CN114448991B - 一种多边缘服务器选择方法、系统、介质、设备及终端 - Google Patents
一种多边缘服务器选择方法、系统、介质、设备及终端 Download PDFInfo
- Publication number
- CN114448991B CN114448991B CN202111621205.8A CN202111621205A CN114448991B CN 114448991 B CN114448991 B CN 114448991B CN 202111621205 A CN202111621205 A CN 202111621205A CN 114448991 B CN114448991 B CN 114448991B
- Authority
- CN
- China
- Prior art keywords
- edge server
- user
- server
- task
- edge
- 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
- 238000010187 selection method Methods 0.000 title claims description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 238000005516 engineering process Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 27
- 230000008030 elimination Effects 0.000 claims abstract description 7
- 238000003379 elimination reaction Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 206010042135 Stomatitis necrotising Diseases 0.000 claims description 10
- 201000008585 noma Diseases 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000006854 communication Effects 0.000 abstract description 23
- 238000004891 communication Methods 0.000 abstract description 22
- 238000001228 spectrum Methods 0.000 abstract description 3
- 230000008092 positive effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/083—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for increasing network speed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明属于无线通信技术领域，公开了一种多边缘服务器选择方法、系统、介质、设备及终端，包括：搭建边缘服务器选择场景下的目标层、准则层以及方案层；利用层次分析法求解出用户传输范围之内的最佳边缘服务器；用户关联边缘服务器；用户进行任务分割与功率分配；边缘服务器与云服务器分别利用串行干扰消除技术解码并执行任务；计算系统总时延。本发明针对于满足时延敏感任务的低时延门限要求，通过AHP算法选择与用户关联的最佳传输范围内的移动边缘计算服务器，增强了边缘计算服务器辅助用户任务计算时的合理性和可行性，优化了系统总时延，避免了不合理地占用其他边缘服务器的计算资源，提高了频谱利用率并降低了系统的任务处理总时延。
Description
技术领域
本发明属于无线通信技术领域，尤其涉及一种多边缘服务器选择方法、系统、介质、设备及终端。
背景技术
目前，随着第5代无线网络发展带来的更高数据流量需求和计算任务更低的时延容忍度，无线通信过程中信号传输的可靠性和安全性正经受着前所未有的考验。伴随物联网汇聚网关、虚拟现实、车联网、智能视频加速等新型服务的出现，传统的网络结构逐渐不堪重负，这一现象催生了移动边缘计算(Mobile Edge Computing，MEC)技术的出现。在MEC系统中，网络业务和计算资源下沉到了更接近用户的无线接入网侧，优势在于可以减小用户感受到的传输时延，提升用户体验、显著控制网络拥塞情况、减轻主基站响应压力、降低计算终端的能耗，综合提升无线传输网络的性能。
另一方面，非正交多址接入(Non-orthogonal Multiple Access，NOMA)技术在频谱利用率和用户公平性之间取得了性能折衷，被认为是5G网络中极富有前景的一门通信研究课题。相比于正交多址接入(Orthogonal Multiple Access，OMA)技术，NOMA技术可以在相同时隙以不同的功率等级来服务不同的用户。下行NOMA技术结合了基站的叠加编码技术和用户端的串行干扰消除技术。且为了维护用户间的公平性，下行NOMA为信道质量更差的用户分配更多的传输功率。目前，针对非正交多址接入技术与MEC结合的研究已取得了一定的论文及专利等相关成果。在2018年Qi Gu等在“IEEE Global CommunicationsConference”(《国际电气电子工程师协会国际通信会议》)中提出了一种多个边缘服务器辅助单用户执行计算任务的场景。用户端采用了NOMA卸载方案，将用户的计算任务拆分为本地计算部分以及上传至多个边缘服务器进行并行计算的部分。结果表明，该方案相比于将任务全部在本地计算以及将任务全部发送到边缘服务器计算的方案，在系统能耗方面性能得到了提升。但是该方案的欠缺在于没有考虑到多个边缘服务器相对于用户而言辅助计算的收益与任务卸载到边缘服务器的通信传输开销之间的关系，未设置一个贴合系统的准则来评估某边缘服务器是否适合辅助用户进行任务计算。在2021年Fang Fang等在“IEEETransactions on Communications”(《国际电气电子工程师协会通信汇刊》)中提出了一种下行NOMA和MEC结合的，多边缘服务器辅助多用户计算卸载的通信场景。在仅获取不完美系统信道质量的前提下，从任务分割、功率分配以及用户关联等方面展开对降低系统总能耗的研究。结果表明，下行NOMA和MEC结合系统相较于传统OMA系统的能耗有明显的改进。但是由于NOMA卸载中的串行干扰消除(Successive Interference Cancellation，SIC)解码技术本身存在的错误传播效应带来的额外系统开销，需要视任务时延需求以及多用户间信道质量的关系来判断是否使用NOMA方案。
随着对于非正交多址接入技术的研究以及通信模型的扩展，一种混合非正交多址接入(HybridNOMA，H-NOMA)技术被提出。在2020年Zhiguo Ding等在“IEEE TransactionsonWireless Communications”(《国际电气电子工程师协会无线通信汇刊》)中提出了基于混合NOMA与MEC结合系统中，配备了边缘服务器的单基站同时服务多用户的场景。文章结合了能耗和时延两方面系统性能综合评估混合NOMA系统的表现。结果表明，混合NOMA系统在任务卸载存在时延门槛时，性能优于OMA方案；而如果任务是时延不敏感的，OMA方案性能更好。且混合NOMA系统相较于传统NOMA系统而言可以达到更低的系统能耗。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有技术没有考虑到多个边缘服务器相对于用户而言辅助计算的收益与任务卸载到边缘服务器的通信传输开销之间的关系，未设置一个贴合系统的准则来评估某边缘服务器是否适合辅助用户进行任务计算。
(2)现有技术中，由于NOMA卸载中的串行干扰消除解码技术本身存在的错误传播效应带来的额外系统开销，需要视任务时延需求以及多用户间信道质量的关系来判断是否使用NOMA方案。
解决以上问题及缺陷的难度为：
(1)现有技术方案在针对边缘服务器辅助用户进行任务处理的系统进行研究时，未能充分考虑传输范围内多边缘服务器选择准则的权重决策。在实际情况中，针对不同通信场景选择出最佳的边缘服务器的做法可以有效避免用户任务对其他性能较差边缘服务器的不合理占用带来的计算资源浪费。因此，该场景下的技术难度在于在具体场景下选择最佳边缘服务器的权重决策。
(2)混合NOMA卸载方案与MEC结合场景下的用户任务传输是一个多阶段的卸载过程，对于实际通信场景下关键的系统性能相比传统方案都有明显的优化。针对于实际场景下的服务器计算能力和任务量的分配比例做出细化，混合NOMA的卸载方式中的功率分配因子这一资源调度元素在不同的卸载阶段中产生了变化，需要根据第二阶段的OMA传输环境进行重新分配。因此，该场景下的技术难度在于混合NOMA结合MEC卸载场景下的系统传输过程分析。
解决以上问题及缺陷的意义为：随着5G技术与各种新兴网络服务的蓬勃发展，时延敏感任务逐渐增多。优化任务处理时延，满足任务的时延门限，不断地提升用户的体验感受已经成为了一门亟待解决的课题。现有的本地计算与服务器计算方案在优化系统时延和服务器计算资源调度方面都尚有优化空间。因此，解决上述技术问题，有助于提高用户的网络服务使用感受，从而促进未来通信的发展。
发明内容
针对现有非正交多址与移动边缘计算结合场景中存在的问题，本发明提供了一种多边缘服务器选择方法、系统、介质、设备及终端，尤其涉及一种基于混合NOMA-MEC场景下的多边缘服务器选择方法、系统、介质、设备及终端。
本发明是这样实现的，一种多边缘服务器选择方法，所述多边缘服务器选择方法包括以下步骤：
步骤一，搭建边缘服务器选择场景下的目标层、准则层以及方案层；
步骤一的积极作用为搭建使用AHP层次分析法决策多边缘服务器选择场景下的算法模型，明确各层次中的决策元素。
步骤二，设计每相邻两层评估因素之间的判断矩阵并检验一致性，利用AHP层次分析法求解出用户传输范围之内的最佳边缘服务器；
步骤二的积极作用为保证表征AHP算法中决策元素的权重关系的判断矩阵的有效性和合理性，增强AHP算法应用于本通信模型的理论性。
步骤三，用户根据AHP算法的计算结果与传输范围内的最佳MEC边缘服务器关联；
步骤三的积极作用为将AHP算法结果与任务卸载过程相结合，为后续信号传输与系统总时延分析奠定基础。
步骤四，用户在与最佳边缘服务器关联后，分割边缘服务器与云服务器各自处理的任务并分配传输功率；
步骤四的积极作用为用户将生成的任务依照AHP算法结果向选择出的边缘服务器和云服务器分别卸载，用户端决策功率分配与任务分割的资源调度因子。
步骤五，边缘服务器与云服务器分别利用SIC技术解码并执行任务；
步骤五的积极作用为由于任务是在功率域叠加发送的，服务器在接收到用户分配的任务后，需要通过串行干扰消除技术，即SIC技术，分离各自需要执行的任务。
步骤六，分别计算云服务器和边缘服务器从用户发送任务到完成任务的时延，并取较大值作为系统总时延。
步骤六的积极作用为求出系统总时延，并将其作为本卸载模型的系统性能指标进行仿真和对比。
进一步，所述步骤一中的目标层中包含唯一目标：选择用户传输范围内使得系统总时延最小的最佳边缘服务器；所述准则层中包含同等级的三个边缘服务器评估准则，分别为：用户与边缘服务器之间的传输信道质量、用户与边缘服务器之间的欧式距离、边缘服务器自身的计算能力；所述方案层中包含所有传输范围内的K个空闲边缘服务器。
所述搭建边缘服务器选择场景下的目标层、准则层以及方案层包括：
(1)根据选择使得系统总时延最小的用户传输范围内的最佳边缘服务器的目标构建AHP算法的目标层；
(2)根据用户与边缘服务器之间的传输信道质量、用户与边缘服务器之间的欧式距离以及边缘服务器的计算能力构建AHP算法的准则层；
(3)根据所有传输范围内的空闲边缘服务器构建AHP算法的方案层。
进一步，所述步骤二中的设计每相邻两层评估因素之间的判断矩阵并检验其一致性，利用AHP层次分析法求解出用户传输范围之内的最佳边缘服务器包括：
(1)确定决策目标，构架分析层次；根据步骤一中构建的三个分析层次搭建选择最佳边缘服务器问题的整体AHP算法模型；
(2)构建AHP算法模型每相邻两层之间的判断矩阵；在进行数学分析前，预先比较不同层次之间决策元素的权重，明确上下两层节点之间的相对重要性；
(3)对判断矩阵进行一致性检验：判断矩阵的一致性指标为C.I.，平均随机一致性指标R.I.以及一致性比率C.R.；其中，一致性指标的值为
λmax为判断矩阵的最大特征值，n为判断矩阵的阶数；C.I.值越大，则矩阵的一致性越差；当C.I.值接近0时，说明矩阵的一致性令人满意；R.I.值是由蒙特卡洛算法模拟随机矩阵验证一致性是否可以接受得到，数值列表展示如下：
| n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 |
一致性比率为
当C.R.＜0.1时，代表该矩阵有较好的一致性；使用更有约束力的一致性比率C.R.来判别矩阵是否通过一致性检验；
(4)计算K个方案各自相对于目标的权重值并排序，选择综合权重值最大的方案作为AHP算法的结果。
进一步，所述步骤三中的用户根据AHP算法的计算结果与传输范围内的最佳MEC边缘服务器关联包括：
得到AHP算法解出的传输范围内的最佳边缘服务器结果，用户获取该服务器的详细信息；用户与该最佳边缘服务器进行关联。
所述步骤四中的用户在与最佳边缘服务器关联后，分割边缘服务器与云服务器各自处理的任务并分配传输功率包括：
(1)用户在与最佳边缘服务器关联后，分配边缘服务器与云服务器各自处理的任务；若用户总任务量为I，任务分割参数为λ，λ∈(0,1)，则分配给边缘服务器的任务量为Ie＝λI，分配给云服务器的任务量为Ic＝(1-λ)I；
(2)用户在与最佳边缘服务器关联后，分配边缘服务器与云服务器各自的传输功率；由于模型为混合NOMA和MEC结合的场景，即在第一阶段中，边缘服务器和云服务器都接收传输任务，用户以NOMA方式进行任务卸载；第二阶段中，边缘服务器率先接收完毕并开始执行任务，云服务器仍在接收任务，用户以OMA方式向云服务器卸载任务；若用户端总发射功率为P，功率分配参数为β，β∈(0,1)，则在第一阶段分配给边缘服务器的功率为Pe＝βP，分配给云服务器的功率为Pc＝(1-β)P；在第二阶段，云服务器占据全部发射功率Pc＝P。
进一步，所述步骤五中的边缘服务器与云服务器分别利用SIC技术解码并执行任务包括：
(1)在系统传输第一阶段，边缘服务器与云服务器利用串行干扰消除技术解码接收到的任务；
(2)在系统传输第二阶段，边缘服务器解码完成并开始执行任务，云服务器继续接收任务；假设云服务器是相对于用户任务而言计算能力极强的计算系统，即云服务器的任务处理时延忽略不计；当边缘服务器将任务执行完毕或云服务器接收到全部任务两者中较慢者完成后，则整个系统的任务处理过程结束。
进一步，所述步骤六中的分别计算云服务器和边缘服务器从用户发送任务到完成任务的时延，并取较大值作为系统总时延包括：
(1)边缘服务器完成计算任务后，计算边缘服务器的任务处理总时延；边缘服务器的传输时延为
其中，Ri代表用户向边缘服务器卸载任务时的传输速率，
B代表用户到边缘服务器的信道带宽，hi代表用户到边缘服务器传输链路的信道质量，σ2代表均值为0的加性高斯白噪声；边缘服务器的任务执行时延为
其中，F(cycles/bit)代表边缘服务器的计算能力，f(cycles/s)代表计算任务占用的CPU计算频率，则边缘服务器的任务处理总时延为
(2)云服务器接收到全部任务后，计算云服务器的任务处理总时延；云处理器在用户以NOMA卸载阶段的任务传输时延为
与边缘服务器的传输时延相等；云处理器在用户以OMA卸载阶段的任务传输时延为
其中，
代表混合NOMA卸载过程中第一阶段用户以NOMA方案向云服务器卸载任务的传输速率，
hC代表用户到云服务器传输链路的信道质量；
代表混合NOMA卸载过程中第二阶段用户以OMA方案向云服务器卸载任务的传输速率，
则云服务器的任务处理总时延为
(3)取边缘服务器总时延Te和云服务器总时延Tc中较大的值作为系统总时延Ttotal＝argmax{Te,Tc}。
本发明的另一目的在于提供一种应用所述的多边缘服务器选择方法的多边缘服务器选择系统，所述多边缘服务器选择系统包括：1个具有计算任务的用户，1个云服务器，以及K个MEC边缘服务器。
其中，所述用户用于负责拆分计算任务以及分配发送功率，并将计算任务发送至云服务器与选中的最佳MEC边缘服务器；
所述服务器用于对接收到的任务进行解码与执行，计算两个服务器分别完成任务处理过程的时延，并取两者中较大的值作为系统总时延。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
搭建边缘服务器选择场景下的目标层、准则层以及方案层；设计每相邻两层评估因素之间的判断矩阵并检验一致性，利用AHP层次分析法求解出用户传输范围之内的最佳边缘服务器；用户根据AHP算法的计算结果与传输范围内的最佳MEC边缘服务器关联；
用户在与最佳边缘服务器关联后，分割边缘服务器与云服务器各自处理的任务并分配传输功率；边缘服务器与云服务器分别利用SIC技术解码并执行任务；分别计算云服务器和边缘服务器从用户发送任务到完成任务的时延，并取较大值作为系统总时延。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
搭建边缘服务器选择场景下的目标层、准则层以及方案层；设计每相邻两层评估因素之间的判断矩阵并检验其一致性，利用AHP层次分析法求解出用户传输范围之内的最佳边缘服务器；用户根据AHP算法的计算结果与传输范围内的最佳MEC边缘服务器关联；
用户在与最佳边缘服务器关联后，分割边缘服务器与云服务器各自处理的任务并分配传输功率；边缘服务器与云服务器分别利用SIC技术解码并执行任务；分别计算云服务器和边缘服务器从用户发送任务到完成任务的时延，并取较大值作为系统总时延。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的多边缘服务器选择系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的多边缘服务器选择方法，当用户将任务卸载给云服务器和边缘服务器时，可以从多个传输范围内的空闲服务器中选择最佳的服务器以实现系统总时延的优化；当用户任务较多、本地计算能力难以满足时延敏感任务的时延门槛时，本模型可以极大提升系统的响应速度，降低用户的等待时延，提升用户体验。
本发明针对于满足时延敏感任务的低时延门限要求，通过AHP算法选择与用户关联的最佳传输范围内的MEC服务器，增强了边缘计算服务器辅助用户任务计算时的合理性和可行性，优化了系统总时延，避免了不合理地占用其他边缘服务器的计算资源。
本发明在混合非正交多址接入技术结合边缘计算场景下，将用户的计算任务在功率域进行叠加传输，并分为NOMA+OMA两个卸载阶段，且两个阶段用户向云服务器卸载任务的传输功率不同。服务器依照串行干扰消除技术依次解码并执行任务。相较于传统的正交多址技术，本方案提高了频谱利用率并降低了传输时延。
本发明将混合非正交多址技术结合到移动边缘计算中，通过将用户计算任务的卸载过程根据云服务器和边缘服务器的任务接收时间进行两阶段拆分。在满足用户计算任务时延门槛的前提下，降低了系统的任务处理总时延。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，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是本发明实施例提供的多边缘服务器选择方法流程图。
图2是本发明实施例提供的多边缘服务器选择方法原理图。
图3是本发明实施例提供的混合NOMA-MEC多边缘服务器选择的模型图。
图4是本发明实施例提供的系统总时延随传输范围内可选边缘服务器个数增加的性能图。
图5是本发明实施例提供的系统总时延随任务量增加，AHP算法可选边缘服务器个数不变，比较混合NOMA卸载和OMA卸载方案的系统总时延性能图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
随着通信技术不断发展和通信场景的持续更新，时延敏感的任务逐渐走入人们的视线。其中，相当普遍的一类时延敏感任务应用场景为车联网技术。车联网技术的内涵主要指车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行的过程之中提供不同功能的服务。运行中的车辆作为具有计算任务的用户本身并不具备计算能力，需要寻求边缘服务器和云服务器的辅助计算来处理任务。且车辆运行中的任务显然是时延容忍度较低的，需要优化辅助计算的边缘服务器决策来满足任务的时延门槛，提高智能交通运行环境中的安全性和任务计算效率。这种实际情况和我们讨论的通信模型非常贴近，可以作为一个参考的实施例。
另外一类贴近人们日常生活的实施例为智能视频加载技术。人们在日常生活经常使用诸如腾讯视频、优酷、爱奇艺等专门视频网站，微信、QQ等社交软件，以及快手、抖音、火山小视频等新兴短视频软件来观看视频。而视频的加载时间直接关系到用户的使用体验，这一现象使得此场景下的系统时延优化至关重要。一种可行的解决办法是布置若干MEC服务器将任务处理过程下沉到网络边缘，缓解主服务器的任务处理压力。更进一步，可以针对不同用户的具体地理位置以及实时任务需求，采取本发明中的最佳服务器选择方案来匹配当前最适合辅助用户进行任务处理的边缘服务器，提升用户观看视频的流畅度与清晰度。这种实际情况和我们讨论的通信模型非常贴近，可以作为一个参考的实施例。层次分析法(Analytic Hierarchy Process，AHP)；串行干扰消除(Successive InterferenceCancellation，SIC)；移动边缘计算(Mobile Edge Computing，MEC)；非正交多址接入(Non-orthogonal Multiple Access，NOMA)；正交多址接入(Orthogonal MultipleAccess，OMA)。
针对现有技术存在的问题，本发明提供了一种多边缘服务器选择方法、系统、介质、设备及终端，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的多边缘服务器选择方法包括以下步骤：
S101，搭建边缘服务器选择场景下的目标层、准则层以及方案层；
S102，设计每相邻两层评估因素之间的判断矩阵并检验一致性，利用AHP层次分析法求解出用户传输范围之内的最佳边缘服务器；
S103，用户根据AHP算法的计算结果与传输范围内的最佳MEC边缘服务器关联；
S104，用户在与最佳边缘服务器关联后，分割边缘服务器与云服务器各自处理的任务并分配传输功率；
S105，边缘服务器与云服务器分别利用SIC技术解码并执行任务；
S106，分别计算云服务器和边缘服务器从用户发送任务到完成任务的时延，并取较大值作为系统总时延。
下面结合具体实施例对本发明的技术方案作进一步描述。
如图3所示，本发明所使用的基于混合NOMA-MEC场景下的多边缘服务器选择系统，包含1个具有计算任务的用户，1个云服务器，以及K个MEC边缘服务器。其中，用户端的任务是时延敏感的。用户负责拆分计算任务以及分配发送功率，并将计算任务卸载至MEC边缘服务器与云服务器。服务器则对接收到的任务进行解码与执行。计算两个服务器完成任务处理过程的时延，并取两者中较大的值作为系统总时延。
如图2所示，本发明的实现步骤如下：
本发明的基于混合NOMA-MEC场景下的多边缘服务器选择系统，包含1个具有计算任务的用户，1个云服务器，以及K个MEC边缘服务器。其中，用户端的任务是时延敏感的。用户负责拆分计算任务以及分配发送功率，并将计算任务卸载至MEC边缘服务器与云服务器。所述方法包括如下步骤：
S1，搭建边缘服务器选择场景下的目标层，准则层以及方案层。目标层中包含唯一目标：选择用户传输范围内使得系统总时延最小的最佳边缘服务器。准则层中包含同等级的三个边缘服务器评估准则，分别为：用户与边缘服务器之间的传输信道质量、用户与边缘服务器之间的欧式距离、边缘服务器自身的计算能力。方案层中包含所有传输范围内的K个空闲边缘服务器。
S2，利用AHP层次分析法(Analytic Hierarchy Process，AHP)求解出用户传输范围之内的最佳边缘服务器。在搭建好目标层，准则层和方案层之后，设计每相邻两层的评估因素之间的判断矩阵并检验其一致性。基于通过一致性检验的判断矩阵中的元素值即权重值来选择综合权重最大的方案作为最佳边缘服务器。
S3，用户关联边缘服务器。用户根据AHP算法的计算结果与传输范围内的最佳MEC边缘服务器关联。
S4，用户进行任务分割与功率分配。用户在与最佳边缘服务器关联之后，分割边缘服务器与云服务器各自处理的任务并分配他们的传输功率。用户根据分配结果以混合NOMA方案进行任务卸载。
S5，边缘服务器与云服务器分别利用SIC技术解码并执行任务。收到用户发送的任务后，服务器利用串行干扰消除技术解码，并执行解码成功的计算任务。
S6，计算系统总时延。在边缘服务器把任务处理完成以及云服务器成功接收任务之后，分别计算从用户发送任务的时间节点与完成任务的时间节点之差，并取较大值作为系统总时延。
本实施例中，用户进行任务卸载时，先以NOMA方案向边缘服务器和云服务器以功率域叠加的方式同时卸载，再以OMA方式向云服务器单独卸载，此时边缘服务器进行任务执行过程。
本实施例中，步骤S1的具体方法如下：
S11，根据选择使得系统总时延最小的用户传输范围内的最佳边缘服务器的目标构建AHP算法的目标层。
S12，根据用户与边缘服务器之间的传输信道质量、用户与边缘服务器之间的欧式距离以及边缘服务器的计算能力构建AHP算法的准则层。
S13，根据所有传输范围内的空闲边缘服务器构建AHP算法的方案层。
本实施例中，步骤S2的具体方法如下：
S21，确定决策目标，构架分析层次。根据S1中构建的三个分析层次搭建选择最佳边缘服务器问题的整体AHP算法模型。
S22，构建AHP算法模型每相邻两层之间的判断矩阵。在进行数学分析前，需要预先比较不同层次之间决策元素的权重，明确上下两层节点之间的相对重要性。
S23，对判断矩阵进行一致性检验。一致性检验的目的是避免判断矩阵中的数值出现逻辑冲突，保证判断矩阵的合理性和有效性。判断矩阵的一致性指标为C.I.，平均随机一致性指标R.I.以及一致性比率C.R.。其中，本发明认为一致性指标的值为
λmax为判断矩阵的最大特征值，n为判断矩阵的阶数。C.I.值越大，则矩阵的一致性越差。当C.I.值接近0时，说明矩阵的一致性令人满意。R.I.值是由蒙特卡洛算法模拟随机矩阵验证他们的一致性是否可以接受得来的。具体数值列表展示如下：
| n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 |
一致性比率为
当C.R.＜0.1时，代表这个矩阵有较好的一致性。相比于C.I.值是相对于0的模糊判断，本发明一般使用更有约束力的一致性比率C.R.来判别矩阵是否通过一致性检验。
S24，计算K个方案各自相对于目标的权重值并排序，选择综合权重值最大的方案作为AHP算法的结果。
本实施例中，步骤S3的具体方法如下：
S31，得到AHP算法解出的传输范围内的最佳边缘服务器结果，用户获取该服务器的详细信息。
S32，用户与该最佳边缘服务器进行关联。
本实施例中，步骤S4的具体方案如下：
S41，用户在与最佳边缘服务器关联之后，分配边缘服务器与云服务器各自处理的任务。若用户总任务量为I，任务分割参数为λ，λ∈(0,1)，则分配给边缘服务器的任务量为Ie＝λI，分配给云服务器的任务量为Ic＝(1-λ)I。
S42，用户在与最佳边缘服务器关联之后，分配边缘服务器与云服务器各自的传输功率。由于本模型为混合NOMA和MEC结合的场景，即在第一阶段中，边缘服务器和云服务器都接收传输任务，此时用户以NOMA方式进行任务卸载。第二阶段中，边缘服务器率先接收完毕并开始执行任务，而云服务器仍在接收任务。此时用户以OMA方式向云服务器卸载任务。若用户端总发射功率为P，功率分配参数为β，β∈(0,1)，则在第一阶段，分配给边缘服务器的功率为Pe＝βP，分配给云服务器的功率为Pc＝(1-β)P。在第二阶段，云服务器占据全部发射功率Pc＝P。
本实施例中，步骤S5的具体方案如下：
S51，在系统传输第一阶段，边缘服务器与云服务器利用串行干扰消除技术解码接收到的任务。
S52，在系统传输第二阶段，边缘服务器解码完成并开始执行任务，云服务器继续接收任务。通常地，本发明可以假设云服务器是一个相对于用户任务而言计算能力极强的计算系统，即云服务器的任务处理时延可以忽略不计。当边缘服务器将任务执行完毕或者云服务器接收到全部任务两者中较慢者完成后，则整个系统的任务处理过程结束。
本实施例中，步骤S6的具体方案如下：
S61，边缘服务器完成计算任务后，计算边缘服务器的任务处理总时延。边缘服务器的传输时延为
其中，Ri代表用户向边缘服务器卸载任务时的传输速率，
B代表用户到边缘服务器的信道带宽，hi代表用户到边缘服务器传输链路的信道质量，σ2代表均值为0的加性高斯白噪声。边缘服务器的任务执行时延为
其中，F(cycles/bit)代表边缘服务器的计算能力，f(cycles/s)代表计算任务占用的CPU计算频率。那么边缘服务器的任务处理总时延为
S62，云服务器接收到全部任务后，计算云服务器的任务处理总时延。云处理器在用户以NOMA卸载阶段的任务传输时延为
与边缘服务器的传输时延相等。云处理器在用户以OMA卸载阶段的任务传输时延为
其中，
代表混合NOMA卸载过程中第一阶段用户以NOMA方案向云服务器卸载任务的传输速率，
hC代表用户到云服务器传输链路的信道质量。
代表混合NOMA卸载过程中第二阶段用户以OMA方案向云服务器卸载任务的传输速率，
那么云服务器的任务处理总时延为
S63，取边缘服务器总时延Te和云服务器总时延Tc中较大的值作为系统总时延Ttotal＝argmax{Te,Tc}。
以下将结合仿真实验对本发明的性能作进一步的描述。
图4给出了本发明的系统总时延随传输范围内可选边缘服务器个数增加的性能图。从图中可以看出，使用AHP算法进行选择的系统总时延随着可选边缘服务器个数的增加不断得到改善。当可选边缘服务器数量不断增多，AHP算法的优势也在逐步提升。AHP算法的对比方案是决策最佳边缘服务器的三个评价因素的贪婪算法，即经过蒙特卡洛方法处理，得到最大可选边缘服务器个数中与用户之间欧氏距离最小的、计算能力最强的、以及与用户之间传输链路信道质量最好的三个服务器。从仿真结果中可以看出，考虑单一评价因素的贪婪算法在可选边缘服务器个数相同的条件下，性能劣于本发明的AHP算法，原因在于贪婪算法未根据具体用户任务信息设计多个评价因素的决策权重。
图5给出了本发明的系统总时延随任务量增加，AHP算法可选的边缘服务器个数不变，比较混合NOMA卸载和OMA卸载方案的系统总时延性能图。由图可看出，当用户关联的最佳边缘服务器不变时，随着用户任务量的增加，混合NOMA相对于OMA方案而言，可以获得更低系统总时延。实际传输中，在用户计算任务的时延容忍度较低的情况下，可以根据本发明的混合NOMA方案进行边缘服务器的选择和任务卸载。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘Solid StateDisk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种多边缘服务器选择方法，其特征在于，所述多边缘服务器选择方法包括以下步骤：
步骤一，搭建边缘服务器选择场景下的目标层、准则层以及方案层；
步骤二，设计每相邻两层评估因素之间的判断矩阵并检验其一致性，利用AHP层次分析法求解出用户传输范围之内的最佳边缘服务器；
步骤三，用户根据AHP算法的计算结果与传输范围内的最佳MEC边缘服务器关联；包括：
得到AHP算法解出的传输范围内的最佳边缘服务器结果，用户获取该服务器的详细信息；用户与该最佳边缘服务器进行关联；
步骤四，用户在与最佳边缘服务器关联后，分割边缘服务器与云服务器各自处理的任务并分配传输功率，包括：
(1)用户在与最佳边缘服务器关联后，分配边缘服务器与云服务器各自处理的任务；若用户总任务量为I，任务分割参数为λ，λ∈(0,1)，则分配给边缘服务器的任务量为Ie＝λI，分配给云服务器的任务量为Ic＝(1-λ)I；
(2)用户在与最佳边缘服务器关联后，分配边缘服务器与云服务器各自的传输功率；由于模型为混合NOMA和MEC结合的场景，即在第一阶段中，边缘服务器和云服务器都接收传输任务，用户以NOMA方式进行任务卸载；第二阶段中，边缘服务器率先接收完毕并开始执行任务，云服务器仍在接收任务，用户以OMA方式向云服务器卸载任务；若用户端总发射功率为P，功率分配参数为β，β∈(0,1)，则在第一阶段分配给边缘服务器的功率为Pe＝βP，分配给云服务器的功率为Pc＝(1-β)P；在第二阶段，云服务器占据全部发射功率Pc＝P；
步骤五，边缘服务器与云服务器分别利用SIC技术解码并执行任务；
步骤六，分别计算云服务器和边缘服务器从用户发送任务到完成任务的时延，并取较大值作为系统总时延。
2.如权利要求1所述的多边缘服务器选择方法，其特征在于，所述步骤一中的目标层中包含唯一目标：选择用户传输范围内使得系统总时延最小的最佳边缘服务器；所述准则层中包含同等级的三个边缘服务器评估准则，分别为：用户与边缘服务器之间的传输信道质量、用户与边缘服务器之间的欧式距离、边缘服务器自身的计算能力；所述方案层中包含所有传输范围内的K个空闲边缘服务器；
所述搭建边缘服务器选择场景下的目标层、准则层以及方案层包括：
(1)根据选择使得系统总时延最小的用户传输范围内的最佳边缘服务器的目标构建AHP算法的目标层；
(2)根据用户与边缘服务器之间的传输信道质量、用户与边缘服务器之间的欧式距离以及边缘服务器的计算能力构建AHP算法的准则层；
(3)根据所有传输范围内的空闲边缘服务器构建AHP算法的方案层。
3.如权利要求1所述的多边缘服务器选择方法，其特征在于，所述步骤二中的设计每相邻两层评估因素之间的判断矩阵并检验其一致性，利用AHP层次分析法求解出用户传输范围之内的最佳边缘服务器包括：
(1)确定决策目标，构架分析层次；根据步骤一中构建的三个分析层次搭建选择最佳边缘服务器问题的整体AHP算法模型；
(2)构建AHP算法模型每相邻两层之间的判断矩阵；在进行数学分析前，预先比较不同层次之间决策元素的权重，明确上下两层节点之间的相对重要性；
(3)对判断矩阵进行一致性检验：判断矩阵的一致性指标为C.I.，平均随机一致性指标R.I.以及一致性比率C.R.；其中，一致性指标的值为
λmax为判断矩阵的最大特征值，n为判断矩阵的阶数；C.I.值越大，则矩阵的一致性越差；当C.I.值接近0时，说明矩阵的一致性令人满意；R.I.值是由蒙特卡洛算法模拟随机矩阵验证一致性是否可以接受得到，数值列表展示如下：
一致性比率为
当C.R.＜0.1时，代表该矩阵有较好的一致性；使用更有约束力的一致性比率C.R.来判别矩阵是否通过一致性检验；
(4)计算K个方案各自相对于目标的权重值并排序，选择综合权重值最大的方案作为AHP算法的结果。
4.如权利要求1所述的多边缘服务器选择方法，其特征在于，所述步骤五中的边缘服务器与云服务器分别利用SIC技术解码并执行任务包括：
(1)在系统传输第一阶段，边缘服务器与云服务器利用串行干扰消除技术解码接收到的任务；
(2)在系统传输第二阶段，边缘服务器解码完成并开始执行任务，云服务器继续接收任务；假设云服务器是相对于用户任务而言计算能力极强的计算系统，即云服务器的任务处理时延忽略不计；当边缘服务器将任务执行完毕或云服务器接收到全部任务两者中较慢者完成后，则整个系统的任务处理过程结束。
5.如权利要求1所述的多边缘服务器选择方法，其特征在于，所述步骤六中的分别计算云服务器和边缘服务器从用户发送任务到完成任务的时延，并取较大值作为系统总时延包括：
(1)边缘服务器完成计算任务后，计算边缘服务器的任务处理总时延；边缘服务器的传输时延为
其中，Ri代表用户向边缘服务器卸载任务时的传输速率，
B代表用户到边缘服务器的信道带宽，hi代表用户到边缘服务器传输链路的信道质量，σ2代表均值为0的加性高斯白噪声；边缘服务器的任务执行时延为
其中，F(cycles/bit)代表边缘服务器的计算能力，f(cycles/s)代表计算任务占用的CPU计算频率，则边缘服务器的任务处理总时延为
(2)云服务器接收到全部任务后，计算云服务器的任务处理总时延；云处理器在用户以NOMA卸载阶段的任务传输时延为
与边缘服务器的传输时延相等；云处理器在用户以OMA卸载阶段的任务传输时延为
其中，
代表混合NOMA卸载过程中第一阶段用户以NOMA方案向云服务器卸载任务的传输速率，
hC代表用户到云服务器传输链路的信道质量；
代表混合NOMA卸载过程中第二阶段用户以OMA方案向云服务器卸载任务的传输速率，
则云服务器的任务处理总时延为
(3)取边缘服务器总时延Te和云服务器总时延Tc中较大的值作为系统总时延Ttotal＝argmax{Te,Tc}。
6.一种实施权利要求1～5任意一项所述的多边缘服务器选择方法的多边缘服务器选择系统，其特征在于，所述多边缘服务器选择系统包括：1个具有计算任务的用户，1个云服务器，以及K个MEC边缘服务器；
其中，所述用户用于负责拆分计算任务以及分配发送功率，并将计算任务发送至选中的MEC边缘服务器与云服务器；
所述服务器用于对接收到的任务进行解码与执行，计算两个服务器完成任务处理过程的时延，并取两者中较大的值作为系统总时延。
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～5任意一项所述的多边缘服务器选择方法。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1～5任意一项所述的多边缘服务器选择方法。
9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求6所述的多边缘服务器选择系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111621205.8A CN114448991B (zh) | 2021-12-28 | 2021-12-28 | 一种多边缘服务器选择方法、系统、介质、设备及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111621205.8A CN114448991B (zh) | 2021-12-28 | 2021-12-28 | 一种多边缘服务器选择方法、系统、介质、设备及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114448991A CN114448991A (zh) | 2022-05-06 |
| CN114448991B true CN114448991B (zh) | 2022-10-21 |
Family
ID=81365364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111621205.8A Active CN114448991B (zh) | 2021-12-28 | 2021-12-28 | 一种多边缘服务器选择方法、系统、介质、设备及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114448991B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110099384A (zh) * | 2019-04-25 | 2019-08-06 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
| CN110113190A (zh) * | 2019-04-24 | 2019-08-09 | 西北工业大学 | 一种移动边缘计算场景中卸载时延优化方法 |
| CN111093226A (zh) * | 2019-12-12 | 2020-05-01 | 西安电子科技大学 | 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 |
| CN111212108A (zh) * | 2019-12-12 | 2020-05-29 | 西安电子科技大学 | 基于非正交多址接入和移动边缘计算多用户并行迁移方法 |
| CN111818130A (zh) * | 2020-06-17 | 2020-10-23 | 华北电力大学（保定） | 基于强化学习缓存与计算的联合优化 |
| WO2021004033A1 (zh) * | 2019-07-11 | 2021-01-14 | 电子科技大学 | 量化的边缘计算侧终端安全接入策略选择方法 |
| 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 |
-
2021
- 2021-12-28 CN CN202111621205.8A patent/CN114448991B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110113190A (zh) * | 2019-04-24 | 2019-08-09 | 西北工业大学 | 一种移动边缘计算场景中卸载时延优化方法 |
| CN110099384A (zh) * | 2019-04-25 | 2019-08-06 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
| WO2021004033A1 (zh) * | 2019-07-11 | 2021-01-14 | 电子科技大学 | 量化的边缘计算侧终端安全接入策略选择方法 |
| CN111093226A (zh) * | 2019-12-12 | 2020-05-01 | 西安电子科技大学 | 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 |
| CN111212108A (zh) * | 2019-12-12 | 2020-05-29 | 西安电子科技大学 | 基于非正交多址接入和移动边缘计算多用户并行迁移方法 |
| CN111818130A (zh) * | 2020-06-17 | 2020-10-23 | 华北电力大学（保定） | 基于强化学习缓存与计算的联合优化 |
| 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 (5)
| Title |
|---|
| Lisha Zou ; Jian Chen.Capacity Enhancement of D2D Aided Coordinated Direct and Relay Transmission Using NOMA.《IEEE Communications Letters》.2020, * |
| Long Yang ; Hai Jiang.On the Application of Cooperative NOMA to Spatially Random Wireless Caching Networks.《IEEE Transactions on Vehicular Technology 》.2021, * |
| Mengmeng Ren ; Jian Chen.Energy-Delay Tradeoff in Device-Assisted NOMA MEC Systems: A Matching-Based Algorithm.《2021 IEEE Wireless Communications and Networking Conference (WCNC)》.2021, * |
| Rui Wang ; Jian Chen.Energy Consumption Minimization for Wireless Powered NOMA-MEC with User Cooperation.《2021 13th International Conference on Wireless Communications and Signal Processing (WCSP)》.2021, * |
| 基于DQN的车载边缘网络任务分发卸载算法;赵海涛等;《通信学报》;20200811(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114448991A (zh) | 2022-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | HetMEC: Latency-optimal task assignment and resource allocation for heterogeneous multi-layer mobile edge computing | |
| CN112492626B (zh) | 一种移动用户计算任务的卸载方法 | |
| CN107819840B (zh) | 超密集网络架构中分布式移动边缘计算卸载方法 | |
| CN109413724B (zh) | 一种基于mec的任务卸载和资源分配方案 | |
| CN111010684B (zh) | 一种基于mec缓存服务的车联网资源分配方法 | |
| CN109194763B (zh) | 一种超密集网络中基于小型基站自组织协作的缓存方法 | |
| CN111930436A (zh) | 一种基于边缘计算的随机型任务排队卸载优化方法 | |
| WO2023024219A1 (zh) | 云边协同网络中时延和频谱占用联合优化方法及系统 | |
| WO2019200716A1 (zh) | 面向雾计算的节点计算任务调度方法及其设备 | |
| Li et al. | An energy‐aware task offloading mechanism in multiuser mobile‐edge cloud computing | |
| CN111800812B (zh) | 一种应用在非正交多址接入的移动边缘计算网络中的用户接入方案的设计方法 | |
| CN110740473B (zh) | 一种用于移动边缘计算的管理方法及边缘服务器 | |
| Zhang et al. | DMRA: A decentralized resource allocation scheme for multi-SP mobile edge computing | |
| CN111885147A (zh) | 边缘计算中的一种资源动态定价方法 | |
| Liu et al. | MEC-assisted flexible transcoding strategy for adaptive bitrate video streaming in small cell networks | |
| Paymard et al. | Resource allocation in PD‐NOMA–based mobile edge computing system: multiuser and multitask priority | |
| Chen et al. | DDPG-based computation offloading and service caching in mobile edge computing | |
| CN111212108B (zh) | 基于非正交多址接入和移动边缘计算多用户并行迁移方法 | |
| Xia et al. | Location-aware and delay-minimizing task offloading in vehicular edge computing networks | |
| CN114189521B (zh) | 在f-ran架构中协作计算卸载的方法 | |
| KR102562732B1 (ko) | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 | |
| KR102391956B1 (ko) | 비직교 다중접속(noma) 방식을 지원하는 다중접속 에지 컴퓨팅(mec)에서 컴퓨팅 오프로딩 최적화를 위한 연합 방법 | |
| CN112437449B (zh) | 联合资源分配方法 | |
| CN114448991B (zh) | 一种多边缘服务器选择方法、系统、介质、设备及终端 | |
| Mohamed et al. | Group delay-aware scalable mobile edge computing using service replication |
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 |