CN114554511A - 一种5g边缘计算环境下无线携能终端节能效率优化方法 - Google Patents
一种5g边缘计算环境下无线携能终端节能效率优化方法 Download PDFInfo
- Publication number
- CN114554511A CN114554511A CN202210188648.0A CN202210188648A CN114554511A CN 114554511 A CN114554511 A CN 114554511A CN 202210188648 A CN202210188648 A CN 202210188648A CN 114554511 A CN114554511 A CN 114554511A
- Authority
- CN
- China
- Prior art keywords
- iteration
- energy
- terminal
- power supply
- wireless
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明所述的一种5G边缘计算环境下无线携能终端节能效率优化方法,包括:一、利用斯塔克伯格博弈模型对终端节能效率优化问题和无线供电装置收益问题进行联合建模;二、利用最优性条件求解无线供电装置收益问题,将得到的最优值关系带入终端节能效率优化问题进行化简;三、针对化简后的终端节能效率优化问题,采用交替迭代分别求解子问题,得到优化结果;四、根据优化结果,设置终端发送功率、终端与小蜂窝基站连接关系、终端传输时长、无线供电装置激励价格。该方法主要解决现有技术节能效率低、复杂度高等问题,能有效提升无线携能终端的节能效率,适用于全双工5G边缘计算网络。
Description
技术领域
本发明涉及无线通信网络与边缘计算技术领域,具体是涉及一种5G边缘计 算环境下无线携能终端节能效率优化方法。
背景技术
移动边缘计算通过将算力服务器部署在网络边缘,有效减轻了核心网的传输 压力和计算负荷。随着5G技术的发展,各种终端应用对于低时延、高可靠的传 输计算服务需求进一步增长。针对该需求,一方面,5G全双工传输能极大提升 传输效率,缩短传输时间。另一方面,移动边缘计算的部署,缩短了传输距离。 因此,移动边缘计算与5G全双工传输的结合,可以有效满足上述需求。
在5G移动边缘计算环境中,受限于有限的终电池容量,终端能耗问题始终 是一大挑战。无线携能技术作为一种低成本的解决方案,正在受到广泛关注。通 过在网络中部署若干无线供电装置,由其发送携带有能量的无线信号。终端通过 收集储存该信号携带的能量,并利用该能量将自身计算任务卸载到边缘计算服务 器,可以有效减少传输和计算对自身电池的消耗。
因此,将无线携能技术部署到5G移动边缘计算环境,有利于在获得低时延、 高可靠传输计算服务的同时,进一步降低终端能耗。该方面的研究已经展开,如 文献[全双工中继协作下的移动边缘计算系统能耗优化算法,电子与信息学报, 43(12),2021]利用交替迭代和变量代换,提出了一种算法来降低系统能耗,然 而,该方法未涉及无线携能技术,无法解决无线供电装置的激励问题;专利申请 [基于全双工自回程的无线供能蜂窝物联网资源优化方法,CN111669768A]针对 无线携能与5G全双工场景,提出了一种资源优化和激励方法,然而,该方法将 运营商收益作为优化目标,没有考虑终端节能效率,因此无法解决终端节能场景 中的节能效率优化问题。
发明内容
针对现有方案的不足,比如未涉及无线携能技术、优化目标未考虑终端节能 效率、缺少综合解决无线供电装置激励与网络资源优化方法等问题,本发明提出 了一种5G边缘计算环境下无线携能终端节能效率优化方法,该方法利用斯塔克 伯格博弈模型对终端节能效率优化问题和无线供电装置收益问题进行联合建模, 然后通过最优性条件、问题变换以及交替迭代,实现了对模型的高效求解,能够 有效提升终端节能效率。
本发明所述的一种5G边缘计算环境下无线携能终端节能效率优化方法,其 步骤为:
步骤1、建立无线携能终端节能效率与无线供电装置收益联合优化的斯塔克 伯格博弈模型,其中无线携能终端节能效率优化问题作为博弈领导者问题,无线 供电装置收益优化问题作为博弈跟随者问题;
步骤2、利用最优性条件对跟随者问题求解,将得到的最优值关系带入领导 者问题进行化简;
步骤3、针对化简后的终端节能效率优化问题,采用交替迭代和变换分别求 解子问题,得到优化结果;
步骤4、根据优化结果,设置无线供电装置发送功率、终端与小蜂窝基站连 接关系、终端传输时长、无线供电装置激励价格。
进一步的,步骤1无线携能终端节能效率优化问题作为博弈领导者问题,如 下所示:
其中xi,j表示无线携能终端i是否与小蜂窝基站j连接,ti,j表示无线携能终端i 到小蜂窝基站j的传输时长,ym表示运营商支付给无线供电装置m的激励价格; I表示无线携能终端集合,Di表示无线携能终端i的计算任务数据量,J表示小 蜂窝基站集合,Ci表示终端进行本地计算的单位比特能耗,M表示无线供电装 置集合,Pm表示无线供电装置m的发送功率;Ri,j表示无线携能终端i到小蜂窝 基站j的传输速率,展开表示为:
其中B表示网络频谱带宽,hi,j表示无线携能终端i到小蜂窝基站j的信道增益, ω表示终端的能量收集效率系数,hm,i表示无线供电装置m到无线携能终端i的 信道增益,σ2表示背景噪声功率,θ表示自干扰残留系数,Pj表示小蜂窝基站j 的发送功率;
Rj表示小蜂窝基站j到宏基站的传输速率,展开表示为:
其中hj表示小蜂窝基站j到宏基站的信道增益,δ表示邻基站干扰;
无线供电装置收益优化问题作为博弈跟随者问题,如下所示:
进一步的,步骤2中的具体步骤为:
步骤2-2、根据步骤2-1的拉格朗日函数,利用根据库恩塔克条件求解,得 到最优值关系ym=2aPm;
步骤2-3、将ym=2aPm带入问题(1),消去变量ym,得到化简后的博弈领导 者问题如下:
进一步的,步骤3具体步骤为:
步骤3-1、利用交替迭代,针对问题(3),给定交替迭代最大次数emax,初 始化e=0,e表示交替迭代序号;首先给定ti,j和Pm,将约束条件(1-E)和(1-F) 变换为
步骤3-2、将给定的ti,j、Pm以及(4)带入(3),化简得到小蜂窝基站关联 优化子问题:
步骤3-3、针对小蜂窝基站关联优化子问题(5),采用如下迭代:
步骤3-3(a)、初始化xi,j为0,集合I′和J′为空集;
步骤3-3(c)、将搜索到的(i,j)中的i加入集合I′,将j加入集合J′,将(i,j) 从集合I×J中删除,然后返回步骤3-3(b);
步骤3-4、根据步骤3-3的输出xi,j,对ti,j进行赋值,如果xi,j=0,则令对 应的ti,j为0;如果xi,j=1,则令对应的ti,j为ti,令对应的Ri,j为Ri;将上述xi,j、 ti,j、ti和Ri带入问题(3),得到终端传输时长优化子问题:
步骤3-5、针对终端传输时长子问题(6),采用如下迭代:
步骤3-5(a)、初始化ti=0,集合Φ为空集;
步骤3-6、根据步骤3-5的输出ti和步骤3-4的赋值规则,将ti赋值给其对 应的ti,j,然后将ti,j和步骤3-3的输出xi,j带回问题(3),化简得到无线供电装置 发送功率优化子问题
步骤3-7、针对无线供电装置发送功率优化子问题(7)采用如下迭代:
步骤3-7(a)、初始化k=0,k表示迭代序号,为第k次迭代后的Pm值, 随机从[0,Pmax]选取;η为迭代辅助变量,ηk为第k次迭代后的η值, 初始化迭代辅助变量η0=0.5;迭代门限为λ1,迭代最大次数为kmax;
步骤3-7(b)、检验和 k<kmax是否同时满足,如果同时满足,则k=k+1,然后进入迭代子循环,当迭 代子循环停止,得到其输出为t为迭代子循环的迭代序号,表示第t次 迭代后的Pm值,进入步骤3-7(c);如果不满足,则迭代停止;
进一步的,步骤3-7(b)的迭代子循环包括:
进一步的,步骤4包括:
步骤4-1、根据步骤3交替迭代的优化结果Pm来设置无线供电装置m的发送 功率;
步骤4-2、根据步骤3交替迭代的优化结果Pm,令ym=2aPm,根据ym设置 无线供电装置m的供电激励价格;
步骤4-3、根据步骤3交替迭代的优化结果xi,j和yi,j,设置终端i和小蜂窝 j的连接关系以及终端i的传输时长。
本发明所述的有益效果为:本发明所述的无线携能终端节能效率优化方法, 利用斯塔克伯格博弈模型对终端节能效率优化问题和无线供电装置收益问题进 行联合建模,从而能够实现以终端节能效率为目标的全网络资源供给,减少终端 自身能耗,提高无线携能技术在终端节能方面的效率,在单位供电支出下,最小 化终端自身能耗,有效提升终端节能效率;在交替迭代中,采用了问题变换和引 入迭代辅助变量等措施,大大提升了求解速度,工程实用性强。
附图说明
图1为5G边缘计算环境下无线携能终端能量收集和计算任务卸载模型示意 图;
图2为本发明方法流程图;
图3为仿真实验中本发明方法与基准方法的每单位支出下终端自身能耗对 比图。
具体实施方式
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附 图,对本发明作进一步详细的说明。
本发明所述的一种5G边缘计算环境下无线携能终端节能效率优化方法,其 步骤如图2所示:
步骤1、如图1所示,为5G边缘计算环境下无线携能终端能量收集和计算 任务卸载场景,其中,5G边缘计算环境由终端、接入网络和无线供电装置组成。 终端具有无线携能功能,用集合I表示,集合中的单个终端用i表示,终端i的 计算任务数据量为Di;接入网络由一个宏基站和多个5G全双工小蜂窝基站组成, 其中宏基站集成有移动边缘计算服务器。J表示5G全双工小蜂窝基站集合,集 合中的单个小蜂窝用j表示;M表示无线供电装置集合,集合中的单个无线供电 装置用m表示。无线供电装置m根据供电激励价格ym,设定自身发送功率Pm, 来发送无线能量信号来向所有终端供电;终端从无线供电装置的发送信号中收集能量,然后将自身计算任务数据量分为卸载部分和本地计算部分。卸载部分由终 端m利用收集到的能量发送到小蜂窝基站,再由小蜂窝基站发送到宏基站的边缘 计算服务器完成。本地计算部分在终端完成,用Ci表示终端i的单位比特本地 计算能耗。每个终端i与一个小蜂窝基站连接,用xi,j表示终端i和小蜂窝基站 j的连接关系,如果连接关系存在,则xi,j=1,如果连接关系不存在,则xi,j=0。 用ti,j表示终端i到小蜂窝基站j的传输时长。终端i到小蜂窝基站j的传输速 率Ri,j展开表示为:
其中B表示网络频谱带宽,hi,j表示无线携能终端i到小蜂窝基站j的信道增益, ω表示终端的能量收集效率系数,hm,i表示无线供电装置m到无线携能终端i的 信道增益,σ2表示背景噪声功率,θ表示自干扰残留系数,Pj表示小蜂窝基站j 的发送功率。
小蜂窝基站j采用全双工方式,其发送信号和接收信号在同一时间同一频段 进行。发送信号对接收信号的干扰采用干扰消除进行处理。Rj表示小蜂窝基站j 到宏基站的传输速率,展开表示为
其中hj表示小蜂窝基站j到宏基站的信道增益,δ表示邻基站干扰。
这样,步骤1建立的斯塔克伯格博弈模型,其中无线携能终端节能效率优化问题作为博弈领导者问题,如下所示:
目标函数(1)为每单位支出下终端自身能耗,是反映终端节能效率的指标, 表示为终端本地能耗总和与供电总支出的比值。该指标越小,表明单位供电支出 下终端本地能耗越小,即节能效率越高。约束(1-A)表示终端i与小蜂窝j的 连接关系只能是连接或者不连接;约束(1-B)表示终端i到小蜂窝j的传输时 长非负且不能超过系统总时长;约束(1-C)表示每个终端i最多只能与1个小 蜂窝基站相连接;约束(1-D)表示与小蜂窝j相连的所有终端传输时长总和不 超过系统总时长;约束(1-E)表示小蜂窝j的传输速率不小于其接收数据量; 约束(1-F)表示终端i卸载数据量不超过其任务数据量。
无线供电装置收益优化问题作为博弈跟随者问题,如下所示:
约束条件其中a表示无线供电装置的用电代价系数,Pmax表示无线供电装置的发送功率上 界。目标函数(2)表示无线供电装置m的供电利润,其中第一项表示供电收入, 第二项表示供电支出。约束条件(2-A)表示供电装置m的发送功率非负且不超 过发送功率上界。
步骤2、利用回溯法求解步骤1建立的博弈模型,首先求解跟随者问题(2);
步骤2-2、根据步骤2-1的拉格朗日函数,利用根据库恩塔克条件令其导数 为0,得到最优值关系ym=2aPm;
步骤2-3、将ym=2aPm带入问题(1),消去变量ym,得到化简后的博弈领导 者问题如下:
约束条件(1-A)至(1-F)、(2-A)。
步骤3、针对化简后的优化问题(3),采用交替迭代和变换分别求解子问题, 得到优化结果;
步骤3-1、利用交替迭代,针对问题(3),给定交替迭代最大次数emax,初 始化e=0,e表示交替迭代序号;首先给定ti,j和Pm,将约束条件(1-E)和(1-F) 变换为
上述变换的优势在于,在保证最优性不变的情况下,将2个约束条件合并为1 个约束条件,降低了复杂度。
步骤3-2、将给定的ti,j、Pm以及(4)带入(3),化简得到小蜂窝基站关联 优化子问题
约束条件(1-A)、(1-C)、(4);
步骤3-3、针对小蜂窝基站关联优化子问题(5),由于其为经典的背包问题, 因此可以采用如下迭代:
步骤3-3(a)、初始化xi,j为0,集合I′和J′为空集;
步骤3-3(c)、将搜索到的(i,j)中的i加入集合I′,将j加入集合J′,将(i,j) 从集合I×J中删除,然后返回步骤3-3(b);
采用上述迭代求解问题(5)的优势在于,能够以较低的复杂度得到精度良 好的解;
步骤3-4、根据步骤3-3的输出xi,j,对ti,j进行赋值,如果xi,j=0,则令对 应的ti,j为0;如果xi,j=1,则令对应的ti,j为ti,令对应的Ri,j为Ri;将上述xi,j、 ti,j、ti和Ri带入问题(3),得到终端传输时长优化子问题:
步骤3-5、针对终端传输时长优化子问题(6),由于其目标函数和约束为线 性约束,所以属于凸优化,由库恩塔克条件,可以推导出如下迭代:
步骤3-5(a)、初始化ti=0,集合Φ为空集;
上述迭代的优势在于,赋值利用了库恩塔克条件,能够保证解的最优性;
步骤3-6、根据步骤3-5的输出ti和步骤3-4的赋值规则,将ti赋值给其对 应的ti,j,然后将ti,j和步骤3-3的输出xi,j带回问题(3),化简得到无线供电装置 发送功率优化子问题
约束条件(2-A)和(4)
步骤3-7、针对无线供电装置发送功率优化子问题(7)采用如下迭代:
步骤3-7(a)、初始化k=0,k表示迭代序号,为第k次迭代后的Pm值, 随机从[0,Pmax]选取;η为迭代辅助变量,ηk为第k次迭代后的η值, 初始化迭代辅助变量η0=0.5;迭代门限为λ1,迭代最大次数为kmax;
步骤3-7(b)、检验和k<kmax是否同时满足,如果同时满足,则k=k+1,然后进入迭代子循环,当迭代子循 环停止,得到其输出为t为迭代子循环的迭代序号,表示第t次迭代后 的Pm值,进入步骤3-7(c);如果不满足,则迭代停止;
上述处理的优势在于,通过在迭代中添加迭代辅助变量η,将目标函数(7) 的比值形式转化为步骤3-7(b)中的线性差的形式,在保证等价性的同时,大 大降低了求解复杂度。
其中,步骤3-7(b)的迭代子循环包括:
采用上述迭代子循环的优势在于,克服了利用最优性条件求解Pm时没有显 式表达式的问题。
步骤4、根据优化结果,设置无线供电装置发送功率、终端与小蜂窝基站连 接关系、终端传输时长、无线供电装置激励价格;
步骤4-1、根据步骤3交替迭代的优化结果Pm来设置无线供电装置m的发送 功率;
步骤4-2、根据步骤3交替迭代的优化结果Pm,令ym=2aPm,根据ym设置 无线供电装置m的供电激励价格;
步骤4-3、根据步骤3交替迭代的优化结果xi,j和yi,j,设置终端i和小蜂窝 j的连接关系以及终端i的传输时长。
下面结合仿真数据对本发明的效果做进一步说明。
1.实验条件
下面通过与基准方法进行每单位支出下终端自身能耗实验对比,进一步说明 本发明方法的效果。基准方法1为模型(3)即化简后的博弈领导者问题的近似 最优解,由求解器CPLEX得到。基准方法2为文献[Caching in energy harvesting aided Internet ofThings:A game-theoretic approach,IEEE Internet Things J.2019]方案,即以运营商收益作为领导者问题(1)的优化目标。
实验模拟一个覆盖半径为1km的区域,部署有1个宏基站、30个小蜂窝基 站,10个无线供电装置和100个无线携能终端;宏基站集成有移动边缘计算服 务器,小蜂窝基站、无线供电装置和无线携能终端随机均匀分布在整个覆盖区域, 每个终端的计算任务数据量Di服从10Mbits到20Mbits的均匀分布。网络频 谱带宽B=10MHz,背景噪声功率σ2=-109dBm,小蜂窝发送功率Pj=21dB,无 线供电装置发送功率上界Pmax=15dB,无线供电装置的用电代价系数a=0.5,自 干扰残留系数θ=1.6×10-7,终端能量收集效率系数ω=0.7,本地计算单位比特能 耗Ci在2.7nJ/bit到4nJ/bit间服从均匀分布。信道增益采用路径损耗模型 32.7-20log10d,其中d为两点之间的距离。交替迭代最大次数emax=1000,迭代门 限为λ1=1,迭代最大次数为kmax=200,子循环最大次数为tmax=100,子循环门 限为λ2=1。
2.实施过程
根据上述实验参数设定,将模型(3)中的无线携能终端集合实例化为 I={1,2,L,100},小蜂窝基站集合实例化为J={1,2,L,30},无线供电装置集合实例 化为M={1,2,L,10}。在每一次仿真中,根据小蜂窝和终端的坐标,计算两者之 间的距离d,然后利用32.7-20log10d对信道增益hi,j进行实例化。同理,根据无线 供电装置和终端的坐标,计算两者距离,然后对信道增益hm,i进行实例化。例如, 小蜂窝1的坐标为(35.3,23.2),终端2的坐标为(697.6,458.3),则两者之 间的距离为将其带入32.7-20log10d计算 得到h2,1=-25.277dB。将实例化的h2,1、hm,1和实验参数带入带入R2,1可以将其实例 化为同样地,根据坐标计算每个小蜂窝基 站和宏基站的距离,然后将所有Rj实例化。步骤一、将实例化的Rj、Ri,j带入问 题(1)进行实例化,将a=0.5带入问题(2)将其实例化。步骤二、将a=0.5、 Di、Ci、Ri,j带入问题(3)进行实例化。步骤三、将emax=1000带入,然后通过 和计算T。例如,则T=1.6×109。然 后进入步骤3-2,对(5)实例化。将T=1.6×109带入步骤3-3,进行迭代。其中, 步骤3-3条件实例化为如果不满足,则在集合I×J中搜 索(i,j)使得Ri,jti,jCi最大,例如搜索到R11,3t11,3C11取值最大,则令x11,3为1。迭代停 止后,进入步骤3-4,根据迭代结果对问题(6)进行实例化,然后进入步骤3-5 (b),检验是否满足;在3-5(c)中,检验是否 满足;在步骤3-5(d)中,在集合I={1,2,L100}中搜索i,使得Ci值最大,例如 搜索到C29最大,令对应的迭代停止。进入步骤3-6,利用 3-5的输出ti和步骤3-4的赋值规则,将ti赋值给其对应的ti,j,然后将ti,j和步骤 3-3的输出xi,j带回问题(3),将问题(7)实例化。然后进入步骤3-7,将迭代 门限为λ1=1,迭代最大次数为kmax=200带入步骤3-7(a),进行初始化。。然后 进入步骤3-7(b),将子循环最大次数为tmax=100,子循环门限为λ2=1带入步骤 4-1进行子循环初始化。初始化后,通过步骤4-2迭代,其中的迭代条件实例化 为和t<100。当和t<100不同时满足时,子循环停止,将带入步骤3-7(c),令然后重新进入步骤 3-7(b),直到迭代停止。然后进入步骤3-8,检验e<1000是否满足,如果满足, e=e+1,将步骤3-7的输出作为Pm,和得到的ti,j重新进入步骤3-1;如果不 满足,交替迭代停止,输出Pm、ti,j、xi,j。最后,根据Pm来设置无线供电装置m 的发送功率;根据Pm,令ym=2aPm,根据ym设置无线供电装置m的供电激励价 格;根据xi,j和yi,j,设置终端i和小蜂窝j的连接关系以及终端i的传输时长。
3.实验结果分析
图3为实验例参数设定下,本发明方法与最优解、无卸载方案的终端总能耗 对比图;从图中可以看出,相比于无卸载方案,本发明能够有效降低终端总能耗, 也证实了本发明在综合降低终端传输能耗和本地计算能耗方面的有效性。另外, 本发明算法性能接近于最优解,表明本发明所采用的去耦合、场景划分、模型重 建等操作能有效保证求解质量。
以上所述仅为本发明的优选方案,并非作为对本发明的进一步限定,凡是利 用本发明说明书及附图内容所作的各种等效变化均在本发明的保护范围之内。
Claims (6)
1.一种5G边缘计算环境下无线携能终端节能效率优化方法,其特征在于,所述方法的步骤为:
步骤1、建立无线携能终端节能效率与无线供电装置收益联合优化的斯塔克伯格博弈模型,其中无线携能终端节能效率优化问题作为博弈领导者问题,无线供电装置收益优化问题作为博弈跟随者问题;
步骤2、利用最优性条件对跟随者问题求解,将得到的最优值关系带入领导者问题进行化简;
步骤3、针对化简后的终端节能效率优化问题,采用交替迭代和变换分别求解子问题,得到优化结果;
步骤4、根据优化结果,设置无线供电装置发送功率、终端与小蜂窝基站连接关系、终端传输时长、无线供电装置激励价格。
2.根据权利要求1所述的一种5G边缘计算环境下无线携能终端节能效率优化方法,其特征在于,步骤1中,无线携能终端节能效率优化问题作为博弈领导者问题,如下所示:
其中xi,j表示无线携能终端i是否与小蜂窝基站j连接,ti,j表示无线携能终端i到小蜂窝基站j的传输时长,ym表示运营商支付给无线供电装置m的激励价格;I表示无线携能终端集合,Di表示无线携能终端i的计算任务数据量,J表示小蜂窝基站集合,Ci表示终端进行本地计算的单位比特能耗,M表示无线供电装置集合,Pm表示无线供电装置m的发送功率;Ri,j表示无线携能终端i到小蜂窝基站j的传输速率,展开表示为:
其中B表示网络频谱带宽,hi,j表示无线携能终端i到小蜂窝基站j的信道增益,ω表示终端的能量收集效率系数,hm,i表示无线供电装置m到无线携能终端i的信道增益,σ2表示背景噪声功率,θ表示自干扰残留系数,Pj表示小蜂窝基站j的发送功率;
Rj表示小蜂窝基站j到宏基站的传输速率,展开表示为:
其中hj表示小蜂窝基站j到宏基站的信道增益,δ表示邻基站干扰;
无线供电装置收益优化问题作为博弈跟随者问题,如下所示:
其中a表示无线供电装置的用电代价系数,Pmax表示无线供电装置的发送功率上界。
4.根据权利要求3所述的一种5G边缘计算环境下无线携能终端节能效率优化方法,其特征在于,步骤3具体步骤为:
步骤3-1、利用交替迭代,针对问题(3),给定交替迭代最大次数emax,初始化e=0,e表示交替迭代序号;首先给定ti,j和Pm,将约束条件(1-E)和(1-F)变换为
步骤3-2、将给定的ti,j、Pm以及(4)带入(3),化简得到小蜂窝基站关联优化子问题:
步骤3-3、针对小蜂窝基站关联优化子问题(5),采用如下迭代:
步骤3-3(a)、初始化xi,j为0,集合I′和J′为空集;
步骤3-3(c)、将搜索到的(i,j)中的i加入集合I′,将j加入集合J′,将(i,j)从集合I×J中删除,然后返回步骤3-3(b);
步骤3-4、根据步骤3-3的输出xi,j,对ti,j进行赋值,如果xi,j=0,则令对应的ti,j为0;如果xi,j=1,则令对应的ti,j为ti,令对应的Ri,j为Ri;将上述xi,j、ti,j、ti和Ri带入问题(3),得到终端传输时长优化子问题:
步骤3-5、针对终端传输时长优化子问题(6),采用如下迭代:
步骤3-5(a)、初始化ti=0,集合Φ为空集;
步骤3-6、根据步骤3-5的输出ti和步骤3-4的赋值规则,将ti赋值给其对应的ti,j,然后将ti,j和步骤3-3的输出xi,j带回问题(3),化简得到无线供电装置发送功率优化子问题:
步骤3-7、针对无线供电装置发送功率优化子问题(7)采用如下迭代:
步骤3-7(a)、初始化k=0,k表示迭代序号,为第k次迭代后的Pm值, 随机从[0,Pmax]选取;η为迭代辅助变量,ηk为第k次迭代后的η值,初始化迭代辅助变量η0=0.5;迭代门限为λ1,迭代最大次数为kmax;
步骤3-7(b)、检验和k<kmax是否同时满足,如果同时满足,则k=k+1,然后进入迭代子循环,当迭代子循环停止,得到其输出为t为迭代子循环的迭代序号,表示第t次迭代后的Pm值,进入步骤3-7(c);如果不满足,则迭代停止;
6.根据权利要求1所述的一种5G边缘计算环境下无线携能终端节能效率优化方法,其特征在于,步骤4包括:
步骤4-1、根据步骤3交替迭代的优化结果Pm来设置无线供电装置m的发送功率;
步骤4-2、根据步骤3交替迭代的优化结果Pm,令ym=2aPm,根据ym设置无线供电装置m的供电激励价格;
步骤4-3、根据步骤3交替迭代的优化结果xi,j和yi,j,设置终端i和小蜂窝j的连接关系以及终端i的传输时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210188648.0A CN114554511B (zh) | 2022-02-28 | 2022-02-28 | 一种5g边缘计算环境下无线携能终端节能效率优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210188648.0A CN114554511B (zh) | 2022-02-28 | 2022-02-28 | 一种5g边缘计算环境下无线携能终端节能效率优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114554511A true CN114554511A (zh) | 2022-05-27 |
CN114554511B CN114554511B (zh) | 2023-06-09 |
Family
ID=81679619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210188648.0A Active CN114554511B (zh) | 2022-02-28 | 2022-02-28 | 一种5g边缘计算环境下无线携能终端节能效率优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114554511B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107248920A (zh) * | 2017-06-29 | 2017-10-13 | 南京邮电大学 | 一种基于主从博弈的可再生能源分配算法 |
US10327213B1 (en) * | 2015-10-01 | 2019-06-18 | Origin Wireless, Inc. | Time-reversal communication systems |
CN111132347A (zh) * | 2019-12-30 | 2020-05-08 | 三维通信股份有限公司 | 无线携能物理层安全传输的资源分配方法、装置及计算机 |
CN112788569A (zh) * | 2020-12-31 | 2021-05-11 | 中通服咨询设计研究院有限公司 | 无线供能蜂窝物联网中全双工基站的联合休眠与关联方法 |
-
2022
- 2022-02-28 CN CN202210188648.0A patent/CN114554511B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10327213B1 (en) * | 2015-10-01 | 2019-06-18 | Origin Wireless, Inc. | Time-reversal communication systems |
CN107248920A (zh) * | 2017-06-29 | 2017-10-13 | 南京邮电大学 | 一种基于主从博弈的可再生能源分配算法 |
CN111132347A (zh) * | 2019-12-30 | 2020-05-08 | 三维通信股份有限公司 | 无线携能物理层安全传输的资源分配方法、装置及计算机 |
CN112788569A (zh) * | 2020-12-31 | 2021-05-11 | 中通服咨询设计研究院有限公司 | 无线供能蜂窝物联网中全双工基站的联合休眠与关联方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114554511B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109413724B (zh) | 一种基于mec的任务卸载和资源分配方案 | |
Zhang et al. | Aerial edge computing on orbit: A task offloading and allocation scheme | |
CN110928654A (zh) | 一种边缘计算系统中分布式的在线任务卸载调度方法 | |
Li et al. | Computation offloading and resource allocation for mobile edge computing with multiple access points | |
Li et al. | An energy‐aware task offloading mechanism in multiuser mobile‐edge cloud computing | |
CN112491442B (zh) | 一种自干扰消除方法及装置 | |
CN110856259A (zh) | 移动边缘计算环境中自适应数据块大小的资源分配和卸载方法 | |
CN113286317A (zh) | 一种基于无线供能边缘网络的任务调度方法 | |
Jia et al. | Joint computing and communication resource allocation for edge computing towards Huge LEO networks | |
CN111669768B (zh) | 基于全双工自回程的无线供能蜂窝物联网资源优化方法 | |
Lu et al. | Power optimisation in UAV‐assisted wireless powered cooperative mobile edge computing systems | |
CN112654058A (zh) | D2d多播网络中的移动边缘计算卸载与资源分配算法 | |
CN112788569A (zh) | 无线供能蜂窝物联网中全双工基站的联合休眠与关联方法 | |
CN115866787A (zh) | 融合终端直传通信和多接入边缘计算的网络资源分配方法 | |
CN114449490A (zh) | 基于d2d通信的多任务联合计算卸载与资源分配方法 | |
CN114554511A (zh) | 一种5g边缘计算环境下无线携能终端节能效率优化方法 | |
Zhou et al. | Big data and knowledge graph based fault diagnosis for electric power systems | |
CN114245449B (zh) | 一种5g边缘计算环境下终端能耗感知的任务卸载方法 | |
Xue et al. | Research on energy transmission strategy based on MEC in green communication | |
CN109033603B (zh) | 基于源流路径链的智能变电站二次系统仿真方法 | |
CN114461299B (zh) | 一种卸载决策确定方法、装置、电子设备及存储介质 | |
Li et al. | Deep reinforcement learning for collaborative computation offloading on internet of vehicles | |
CN115150781A (zh) | 一种基于任务优先级的无人机协助边缘计算的资源分配方法 | |
Li et al. | HIQCO: A hierarchical optimization method for computation offloading and resource optimization in multi-cell mobile-edge computing systems | |
Cui et al. | A2C deep reinforcement learning-based MEC network for offloading and resource allocation |
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 |