CN114302435B - 一种移动边缘计算传输系统中的功耗与时延的优化方法 - Google Patents
一种移动边缘计算传输系统中的功耗与时延的优化方法 Download PDFInfo
- Publication number
- CN114302435B CN114302435B CN202111671400.1A CN202111671400A CN114302435B CN 114302435 B CN114302435 B CN 114302435B CN 202111671400 A CN202111671400 A CN 202111671400A CN 114302435 B CN114302435 B CN 114302435B
- Authority
- CN
- China
- Prior art keywords
- user
- power consumption
- time delay
- optimal
- transmission rate
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000013144 data compression Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 12
- 230000008054 signal transmission Effects 0.000 claims description 8
- 238000005265 energy consumption Methods 0.000 claims description 4
- 230000006837 decompression Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 8
- 238000007906 compression Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种移动边缘计算传输系统中的功耗与时延的优化方法。涉及移动边缘计算技术、压缩编码技术、中继传输技术和物理层资源分配技术,本发明设计了利用移动边缘计算的数据传输和数据压缩的资源优化配置方案,大大降低了系统的时延和功耗。本发明提出的用户与边缘服务器的发送功率、数据压缩比率和传输速率的迭代优化算法,可以实现数据传输和处理过程的功耗与时延的优化,与传统的移动用户中继传输系统相比,本发明可以显著的降低系统的功耗与时延,其迭代算法具有良好的收敛性和较低的复杂度,其参数计算易实现,且具有良好的实用性。
Description
技术领域
本发明属于信息与通信工程领域,涉及移动边缘计算技术、压缩编码技术、中继传输技术和物理层资源分配技术,主要是通过设计一种应用于移动边缘计算传输系统的联合优化方法,减少移动用户间传输数据和处理数据的功耗与时延。
背景技术
移动边缘计算(Mobile Edge Computing,MEC),也称为多接入边缘计算(multi-access edge computing)是将边缘计算与移动网络基础设施相结合的一种技术,通过在移动网边缘提供IT服务环境和云计算能力,实现应用、服务和内容的本地化、近距离和分布式部署,从而解决了低时延高可靠的通信以及大规模机器通信类终端连接等场景的业务需求。移动边缘计算是未来6G网络的核心技术之一,可以用于解决由于移动互联网及物联网带来的急速增长的大规模数据需求。
随着实时在线游戏、虚拟现实等新兴计算密集型和时延敏感型应用业务的不断涌现,计算资源和电池容量受限的智能用户终端(智能手机、平板等)正面临着严峻挑战,移动边缘计算成为满足用户业务高带宽、低时延、低能耗的服务需求的关键赋能技术。目前主流的设计方案是透过计算任务卸载的方法将计算密集型任务传送至边缘服务器处理,以缓解用户终端的计算资源的不足。然而在移动用户间通信的过程中,由于信道状况不理想所产生的功耗与时延的代价也不可忽视,文献1(K.Barr and K.Asanovic,“Energy-awarelossless data compression,”ACM Transactions on Computer Systems,vol.24,no.3,pp.250–291,Aug.2006)指出,在无线信道中传输1bit数据的功耗要大于计算32bit的功耗的1000倍。因此借助边缘服务器的计算资源,提升移动用户传输过程中通信资源使用效率是一个可行且有效的手段。因此,在文献2(M.Qin,L.Chen,N.Zhao,Y.Chen,F.R.Yu,andG.Wei,“Computing and relaying:Utilizing mobile edge computing for P2Pcommunications,”IEEE Trans.Veh.Technol.,vol.69,no.2,pp.1582–1594,Feb.2020)的基础上,提出了基于移动边缘计算传输系统中的联合优化算法,进一步降低数据传输和处理过程中的能耗和时延。
目前,对于利用移动边缘计算提升用户传输能效和速率的研究,仅有文献2提出了初步的方案,但并未研究无线信道的变化、边缘服务器的性能的影响,也未分析用户发送功率与传输速率的优化设置。该方案补充了该方面研究的空白,提出的优化模型需综合考虑实际无线信道衰落分布和边缘服务器的CPU性能,联合优化用户的发送功率、传输速率、压缩比例等因素,从而达到显著降低移动用户间数据传输和处理的能耗和时延的效果。
发明内容
本发明针对现有研究技术的不足,公开了一种应用于移动边缘计算传输系统的功耗与时延的联合优化方法,本发明的方法具体包括下面7个步骤:
步骤1.初始化系统,设定用户1总功耗E1、用户2总功耗E2、总时延T在联合优化问题中对应的比例系数α1,α2,γ;α1,α2,γ∈[0,1],并设定迭代算法的精度δ和迭代次数上限Nmax;
步骤2.设定移动边缘计算系统中通信资源和计算资源的相关参数:中继节点发送功率p2、用户1压缩数据功耗比qc、用户2解压缩数据功耗比qd、边缘服务器处理器主频fm、用户1处理器fc和用户2处理器主频fd,;
步骤3.初始化计数器i=0,计算中继节点的最佳传输速率r2,并将用户1的最佳传输速率初始值r1设定为r2;
步骤4.根据中继节点的最佳传输速率r2和其相关的参数,求解中继节点的最佳数据压缩比ρ2;
步骤5.根据用户1的最佳传输速率计算用户1的最佳发射功率/>和最佳数据压缩比/>
步骤6.根据计算得到的和/>迭代计算根据用户1的最佳传输速率/>令计数器i加1;
步骤7.判断迭代终止条件:或者i≥Nmax是否满足,若两者都不满足,则返回步骤5。
作为优选,所述步骤3和步骤6的最优传输速率优化问题S1建构如下:
作为优选,步骤3和步骤6中的r2和r1的计算公式如下:
i=1,2,
其中B是信号传输带宽,ηi为信号传输的信噪比,W(·)是Lambert W函数。
作为优选,所述步骤4和步骤5的最优压缩比例和最优传输功率优化问题S2建构如下:
作为优选,步骤4和步骤5中ρ1,ρ2,p1的计算公式如下:
其中 α′1=α1D/r1,γ′=γD/r1,B1=f(r1)/g1,B1=f(r2)/g2,/>ε与ξ1、ξ2是与数据压缩/解压缩所耗能量的相关参数,D是数据传输大小,qrx是用户2的信号接收功率,W(·)是Lambert W函数,B是信号传输带宽。
本发明的有益效果:
移动边缘计算传输系统的功耗与时延的联合优化方法,可以充分利用移动边缘服务器的计算资源,使用压缩编码传输技术,降低因无线信道衰落产生的时延和功耗。本发明提出了应用于移动用户间的边缘计算传输优化方案,对数据传输和处理过程的计算资源和通信资源进行优化配置,大大降低了同等数据量传输的功耗和时延。
本发明提出的功耗与时延的联合分配优化方法,通过总代价函数对时延和功耗之间进行比例折算,涵盖了任意时延和功耗权重的情况,可以应用于从时延敏感型业务到功耗敏感型业务的不同场景,适用性广。
本发明提出优化算法基于经典的Block Coordinate Descent算法和Karush-Kuhn-Tucher最优条件,算法复杂度为线性,收敛速度快。
附图说明
图1是移动边缘计算传输场景示意图;
图2是移动边缘计算传输系统原理示意图;
图3是移动边缘计算传输系统性能仿真图;
图4是联合优化算法迭代速度示意图。
具体实施方式
下面结合附图及实施案例,对本发明作进一步详述,应注意本发明的实施方式不限于此。
图1是移动边缘计算传输的典型场景,移动用户(UF1、UE2)通过基站接入到移动通信网络经过核心网络完成数据传输过程,移动边缘计算服务器布设在基站附近,应用本优化算法完成计算与通信资源的优化配置,降低数据通信和处理全过程的时延与功耗。
图2是图1的简化模型,通过将图1中的接入网和核心网等效为单一的中继节点(参数不变),将图1中的场景建构为一个两跳的计算中继(Relay)传输模型,与普通的中继不同,该中继包含计算资源,可以对输入与输出的数据压缩比进行转换,使输入与输出的数据压缩比适应相应无线信道与传输速率的变化:
本发明的方法具体包括下面7个步骤:
步骤1.初始化系统,设定用户1总功耗E1、用户2总功耗E2、总时延T在联合优化问题中对应的比例系数α1,α2,γ(α1,α2,γ∈[0,1]),并设定迭代算法的精度δ和迭代次数上限Nmax;
步骤2.设定移动边缘计算系统中通信资源和计算资源的相关参数:中继节点发送功率p2、用户1压缩数据功耗比qc、用户2解压缩数据功耗比qd、边缘服务器处理器主频fm、用户1处理器fc和用户2处理器主频fd,;
步骤3.初始化计数器i=0,计算中继节点的最佳传输速率r2,并将用户1的最佳传输速率初始值设定为r2;
步骤4.根据中继节点的最佳传输速率r2和其它相关参数,求解中继节点的最佳数据压缩比ρ2;
步骤5.根据用户1的最佳传输速率计算用户1的最佳发射功率/>和最佳数据压缩比/>
步骤6.根据计算得到的和/>迭代计算根据用户1的最佳传输速率/>令计数器i加1;
步骤7.判断迭代终止条件:或者i≥Nmax是否满足,若两者都不满足,则返回步骤5。
本发明的功耗与时延优化方案可建模为优化问题S0
其中计算功耗和时延代价函数为
α′1=α1D/r1,γ′=γD/r1,/>A4=α1C1+α2C2+γT0,Bi=f(ri)/gi,i=1,2.
而优化问题S0又可进一步分解为与步骤3和步骤6相关的最优传输速率优化问题S1
以及与步骤4和步骤5相关的最优压缩比例和最优传输功率优化问题S2
其中优化问题S1可证明为凸优化问题,因此可得到步骤3和步骤6中的r2和r1的计算公式如下:
i=1,2,
其中B是信号传输带宽,ηi为信号传输的信噪比,W(·)是Lambert W函数。
同时,优化问题S2可经过变换等价为凸优化问题(变换步骤略),因此可得到步骤4和步骤5中ρ1,ρ2,p1的计算公式如下:
其中 α′1=α1D/r1,γ′=γD/r1,B1=f(r1)/g1,B1=f(r2)/g2,/>ε与ξ1、ξ2是与数据压缩/解压缩所耗能量的相关参数,D是数据传输大小,qrx是用户2的信号接收功率,W(·)是Lambert W函数,B是信号传输带宽。
根据上述示例我们对本方法的性能进行了仿真。
在图3中,将本方法与使用传统的传输速率与功耗的联合优化方法的性能作了对比。我们将两种方法得到的时延与功耗的总代价之比作为参考,其计算公式为
G=LMEC/LNon
从仿真结果图可以看出,总体上本方法的优化效果明显要好于传统的优化方法,对总代价的最佳优化效率可以达到80%以下。此外,从图3可以看出,本算法的优化效率与用户所拥有的计算能力有关(本图中,另一个用户的计算能力默认为主频500MHz):当用户1(UF1)的计算能力越高,本优化方法的优化效率越低,反之,当用户2(UF1)的计算能力越高,本优化方法的优化效率越高。
在图4中,我们对不同无线信道环境下本算法的迭代收敛次数作了比较。总体来说,由于本算法示例中设置的收敛门限值为固定值(δ=10-4),当信道环境较为恶劣时,其功耗与时延的总代价数值较高,因而达到收敛门限值的次数较多。从图4的仿真结果可以看出,在图示信道较差和较好的两种情况下,本算法均在50次迭代以内达到了收敛,并且可以看出,本算法在迭代10~15次之后,其优化的目标值即趋于稳定。因此仿真结果现实,本优化算法具有较好的稳定性和较快的收敛速度。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以权利要求所述为准。
Claims (1)
1.一种移动边缘计算传输系统中的功耗与时延的优化方法,其特征在于,具体包括如下步骤:
步骤1.初始化系统,设定用户1总功耗E1、用户2总功耗E2、总时延T在联合优化问题中对应的比例系数α1,α2,γ;α1,α2,γ∈[0,1],并设定迭代算法的精度δ和迭代次数上限Nmax;
步骤2.设定移动边缘计算系统中通信资源和计算资源的相关参数:用户1发送功率p1和中继服务器节点发送功率p2、用户1压缩数据功耗比qc、用户2解压缩数据功耗比qd、边缘服务器处理器主频fm、用户1处理器主频fc和用户2处理器主频fd,;
步骤3.初始化计数器i=0,计算中继节点的最佳传输速率并将用户1的最佳传输速率初始值/>设定为/>其中B是信号传输带宽,η2是中继服务器信号传输的信噪比,W(·)是Lambert W函数;
步骤4.根据中继节点的最佳传输速率和其相关的参数,求解中继节点的最佳数据压缩比/>
其中 ε与ξ1、ξ2是与数据压缩/解压缩所耗能量的相关参数,D是数据传输大小,qrx是用户2的信号接收功率;
步骤5.根据用户1的最佳传输速率计算用户1的最佳发射功率/>和最佳数据压缩比/>
其中,
步骤6.根据计算得到的根据/>迭代计算用户1的最佳传输速率令计数器i加1;
步骤7.判断迭代终止条件:或者i≥Nmax是否满足,若两者都不满足,则返回步骤5,若其中任一条件满足,则终止迭代,输出目前结果为最终结果,其中LMEC表示功耗和时延代价函数:
A4=α1C1+α2C2+γT0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111671400.1A CN114302435B (zh) | 2021-12-31 | 2021-12-31 | 一种移动边缘计算传输系统中的功耗与时延的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111671400.1A CN114302435B (zh) | 2021-12-31 | 2021-12-31 | 一种移动边缘计算传输系统中的功耗与时延的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114302435A CN114302435A (zh) | 2022-04-08 |
CN114302435B true CN114302435B (zh) | 2023-10-03 |
Family
ID=80972824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111671400.1A Active CN114302435B (zh) | 2021-12-31 | 2021-12-31 | 一种移动边缘计算传输系统中的功耗与时延的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114302435B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111132230A (zh) * | 2019-12-25 | 2020-05-08 | 东南大学 | 一种面向数据采集的带宽分配和数据压缩联合优化方法 |
CN111949110A (zh) * | 2020-07-16 | 2020-11-17 | 北京邮电大学 | 一种移动边缘计算中能耗最小化的处理方法及装置 |
WO2021233053A1 (zh) * | 2020-05-22 | 2021-11-25 | 华为技术有限公司 | 计算卸载的方法和通信装置 |
-
2021
- 2021-12-31 CN CN202111671400.1A patent/CN114302435B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111132230A (zh) * | 2019-12-25 | 2020-05-08 | 东南大学 | 一种面向数据采集的带宽分配和数据压缩联合优化方法 |
WO2021233053A1 (zh) * | 2020-05-22 | 2021-11-25 | 华为技术有限公司 | 计算卸载的方法和通信装置 |
CN111949110A (zh) * | 2020-07-16 | 2020-11-17 | 北京邮电大学 | 一种移动边缘计算中能耗最小化的处理方法及装置 |
Non-Patent Citations (2)
Title |
---|
Offloading Optimization for Low-Latency Secure Mobile Edge Computing Systems;Yi Zhou;IEEE;全文 * |
移动边缘计算环境下的任务调度与资源分配技术研究;董浩;《硕士学位论文》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114302435A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109814951B (zh) | 移动边缘计算网络中任务卸载及资源分配的联合优化方法 | |
CN108809695B (zh) | 一种面向移动边缘计算的分布上行链路卸载策略 | |
CN107317700B (zh) | 车载边缘计算节点选择系统及方法 | |
WO2019200716A1 (zh) | 面向雾计算的节点计算任务调度方法及其设备 | |
CN111372314A (zh) | 基于移动边缘计算场景下的任务卸载方法及任务卸载装置 | |
CN111586720A (zh) | 一种多小区场景下的任务卸载和资源分配的联合优化方法 | |
CN111556089A (zh) | 基于使能区块链移动边缘计算系统的资源联合优化方法 | |
Feng et al. | Energy-efficient user selection and resource allocation in mobile edge computing | |
CN111615129A (zh) | 基于noma的多用户移动边缘计算系统中的资源分配方法 | |
CN111796880B (zh) | 一种边缘云计算任务的卸载调度方法 | |
CN111615121B (zh) | 地面机动站多跳任务计算卸载处理方法 | |
CN112822707A (zh) | 一种计算资源有限mec中任务卸载与资源分配方法 | |
CN112654058A (zh) | D2d多播网络中的移动边缘计算卸载与资源分配算法 | |
CN111542110A (zh) | 面向多用户物理层安全通信的用户调度与功率分配优化方法 | |
CN113507712B (zh) | 一种基于交替方向乘子的资源分配与计算任务卸载方法 | |
Zhang et al. | Partial computation offloading in satellite based three-tier cloud-edge integration networks | |
Zhang et al. | A resource allocation scheme for real-time energy-aware offloading in vehicular networks with mec | |
CN114302435B (zh) | 一种移动边缘计算传输系统中的功耗与时延的优化方法 | |
CN110602718B (zh) | 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统 | |
CN109561129B (zh) | 一种基于光纤-无线网络的协同计算卸载方法 | |
CN116634500A (zh) | 基于超图匹配计算与通信容量增强的d2d计算卸载方法 | |
CN107835514B (zh) | 一种多宿主业务场景下无线网络资源匹配的建模方法 | |
CN115955479A (zh) | 一种云边端协作系统中的任务快速调度与资源管理方法 | |
CN114466335A (zh) | 一种d2d辅助mec系统中基于博弈论的联合优化方法 | |
Yin et al. | Task Scheduling and Resource Management Strategy for Edge Cloud Computing Using Improved Genetic Algorithm. |
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 |