CN113784373B - 云边协同网络中时延和频谱占用联合优化方法及系统 - Google Patents

云边协同网络中时延和频谱占用联合优化方法及系统 Download PDF

Info

Publication number
CN113784373B
CN113784373B CN202110975856.0A CN202110975856A CN113784373B CN 113784373 B CN113784373 B CN 113784373B CN 202110975856 A CN202110975856 A CN 202110975856A CN 113784373 B CN113784373 B CN 113784373B
Authority
CN
China
Prior art keywords
spectrum
user request
cloud
time delay
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.)
Active
Application number
CN202110975856.0A
Other languages
English (en)
Other versions
CN113784373A (zh
Inventor
陈伯文
刘玲
梁瑞鑫
王守翠
陈琪
沈纲祥
高明义
邵卫东
陈虹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN202110975856.0A priority Critical patent/CN113784373B/zh
Priority to PCT/CN2021/122981 priority patent/WO2023024219A1/zh
Priority to US17/915,257 priority patent/US11968122B2/en
Publication of CN113784373A publication Critical patent/CN113784373A/zh
Application granted granted Critical
Publication of CN113784373B publication Critical patent/CN113784373B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/11—Identifying congestion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • H04L47/2491—Mapping quality of service [QoS] requirements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • 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
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及一种云边协同网络中时延和频谱占用联合优化方法及系统,包括：初始化云边协同网络，生成一组用户请求；建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数；基于所述目标函数，在处理每个用户请求的过程中，依次判断是否满足节点及路径选择唯一性约束、移动边缘计算服务器负载约束、频谱资源占用及唯一性约束、频谱连续性约束以及频谱一致性约束，若均满足，则用户请求处理成功，进入步骤S4；若有任意一项不满足，则用户请求处理失败；计算用户请求平均端到端时延和频谱资源占用率。本发明有利于提高了频谱资源的利用率以及提升用户服务质量。

Description

云边协同网络中时延和频谱占用联合优化方法及系统
技术领域
本发明涉及云边协同网络优化的技术领域，尤其是指一种云边协同网络中时延和频谱占用联合优化方法及系统。
背景技术
近年来，随着物联网的高速发展，人脸识别、智慧城市、智能交通系统、虚拟现实技术(VR)等大量新兴应用程序场景应运而生。由于这些应用程序场景可以为用户带来更高的带宽速率、更多的网络连接和更低的时延，导致核心网络需要在单位时间内处理的数据大小和业务请求呈指数型增长。因此，随着移动设备和物联网设备承载的网络流量的增加，云计算所采用的集中式处理模式因离终端设备比较远，已不能满足用户的日常需求，并且对时延和能耗等性能要求较高的计算服务来说，这种模式会引起高延时、网络堵塞等问题。
对于这些问题，欧洲电信标准协会(European Telecommunications StandardsInstitute,简称ETSI)通过将边缘计算融合到移动网络的架构，提出了移动边缘计算(Mobile Edge Computing,简称MEC)。MEC是指将移动终端的计算任务卸载到网络边缘处，在网络边缘执行计算和存储的一种新型计算模型。MEC被认为是蜂窝基站模型现代化演变和5G技术发展的关键因素。MEC将计算和存储资源引入到移动网络的边缘，降低终端设备的计算时延和能耗，提升用户对移动互联网应用的体验质量并减轻了云计算中心高负载情况。与此同时，MEC也需要计算卸载技术的支撑，计算卸载是指将终端设备的计算数据上传至云中并进行一系列计算处理的技术。在万物互联的信息时代下，要想实现传输数据低延时、服务器低能耗、移动终端资源高存储这些情况，需要将复杂的计算任务卸载到网络边缘服务器上进行计算处理。
为了更好地结合云计算与边缘计算的优势，云边协同作为一种新型计算模式成为了新的研究趋势。随着数据密集型应用与计算密集型应用的增加，需要利用云计算强大的计算能力，以及通信资源与边缘计算短时传输的响应特性来实现，并完成相应的应用请求。通过两者协同工作、各展所长，将边缘计算和云计算协作的价值最大化，从而有效地提高应用程序的性能。目前，针对云边协同的研究大多数集中在物联网、工业互联网、智能交通、安全监控等诸多领域的应用场景上，主要目的是减少时延、降低能耗、以及提高用户体验质量等。
目前主要有两种资源卸载方法：卸载到云端和卸载到边缘端。其中，卸载到云端允许用户将计算密集型任务卸载到资源强大的云服务器上进行处理；卸载到边缘端是在网络边缘部署云服务。卸载到云端会因传输距离远而无法很好地处理时延敏感性应用，卸载到边缘端也需要考虑计算资源、存储资源、能量消耗以及时延等等因素，因此如何卸载业务以及卸载到哪一端成为目前的研究热点。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中用户请求端到端时延和频谱资源的占用率高的问题，从而提供一种有效降低用户请求端到端时延和频谱资源占用率的云边协同网络中时延和频谱占用联合优化方法及系统。
为解决上述技术问题，本发明的一种云边协同网络中时延和频谱占用联合优化方法，包括如下步骤：初始化云边协同网络，生成一组用户请求；建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数；基于所述目标函数，在处理每个用户请求的过程中，依次判断是否满足节点及路径选择唯一性约束、移动边缘计算服务器负载约束、频谱资源占用及唯一性约束、频谱连续性约束以及频谱一致性约束，若均满足，则用户请求处理成功，进入步骤S4；若有任意一项不满足，则用户请求处理失败；计算用户请求平均端到端时延和频谱资源占用率。
在本发明的一个实施例中，初始化云边协同网络时，对边缘计算服务器的计算资源进行初始化，以及对频谱灵活光网络进行初始化。
在本发明的一个实施例中，所述目标函数包括主要优化目标和次要优化目标。
在本发明的一个实施例中，所述目标函数的公式为：
Figure BDA0003227234550000031
其中|CR|表示用户请求的总个数,CR为一组用户请求集合；
Figure BDA0003227234550000032
是二进制变量，如果用户请求(u,s)在MEC服务器节点e处理且通过第k条路径传输用户请求，E表示一组MEC服务器集合，则二进制变量的值为1，否则值为0；R(u,s)表示用户请求(u,s)传输所需的计算资源数；Me为MEC服务器节点e的计算资源能力；
Figure BDA0003227234550000033
表示用户请求(u,s)从节点s传输到MEC服务器节点e经过第k条工作路径的链路(k,l)之间的距离
Figure BDA0003227234550000034
Figure BDA0003227234550000035
K表示k条路径集合；c表示用户请求在光纤链路中的传输速率，设置为3ⅹ105km/s；y(u,s)为二进制变量，如果用户请求(u,s)迁移到第二层即云区域的MEC服务器节点e处理，则二进制变量的值为1，否则值为0；τ为用户请求通过交换机传输到云区域的额外交换时延，α和β为参数，
Figure BDA0003227234550000036
是二进制变量，用户请求(u,s)输到MEC服务器节点e且链路(k,l)编号f的频谱间隙被占用，则二进制变量的值为1，否则值为0。
在本发明的一个实施例中，所述节点及路径选择唯一性约束为：
Figure BDA0003227234550000037
其中
Figure BDA0003227234550000038
是二进制变量，如果用户请求(u,s)在MEC服务器节点e处理且通过第k条路径传输用户请求，则二进制变量的值为1，否则值为0，y(u,s)为二进制变量，如果用户请求(u,s)迁移到第二层，即云区域的MEC服务器节点e处理，则二进制变量的值为1，否则值为0。
在本发明的一个实施例中，所述MEC服务器负载约束为：
Figure BDA0003227234550000041
其中R(u,s)表示用户请求(u,s)传输所需的计算资源数，
Figure BDA0003227234550000042
表示服务器的最大负载，Ve表示MEC服务器节点e的最大计算资源容量。
在本发明的一个实施例中，所述频谱资源占用及唯一性约束为：
Figure BDA0003227234550000043
Figure BDA0003227234550000044
Figure BDA0003227234550000045
其中，|F(k,l)|表示链路(k,l)上的最大频谱间隙数，假设每条链路所能提供的最大频谱间隙数相同，
Figure BDA0003227234550000046
表示用户请求(u,s)从节点s传输到MEC服务器节点e的第k条工作路径经过光纤链路(k,l)，F(u,s)表示用户请求(u,s)传输所需的频谱间隙数。
在本发明的一个实施例中，所述频谱连续性约束为：
Figure BDA0003227234550000047
Figure BDA0003227234550000048
θ＝|F(k,l)|×|L|；
其中，θ表示整个网络的频谱总数，等于链路总数与链路频谱隙容量的乘积。
在本发明的一个实施例中，所述频谱一致性约束为：
Figure BDA0003227234550000049
其中，F(u,s)表示用户请求(u,s)传输所需的频谱间隙数。
本发明还提供了一种云边协同网络中时延和频谱占用联合优化方法，包括：初始化模块，用于初始化云边协同网络，生成一组用户请求；建模模块，用于建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数；判断模块，用于基于所述目标函数，在处理每个用户请求的过程中，依次判断是否满足节点及路径选择唯一性约束、移动边缘计算服务器负载约束、频谱资源占用及唯一性约束、频谱连续性约束以及频谱一致性约束，若均满足，则用户请求处理成功，进入步骤S4；若有任意一项不满足，则用户请求处理失败；计算模块，用于计算用户请求平均端到端时延和频谱资源占用率。
本发明的上述技术方案相比现有技术具有以下优点：
本发明所述的云边协同网络中时延和频谱占用联合优化方法及系统，主要解决云边协同网络中如何选取合适的MEC服务器处理用户请求的问题。由于云计算对业务的处理时间过长，无法满足业务低时延的需求，而边缘计算虽然将服务器部署在用户侧，但计算资源不足无法处理数据量大的业务，因此将云计算与边缘计算相结合，提出云边协同网络作为处理业务的有效途径。本发明提出了端到端时延以及频谱资源占用的评估机制，然后根据这个机制建立以最低用户请求平均端到端时延和最小占用频谱隙为目标函数的联合优化方法，以整数线性规划方法来实现云边协同网络的计算卸载、路由选择和频谱分配的资源分配方法。在静态云边协同网络中生成一组用户请求集合，并设置相应的计算资源和频谱资源需求，然后根据约束条件和优化目标，建立端到端时延和频谱占用最低的优化目标方法，从而为所有用户请求找到最佳的MEC服务器处理并分配资源。
本发明可以选择最优的MEC服务器处理用户请求，极大地降低处理用户请求产生的数据处理时延和数据传输时延，从而提升用户服务质量；同时也为每个用户请求寻找最短的工作路径，降低网络中频谱资源的浪费，大大提高了频谱资源的利用率。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1是本发明云边协同网络中时延和频谱占用联合优化方法的流程图；
图2是本发明六节点网络拓扑图；
图3是本发明云边协同网络中的业务处理示意图。
具体实施方式
实施例一
如图1所示，本实施例提供一种云边协同网络中时延和频谱占用联合优化方法，包括：步骤S1：初始化云边协同网络，生成一组用户请求；步骤S2：建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数；步骤S3：基于所述目标函数，在处理每个用户请求的过程中，依次判断是否满足节点及路径选择唯一性约束、移动边缘计算服务器负载约束、频谱资源占用及唯一性约束、频谱连续性约束以及频谱一致性约束，若均满足，则用户请求处理成功，进入步骤S4；若有任意一项不满足，则用户请求处理失败；步骤S4：计算用户请求平均端到端时延和频谱资源占用率。
本实施例所述云边协同网络中时延和频谱占用联合优化方法，所述步骤S1中，初始化云边协同网络，生成一组用户请求，从而有利于建立目标函数；所述步骤S2中，建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数，有利于实现以最低时延和频谱占用为目标的优化方案；所述步骤S3中，基于所述目标函数，在处理每个用户请求的过程中，依次判断是否满足节点及路径选择唯一性约束、移动边缘计算服务器负载约束、频谱资源占用及唯一性约束、频谱连续性约束以及频谱一致性约束，若均满足，则用户请求处理成功，进入步骤S4；若有任意一项不满足，则用户请求处理失败，有利于实现云边协同网络的计算卸载、路由选择和频谱分配的资源分配，以及降低用户请求端到端时延和频谱资源的占用率；所述步骤S4中，计算用户请求平均端到端时延和频谱资源占用率，从而为所有用户请求找到最佳的MEC服务器处理并分配资源，本发明可以选择最优的MEC服务器处理用户请求，极大地降低处理用户请求产生的数据处理时延和数据传输时延，从而提升用户服务质量；同时也为每个用户请求寻找最短的工作路径，降低网络中频谱资源的浪费，大大提高了频谱资源的利用率。
本发明中，云边协同网络中用户请求的端到端时延主要由网络传输时延和计算资源时延组成。网络传输时延是指用户的服务区域与边缘计算服务器之间的最短路径长度，以其链路时延的累计时延计算；计算资源时延与每个用户的计算资源需求和边缘计算服务器的计算能力有关。本发明主要考虑三种处理用户请求情况的端到端时延，分别是本地处理、卸载到交换机相连的其他区域以及卸载到交换机相连的云区域。用户请求的平均端到端时延如公式如下：
Figure BDA0003227234550000071
其中|CR|表示用户请求的总个数，CR为一组用户请求集合；
Figure BDA0003227234550000072
是二进制变量，如果用户请求(u,s)在MEC服务器节点e处理且通过第k条路径传输用户请求，E表示一组MEC服务器集合，则二进制变量的值为1，否则值为0；R(u,s)表示用户请求(u,s)传输所需的计算资源数；Me为MEC服务器节点e的计算资源能力；
Figure BDA0003227234550000073
表示用户请求(u,s)从节点s传输到MEC服务器节点e经过第k条工作路径的链路(k,l)之间的距离，K表示k条路径集合；c表示用户请求在光纤链路中的传输速率，设置为3ⅹ105km/s；y(u,s)为二进制变量，如果用户请求(u,s)迁移到第二层即云区域的MEC服务器节点e处理，则二进制变量的值为1，否则值为0；τ为用户请求通过交换机传输到云区域的额外交换时延。
频谱资源占用率是指所有用户请求的工作路径占用的频谱隙总数除以所有链路频谱隙的比例，具体计算公式如下：
Figure BDA0003227234550000074
其中，F(u,s)代表用户请求u的频谱资源需求，CR为一组用户请求集合，LN和SN分别表示链路总数以及每条链路的频谱资源容量。
为了解决云边协同网络中如何选择合适的服务器处理业务的问题，本发明在上述时延和频谱占用评估机制的基础上，提出了整数线性规划方法，即在静态网络中，实现以最低时延和频谱占用为目标的优化方案。
所述步骤S1中，初始化云边协同网络时，对边缘计算服务器的计算资源进行初始化，以及对频谱灵活光网络进行初始化。在云边协同网络G(CR，E)中，其中CR＝{1,2,…,(u,s),…}表示一组用户请求，E＝{1,2,…,e,…}表示一组边缘计算服务器节点。每一个用户请求CR(u,s)∈CR,u表示用户请求的编号，s表示产生用户请求的源节点。
所述步骤S2中，建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数时，由于本发明主要解决云边协同网络中如何选择合适的边缘计算服务器处理业务的问题，因此联合优化的目标函数使云边协同网络中用户请求平均端到端时延和频谱资源占用率最小化，即该目标函数由主要优化目标和次要优化目标两部分组成，并可通过调节参数α和β(0≤α,β≤1)的大小，改变优化目标的权重，从而实现不同的优化目的。当α＝1和β＝0时，优化目标变为实现网络中平均端到端时延的最小值；当α＝0和β＝1时，优化目标用于优化网络中频谱资源的占用率，实现网络中频谱利用的最优化。
优化目标函数可用如下式子表示：
最小化
Figure BDA0003227234550000081
其中，该整数线性规划模型的目标G是使云边协同网络中的平均端到端时延和占用的频谱隙个数达到最小化。在公式(3)中，第一部分表示用户请求的平均端到端时延，具体评估方法如公式(1)所示，通过优化选择合适的服务器降低用户的处理时延和传输时延；第二部分代表云边协同网络中占用的频谱隙总个数，通过优化
Figure BDA0003227234550000082
来减少连接请求占用频谱隙数目，
Figure BDA0003227234550000083
是二进制变量，用户请求(u,s)传输到MEC服务器节点e且链路(k,l)上编号f的频谱间隙被占用，则二进制变量的值为1，否则值为0。
所述步骤S3中，基于所述目标函数，建立满足目标函数优化方法的约束条件。
在给用户请求分配合理的MEC服务器处理时，节点和链路需要满足以下条件：
所述节点及路径选择唯一性约束为：
Figure BDA0003227234550000091
Figure BDA0003227234550000092
其中，
Figure BDA0003227234550000093
是二进制变量，如果用户请求(u,s)在MEC服务器节点e处理且通过第k条路径传输用户请求，则二进制变量的值为1，否则值为0。y(u,s)为二进制变量，如果用户请求(u,s)迁移到第二层，即云区域的MEC服务器节点e处理，则二进制变量的值为1，否则值为0。公式(4)和(5)保证了一个用户请求只能由一个服务器处理，并且每个用户请求都会选择k条工作路径中的一条路径来传输用户请求。
所述移动边缘计算服务器负载约束为：
Figure BDA0003227234550000094
Figure BDA0003227234550000095
公式(6)中R(u,s)表示用户请求(u,s)传输所需的计算资源数，
Figure BDA0003227234550000096
表示服务器的最大负载。公式(7)中Ve表示MEC服务器节点e的最大计算资源容量。公式(6)和(7)能够确保每个MEC服务器节点处理的用户请求的计算资源总量不能超过MEC节点的最大负载，并且MEC节点的最大负载不能超过节点的计算资源容量。
所述频谱资源占用及唯一性约束为：
Figure BDA0003227234550000101
Figure BDA0003227234550000102
Figure BDA0003227234550000103
其中，|F(k,l)|表示链路(k,l)上的最大频谱间隙数，假设每条链路所能提供的最大频谱间隙数相同，
Figure BDA0003227234550000104
表示用户请求(u,s)从节点s传输到MEC服务器节点e的第k条工作路径经过光纤链路(k,l)，F(u,s)表示用户请求(u,s)传输所需的频谱间隙数。公式(8)确保每条光纤链路占用的频谱隙的数量不能超过这条链路频谱隙的总数量。公式(9)和(10)确保传输到MEC服务器节点的用户请求(u,s)在光纤链路(k,l)占用的频谱隙数等于用户请求所需频谱隙数，并且每条链路的频谱隙f只能被一个用户请求占用。
所述频谱连续性约束为：
Figure BDA0003227234550000105
Figure BDA0003227234550000106
θ＝|F(k,l)|×|L| (13)
其中，θ表示整个网络的频谱总数，等于链路总数与链路频谱隙容量的乘积，如公式(13)所示。在工作路径上，每条光纤链路分配的频谱隙必须具有连续性。在公式(11)中，如果
Figure BDA0003227234550000107
并且
Figure BDA0003227234550000109
所有索引值高于f+1的频谱间隙都不会在光纤链路(k,l)上分配频谱资源。在公式(12)中，如果
Figure BDA00032272345500001010
则索引值低于f的频谱间隙都不会被分配给光纤链路(k，l)。所以公式(11)和(12)确保了频谱连续性的约束。
所述频谱一致性约束为：
Figure BDA00032272345500001011
所述约束条件(14)能够保证频谱资源的一致性，即对于每个用户请求，工作路径经过的每条链路占用的频谱隙的编号是相同的。
通过以上约束条件，可以找出基于云边协同网络的计算卸载、路由选择和频谱分配的资源分配方法，从而实现该发明整数线性规划的联合优化目标函数。
为了进一步理解该发明中提出的优化方法，下面结合相关的实例对本发明中具体的实施方法进行详细阐述，具体实例步骤如下所示：
以图2所示网络拓扑图为例，是一个6节点、8条链路的云边协同网络，MEC服务器节点e用圆圈表示，编号为0、1、2、3、4、5，其中云服务器节点为节点编号0。节点旁边虚线圆圈内的数字表示服务器具有的计算资源容量。节点之间用光纤链路连接，每条光纤链路都是双向的，链路上的数字代表链路的长度(单位为km)。这里，设置每条链路包含20个频谱隙资源。
在云边协同网络中生成一组用户请求集合CR＝{CR1(0,5),CR2(1,1)}，用户请求的计算资源和频谱资源需求分别为R(0,5)＝5、R(1,1)＝4、F(0,5)＝2和F(1,1)＝3。
确立并执行该发明中提出的最低用户请求平均端到端时延和最小占用频谱隙为目标函数，参考公式(3)。
确立并执行该发明中提出的基于云边协同网络中时延和频谱占用联合优化方法的约束条件。在处理每个用户请求的过程中，需要满足节点及路径选择唯一性约束条件，参考公式4和公式5、MEC服务器负载约束条件，参考公式6和公式7、频谱资源占用及唯一性约束条件参考公式8至公式10、频谱连续性约束条件，参考公式11至公式13、频谱一致性约束，参考公式14。
经过上述步骤，即可基于目标条件下为云边协同网络中的用户请求CR1(0,5)和CR2(1,1)分配相应的服务器和频谱资源。为了达到最低用户请求平均端到端时延和最小占用频谱隙的目标，本发明在选择服务器节点处理用户请求时同时考虑时延和频谱隙。如图3所示，链路上一个格子表示一个频谱隙，红色的格子表示频谱隙已被占用，白色的格子表示频谱隙处于空闲状态，即可以用来分配频谱资源。根据上述的约束条件和目标函数，将用户请求CR1(0,5)传输到节点4处理，用户请求CR2(1,1)传输到节点3处理，对应工作路径频谱隙变为绿色。从图3可以看出，以上的约束条件都可以满足，并且工作路径跳数只有一跳，频谱资源占用和时延都相对较低。
实施例二
基于同一发明构思，本实施例提供了一种云边协同网络中时延和频谱占用联合优化系统，其解决问题的原理与所述云边协同网络中时延和频谱占用联合优化方法类似，重复之处不再赘述。
本实施例提供一种云边协同网络中时延和频谱占用联合优化系统，包括：
初始化模块，用于初始化云边协同网络，生成一组用户请求；
建模模块，用于建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数；
判断模块，用于基于所述目标函数，在处理每个用户请求的过程中，依次判断是否满足节点及路径选择唯一性约束、移动边缘计算服务器负载约束、频谱资源占用及唯一性约束、频谱连续性约束以及频谱一致性约束，若均满足，则用户请求处理成功，进入步骤S4；若有任意一项不满足，则用户请求处理失败；
计算模块，用于计算用户请求平均端到端时延和频谱资源占用率。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种云边协同网络中时延和频谱占用联合优化方法，其特征在于，包括如下步骤：
步骤S1：初始化云边协同网络，生成一组用户请求；
步骤S2：建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数；
步骤S3：基于所述目标函数，在处理每个用户请求的过程中，依次判断是否满足节点及路径选择唯一性约束、移动边缘计算服务器负载约束、频谱资源占用及唯一性约束、频谱连续性约束以及频谱一致性约束，若均满足，则用户请求处理成功，进入步骤S4；若有任意一项不满足，则用户请求处理失败；
步骤S4：计算用户请求平均端到端时延和频谱资源占用率。
2.根据权利要求1所述的云边协同网络中时延和频谱占用联合优化方法，其特征在于：初始化云边协同网络时，对边缘计算服务器的计算资源进行初始化，以及对频谱灵活光网络进行初始化。
3.根据权利要求1所述的云边协同网络中时延和频谱占用联合优化方法，其特征在于：所述目标函数包括主要优化目标和次要优化目标。
4.根据权利要求1或3所述的云边协同网络中时延和频谱占用联合优化方法，其特征在于：所述目标函数的公式为：
Figure FDA0003227234540000011
其中|CR|表示用户请求的总个数,CR为一组用户请求集合；
Figure FDA0003227234540000012
是二进制变量，如果用户请求(u,s)在MEC服务器节点e处理且通过第k条路径传输用户请求，E表示一组MEC服务器集合，则二进制变量的值为1，否则值为0；R(u,s)表示用户请求(u,s)传输所需的计算资源数；Me为MEC服务器节点e的计算资源能力；
Figure FDA0003227234540000021
表示用户请求(u,s)从节点s传输到MEC服务器节点e经过第k条工作路径的链路(k,l)之间的距离
Figure FDA0003227234540000022
K表示k条路径集合；c表示用户请求在光纤链路中的传输速率，设置为3ⅹ105km/s；y(u,s)为二进制变量，如果用户请求(u,s)迁移到第二层即云区域的MEC服务器节点e处理，则二进制变量的值为1，否则值为0；τ为用户请求通过交换机传输到云区域的额外交换时延，α和β为参数，
Figure FDA0003227234540000023
是二进制变量，用户请求(u,s)输到MEC服务器节点e且链路(k,l)编号f的频谱间隙被占用，则二进制变量的值为1，否则值为0。
5.根据权利要求4所述的云边协同网络中时延和频谱占用联合优化方法，其特征在于：所述节点及路径选择唯一性约束为：
Figure FDA0003227234540000024
其中，
Figure FDA0003227234540000025
是二进制变量，如果用户请求(u,s)在MEC服务器节点e处理且通过第k条路径传输用户请求，则二进制变量的值为1，否则值为0，y(u,s)为二进制变量，如果用户请求(u,s)迁移到第二层，即云区域的MEC服务器节点e处理，则二进制变量的值为1，否则值为0。
6.根据权利要求4所述的云边协同网络中时延和频谱占用联合优化方法，其特征在于：所述MEC服务器负载约束为：
Figure FDA0003227234540000026
Figure FDA0003227234540000027
其中R(u,s)表示用户请求(u,s)传输所需的计算资源数，
Figure FDA0003227234540000028
表示服务器的最大负载，Ve表示MEC服务器节点e的最大计算资源容量。
7.根据权利要求4所述的云边协同网络中时延和频谱占用联合优化方法，其特征在于：所述频谱资源占用及唯一性约束为：
Figure FDA0003227234540000031
其中，|F(k,l)|表示链路(k,l)上的最大频谱间隙数，假设每条链路所能提供的最大频谱间隙数相同，
Figure FDA0003227234540000032
表示用户请求(u,s)从节点s传输到MEC服务器节点e的第k条工作路径经过光纤链路(k,l)，F(u,s)表示用户请求(u,s)传输所需的频谱间隙数。
8.根据权利要求7所述的云边协同网络中时延和频谱占用联合优化方法，其特征在于：所述频谱连续性约束为：
Figure FDA0003227234540000033
Figure FDA0003227234540000034
θ＝|F(k,l)|×|L|；其中θ表示整个网络的频谱总数，等于链路总数与链路频谱隙容量的乘积。
9.根据权利要求4所述的云边协同网络中时延和频谱占用联合优化方法，其特征在于：所述频谱一致性约束为：
Figure FDA0003227234540000035
其中，F(u,s)表示用户请求(u,s)传输所需的频谱间隙数。
10.一种云边协同网络中时延和频谱占用联合优化系统，其特征在于，包括：
初始化模块，用于初始化云边协同网络，生成一组用户请求；
建模模块，用于建立以用户请求平均端到端的最低时延和最小占用频谱隙的目标函数；
判断模块，用于基于所述目标函数，在处理每个用户请求的过程中，依次判断是否满足节点及路径选择唯一性约束、移动边缘计算服务器负载约束、频谱资源占用及唯一性约束、频谱连续性约束以及频谱一致性约束，若均满足，则用户请求处理成功，进入步骤S4；若有任意一项不满足，则用户请求处理失败；
计算模块，用于计算用户请求平均端到端时延和频谱资源占用率。
CN202110975856.0A 2021-08-24 2021-08-24 云边协同网络中时延和频谱占用联合优化方法及系统 Active CN113784373B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110975856.0A CN113784373B (zh) 2021-08-24 2021-08-24 云边协同网络中时延和频谱占用联合优化方法及系统
PCT/CN2021/122981 WO2023024219A1 (zh) 2021-08-24 2021-10-11 云边协同网络中时延和频谱占用联合优化方法及系统
US17/915,257 US11968122B2 (en) 2021-08-24 2021-10-11 Joint optimization method and system for delay and spectrum occupation in cloud-edge collaborative network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110975856.0A CN113784373B (zh) 2021-08-24 2021-08-24 云边协同网络中时延和频谱占用联合优化方法及系统

Publications (2)

Publication Number Publication Date
CN113784373A CN113784373A (zh) 2021-12-10
CN113784373B true CN113784373B (zh) 2022-11-25

Family

ID=78839357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110975856.0A Active CN113784373B (zh) 2021-08-24 2021-08-24 云边协同网络中时延和频谱占用联合优化方法及系统

Country Status (3)

Country Link
US (1) US11968122B2 (zh)
CN (1) CN113784373B (zh)
WO (1) WO2023024219A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114363984B (zh) * 2021-12-16 2022-11-25 苏州大学 一种云边协同光载网络频谱资源分配方法及系统
CN117194047B (zh) * 2023-04-13 2024-04-09 山东华科信息技术有限公司 基于数据协同的分布式系统
CN116208669B (zh) * 2023-04-28 2023-06-30 湖南大学 基于智慧灯杆的车载异构网络协同任务卸载方法及系统
CN116582836B (zh) * 2023-07-13 2023-09-12 中南大学 一种任务卸载与资源分配方法、设备、介质和系统
CN116668447B (zh) * 2023-08-01 2023-10-20 贵州省广播电视信息网络股份有限公司 一种基于改进自学习权重的边缘计算任务卸载方法
CN116996198B (zh) * 2023-09-25 2023-12-19 之江实验室 一种灵活以太网双向时延对称小颗粒时隙分配方法及装置
CN117370033B (zh) * 2023-12-07 2024-09-03 杭州义益钛迪信息技术有限公司 云边协同资源优化方法、装置、电子设备和存储介质
CN118201116B (zh) * 2024-05-20 2024-08-06 深圳市嘉万光通信有限公司 通信资源分配方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106992810A (zh) * 2017-01-23 2017-07-28 苏州大学 考虑联合故障概率约束的共享保护路由和频谱分配方法
CN112134916A (zh) * 2020-07-21 2020-12-25 南京邮电大学 一种基于深度强化学习的云边协同计算迁移方法
CN112689303A (zh) * 2020-12-28 2021-04-20 西安电子科技大学 一种边云协同资源联合分配方法、系统及应用

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7418494B2 (en) * 2002-07-25 2008-08-26 Intellectual Ventures Holding 40 Llc Method and system for background replication of data objects
CN108139920A (zh) * 2015-10-02 2018-06-08 Idac控股公司 在动态条件及变约束下用于基于信息中心联网(icn)的代理服务器管理的方法、设备及系统
US11025711B2 (en) 2019-05-02 2021-06-01 EMC IP Holding Company LLC Data centric resource management for edge cloud systems
CN110891093B (zh) 2019-12-09 2022-02-22 中国科学院计算机网络信息中心 一种时延敏感网络中边缘计算节点选择方法及系统
US11284307B2 (en) * 2020-04-09 2022-03-22 Tmobile Usa, Inc. Enhancing telecommunication quality of service
CN111901424B (zh) 2020-07-28 2021-09-07 苏州大学 云边协同网络资源平滑迁移与重构方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106992810A (zh) * 2017-01-23 2017-07-28 苏州大学 考虑联合故障概率约束的共享保护路由和频谱分配方法
CN112134916A (zh) * 2020-07-21 2020-12-25 南京邮电大学 一种基于深度强化学习的云边协同计算迁移方法
CN112689303A (zh) * 2020-12-28 2021-04-20 西安电子科技大学 一种边云协同资源联合分配方法、系统及应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
移动边缘计算中多约束下的任务卸载和资源分配算法;童钊等;《计算机工程与科学》;20201015(第10期);全文 *

Also Published As

Publication number Publication date
US20230421501A1 (en) 2023-12-28
WO2023024219A1 (zh) 2023-03-02
US11968122B2 (en) 2024-04-23
CN113784373A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113784373B (zh) 云边协同网络中时延和频谱占用联合优化方法及系统
CN111901424B (zh) 云边协同网络资源平滑迁移与重构方法及系统
CN109684075B (zh) 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN113364850B (zh) 软件定义云边协同网络能耗优化方法和系统
CN108076158B (zh) 基于朴素贝叶斯分类器的最小负载路由选择方法及系统
CN110087318A (zh) 基于5g移动边缘计算的任务卸载和资源分配联合优化方法
WO2023039965A1 (zh) 流量疏导的云边计算网络计算资源均衡调度方法及系统
Lin et al. Three-tier capacity and traffic allocation for core, edges, and devices for mobile edge computing
CN110493854B (zh) 一种基于优化理论的wpt-mec网络上下行资源分配与功率控制机制
CN111093226B (zh) 基于非正交多址接入与移动边缘计算多任务并行迁移方法
CN113489617B (zh) 基于流量疏导的最小网络能耗优化方法及系统
CN113076177B (zh) 一种边缘计算环境下的虚拟机动态迁移方法
CN109743217B (zh) 一种基于svra算法的自适应资源调节方法
CN109743751B (zh) 无线接入网的资源分配方法及装置
CN115413041B (zh) 一种集中式的无线自组网资源分配方法及系统
Lin et al. Storage-assisted optical upstream transport scheme for task offloading in multi-access edge computing
CN112235387A (zh) 一种基于能量消耗最小化的多节点协作计算卸载方法
CN113032146A (zh) 一种面向多接入边缘计算环境的健壮性服务供应方法
CN108616782A (zh) 一种弹性光网络中基于不相交连接组优化的频谱分配方法
CN114116211B (zh) 面向移动边缘计算的业务流量分流优化方法与系统
CN105721309B (zh) 一种软件定义传送网中的频谱资源优化方法及装置
CN110233803B (zh) 一种传输网络结点的调度装置及方法
Guan et al. Multidimensional resource fragmentation-aware virtual network embedding for IoT applications in MEC networks
CN116887080B (zh) 云边弹性光网络中频谱和计算资源占用联合卸载方法
CN117857423B (zh) 一种基于电力的低时延通信路由方法和系统

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