CN113504948A - 一种边缘计算可分割任务卸载决策方法 - Google Patents
一种边缘计算可分割任务卸载决策方法 Download PDFInfo
- Publication number
- CN113504948A CN113504948A CN202110586065.9A CN202110586065A CN113504948A CN 113504948 A CN113504948 A CN 113504948A CN 202110586065 A CN202110586065 A CN 202110586065A CN 113504948 A CN113504948 A CN 113504948A
- Authority
- CN
- China
- Prior art keywords
- decision
- task
- calculation
- users
- user
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 title claims description 37
- 238000005265 energy consumption Methods 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000002349 favourable effect Effects 0.000 claims description 16
- 239000012792 core layer Substances 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 abstract description 2
- 238000000638 solvent extraction Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Images
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明所述的一种边缘计算可分割任务卸载决策方法,该方法采用一种边缘计算中移动用户任务进行分割,建立任务集方式来实现卸载的方法;在移动无线用户任务卸载中引入一种分布式计算卸载算法来降低设备能耗和应用时间,算法适用于同质网络和异质网络,构建纳什均衡来计算最优回应,使用户得到最优决策;决策择优算法可有效降低移动用户决策迭代代价和设备CPU能耗,能实现最优资源分配。
Description
技术领域
本发明涉及边缘计算领域,具体涉及一种边缘计算可分割任务卸载决策方法。
背景技术
移动互联网与物联网这两大网络的快速发展使得未来的网络面临着更高速度、更低延迟以及更高可靠度的挑战。各种各样的新兴应用使得这种挑战更加现实与紧迫。随着5G技术的发展,边缘计算中的信息传输与复杂应用程序的处理需要按需卸载到核心层网络的云服务器端。将复杂应用程序按需推到多接入的网络边缘中,充分利用中心丰富的计算资源,可以得到高性能的计算结果。然而,任务卸载到核心层的云服务器端需要消耗回传链路的资源,会产生额外的时延开销和能量开销;同时不是所有的任务卸载都是有利的,有的任务需要进行分割和选择最优化调度算法才能实现。
因此,本发明提出一种边缘计算可分割任务卸载决策方法用于解决现有技术存在的不足。
发明内容
本发明的目的是为了克服上述问题,提出一种边缘计算可分割任务卸载决策方法,可对任务进行分割计算,能实现精确迁移定位、最优计算调度策略的决策方法,减少能量消耗和执行延迟时间、实现最优资源分配。
技术方案:为达到上述目的,本发明所述的一种边缘计算可分割任务卸载决策方法,具体方法如下:
S1、分割任务计算,把一个大任务分割成各个子任务,建立对应的任务集,具体方法为:设置边缘计算中接入无线网络的用户为n (n=1,2,3…,N),设置每个用户的任务卸载决策为an∈{0,1};
S2、通过计算an∈{0,1}的数值,来确定选择卸载到服务器云端或局部设备卸载;
S3、若an=1,接入用户n选择通过无线移动信道将任务卸载至云服务器端进行计算,即非有利决策;
S4、若an=0表明接入用户n选择在其局部设备上执行该卸载任务,即有利决策;
S7、在局部计算模型与云服务器端计算卸载模型中引入最优决策;
S8、使用博弈理论,引入势函数进行决策策略an的优化,使得决策可以优化回应,通过寻求势函数的最优值来实现决策的最优化。进一步地,步骤S7中最优决策的解算过程如下:
其中,P表示用户在信道上的传输功率,H表示用户与边缘计算中的基站的信道增益;
(3)对于同质无线用户,设置不同的阈值Ln,对边缘计算中的各类用户进行排序,使得L1/K≥L2/K≥...≥LN/K;其中,K为常数;
(4)构建非空可获得能耗和应用时间低代价的用户组S,使得一部分用户i获得有利决策,另一部分用户j获得非有利决策,那么非有利决策集构成纳什均衡,纳什均衡解即最优回应决策;
(7)博弈者的代价函数Vn(a'n,a-n)减小时,由前面的同质无线移动用户决策模型可以推出则该博弈算法中存在纳什均衡,即最优回应决策。
上述技术方案可以看出,本发明的有益效果为:
1、采用分布式计算卸载方法进行边缘计算中用户任务卸载问题,可实现服务器端卸载和局部网络端卸载。
2、构建计算博弈算法,引入纳什均衡来进行卸载决策,纳什均衡解即为最优决策,达到能量损耗及完成时间的最优化的目的,使移动用户的任务能在完成卸载任务所需的能耗及时间代价最小。
3、相同信道中构建非空可获利用户组获得最优更新回应;不相同信道中构建势函数获得最优更新回应。
附图说明
图1是本发明的算法流程图;
图2为本发明的用户代价变化与迭代次数的关系图;
图3为本发明的局部调度法和分布式计算卸载博弈算法的用户 CPU开销的对比图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,本实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图所示,本发明所述的一种边缘计算可分割任务卸载决策方法,具体方法如下:
S1、分割任务计算,把一个大任务分割成各个子任务,建立对应的任务集,具体方法为:设置边缘计算中接入无线网络的用户为n (n=1,2,3…,N),设置每个用户的任务卸载决策为an∈{0,1};
S2、通过计算an∈{0,1}的数值,来确定选择卸载到服务器云端或局部设备卸载;
S3、若an=1,接入用户n选择通过无线移动信道将任务卸载至云服务器端进行计算,即非有利决策;
S4、若an=0表明接入用户n选择在其局部设备上执行该卸载任务,即有利决策;
S7、在局部计算模型与云服务器端计算卸载模型中引入最优决策;
S8、使用博弈理论,引入势函数进行决策策略an的优化,使得决策可以优化回应,通过寻求势函数的最优值来实现决策的最优化。其中,步骤S7中最优决策的解算过程如下:
其中,P表示用户在信道上的传输功率,H表示用户与边缘计算中的基站的信道增益;
(3)对于同质无线用户,设置不同的阈值Ln,对边缘计算中的各类用户进行排序,使得L1/K≥L2/K≥...≥LN/K;其中,K为常数;
(4)构建非空可获得能耗和应用时间低代价的用户组S,使得一部分用户i获得有利决策,另一部分用户j获得非有利决策,那么非有利决策集构成纳什均衡,纳什均衡解即最优回应决策;
(7)博弈者的代价函数Vn(a'n,a-n)减小时,由前面的同质无线移动用户决策模型可以推出则该博弈算法中存在纳什均衡,即最优回应决策。
实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价均落于本申请所附权利要求所限定的范围。
Claims (5)
1.一种边缘计算可分割任务卸载决策方法,其特征在于:
具体方法如下:
S1、分割任务计算,把一个大任务分割成各个子任务,建立对应的任务集,具体方法为:设置边缘计算中接入无线网络的用户为n(n=1,2,3…,N),设置每个用户的任务卸载决策为an∈{0,1};
S2、通过计算an∈{0,1}的数值,来确定选择卸载到服务器云端或局部设备卸载;
S3、若an=1,接入用户n选择通过无线移动信道将任务卸载至云服务器端进行计算,即非有利决策;
S4、若an=0表明接入用户n选择在其局部设备上执行该卸载任务,即有利决策;
S7、在局部计算模型与云服务器端计算卸载模型中引入最优决策;
S8、使用博弈理论,引入势函数进行决策策略an的优化,使得决策可以优化回应,通过寻求势函数的最优值来实现决策的最优化。
2.根据权利要求1所述的一种边缘计算可分割任务卸载决策方法,其特征在于:步骤S7中最优决策的解算过程如下:
其中,P表示用户在信道上的传输功率,H表示用户与边缘计算中的基站的信道增益;
(3)对于同质无线用户,设置不同的阈值Ln,对边缘计算中的各类用户进行排序,使得L1/K≥L2/K≥...≥LN/K;其中,K为常数;
(4)构建非空可获得能耗和应用时间低代价的用户组S,使得一部分用户i获得有利决策,另一部分用户j获得非有利决策,那么非有利决策集构成纳什均衡,纳什均衡解即最优回应决策;
(7)博弈者的代价函数Vn(a'n,a-n)减小时,由前面的同质无线移动用户决策模型可以推出则该博弈算法中存在纳什均衡,即最优回应决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110586065.9A CN113504948A (zh) | 2021-05-27 | 2021-05-27 | 一种边缘计算可分割任务卸载决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110586065.9A CN113504948A (zh) | 2021-05-27 | 2021-05-27 | 一种边缘计算可分割任务卸载决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113504948A true CN113504948A (zh) | 2021-10-15 |
Family
ID=78009383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110586065.9A Pending CN113504948A (zh) | 2021-05-27 | 2021-05-27 | 一种边缘计算可分割任务卸载决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113504948A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017099549A1 (en) * | 2015-12-11 | 2017-06-15 | Lg Electronics Inc. | A method and apparatus of a wireless prefetching |
CN110377353A (zh) * | 2019-05-21 | 2019-10-25 | 湖南大学 | 计算任务卸载系统与方法 |
CN111522666A (zh) * | 2020-04-27 | 2020-08-11 | 西安工业大学 | 一种云机器人边缘计算卸载模型及其卸载方法 |
CN113347277A (zh) * | 2021-07-15 | 2021-09-03 | 湘潭大学 | 一种边缘计算中基于任务切分的卸载分配方法 |
-
2021
- 2021-05-27 CN CN202110586065.9A patent/CN113504948A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017099549A1 (en) * | 2015-12-11 | 2017-06-15 | Lg Electronics Inc. | A method and apparatus of a wireless prefetching |
CN110377353A (zh) * | 2019-05-21 | 2019-10-25 | 湖南大学 | 计算任务卸载系统与方法 |
CN111522666A (zh) * | 2020-04-27 | 2020-08-11 | 西安工业大学 | 一种云机器人边缘计算卸载模型及其卸载方法 |
CN113347277A (zh) * | 2021-07-15 | 2021-09-03 | 湘潭大学 | 一种边缘计算中基于任务切分的卸载分配方法 |
Non-Patent Citations (1)
Title |
---|
谢人超;廉晓飞;贾庆民;黄韬;刘韵洁;: "移动边缘计算卸载技术综述", 通信学报, no. 11 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113612843B (zh) | 一种基于深度强化学习的mec任务卸载和资源分配方法 | |
Wang et al. | Mobility-aware task offloading and migration schemes in fog computing networks | |
CN110377353B (zh) | 计算任务卸载系统与方法 | |
CN108809695B (zh) | 一种面向移动边缘计算的分布上行链路卸载策略 | |
CN111507601B (zh) | 基于深度强化学习与区块链共识的资源优化分配决策方法 | |
CN111585816B (zh) | 一种基于自适应遗传算法的任务卸载决策方法 | |
CN110798849A (zh) | 一种超密网边缘计算的计算资源分配与任务卸载方法 | |
CN109710374A (zh) | 移动边缘计算环境下最小化任务卸载费用的vm迁移策略 | |
US20230199061A1 (en) | Distributed computation offloading method based on computation-network collaboration in stochastic network | |
CN110740473A (zh) | 一种用于移动边缘计算的管理方法及边缘服务器 | |
Wang et al. | Dynamic offloading scheduling scheme for MEC-enabled vehicular networks | |
CN113626104B (zh) | 边云架构下基于深度强化学习的多目标优化卸载策略 | |
CN111988787B (zh) | 一种任务的网络接入和服务放置位置选择方法及系统 | |
CN113645637B (zh) | 超密集网络任务卸载方法、装置、计算机设备和存储介质 | |
CN114585006B (zh) | 基于深度学习的边缘计算任务卸载和资源分配方法 | |
Zhu et al. | Computing offloading strategy using improved genetic algorithm in mobile edge computing system | |
CN113573363A (zh) | 基于深度强化学习的mec计算卸载与资源分配方法 | |
CN116233927A (zh) | 一种在移动边缘计算中负载感知的计算卸载节能优化方法 | |
CN115473896A (zh) | 基于dqn算法的电力物联网卸载策略和资源配置优化方法 | |
KR102562732B1 (ko) | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 | |
Zhu et al. | Mobile edge computing offloading scheme based on improved multi-objective immune cloning algorithm | |
CN112905315A (zh) | 移动边缘计算mec网络中的任务处理方法、装置及设备 | |
CN111148155A (zh) | 一种基于移动边缘计算的任务卸载方法 | |
CN111930435A (zh) | 一种基于pd-bpso技术的任务卸载决策方法 | |
CN113504948A (zh) | 一种边缘计算可分割任务卸载决策方法 |
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 |