CN114745389B - 移动边缘计算系统的计算卸载方法 - Google Patents

移动边缘计算系统的计算卸载方法 Download PDF

Info

Publication number
CN114745389B
CN114745389B CN202210557602.1A CN202210557602A CN114745389B CN 114745389 B CN114745389 B CN 114745389B CN 202210557602 A CN202210557602 A CN 202210557602A CN 114745389 B CN114745389 B CN 114745389B
Authority
CN
China
Prior art keywords
internet
unloading
strategy
things
calculation
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
CN202210557602.1A
Other languages
English (en)
Other versions
CN114745389A (zh
Inventor
常征
陈一
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202210557602.1A priority Critical patent/CN114745389B/zh
Publication of CN114745389A publication Critical patent/CN114745389A/zh
Application granted granted Critical
Publication of CN114745389B publication Critical patent/CN114745389B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061Partitioning or combining of resources
    • G06F9/5072Grid computing
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/1001Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004Server selection for load balancing
    • H04L67/1008Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/1001Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004Server selection for load balancing
    • H04L67/1014Server selection for load balancing based on the content of a request
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种面向移动边缘计算系统的计算卸载方案。为了减少物联网系统中的平均信息年龄,首先分析在物联网设备端的状态更新任务,获取计算任务对边缘设备的计算资源需求和空间需求,计算在本地以及在边缘服务器端的时延,再进一步得到每个设备的信息年龄以及整个系统的信息年龄。根据每个设备本身的任务需求和环境条件,选择信息年龄最优计算卸载策略。并提出基于博弈论信息年龄最优的计算卸载方案,每一轮迭代所有设备竞争更新卸载策略的机会,直到所有设备的卸载策略达到收敛,得到最终的计算卸载方法。本发明可以有效减少系统的平均信息年龄,以满足不同类型物联网设备的信息新鲜度需求。本发明适合物联网领域。

Description

移动边缘计算系统的计算卸载方法
技术领域
本发明涉及一种计算卸载方法,具体涉及一种移动边缘计算系统的信息年龄最优的计算卸载方法。
背景技术
随着物联网技术的发展,万物互联得以实现,并且大量来自于设备端的信息被提取来进一步改善服务质量或实现智能服务。但是许多物联网应用,如人脸识别、健康监控、无人机等,都对延迟十分的敏感,并且从物联网设备(简称设备)获取的状态更新的信息新鲜度也对设备的实时控制和监控有着重要的影响。信息年龄作为一种性能指标被提出,来更好的衡量从物联网设备端获得的状态更新的信息新鲜度。信息年龄定义为,从有效的状态更新产生之后到收到该状态更新经过的时间。对于延迟敏感的物联网应用来说,由于一些有用的信息需要在收集到状态更新之后进一步处理才能获得,所以状态数据的处理时间是影响信息年龄的一个很重要的因素。
状态更新的处理操作往往需要耗费大量的时间和计算操作,而物联网设备受限于体积的原因,计算能力和电池容量往往无法满足状态更新的处理需求。
为了解决这个问题,物联网设备借助移动边缘计算来获取更多的计算和存储资源。通过将状态更新的处理任务卸载到边缘服务器进行处理,可以利用边缘服务器的资源,从而满足任务的延迟要求,同时状态信息的信息年龄也能够进一步的被减少。但是不合理的任务卸载策略,比如大量的设备同时将任务卸载到边缘服务器进行处理,也会产生传输的干扰,从而导致延迟的进一步增加。因此需要合理的计算卸载方法,最大化合理利用边缘服务器的资源来为用户(即设备)服务。
鉴于此,本领域亟需一种移动边缘计算系统的信息年龄最优的计算卸载方法。
发明内容
为了解决或缓解上述部分或全部技术问题,本发明是通过如下技术方案实现的:
一种移动边缘计算系统的计算卸载方法,该移动边缘计算系统包括N个物联网设备和一个边缘服务器,每个物联网设备可以选择卸载自己的计算任务到边缘服务器执行,或者采用自己的处理器本地处理计算任务,其中N为正整数;所述移动边缘计算系统的计算卸载方法包括以下步骤:
步骤1:当物联网设备产生状态更新时,获取计算任务对边缘设备的计算资源需求和空间需求,计算在物联网设备本地以及在所述边缘服务器端的时延;
步骤2:根据步骤1得到的时延,计算每个物联网设备的线性信息年龄及非线性的信息年龄;
步骤3:根据不同的物联网设备类型,计算出整个系统的平均信息年龄;其中不同的物联网设备类型具有不同的延迟敏感度;
步骤4:根据物联网设备本身的任务需求和环境条件,选择每个物联网设备的最优计算卸载策略;
步骤5:基于博弈论,获得对于整个移动边缘计算系统信息年龄最优的计算卸载方案;
步骤6:计算每个物联网设备更新策略的优化值,并根据优化值竞争更新卸载策略的机会。
在某类实施例中,所述步骤4进一步包括:计算出每个物联网设备在其它物联网设备确定卸载策略的条件下,此时的最优策略,并决定是否需要更新自己的卸载策略;如果不需要更新,则仍保持原来的计算卸载策略。
在某类实施例中,所述步骤6进一步包括:对于所有需要更新卸载策略的物联网设备,计算出通过更新计算卸载策略所能得到的信息年龄的优化值;在得到优化值之后,每个物联网设备向所有物联网设备广播一条包含优化值的更新信息;
其它物联网设备在收到更新信息之后,若自身的优化值更大,则接受后将自己的优化值广播出去;最终优化值最大的物联网设备赢得竞争,获得更新卸载策略的机会,并将自己的策略改变广播给其它设备。
在某类实施例中,所述的移动边缘计算系统的计算卸载方法还包括:为所有物联网设备赋予一个初始的计算卸载策略;
根据步骤6,在每一轮中有一个物联网设备更新自己的卸载策略,然后其它物联网设备再进行下一轮竞争更新策略的机会;直至所有物联网设备都无法通过改变自身的卸载策略来优化信息年龄值,获得最终的信息年龄最优的计算卸载方案。
在某类实施例中,所述步骤2进一步包括:对于高延迟敏感的设备,采用指数函数来计算该设备的信息年龄值;
在某类实施例中,所述步骤3进一步包括:对于延迟敏感度为0的物联网设备,采用线性信息年龄来表示物联网设备的信息新鲜度。
在某类实施例中,所述步骤4进一步包括:对于每个物联网设备分别计算其传输的信道干扰以及其本地执行任务和卸载任务所对应的延迟,选择自己最优的卸载策略。
在步骤1中,考虑一个边缘计算环境下的物联网系统实现,该系统包括N个物联网设备和一个边缘服务器,每个物联网设备可以选择卸载自己的计算任务到边缘服务器执行,或者采用自己的处理器本地处理计算任务。当物联网设备产生状态更新时,获取处理该状态更新所需要的计算资源和空间需求,表示为Ui={di,ci},Ui代表第i个设备的状态更新任务,di代表该任务数据所占存储空间大小,ci代表处理该任务所需要的CPU周期数。将x={x1,x2,…,xN}表示为整个系统的计算卸载决策,其中xi表示第i个设备的计算卸载策略,xi=0表示该设备任务将在设备本地执行,而xi=1表示将该设备卸载到边缘服务器端进行执行。每个设备将以独立的频率τi产生状态更新。若设备i在本地执行状态更新的处理任务,假设处理之后的结果数据量很小,传输时延可以忽略不计,则本地执行的时延只包含计算时延,如下:
Figure BDA0003652809910000031
其中fi表示物联网设备i的CPU频率。
若设备i将任务卸载到边缘服务器端进行处理,那么时延包括将状态更新传输到边缘服务器的传输时延和在边缘服务器的计算时延,计算表达式如下:
Figure BDA0003652809910000032
式中前一部分表示在边缘服务器端的计算时延,后一部分表示传输时延。其中,fe表示边缘服务器的CPU频率,而ri(x)表示设备i将数据发送到边缘服务器的上行传输速率,且
Figure BDA0003652809910000041
其中B表示传输信道带宽,pi表示第i个物联网设备的传输功率,gi,s表示设备和边缘服务器之间的信道增益,ω0表示背景噪声功率。
在某类实施例中,对于设备i每个状态更新的处理时间,由该设备的卸载策略确定,具体表示为
Figure BDA0003652809910000042
假设设备i的第j个状态更新的产生时间为Si,j,那么状态更新将在
Figure BDA0003652809910000043
处理结束。对于设备i的最新的状态更新的产生时间可以表示为:
Figure BDA0003652809910000044
由此可以得到设备i的信息年龄为:
Δi(t)=t-ai(t)
对于高延迟敏感的设备,采用指数函数来计算该设备的信息年龄值,计算表达式为:
Figure BDA0003652809910000045
其中ε表示指数的底数系数,ε的值越大表示物联网设备的延迟敏感度越高。
在某类实施例中,对于单个设备i的平均信息年龄的计算表达式为:
Figure BDA0003652809910000046
进一步将上面的表达式代入具体的信息年龄表达式,可以得到设备i的平均线性信息年龄计算方式为:
Figure BDA0003652809910000047
相应地,可以得到非线性信息年龄的计算方式为:
Figure BDA0003652809910000048
使用λi来表示设备i的延迟敏感度,当λi=0时,表示此时设备为延迟不敏感,采用线性信息年龄来表示设备的信息新鲜度。相反当λi=1时,此时设备为延迟敏感性设备,采用非线性信息年龄函数。此时整个系统的平均信息年龄为:
Figure BDA0003652809910000051
优化目标为最小化整个系统的平均信息年龄,表示为:
Figure BDA0003652809910000052
C1.
Figure BDA0003652809910000053
C2:
Figure BDA0003652809910000054
C3:Δi(t)≤Ti,
C4:τi≥τmin,
C5:xi∈{0,1}.
约束条件C1表示传输带宽的上限,C2表示边缘服务器计算能力的上限,C3表示每个状态更新的最大限制,C4表示物联网设备的状态采样间隔限制,C5限定了每个设备的计算卸载选择只能为本地或卸载到边缘。
在某类实施例中,每个设备根据本身的任务需求和环境条件,选择自己的最优计算卸载策略。为了找到对于每个设备i最优的计算卸载策略xi *,先将xi松弛到[0,1]的连续变量,计算系统平均信息年龄对xi的偏导,最终得出不同条件下xi的最优值
Figure BDA0003652809910000055
在某类实施例中,整个系统的计算卸载决策问题可以被定义成一个策略博弈问题
Figure BDA0003652809910000056
博弈参与者
Figure BDA0003652809910000057
是所有的N个物联网设备,
Figure BDA0003652809910000058
是每个博弈者可以选择的行动,
Figure BDA0003652809910000059
是要优化的信息年龄。对于这样的策略博弈问题,存在一组纳什均衡,满足
Figure BDA00036528099100000510
即每个用户没法通过单方面改善自己的策略,使得系统的平均信息年龄更小。考虑在步骤4中提出的每个用户选择自己的最优卸载策略的条件,对于每个设备分别计算其传输的信道干扰以及其本地执行任务和卸载任务所对应的延迟,选择
Figure BDA0003652809910000061
值最优的卸载策略,并且决定自己是否要更新自己的计算卸载决策。
在某类实施例中,当一组设备需要进行计算卸载决策时,首先计算出每个设备在其它设备确定卸载策略的条件下此时的最优策略,并根据步骤5中提出的计算卸载机制决定是否需要更新自己的卸载策略。如果不需要更新,则仍保持原来的计算卸载策略。对于所有需要更新卸载策略的设备计算出通过更新计算卸载策略所能得到的信息年龄的优化值,表达式为
Figure BDA0003652809910000062
式中
Figure BDA0003652809910000063
表示该设备除了最优策略的另一种策略。每个设备向所有设备广播一条包含优化值
Figure BDA0003652809910000064
的更新信息,设备在收到信息之后,若自身的优化值更大,则将自己的优化值广播出去,最终优化值最大的设备赢得竞争,获得更新卸载策略的机会,并将自己的策略更新广播给其它设备。
在某类实施例中,对于所有设备有一个初始的计算卸载策略,然后根据步骤6中的方法,每一轮有一个设备更新自己的卸载策略,接着其它设备再进行下一轮竞争更新策略的机会。在经过多轮迭代之后,所有设备都无法通过改变自身的卸载策略来优化信息年龄值,也就是所有设备的计算卸载策略达到了收敛,此时收敛的计算卸载决策达到了纳什均衡,即最终得到的信息年龄最优的计算卸载方案。
本发明的部分或全部实施例,具有如下有益技术效果:
1)可以结合物联网设备本身的性质以及网络环境,选择合适的物联网设备的状态更新的计算卸载策略,从而实现移动边缘计算资源的合理利用,保证物联网设备的信息年龄。
2)在优化信息年龄的同时,物联网设备的异构性也需要被考虑其中。由于不同设备对于延迟敏感度的不同,相应的信息年龄的衡量方法也应该有所差异。对于延迟敏感度高的任务,应该有更高的优先级被卸载到边缘端来获得执行。因此,非线性的信息年龄函数被提出来衡量高度延迟敏感任务的信息年龄。随着时延的增长,信息年龄的值以比远大于传统的线性函数的增长速度而增长。为了体现物联网设备的异构性,需要将线性和非线性的信息年龄函数结合使用,来衡量物联网设备信息的新鲜度。
更多的有益效果将在优选实施例中作进一步的介绍。
以上披露的技术方案/特征,旨在对具体实施方式部分中所描述的技术方案、技术特征进行概括,因而记载的范围可能不完全相同。但是该部分披露的这些新的技术方案同样属于本发明文件所公开的众多技术方案的一部分,该部分披露的技术特征与后续具体实施方式部分公开的技术特征、未在说明书中明确描述的附图中的部分内容,以相互合理组合的方式披露更多的技术方案。
本发明任意位置所披露的所有技术特征所组合出的技术方案,用于支撑对技术方案的概括、专利文件的修改、技术方案的披露。
附图说明
图1是本发明所涉及的物联网系统的示意图;
图2是信息年龄的增长示意图;
图3是本发明所提出解决方法的流程图。
具体实施方式
由于不能穷尽描述各种替代方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案中的要点内容进行清楚、完整地描述。对于下文未详细披露的其它的技术方案和细节,一般均属于本领域通过常规手段即可实现的技术目标或技术特征,限于篇幅,本发明不对其详细介绍。
除非是除法的含义,本发明中任意位置的“/”均表示逻辑“或”。本发明任意位置中的“第一”、“第二”等序号仅仅用于描述上的区分标记,并不暗示时间或空间上的绝对顺序,也不暗示冠以这种序号的术语与冠以其它定语的相同术语必然是不同的指代。
本发明会对各种用于组合成各种不同具体实施例的要点进行描述,这些要点将被组合至各种方法、产品中。在本发明中,即便仅在介绍方法/产品方案时所描述的要点,意味着对应的产品/方法方案也明确地包括该技术特征。
本发明中任意位置处描述存在或包括某步骤、模块、特征时,并不暗示这种存在是排它性地唯一存在,本领域技术人员完全可以根据本发明所披露的技术方案而辅以其它技术手段而获得其它实施例;基于本发明中具体实施例描述的要点,本领域技术人员完全可以对某些技术特征施加替换、删减、增加、组合、调换顺序等手段,获得一个仍遵循本发明构思的技术方案。这些未脱离本发明技术构思的方案也在本发明保护范围之内。
本发明提出的技术方案为:一种面向移动边缘计算系统的信息年龄最优的计算卸载方法,该方法基于边缘计算环境下的物联网系统实现,该系统包括N个物联网设备和一个边缘服务器。每个物联网设备可以选择卸载自己的计算任务到边缘服务器执行,或者采用自己的处理器本地处理计算任务,物联网系统的示意图如图1所示。具体为每个物联网设备选择最优的计算卸载策略的方法包括如下步骤:
步骤1:当物联网设备产生状态更新时,获取计算任务对边缘设备的计算资源需求和空间需求,计算在本地以及在边缘服务器端的时延。
当物联网设备产生状态更新时,获取处理该状态更新所需要的计算资源和空间需求,表示为Ui={di,ci},Ui代表第i个设备的状态更新任务,di代表该任务数据所占存储空间大小,ci代表处理该任务所需要的CPU周期数。进一步地,将x={x1,x2,…,xN}表示为整个系统的计算卸载决策,其中xi表示第i个设备的计算卸载策略,xi=0表示该设备任务将在设备本地执行,而xi=1表示将该设备卸载到边缘服务器端进行执行。每个设备将以独立的频率τi产生状态更新。
若设备i在本地执行状态更新的处理任务,假设处理之后的结果数据量很小,传输时延可以忽略不计,则本地执行的时延只包含计算时延,如下:
Figure BDA0003652809910000081
式中fi表示物联网设备i的CPU频率。
若设备i将任务卸载到边缘服务器端进行处理,那么时延包括将状态更新传输到边缘服务器的传输时延和在边缘服务器的计算时延,计算表达式如下:
Figure BDA0003652809910000082
式中前一部分表示在边缘服务器端的计算时延,后一部分表示传输时延。其中,fe表示边缘服务器的CPU频率,而ri(x)表示设备i将数据发送到边缘服务器的上行传输速率,且
Figure BDA0003652809910000091
其中B表示传输信道带宽,pi表示第i个物联网设备的传输功率,gi,s表示设备和边缘服务器之间的信道增益,ω0表示背景噪声功率。
步骤2:根据步骤1中得到的时延,进一步计算每个设备的线性信息年龄及非线性的信息年龄。
对于设备i每个状态更新的处理时间,由该设备的卸载策略确定,具体表示为
Figure BDA0003652809910000092
假设设备i的第j个状态更新的产生时间为Si,j,那么状态更新将在
Figure BDA0003652809910000093
处理结束,并将处理结果传输给控制节点。设备将在等待
Figure BDA0003652809910000094
之后产生新的状态更新。所以,对于设备i的最新的状态更新的产生时间可以表示为
Figure BDA0003652809910000095
由此可以得到设备i的信息年龄为Δi(t)=t-ai(t)。
信息年龄的增长如图2所示。
对于高延迟敏感的设备,采用指数函数来计算该设备的信息年龄值,计算表达式为:
Figure BDA0003652809910000096
式中ε表示指数的底数系数,ε的值越大表示物联网设备的延迟敏感度越高。
步骤3:根据不同的设备类型,计算出整个系统的平均信息年龄。
考虑长期过程的状态信息的新鲜度,对于单个设备i的平均信息年龄的计算表达式为:
Figure BDA0003652809910000097
进一步将上面的表达式代入具体的信息年龄表达式,可以得到设备i的平均线性信息年龄计算方式为:
Figure BDA0003652809910000101
相应地,可以得到非线性信息年龄的计算方式为:
Figure BDA0003652809910000102
使用λi来表示设备i的延迟敏感度,当λi=0时,表示此时设备为延迟不敏感,采用线性信息年龄来表示设备的信息新鲜度。相反当λi=1时,此时设备为延迟敏感性设备,采用非线性信息年龄函数。此时整个系统的平均信息年龄为:
Figure BDA0003652809910000103
优化目标为最小化整个系统的平均信息年龄,表示为:
Figure BDA0003652809910000104
C1.
Figure BDA0003652809910000105
C2:
Figure BDA0003652809910000106
C3:Δi(t)≤Ti,
C4:τi≥τmin,
C5:xi∈{0,1}.
约束条件C1表示传输带宽的上线,C2表示边缘服务器计算能力的上线,C3表示每个状态更新的最大限制,C4表示物联网设备的状态采样间隔限制,C5限定了每个设备的计算卸载选择只能为本地或卸载到边缘。
步骤4:根据设备本身的任务需求和环境条件,选择每个设备自己的最优计算卸载策略。
为了找到对于每个设备i最优的计算卸载策略
Figure BDA0003652809910000111
先将xi松弛到[0,1]的连续变量,计算系统平均信息年龄对xi的偏导,具体方式如下:
Figure BDA0003652809910000112
为了研究信息年龄的增减性与xi的关系,进一步求设备i的执行时间的偏导数为
Figure BDA0003652809910000113
同理,为了研究执行时间偏导数的增减性,进一步求边缘执行的延迟关于xi的偏导数为
Figure BDA0003652809910000114
由于ri(x)关于xj为单调递增,所以边缘执行的延迟关于xi的偏导数始终为负数,代入信息年龄的偏导数中可以得到
Figure BDA0003652809910000115
其中
Figure BDA0003652809910000116
由于
Figure BDA0003652809910000117
关于xi是单调增函数并且
Figure BDA0003652809910000118
始终为正,所以上面所求偏导关于xi单调递增,由于xi的取值只能为0或1,所以考虑在0和1两端点处的偏导值,可以得出不同条件下xi的最优值
Figure BDA0003652809910000119
步骤5:根据每个设备的计算卸载决策,基于博弈论提出信息年龄最优的计算卸载机制。
整个系统的计算卸载决策问题可以被定义成一个策略博弈问题
Figure BDA0003652809910000121
博弈参与者
Figure BDA0003652809910000122
是所有的N个物联网设备,
Figure BDA0003652809910000123
是每个博弈者可以选择的行动,
Figure BDA0003652809910000124
是要优化的信息年龄。对于这样的策略博弈问题,存在一组纳什均衡,满足
Figure BDA0003652809910000125
即每个用户没法通过单方面改善自己的策略,使得系统的平均信息年龄更小。
我们提出的信息年龄最优的计算卸载机制,关键是每次只有一个设备能够改变自己的卸载策略,并且在策略更新的过程中,每个设备都知道其它设备的策略更新。考虑在步骤4中提出的每个用户选择自己的最优卸载策略的条件,对于每个设备分别计算其传输的信道干扰以及其本地执行任务和卸载任务所对应的延迟,选择自己最优的卸载策略,并且决定自己是否要更新自己的计算卸载决策。
步骤6:计算每个设备更新策略的优化值,并根据优化值竞争更新卸载策略的机会。
当一组设备需要进行计算卸载决策时,首先根据步骤4计算出每个设备在其它设备确定卸载策略的条件下此时的最优策略,并决定是否需要更新自己的卸载策略。如果不需要更新,则仍保持原来的计算卸载策略。对于所有需要更新卸载策略的设备计算出通过更新计算卸载策略所能得到的信息年龄的优化值,表达式为:
Figure BDA0003652809910000126
式中
Figure BDA0003652809910000127
表示该设备除了最优策略的另一种策略。在得到优化值之后,每个设备向所有设备广播一条包含优化值
Figure BDA0003652809910000128
的更新信息,设备在收到信息之后,若自身的优化值更大,则接受后将自己的优化值广播出去,最终优化值最大的设备赢得竞争,获得更新卸载策略的机会,并将自己的策略改变广播给其它设备。
步骤7:进行多轮迭代,直到卸载策略达到收敛。
首先给所有设备一个初始的计算卸载策略,然后根据步骤6中的方法,每一轮有一个设备更新自己的卸载策略,接着其它设备再进行下一轮竞争更新策略的机会。在经过多轮迭代之后,所有设备都无法通过改变自身的卸载策略来优化信息年龄值,也就是所有设备的计算卸载策略达到了收敛,此时收敛的计算卸载决策达到了纳什均衡,即最终得到的信息年龄最优的计算卸载方案。
尽管已经参考本发明的具体特征和实施例描述了本发明,但是在不脱离本发明的情况下仍可以对其进行各种修改、组合、替换。本发明的保护范围旨在不限于说明书中描述的过程、机器、制造、物质组成、装置、方法和步骤的特定实施例,并且这些方法、模块可能还被实施在相关联、相互依赖、相互配合、前/后级的一个或多个产品、方法当中。
因此,说明书和附图应简单地视为由所附权利要求限定的技术方案的部分实施例的介绍,因而应根据最大合理解释原则对所附权利要求解读,并旨在尽可能涵盖本发明公开范围内的所有修改、变化、组合或等同物,同时还应避免不合常理的解读方式。
为了实现更好的技术效果或出于某些应用的需求,本领域技术人员可能在本发明的基础之上,对技术方案做出进一步的改进。然而,即便该部分改进/设计具有创造性或/和进步性,只要依赖本发明的技术构思,覆盖了权利要求所限定的技术特征,该技术方案同样应落入本发明的保护范围之内。
所附的权利要求中所提及的若干技术特征可能存在替代的技术特征,或者对某些技术流程的顺序、物质组织顺序可以重组。本领域普通技术人员知晓本发明后,容易想到该些替换手段,或者改变技术流程的顺序、物质组织顺序,然后采用了基本相同的手段,解决基本相同的技术问题,达到基本相同的技术效果,因此即便权利要求中明确限定了上述手段或/和顺序,然而该些修饰、改变、替换,均应依据等同原则而落入权利要求的保护范围。
结合本文中所公开的实施例中描述的各方法步骤或模块,能够以硬件、软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各实施例的步骤及组成。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用或设计约束条件。本领域普通技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为在本发明所要求保护的范围之外。

Claims (5)

1.一种移动边缘计算系统的计算卸载方法,该移动边缘计算系统包括N个物联网设备和一个边缘服务器,每个物联网设备可以选择卸载自己的计算任务到边缘服务器执行,或者采用自己的处理器本地处理计算任务,其中N为正整数;
其特征在于,所述移动边缘计算系统的计算卸载方法包括以下步骤:
步骤1:当物联网设备产生状态更新时,获取计算任务对边缘设备的计算资源需求和空间需求,计算在物联网设备本地以及在所述边缘服务器端的时延;
步骤2:根据步骤1得到的时延,计算每个物联网设备的线性信息年龄及非线性的信息年龄;
步骤3:根据不同的物联网设备类型,计算出整个系统的平均信息年龄;其中不同的物联网设备类型具有不同的延迟敏感度;
步骤4:根据物联网设备本身的任务需求和环境条件,选择每个物联网设备的最优计算卸载策略;步骤4具体包括:
为了找到对于每个设备i最优的计算卸载策略xi *,先将xi松弛到[0,1]的连续变量,计算系统平均信息年龄对xi的偏导,其中xi表示第i个设备的计算卸载策略;
为了获得信息年龄的增减性与xi的关系,求设备i的执行时间的偏导数;
为了获得执行时间偏导数的增减性,求边缘执行的延迟关于xi的偏导数,并根据其在端点0和1处的偏导值,得出不同条件下xi的最优值;
步骤5:基于博弈论,获得对于整个移动边缘计算系统信息年龄最优的计算卸载方案;所述步骤5具体包括:
将整个系统的计算卸载决策问题被定义成一个策略博弈问题
Figure FDA0003980335300000011
博弈参与者N是所有的N个物联网设备,
Figure FDA0003980335300000012
是每个博弈者可以选择的行动,
Figure FDA0003980335300000013
是要优化的信息年龄;对于该策略博弈问题,其纳什均衡时满足:
Figure FDA0003980335300000014
步骤6:计算每个物联网设备更新策略的优化值,并根据优化值竞争更新卸载策略的机会;所述步骤6包括:
对于所有需要更新卸载策略的物联网设备,计算出通过更新计算卸载策略所能得到的信息年龄的优化值;在得到优化值之后,每个物联网设备向所有物联网设备广播一条包含优化值的更新信息;
其它物联网设备在收到更新信息之后,若自身的优化值更大,则接受后将自己的优化值广播出去;最终优化值最大的物联网设备赢得竞争,获得更新卸载策略的机会,并将自己的策略改变广播给其它设备;
步骤7:进行多轮迭代,直到卸载策略达到收敛;所述步骤7包括:
首先给所有设备一个初始的计算卸载策略,然后根据步骤6中的方法,每一轮有一个设备更新自己的卸载策略,接着其它设备再进行下一轮竞争更新策略的机会;
在经过多轮迭代之后,所有设备都无法通过改变自身的卸载策略来优化信息年龄值,也就是所有设备的计算卸载策略达到了收敛,得到的信息年龄最优的计算卸载方案。
2.根据权利要求1所述的移动边缘计算系统的计算卸载方法,其特征在于:
所述的移动边缘计算系统的计算卸载方法还包括:
为所有物联网设备赋予一个初始的计算卸载策略;
根据步骤6,在每一轮中有一个物联网设备更新自己的卸载策略,然后其它物联网设备再进行下一轮竞争更新策略的机会;直至所有物联网设备都无法通过改变自身的卸载策略来优化信息年龄值,获得最终的信息年龄最优的计算卸载方案。
3.根据权利要求1所述的移动边缘计算系统的计算卸载方法,其特征在于:所述步骤2进一步包括:
对于高延迟敏感的设备,采用指数函数来计算该设备的信息年龄值。
4.根据权利要求1所述的移动边缘计算系统的计算卸载方法,其特征在于:所述步骤3进一步包括:
对于延迟敏感度为0的物联网设备,采用线性信息年龄来表示物联网设备的信息新鲜度。
5.根据权利要求2所述的移动边缘计算系统的计算卸载方法,其特征在于:
所述步骤4进一步包括:
对于每个物联网设备分别计算其传输的信道干扰以及其本地执行任务和卸载任务所对应的延迟,选择自己最优的卸载策略。
CN202210557602.1A 2022-05-19 2022-05-19 移动边缘计算系统的计算卸载方法 Active CN114745389B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210557602.1A CN114745389B (zh) 2022-05-19 2022-05-19 移动边缘计算系统的计算卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210557602.1A CN114745389B (zh) 2022-05-19 2022-05-19 移动边缘计算系统的计算卸载方法

Publications (2)

Publication Number Publication Date
CN114745389A CN114745389A (zh) 2022-07-12
CN114745389B true CN114745389B (zh) 2023-02-24

Family

ID=82288104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210557602.1A Active CN114745389B (zh) 2022-05-19 2022-05-19 移动边缘计算系统的计算卸载方法

Country Status (1)

Country Link
CN (1) CN114745389B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117891613B (zh) * 2024-02-29 2024-05-31 湘江实验室 一种基于车联网的计算卸载和资源分配方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111132074A (zh) * 2019-12-26 2020-05-08 华南理工大学 车联网环境下多接入边缘计算卸载和帧时隙资源分配方法
CN111262947A (zh) * 2020-02-10 2020-06-09 深圳清华大学研究院 基于移动边缘计算的计算密集型数据状态更新实现方法
CN111585916A (zh) * 2019-12-26 2020-08-25 国网辽宁省电力有限公司电力科学研究院 基于云边协同的lte电力无线专网任务卸载和资源分配方法
CN111954236A (zh) * 2020-07-27 2020-11-17 河海大学 一种基于优先级的分层边缘计算卸载方法
CN112015545A (zh) * 2020-07-23 2020-12-01 山东师范大学 车辆边缘计算网络中的任务卸载方法及系统
CN112039965A (zh) * 2020-08-24 2020-12-04 重庆邮电大学 一种时间敏感网络中的多任务卸载方法及系统
CN112527409A (zh) * 2020-12-17 2021-03-19 河南科技大学 一种面向移动医疗健康管理的边缘云计算卸载方法
CN114189756A (zh) * 2021-10-22 2022-03-15 北京邮电大学 多设备协作物联网的信息更新方法、装置、设备及介质
CN114205374A (zh) * 2020-09-17 2022-03-18 北京邮电大学 基于信息时效性的传输和计算联合调度方法、装置及系统
CN114466335A (zh) * 2022-01-27 2022-05-10 吉林大学 一种d2d辅助mec系统中基于博弈论的联合优化方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110032437B (zh) * 2019-04-11 2021-04-20 北京邮电大学 一种基于信息时效性的计算任务处理方法及装置
CN111400001B (zh) * 2020-03-09 2022-09-23 清华大学 一种面向边缘计算环境的在线计算任务卸载调度方法
CN112512061B (zh) * 2020-11-05 2022-11-22 上海大学 一种多接入边缘计算系统中的任务卸载与分派方法
CN113342409B (zh) * 2021-04-25 2022-10-25 山东师范大学 多接入边缘计算系统时延敏感型任务卸载决策方法及系统
CN114039918B (zh) * 2021-10-09 2023-07-18 广东技术师范大学 一种信息年龄优化方法、装置、计算机设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111132074A (zh) * 2019-12-26 2020-05-08 华南理工大学 车联网环境下多接入边缘计算卸载和帧时隙资源分配方法
CN111585916A (zh) * 2019-12-26 2020-08-25 国网辽宁省电力有限公司电力科学研究院 基于云边协同的lte电力无线专网任务卸载和资源分配方法
CN111262947A (zh) * 2020-02-10 2020-06-09 深圳清华大学研究院 基于移动边缘计算的计算密集型数据状态更新实现方法
CN112015545A (zh) * 2020-07-23 2020-12-01 山东师范大学 车辆边缘计算网络中的任务卸载方法及系统
CN111954236A (zh) * 2020-07-27 2020-11-17 河海大学 一种基于优先级的分层边缘计算卸载方法
CN112039965A (zh) * 2020-08-24 2020-12-04 重庆邮电大学 一种时间敏感网络中的多任务卸载方法及系统
CN114205374A (zh) * 2020-09-17 2022-03-18 北京邮电大学 基于信息时效性的传输和计算联合调度方法、装置及系统
CN112527409A (zh) * 2020-12-17 2021-03-19 河南科技大学 一种面向移动医疗健康管理的边缘云计算卸载方法
CN114189756A (zh) * 2021-10-22 2022-03-15 北京邮电大学 多设备协作物联网的信息更新方法、装置、设备及介质
CN114466335A (zh) * 2022-01-27 2022-05-10 吉林大学 一种d2d辅助mec系统中基于博弈论的联合优化方法

Also Published As

Publication number Publication date
CN114745389A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
Liu et al. Resource allocation for edge computing in IoT networks via reinforcement learning
CN112882815B (zh) 基于深度强化学习的多用户边缘计算优化调度方法
CN112118601B (zh) 一种减少6g数字孪生边缘计算网络任务卸载延迟的方法
CN110941667B (zh) 一种移动边缘计算网络中的计算卸载方法及系统
US20190260845A1 (en) Caching method, system, device and readable storage media for edge computing
CN111444021B (zh) 基于分布式机器学习的同步训练方法、服务器及系统
CN112105062A (zh) 时敏条件下移动边缘计算网络能耗最小化策略方法
CN113989561B (zh) 基于异步联邦学习的参数聚合更新方法、设备及系统
CN113810233A (zh) 一种在随机网络中基于算网协同的分布式计算卸载方法
CN114745389B (zh) 移动边缘计算系统的计算卸载方法
CN112579194A (zh) 基于时延和事务吞吐量的区块链共识任务卸载方法及装置
CN113115368A (zh) 基于深度强化学习的基站缓存替换方法、系统及存储介质
CN111836284B (zh) 基于移动边缘计算的能耗优化计算、卸载方法和系统
CN113778691B (zh) 一种任务迁移决策的方法、装置及系统
CN113315716A (zh) 拥塞控制模型的训练方法和设备及拥塞控制方法和设备
CN114860337B (zh) 一种基于元强化学习算法的计算卸载方法
CN112596910B (zh) 一种多用户mec系统中的云计算资源调度方法
CN109688065B (zh) 参数的处理方法、装置及存储介质
CN118301002A (zh) 需求自适应预测的边缘dpu算力协同优化卸载方法
CN114090108A (zh) 算力任务执行方法、装置、电子设备及存储介质
CN111711931B (zh) 一种快速收敛的最优信道选择方法
WO2024108960A1 (zh) 一种边缘环境下支持多物联网应用自适应卸载的方法
CN117499484A (zh) 一种基于深度强化学习的边缘缓存替换方法
CN111510473A (zh) 访问请求处理方法、装置、电子设备和计算机可读介质
CN114385359B (zh) 一种物联网云边端任务时序协同方法

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
GR01 Patent grant
GR01 Patent grant