122 B CN 113326122B
- Authority
- CN
- China
- Prior art keywords
- computing
- node
- communication
- nodes
- power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013468 resource allocation Methods 0.000 title claims abstract description 13
- 230000006854 communication Effects 0.000 claims abstract description 104
- 238000004891 communication Methods 0.000 claims abstract description 101
- 238000004364 calculation method Methods 0.000 claims description 68
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000005457 optimization Methods 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 238000013480 data collection Methods 0.000 abstract description 2
- 238000010295 mobile communication Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种无线分布式计算系统及资源分配方法,适用于移动通信技术领域。系统包括多个主节点以及计算节点,主节点分发计算任务并收集计算结果,计算节点执行计算任务并反馈计算结果,主节点与计算节点之间通过无线信道连接;资源分配方法包括计算节点调度方法以及计算节点的功率分配方法;主节点根据各计算节点的信道信息,挑选为其执行计算任务的计算节点;计算节点根据信道信息及其计算能力,分配计算功率以及通信功率,最大化系统的计算速率。本发明利用大量小型设备完成数据收集和联合处理工作,避免对大量专用计算硬件的需求;资源分配方法可以有效利用受限的功率,实现计算能力的最大化。
Description
技术领域
本发明涉及一种无线通信技术,尤其涉及一种无线分布式计算系统中资源分配方法,属于移动通信技术领域。
背景技术
群计算在分布式传感器和分布式计算平台引起了广泛的关注,其利用大量无线设备完成数据收集和联合处理工作,从而避免系统对大量专用计算硬件的需求。利用计算任务的可拆分性,将复杂的计算任务分解为多个可并行计算的子任务,通过无线通信的方式分发到不同的计算节点,每个计算节点完成一个子计算任务,再将计算结果传输到主节点进行合并,构成了无线分布式计算系统。
在无线分布式计算系统中,每个计算节点只是一个普通的移动终端,例如手持设备、笔记本电脑等,其CPU计算能力以及供电(如电池)都较为有限。因而,如何合理分配计算节点以及每个计算节点如何有效分配其功率将影响整个无线分布式计算系统的总计算能力。尽管有研究关注无线分布式计算系统中的通信方面,少有工作同时考虑通信和计算的能耗问题。另外,在考虑通信传输速率方面,大部分工作仅利用香农公式计算单链路传输速率,并没有考虑多个计算节点同时通信,相互干扰的影响。用户间干扰将会严重影响系统的通信速率,增加通信功率开销,降低整个无线分布式计算系统的计算能力。
发明内容
发明目的:针对上述技术的不足之处,提供一种无线分布式计算系统及其资源分配方法,充分利用有限功率资源,尽可能实现更高的计算速率与通信速率,最大程度完成计算任务。
技术方案:为实现上述发明目的,本发明的无线分布式计算系统,包括通过无线信道相互连接的多个主节点和多个计算节点,主节点将复杂的计算任务分解为多个可并行计算的子任务,向多个计算节点分发子任务并收集计算结果,计算节点执行计算任务并反馈计算结果;主节点包括计算任务拆分与结果合并模块、计算节点调度模块以及通信模块,计算任务拆分与结果合并模块将计算任务分解为多个可并行计算的子任务,将计算任务数据通过通信模块传输到各个计算节点,并将各个计算节点的计算结果合并,获得原计算任务的结果;
单个主节点可以同时与多个计算节点通信,多个计算节点同时执行一个主节点的计算任务,而每个计算节点在任意时刻仅执行一个主节点的计算任务,在执行计算任务过程中,计算节点之间互不通信;
每个主节点调度模块根据信道信息挑选为其执行计算任务的计算节点,并将不同的计算子任务分配给不同计算节点,通信模块根据计算节点调度信息与挑选的计算节点通信,将计算任务数据发送给对应的计算节点,并接收计算节点的计算结果数据,传输到计算任务拆分与结果合并模块。
进一步,主节点包括计算任务拆分与结果合并模块、计算节点调度模块以及通信模块;计算任务拆分与结果合并模块将计算任务拆分为可以并行计算的子任务,并且将各子任务的计算结果合并为原计算任务的结果。
进一步,每个计算节点包括相互连接的计算模块、通信模块、以及功率控制模块;计算模块用以执行计算任务,通信模块用以与主节点进行无线通信,计算模块与通信模块相连接,通信模块将接收到的数据传输到计算模块进行计算,计算模块将计算结果输入到通信模块,利用通信模块发送给主节点,计算模块和通信模块都与功率控制模块相连接,功率控制模块根据计算模块的计算能力以及信道信息,分配计算功率以及通信功率。
一种无线分布式计算系统的资源分配方法,具体包括计算节点调度方法以及计算节点的功率分配方法;计算节点调度方法为主节点根据其与计算节点之间的信道信息,挑选部分计算节点,将计算任务分解为多个可并行计算的子任务,每个计算节点执行一个子任务,最大化无线分布式计算系统的通信速率;计算节点的功率分配方法为计算节点根据自身计算能力以及信道信息,在总功率受限的情况下,分配各自的计算功率以及通信功率,最大化计算速率。
具体步骤如下:
1)所有空闲计算节点主动广播探测信号,用于供主节点获取计算节点的信道信息;
2)主节点记录并收集所有获取的空闲计算节点的探测信号中的信道信息,将所有空闲计算节点信道信息以集合的方式记录,并标注各个计算节点到主节点的信道信息;
3)主节点根据各个计算节点的信道信息,在考虑不同计算节点之间通信干扰的情况下,挑选为自身执行计算任务的计算节点,并估计无线通信的传输速率,挑选计算节点在功率有限情况下、尽可能降低计算节点之间的干扰的同时最大化整个无线分布式计算系统的通信速率之和;
4)计算节点根据信道信息与自身计算能力,分配计算功率和通信功率,利用计算功率执行计算任务,并将计算结果传输到主节点,其中各个计算节点执行的计算任务并行执行,计算节点之间无需通信,每个计算节点在计算结束后将结果反馈到主节点进行合并;
5)主节点收集所有计算节点的计算结果,合并获得最终计算结果。
进一步,所述计算节点调度方法,主节点利用各计算节点到主节点的信道信息估计无线通信传输速率,在每个计算节点只服务单个主节点的约束下,最大化整个无线分布式计算系统的通信速率,该优化问题是一个非凸的0-1规划问题,将无线通信传输速率中的非凸部分利用线性函数进行近似,并将0-1规划放松为0到1区间约束,通过迭代求解凸优化问题,获得节点调度的结果;
具体如下:
在计算任务调度中,为了表示第n个计算节点是否在集合πj中,定义一个调度矩阵X∈NA×NC,调度矩阵元素为0或者1,调度矩阵元素为1(Xjn=1)表示第n个计算节点在集合πj中,否则不在集合中;为进一步降低计算复杂度,利用通信速率的近似值衡量通信速率,近似通信速率可以表达为
因而,计算任务调度建模为:
s.t.XT1=1
Xjn∈{0,1}
上述优化问题是0-1优化,利用穷举搜索可以获得原问题的最优解,但复杂度随着节点个数指数增长,改进后将约束条件Xjn∈{0,1}放松为0≤Xjn≤1。令
通过迭代求解如下凸优化问题获得原问题的局部最优解如下:
进一步,所述计算节点的功率分配方法,计算节点的功率分配模块根据信道信息及其计算能力,在总功率约束以及计算结果速率不超过通信速率的条件下,分配计算以及通信的功率,最大化整个无线分布式计算系统的计算速率;
具体的,从计算节点到主节点的通信过程:
以第j个主节点的接收为例,令πj表示为第j个主节点执行计算任务并与其通信的计算节点集合,xi∈MC×1(i∈πj)为第i个计算节点的发送信号,其协方差矩阵为则发送信号的功率为Pcm,i=tr(Qi),第j个主节点的接收信号为
其中,Hj,i∈MA×MC为第i个计算节点到第j个主节点的信道矩阵,nj∈MA×1为零均值单位方差的高斯噪声。主节点在恢复第i个计算节点信号的时候,将其他计算节点的信号视为等效高斯噪声,因而,第i个计算节点的速率为
其中,E表示对于信道矩阵Hj,i′进行期望运算。则整个无线分布式计算系统的和速率为
在无线分布式计算系统中,主节点根据各个计算节点到主节点的信道信息挑选为其执行计算任务的计算节点;每个计算节点根据其计算能力以及信道信息分配计算功率以及通信功率。
进一步,所述计算节点的功率分配方法,在最大化计算速率的优化问题中,计算结果速率不超过通信速率的约束条件是非凸的,将通信速率中的非凸部分利用线性函数进行近似,得到通信速率的下界,通过迭代求解计算结果速率不超过通信速率下界的约束下,得到功率分配的结果:
具体计算与通信功率分配方法:
当第j个主节点挑选Sj个计算节点与其通信,以第j个主节点与相应的Sj个计算节点进行说明,考虑每个计算节点的功率分配,即在总功率约束条件下,分配计算功率以及通信功率,最大化总计算速率,建模为:
Rn≥0,Qn±0
当信道矩阵Hj,i的元素相互独立时,最优协方差矩阵Qi为对角阵,令qi=diag{Qi}表示不同天线上的发送功率,表示信道耦合矩阵,其第m行为ωj,i,m,则上述问题可以表示为:
Rn≥0,qn±0
将第一个非凸约束条件中的凹函数部分利用线性近似,通过迭代求解如下凸优化问题,获得原问题的局部最优解:
Rn≥0,qn±0。
有益效果:与现有技术相比,本发明具有如下有益效果:
1)本发明将多个主节点与多个计算节点构成无线分布式计算系统,充分利用计算节点的计算能力,大幅提高整个系统的计算能力。
2.)本发明中主节点根据信道信息挑选执行计算任务的计算节点,有效降低计算节点通信部分的功率开销,提升计算节点的计算速率,同时降低主节点接收信号处理的复杂度。
3.本发明中各个计算节点根据计算能力以及信道信息,分配计算功率和通信功率,在功率有限的情况下,最大化计算节点的计算速率,提升整个计算系统的计算能力。
附图说明
图1为本发明无线分布式计算系统结构示意图;
图2为本发明的主节点模块示意图;
图3为本发明的计算节点模块示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
如图1所示,本发明的无线分布式计算系统,包含多个主节点以及计算节点,主节点需要执行复杂的计算任务,为了避免对大量专用计算硬件的需求,将复杂的计算任务分解为多个可并行计算的子任务,利用多个计算节点完成不同的子任务,从而实现复杂计算任务的分布式计算;其中主节点负责管理调度无线资源、分配计算任务,计算节点执行各自分配的计算任务。无线分布式计算过程包括:1)主节点将计算任务分解为多个可并行计算的子任务,将计算子任务通过无线信道分配给不同的计算节点;2)每个计算节点根据计算能力以及信道信息,分配计算功率以及通信功率,执行计算任务,并将计算结果通过无线信道传输到主节点;3)主节点综合所有计算节点的计算结果,生成最终计算结果,完成计算任务。
在无线分布式计算系统中,主节点包括计算任务拆分与结果合并模块、计算节点调度模块以及通信模块,如图2所示。计算任务拆分与结果合并模块将计算任务分解为多个可并行计算的子任务,将计算任务数据通过通信模块传输到各个计算节点,并将各个计算节点的计算结果合并,获得原计算任务的结果。计算节点调度模块根据信道信息挑选为其执行计算任务的计算节点,并将不同的计算子任务分配给不同计算节点。通信模块根据计算节点调度信息与挑选的计算节点通信,将计算任务数据发送给对应的计算节点,并接收计算节点的计算结果数据,传输到计算任务拆分与结果合并模块。
如图3所示,每个计算节点包括计算模块、通信模块、以及功率控制模块。计算模块用以执行计算任务,通信模块用以与主节点进行无线通信。计算模块与通信模块相连接,通信模块将接收到的数据传输到计算模块进行计算,计算模块将计算结果输入到通信模块,利用通信模块发送给主节点。计算模块和通信模块都与功率控制模块相连接,功率控制模块根据计算模块的计算能力以及信道信息,分配计算功率以及通信功率。
计算模块利用低功耗的CMOS器件,其功率消耗包括静态功率消耗以及动态功率消耗。静态功率消耗主要是由于漏电流引起的,当器件的漏电流为I0、电压为V时,静态功率消耗为:
P0=VI0 (1)
CMOS的动态功率消耗包括瞬态功率消耗以及负载功率消耗,瞬态功率消耗是由于逻辑状态切换时IC电路内部的电容充放电引起的,负载功率消耗还包括外部电容负载消耗。当总电容负载为C,切换频率为ν时,动态功率消耗为:
Pd=CV2ν (2)
一般情况下,处理器时钟速率与电压之间的关系可以建模为:
其中,b为固定系数,Vth为门限电压,α为常数。当α=2,电压V远大于门限电压Vth时,上述关系可以近似为线性关系。因而,计算功率消耗为:
Pcp=Pd+P0=α3ν3+α2ν2+α1ν+α0 (4)
其中,α3,α2,α1,α0为经验系数,与处理器型号和处理任务有关。对于每个计算节点,计算速率与处理器频率ν有关,即:
Rcp=ην (5)
其中,η为转换因子。
通信过程中主节点和计算节点均配置多天线。考虑无线分布式计算系统中包含NA个主节点,每个主节点配置MA根天线,以及NC个计算节点,每个计算节点配置NC根天线。由于无线通信中发送消耗的功率远大于接收,因而考虑从计算节点到主节点的通信过程。
以第j个主节点的接收为例,令πj表示为第j个主节点执行计算任务并与其通信的计算节点集合,xi∈MC×1(i∈πj)为第i个计算节点的发送信号,其协方差矩阵为Qi=E{(xixi H)},则发送信号的功率为Pcm,i=tr(Qi),第j个主节点的接收信号为:
其中,Hj,i∈MA×MC为第i个计算节点到第j个主节点的信道矩阵,nj∈MA×1为零均值单位方差的高斯噪声。主节点在恢复第i个计算节点信号的时候,将其他计算节点的信号视为等效高斯噪声,因而,第i个计算节点的速率为:
其中,E表示对于信道矩阵Hj,i′进行期望运算。则整个无线分布式计算系统的和速率为:
在无线分布式计算系统中,主节点根据各个计算节点到主节点的信道信息挑选为其执行计算任务的计算节点;每个计算节点根据其计算能力以及信道信息分配计算功率以及通信功率。
考虑计算任务调度以及计算节点的功率分配,满足:
(a)每个计算节点仅服务单个主节点;
(b)每个计算节点的功率限制为P0;
(c)计算节点的计算速率不超过通信速率,保证其计算结果可以及时传输。
为简化符号,令Rn表示第n个计算节点的计算速率;Pn表示第n个计算节点的通信功率。根据上述计算模块以及通信模块的分析,利用式以及可以分别计算执行计算任务的功率消耗以及通信速率。因而,最大化整个无线分布式计算系统和速率的优化问题可以表达为:
(2)计算任务调度方法
在计算任务调度中,为了表示第n个计算节点是否在集合πj中,定义一个调度矩阵X∈NA×NC,其矩阵元素为0或者1,矩阵元素为1(Xjn=1)表示第n个计算节点在集合πj中,否则不在集合中。为进一步降低计算复杂度,利用通信速率的近似值衡量通信速率,近似通信速率可以表达为:
因而,计算任务调度问题可以建模为:
上述优化问题是0-1优化,利用穷举搜索可以获得原问题的最优解,但复杂度随着节点个数指数增长。本发明公开了一种计算任务调度方法,将约束条件Xjn∈{0,1}放松为0≤Xjn≤1。令,
通过迭代求解如下凸优化问题获得原问题的局部最优解:
计算任务调度方法如下:
1)初始化X(i),R(0)=0,i=0;
2)根据式计算φ(X);
3)求解凸优化问题,获得第i+1次结果X(i+1);
4)计算和速率的近似值更新i=i+1;
5)如果返回步骤2);
6)结束迭代,输出计算任务分配矩阵X。
(3)计算与通信功率分配方法
利用上述计算任务调度方法,第j个主节点挑选Sj个计算节点与其通信。以第j个主节点与相应的Sj个计算节点为例,考虑每个计算节点的功率分配,即在总功率约束条件下,分配计算功率以及通信功率,最大化总计算速率。该优化问题可以建模为:
当信道矩阵Hj,i的元素相互独立时,最优协方差矩阵Qi为对角阵。令qi=diag{Qi}表示不同天线上的发送功率,表示信道耦合矩阵,其第m行为ωj,i,m,则上述问题可以表示为:
为求解上述优化问题,将第一个非凸约束条件中的凹函数部分利用线性近似,通过迭代求解如下凸优化问题,获得原问题的局部最优解:
因而,计算节点的功率分配方法如下:
1)初始化j=1;
2)初始化总计算速率为/>设置u=0;
3)求解凸优化问题,获得功率分配结果
4)计算和速率更新u=u+1;
5)如果|R(u)-R(u-1)|>ò,返回步骤3);
6)更新j=j+1,如果j≤NA,返回步骤2);
7)迭代结束,输出结果,功率分配为qn,计算速率为Rn。
Claims (8)
1.一种无线分布式计算系统,其特征在于:它包括通过无线信道相互连接的多个主节点和多个计算节点,主节点将复杂的计算任务分解为多个可并行计算的子任务,向多个计算节点分发子任务并收集计算结果,计算节点执行计算任务并反馈计算结果;主节点包括计算任务拆分与结果合并模块、计算节点调度模块以及通信模块,计算任务拆分与结果合并模块将计算任务分解为多个可并行计算的子任务,将计算任务数据通过通信模块传输到各个计算节点,并将各个计算节点的计算结果合并,获得原计算任务的结果;
单个主节点同时与多个计算节点通信,多个计算节点同时执行一个主节点的计算任务,而每个计算节点在任意时刻仅执行一个主节点的计算任务,在执行计算任务过程中,计算节点之间互不通信;
每个主节点调度模块根据信道信息挑选为其执行计算任务的计算节点,并将不同的计算子任务分配给不同计算节点,通信模块根据计算节点调度信息与挑选的计算节点通信,将计算任务数据发送给对应的计算节点,并接收计算节点的计算结果数据,传输到计算任务拆分与结果合并模块。
2.根据权利要求1所述的无线分布式计算系统,其特征在于:主节点包括计算任务拆分与结果合并模块、计算节点调度模块以及通信模块;计算任务拆分与结果合并模块将计算任务拆分为并行计算的子任务,并且将各子任务的计算结果合并为原计算任务的结果。
3.根据权利要求1所述的无线分布式计算系统,其特征在于:每个计算节点包括相互连接的计算模块、通信模块、以及功率控制模块;计算模块用以执行计算任务,通信模块用以与主节点进行无线通信,计算模块与通信模块相连接,通信模块将接收到的数据传输到计算模块进行计算,计算模块将计算结果输入到通信模块,利用通信模块发送给主节点,计算模块和通信模块都与功率控制模块相连接,功率控制模块根据计算模块的计算能力以及信道信息,分配计算功率以及通信功率。
4.一种使用权利要求1所述的无线分布式计算系统的资源分配方法,其特征在于:具体包括计算节点调度方法以及计算节点的功率分配方法;计算节点调度方法为主节点根据其与计算节点之间的信道信息,挑选部分计算节点,将计算任务分解为多个可并行计算的子任务,每个计算节点执行一个子任务,最大化无线分布式计算系统的通信速率;计算节点的功率分配方法为计算节点根据自身计算能力以及信道信息,在总功率受限的情况下,分配各自的计算功率以及通信功率,最大化计算速率。
5.根据权利要求4所述的资源分配方法,其特征在于具体步骤如下:
1)所有空闲计算节点主动广播探测信号,用于供主节点获取计算节点的信道信息;
2)主节点记录并收集所有获取的空闲计算节点的探测信号中的信道信息,将所有空闲计算节点信道信息以集合的方式记录,并标注各个计算节点到主节点的信道信息;
3)主节点根据各个计算节点的信道信息,在考虑不同计算节点之间通信干扰的情况下,挑选为自身执行计算任务的计算节点,并估计无线通信的传输速率,挑选计算节点在功率有限情况下、尽可能降低计算节点之间的干扰的同时最大化整个无线分布式计算系统的通信速率之和;
4)计算节点根据信道信息与自身计算能力,分配计算功率和通信功率,利用计算功率执行计算任务,并将计算结果传输到主节点,其中各个计算节点执行的计算任务并行执行,计算节点之间无需通信,每个计算节点在计算结束后将结果反馈到主节点进行合并;
5)主节点收集所有计算节点的计算结果,合并获得最终计算结果。
6.根据权利要求4所述的资源分配方法,其特征在于:所述计算节点调度方法,主节点利用各计算节点到主节点的信道信息估计无线通信传输速率,在每个计算节点只服务单个主节点的约束下,最大化整个无线分布式计算系统的通信速率,优化问题是一个非凸的0-1规划问题,将无线通信传输速率中的非凸部分利用线性函数进行近似,并将0-1规划放松为0到1区间约束,通过迭代求解凸优化问题,获得节点调度的结果;
具体如下:
在计算任务调度中,为了表示第n个计算节点是否在集合πj中,定义一个调度矩阵调度矩阵元素为0或者1,调度矩阵元素为1(Xjn=1)表示第n个计算节点在集合πj中,否则不在集合中;为进一步降低计算复杂度,利用通信速率的近似值衡量通信速率,近似通信速率表达为
因而,计算任务调度建模为:
s.t.XT1=1
Xjn∈{0,1}
上述优化问题是0-1优化,利用穷举搜索获得原问题的最优解,但复杂度随着节点个数指数增长,改进后将约束条件Xjn∈{0,1}放松为0≤Xjn≤1;令
通过迭代求解如下凸优化问题获得原问题的局部最优解如下:
7.根据权利要求5所述的资源分配方法,其特征在于:所述计算节点的功率分配方法,计算节点的功率分配模块根据信道信息及其计算能力,在总功率约束以及计算结果速率不超过通信速率的条件下,分配计算以及通信的功率,最大化整个无线分布式计算系统的计算速率;
具体的,从计算节点到主节点的通信过程:
以第j个主节点的接收为例,令πj表示为第j个主节点执行计算任务并与其通信的计算节点集合,为第i个计算节点的发送信号,其协方差矩阵为/>则发送信号的功率为Pcm,i=tr(Qi),第j个主节点的接收信号为
其中,为第i个计算节点到第j个主节点的信道矩阵,/>为零均值单位方差的高斯噪声;主节点在恢复第i个计算节点信号的时候,将其他计算节点的信号视为等效高斯噪声,因而,第i个计算节点的速率为
其中,E表示对于信道矩阵Hj,i′进行期望运算;则整个无线分布式计算系统的和速率为
在无线分布式计算系统中,主节点根据各个计算节点到主节点的信道信息挑选为其执行计算任务的计算节点;每个计算节点根据其计算能力以及信道信息分配计算功率以及通信功率。
8.根据权利要求7所述的资源分配方法,其特征在于:所述计算节点的功率分配方法,在最大化计算速率的优化问题中,计算结果速率不超过通信速率的约束条件是非凸的,将通信速率中的非凸部分利用线性函数进行近似,得到通信速率的下界,通过迭代求解计算结果速率不超过通信速率下界的约束下,得到功率分配的结果:
具体计算与通信功率分配方法:
当第j个主节点挑选Sj个计算节点与其通信,以第j个主节点与相应的Sj个计算节点进行说明,考虑每个计算节点的功率分配,即在总功率约束条件下,分配计算功率以及通信功率,最大化总计算速率,建模为:
当信道矩阵Hj,i的元素相互独立时,最优协方差矩阵Qi为对角阵,令qi=diag{Qi}表示不同天线上的发送功率,表示信道耦合矩阵,其第m行为ωj,i,m,则上述问题表示为:
将第一个非凸约束条件中的凹函数部分利用线性近似,通过迭代求解如下凸优化问题,获得原问题的局部最优解:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110231507.8A CN113326122B (zh) | 2021-03-02 | 2021-03-02 | 无线分布式计算系统及资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110231507.8A CN113326122B (zh) | 2021-03-02 | 2021-03-02 | 无线分布式计算系统及资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113326122A CN113326122A (zh) | 2021-08-31 |
CN113326122B true CN113326122B (zh) | 2024-03-22 |
Family
ID=77414455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110231507.8A Active CN113326122B (zh) | 2021-03-02 | 2021-03-02 | 无线分布式计算系统及资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113326122B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581221B (zh) * | 2022-05-05 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 分布式计算系统以及计算机设备 |
CN115225176B (zh) * | 2022-07-19 | 2023-11-17 | 南京工业职业技术大学 | 复杂电磁环境下的多天线系统协同任务多维度调度方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166090A (zh) * | 2019-04-29 | 2019-08-23 | 东南大学 | 能效最优的大规模mimo下行单播波束域功率分配方法 |
CN111459665A (zh) * | 2020-03-27 | 2020-07-28 | 重庆电政信息科技有限公司 | 一种分布式边缘计算系统及分布式边缘计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10572306B2 (en) * | 2016-09-14 | 2020-02-25 | Cloudera, Inc. | Utilization-aware resource scheduling in a distributed computing cluster |
-
2021
- 2021-03-02 CN CN202110231507.8A patent/CN113326122B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166090A (zh) * | 2019-04-29 | 2019-08-23 | 东南大学 | 能效最优的大规模mimo下行单播波束域功率分配方法 |
CN111459665A (zh) * | 2020-03-27 | 2020-07-28 | 重庆电政信息科技有限公司 | 一种分布式边缘计算系统及分布式边缘计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113326122A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113326122B (zh) | 无线分布式计算系统及资源分配方法 | |
Du et al. | Joint resources and workflow scheduling in UAV-enabled wirelessly-powered MEC for IoT systems | |
Mahmood et al. | Partial offloading in energy harvested mobile edge computing: A direct search approach | |
Alzahrani et al. | Resource management for cognitive IoT systems with RF energy harvesting in smart cities | |
CN110401964A (zh) | 一种面向用户为中心网络基于深度学习的功率控制方法 | |
Zeng et al. | Wirelessly powered federated edge learning: Optimal tradeoffs between convergence and power transfer | |
CN107086885B (zh) | 一种针对混合能量供电分布式天线系统能量有效的功率分配方法 | |
Gupta et al. | Collaborative multi-sensing in energy harvesting wireless sensor networks | |
CN109905917B (zh) | 基于无线携能的noma通信系统中无线资源分配方法 | |
Wang et al. | Energy consumption minimization with throughput heterogeneity in wireless-powered body area networks | |
Guo et al. | Multi-UAV cooperative task offloading and resource allocation in 5G advanced and beyond | |
Zhang et al. | Power versus spectrum 2-D sensing in energy harvesting cognitive radio networks | |
CN108376099A (zh) | 一种优化时延与能效的移动终端计算迁移方法 | |
Hu et al. | Reinforcement learning for energy efficiency improvement in UAV-BS access networks: A knowledge transfer scheme | |
Zhou et al. | Hierarchical multi-agent deep reinforcement learning for energy-efficient hybrid computation offloading | |
CN116939866A (zh) | 一种基于协同计算和资源分配联合优化的无线联邦学习效率提升方法 | |
CN108988933A (zh) | 一种卫星数据接收窗口全局优化分配方法 | |
CN115379478A (zh) | 一种基于ris辅助数能同传网络鲁棒能耗优化方法 | |
CN114819702A (zh) | 一种基于多智能体的遥感星座任务管控系统 | |
CN115118327A (zh) | 一种基于动态测量反馈的卫星通信资源调度方法和系统 | |
CN111988791A (zh) | 基于雾计算的无线充电网络节点计算能力提升方法及系统 | |
Wang et al. | Learn from optimal energy-efficiency beamforming for SWIPT-enabled sensor cloud system based on DNN | |
Yan et al. | Convergence Time Optimization for Decentralized Federated Learning with LEO Satellites via Number Control | |
Zhang et al. | Full-Duplex-Enhanced Wireless-Powered Backscatter Communication Networks: Radio Resource Allocation and Beamforming Joint Optimization | |
CN209911809U (zh) | 一种适用于现场自动进行机器学习的训练装置 |
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 |