CN113473542A - 无线供能边缘计算网络的时延最小化资源分配方法及装置 - Google Patents

Abstract

本公开实施例是关于一种无线供能边缘计算网络的时延最小化资源分配方法及装置。该方法包括：利用任务分割系数将第k个物联网节点的任务比特数分为两部分，其中一部分任务比特数用于本地计算，在给定发射功率下将剩余部分卸载至MEC服务器进行计算；建立所述K个物联网接节点的能量消耗与能量收集的因果关系；在给定任务比特数和所述因果关系的约束下计算时延最小化，从而获得资源分配方案。本发明在部分卸载策略基础上，以时延最小化为优化目标，通过联合优化能量站工作时长、物联网节点任务分割系数、计算频率以及发射功率，提出满足物联网节点能量因果约束的计算时延最小化的多维资源分配方法，显著提升无线供能边缘计算网络的工作效率。

Description

无线供能边缘计算网络的时延最小化资源分配方法及装置

技术领域

本公开实施例涉及通信技术领域，尤其涉及一种无线供能边缘计算网络的时延最小化资源分配方法及装置。

背景技术

物联网被认为是第五代移动通信(5th-Generation mobile networks，5G)中海量机器类通信(Massive machine telecommunications，mMTC)场景的重要支柱，其将传统的感知设备接入互联网并能够提供智能化服务与决策。随着节点数目的不断增加，物联网节点自身所需处理的数据量也随之攀增，这要求节点必须具备快速处理数据的能力。由于制作成本的限制，物联网节点自身的处理器能力往往不强(即计算能力受限)，无法实现高效的数据处理。

移动边缘计算(Mobile edge computing，MEC)可将物联网节点数据卸载至计算能量较强的MEC服务器并进行计算，从而突破节点计算能力受限问题。然而，在MEC网络中数据处理以及任务卸载将会消耗节点大量的电池能量，从而会缩短节点的工作寿命。此外，考虑到物联网节点具有数据量多、部署无规律等特点，为物联网节点频繁更换电池或将其接入电网的开销较大且难以实现。因此，如何兼顾节点的数据处理能力以及能量供应对实现万物互联显得尤为重要。

在这一背景下，无线供能MEC应运而生，其核心思想是在物联网节点周围部署专用能量站(Power Beacon，PB)和MEC服务器来实现按需供能和计算增强，并通过权衡能量供应、计算资源以及通信资源来设计高效资源分配方法，从而为解决物联网节点计算能力与能量双重受限问题提供理论支持。对于无线供能MEC网络，数据卸载策略主要包括二元卸载策略和部分卸载策略。具体来讲，在二元卸载策略中节点的任务比特数不可分割，即待处理数据或全部在本地进行计算亦或全部卸载至MEC服务器。另外，在部分卸载策略中节点任务比特数可被任意分割，也就是说，节点与MEC服务器可同时对数据进行计算处理。相比之下，部分卸载策略具有更高的数据处理效率以及更低的计算时延。面向基于二元卸载策略/部分卸载策略的无线供能MEC设计高效资源分配方法已经受到了国内外学者的广泛关注与研究，但已有工作均是在给定时延要求前提下面向不同的优化目标(如任务成功计算概率、计算比特数等)设计资源分配方法。

关于现有技术方案，发明人发现，截止目前还未有面向无线供能MEC网络研究计算时延最小化的资源分配的相关工作。

因此，有必要改善上述相关技术方案中存在的一个或者多个问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种无线供能边缘计算网络的时延最小化资源分配方法及装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开实施例的第一方面，提供一种无线供能边缘计算网络的时延最小化资源分配方法，包括以下步骤：

利用任务分割系数δ_k将K个物联网节点的第k个物联网节点的任务比特数L_k分为两部分，其中一部分任务比特数(1-δ_k)L_k用于本地计算，在给定发射功率下将剩余部分的任务比特数δ_kL_k卸载至MEC服务器进行计算；

建立所述K个物联网接节点的能量消耗与能量收集的因果关系；

在给定任务比特数和所述因果关系的约束下计算时延最小化，从而获得资源分配方案。

本公开的一种示例性实施例中，所述网络的整个传输时隙包括能量收集阶段、数据卸载阶段以及任务计算与下传阶段；

其中，在所述数据卸载阶段中，所述K个物联网节点依次将部分计算任务卸载至所述MEC服务器；在所述任务计算与下传阶段中，所述K个物联网节点与所述MEC服务器分别进行本地计算与边缘计算。

本公开的一种示例性实施例中，在所述能量收集阶段中，第k个物联网节点收集来自所述能量站PB的射频总能量为：

其中，P₀表示所述能量站PB的发射功率；h_k表示所述能量站PB与物联网节点k之间的信道增益；t₀表示能量收集阶段的持续时间；

表示非线性能量收集模型。

本公开的一种示例性实施例中，在整个传输时隙中，求无线供能MEC网络计算时延：

其中，

表示物联网节点k的本地计算时间；

表示任务卸载时间；f_k表示节点k所采用的计算频率；G_k表示节点k计算一个比特所需要的CPU时钟周期数；W表示传输带宽；p_k表示节点k的发射功率；g_k表示节点k到MEC服务器的信道增益；σ²表示信道噪声方差。

本公开的一种示例性实施例中，在整个传输时隙中，求物联网节点k的总能量消耗：

其中，

表示物联网节点k在本地计算中消耗的能量；

表示节点k在任务卸载过程中消耗的能量；ε_k与p_k,c分别表示节点k的有效电容系数与电路功耗。

本公开的一种示例性实施例中，在给定任务比特数和所述因果关系的约束下计算时延最小化的步骤包括构建任务计算时延最小化的优化问题：

(P₀):

其中，f＝[f₁,f₂,···,f_K]，δ＝[δ₁,δ₂,···,δ_K]，p＝[p₁,p₂,···,p_K]；

表示物联网节点k的最大计算频率；式(4b)反映物联网节点的能量因果关系；式(4c)限定物联网节点计算频率的大小；式(4d)约束物联网节点任务分割系数的范围。

本公开的一种示例性实施例中，求解时延最小化的优化问题，求得的最优解即为资源分配方案。

本公开的一种示例性实施例中，求解时延最小化的优化问题的过程为：

E1，引用松弛变量θ_k以及辅助变量μ、λ_k，将原优化问题简化为：

s.t.(4c),(4d)(5b)

其中，辅助变量

松弛变量

辅助变量λ_k＝θ_kp_k，λ＝[λ₁,λ₂,···,λ_K]。

E2，利用基于二分法的迭代算法求解步骤E1所述优化问题，可得最优资源分配方案。

本公开的一种示例性实施例中，步骤E2中的基于二分法的迭代算法包括：

a1，给出μ的搜索区间[μ_min,μ_max]，输入信道增益h_k和g_k、系统参数和容忍误差v，令

a2，将μ＝0.5(μ_min+μ_max)带入E1所述优化问题，并求解；

a3，若优化问题无解，则令μ_min＝μ；反之，则令μ_max＝μ；

a4，若μ_max-μ_min≤v，则转至第a4；否则，转至第a2；

a5，输出最小时延0.5(μ_min+μ_max)以及优化变量(t₀,f,δ,λ,θ)，并根据λ_k＝θ_kp_k计算得到p。

根据本公开实施例的第二方面，提供一种无线供能边缘计算网络的时延最小化资源分配装置，采用上述任一项所述的无线供能边缘计算网络的时延最小化资源分配方法进行资源分配。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开的实施例中，本发明在部分卸载策略基础上，以时延最小化为优化目标，通过联合优化能量站工作时长、物联网节点任务分割系数、计算频率以及发射功率，提出一个满足物联网节点能量因果约束的计算时延最小化的多维资源分配方法，能够显著提升无线供能边缘计算网络的工作效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开示例性实施例中时延最小化计算流程图；

图2示出本公开示例性无线供能MEC网络模型示意图；

图3示出本公开示例性无线供能MEC网络时隙结构示意图；

图4示出本公开示例性求解最优资源分配的算法流程图；

图5示出本公开示例性实施例中无线供能边缘计算网络的时延最小化资源分配方法的流程图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种无线供能边缘计算网络的时延最小化资源分配方法，其中，参考图2中所示，所述无线供能边缘计算网络包括能量站(Power Beacon，PB)、移动边缘计算(Mobile Edge Compute，MEC)服务器以及K个物联网节点k，所述能量站为所述K个物联网节点供能。参考图5中所示，该方法可以包括下述步骤：

步骤S101：利用任务分割系数δ_k将K个物联网节点的第k个物联网节点的任务比特数L_k分为两部分，其中一部分任务比特数(1-δ_k)L_k用于本地计算，在给定发射功率下将剩余部分的任务比特数δ_kL_k卸载至MEC服务器进行计算。可以把每个物联网节点的任务比特数都依照上述方法进行分割计算。

步骤S102：建立所述K个物联网接节点的能量消耗与能量收集的因果关系。

步骤S103：在给定任务比特数和所述因果关系的约束下计算时延最小化，从而获得资源分配方案。

本发明在部分卸载策略基础上，以时延最小化为优化目标，通过联合优化能量站工作时长、物联网节点任务分割系数、计算频率以及发射功率，提出一个满足物联网节点能量因果约束的计算时延最小化的多维资源分配方法，能够在更短的时间内计算完成给定的任务比特数，能够显著提升无线供能边缘计算网络的工作效率。

下面，将参考图1至图5对本示例实施方式中的上述方法的各个步骤进行更详细的说明。

在步骤S101中，0≤δ_k≤1，示例的，可以为0.2、0.4、0.5、0.8等等，但也不限于此，可以根据实际情况进行调整。

在步骤S102中，建立所述K个物联网接节点与所述能量的因果关系，物联网节点本地计算中消耗的能量和任务卸载过程中消耗的能量之和需要小于等于物联网节点收集的能量，传输工作才能得以继续。

在步骤S103中，是以时延最小化为优化目标的，设计合适的PB工作时长、任务分割系数、节点计算频率以及发射功率等参数，计算时延是指物联网的本地计算时间与任务卸载时间之和。具体计算时，把以上参数的最优值代入计算，进而得到最佳方案。

进一步的，可选的，在一个实施例中，如图3所示，所述网络的整个传输时隙包括能量收集阶段、数据卸载阶段以及任务计算与下传阶段；其中，在所述数据卸载阶段中，所述K个物联网节点依次将部分计算任务卸载至所述MEC服务器；在所述任务计算与下传阶段中，所述K个物联网节点与所述MEC服务器分别进行本地计算与边缘计算。考虑到每个物联网节点都配置能量收集电路、信息收发机以及任务计算电路，故物联网节点在三个阶段中均可进行本地计算。

具体的，如图1所示，可选的，在一个实施例中，在所述能量收集阶段中，第k个物联网节点收集来自所述能量站PB的射频总能量为：

其中，P₀表示所述能量站PB的发射功率；h_k表示所述能量站PB与物联网节点k之间的信道增益；t₀表示能量收集阶段的持续时间；

表示非线性能量收集模型。利用非线性能量收集模型计算物联网节点收集的总能量。

进一步的，可选的，在一个实施例中，在整个传输时隙中，求无线供能MEC网络计算时延：

其中，

表示物联网节点k的本地计算时间；

表示任务卸载时间；f_k表示节点k所采用的计算频率；G_k表示节点k计算一个比特所需要的CPU时钟周期数；W表示传输带宽；p_k表示节点k的发射功率；g_k表示节点k到MEC服务器的信道增益；σ²表示信道噪声方差。无线供能MEC网络计算时延是本地计算时间和任务卸载时间的总和，建立时延计算的模型，从而获得时延最小化目的。与全部卸载方案以及本地计算方案相比，我们发现本发明所提的部分卸载方案能够取得更低的时延。

进一步的，可选的，在一个实施例中，在整个传输时隙中，求物联网节点k的总能量消耗：

其中，

表示物联网节点k在本地计算中消耗的能量；

表示节点k在任务卸载过程中消耗的能量；ε_k与p_k,c分别表示节点k的有效电容系数与电路功耗。物联网节点k的总能量消耗是本地计算和任务卸载两个过程的能量消耗之和。在任务分割的基础上，对总能耗进行计算。

进一步的，可选的，在一个实施例中，在给定任务比特数和所述因果关系的约束下计算时延最小化的步骤包括构建任务计算时延最小化的优化问题：

(P₀):

其中，f＝[f₁,f₂,···,f_K]，δ＝[δ₁,δ₂,···,δ_K]，p＝[p₁,p₂,···,p_K]；

表示物联网节点k的最大计算频率；式(4b)反映物联网节点的能量因果关系；式(4c)限定物联网节点计算频率的大小；式(4d)约束物联网节点任务分割系数的范围。

进一步的，可选的，在一个实施例中，求解时延最小化的优化问题，求得的最优解即为资源分配方案。

进一步的，可选的，在一个实施例中，求解时延最小化的优化问题的过程为：

E1，所述优化问题包含max-max函数且存在多个优化变量耦合，很难直接得到最优解。为有效解决该优化问题，本发明通过引用松弛变量θ_k以及辅助变量μ、λ_k，将原优化问题简化为：

s.t.(4c),(4d)(5b)

其中，辅助变量

松弛变量

辅助变量λ_k＝θ_kp_k，λ＝[λ₁,λ₂,···,λ_K]。

E2，利用基于二分法的迭代算法(算法a)求解步骤E1所述优化问题，可得最优资源分配方案。

进一步的，可选的，在一个实施例中，步骤E2中的基于二分法的迭代算法[μ_min,μ_max]具体包括：

第a1步，给出μ的搜索区间[μ_min,μ_max]，输入信道增益h_k和g_k、系统参数和容忍误差v，令μ_min＝0，

第a2步，将μ＝0.5(μ_min+μ_max)带入E1所述优化问题，并求解，例如可以通过CVX建模系统进行计算求解；

第a3步，若优化问题无解，则令μ_min＝μ；反之，则令μ_max＝μ；

第a4步，若μ_max-μ_min≤v，则转至第a4；否则，转至第a2；

第a5步，输出最小时延0.5(μ_min+μ_max)以及优化变量(t₀,f,δ,λ,θ)，并根据λ_k＝θ_kp_k计算得到p。

本示例实施方式中，还提供了一种无线供能边缘计算网络的时延最小化资源分配装置，采用上述任一项所述的无线供能边缘计算网络的时延最小化资源分配方法进行资源分配。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。另外，也易于理解的是，这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述无线供能边缘计算网络的时延最小化资源分配的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.无线供能边缘计算网络的时延最小化资源分配方法，其特征在于，包括以下步骤：

利用任务分割系数δ_k将K个物联网节点的第k个物联网节点的任务比特数L_k分为两部分，其中一部分任务比特数(1-δ_k)L_k用于本地计算，在给定发射功率下将剩余部分的任务比特数δ_kL_k卸载至MEC服务器进行计算；

建立所述K个物联网接节点的能量消耗与能量收集的因果关系；

在给定任务比特数和所述因果关系的约束下计算时延最小化，从而获得资源分配方案。

2.根据权利要求1所述方法，其特征在于，所述网络的整个传输时隙包括能量收集阶段、数据卸载阶段以及任务计算与下传阶段；

其中，在所述数据卸载阶段中，所述K个物联网节点依次将部分计算任务卸载至所述MEC服务器；在所述任务计算与下传阶段中，所述K个物联网节点与所述MEC服务器分别进行本地计算与边缘计算。

3.根据权利要求2所述方法，其特征在于，在所述能量收集阶段中，第k个物联网节点收集来自所述能量站PB的射频总能量为：

其中，P₀表示所述能量站PB的发射功率；h_k表示所述能量站PB与物联网节点k之间的信道增益；t₀表示能量收集阶段的持续时间；

表示非线性能量收集模型。

4.根据权利要求2所述方法，其特征在于，在整个传输时隙中，求无线供能MEC网络计算时延：

其中，

表示物联网节点k的本地计算时间；

表示任务卸载时间；f_k表示节点k所采用的计算频率；G_k表示节点k计算一个比特所需要的CPU时钟周期数；W表示传输带宽；p_k表示节点k的发射功率；g_k表示节点k到MEC服务器的信道增益；σ²表示信道噪声方差。

5.根据权利要求2所述方法，其特征在于，在整个传输时隙中，求物联网节点k的总能量消耗：

其中，

表示物联网节点k在本地计算中消耗的能量；

表示节点k在任务卸载过程中消耗的能量；ε_k与p_k,c分别表示节点k的有效电容系数与电路功耗。

6.根据权利要求1所述方法，其特征在于，在给定任务比特数和所述因果关系的约束下计算时延最小化的步骤包括构建任务计算时延最小化的优化问题：

其中，f＝[f₁,f₂,···,f_K]，δ＝[δ₁,δ₂,···,δ_K]，p＝[p₁,p₂,···,p_K]；

表示物联网节点k的最大计算频率；式(4b)反映物联网节点的能量因果关系；式(4c)限定物联网节点计算频率的大小；式(4d)约束物联网节点任务分割系数的范围。

7.根据权利要求6所述方法，其特征在于，求解时延最小化的优化问题，求得的最优解即为资源分配方案。

8.根据权利要求7所述方法，其特征在于，求解时延最小化的优化问题的过程为：

E1，引用松弛变量θ_k以及辅助变量μ、λ_k，将原优化问题简化为：

s.t.(4c),(4d) (5b)

其中，辅助变量

松弛变量

辅助变量λ_k＝θ_kp_k，λ＝[λ₁,λ₂,···,λ_K]。

E2，利用基于二分法的迭代算法求解步骤E1所述优化问题，可得最优资源分配方案。

9.根据权利要求8所述方法，其特征在于，步骤E2中的基于二分法的迭代算法包括：

a1，给出μ的搜索区间[μ_min,μ_max]，输入信道增益h_k和g_k、系统参数和容忍误差v，令μ_min＝0，

a2，将μ＝0.5(μ_min+μ_max)带入E1所述优化问题，并求解；

a3，若优化问题无解，则令μ_min＝μ；反之，则令μ_max＝μ；

a4，若μ_max-μ_min≤v，则转至第a4；否则，转至第a2；

a5，输出最小时延0.5(μ_min+μ_max)以及优化变量(t₀,f,δ,λ,θ)，并根据λ_k＝θ_kp_k计算得到p。

10.一种无线供能边缘计算网络的时延最小化资源分配装置，其特征在于，采用权利要求1-9任一项所述的无线供能边缘计算网络的时延最小化资源分配方法进行资源分配。

Images