CN115022331B - 边缘计算资源分配方法、装置、存储介质及电子设备 - Google Patents

边缘计算资源分配方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN115022331B
CN115022331B CN202210602106.3A CN202210602106A CN115022331B CN 115022331 B CN115022331 B CN 115022331B CN 202210602106 A CN202210602106 A CN 202210602106A CN 115022331 B CN115022331 B CN 115022331B
Authority
CN
China
Prior art keywords
optimization problem
user equipment
edge computing
optimization
state information
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
CN202210602106.3A
Other languages
English (en)
Other versions
CN115022331A (zh
Inventor
张子婷
徐丹
徐馨兰
曾宇
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.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
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 China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN202210602106.3A priority Critical patent/CN115022331B/zh
Publication of CN115022331A publication Critical patent/CN115022331A/zh
Application granted granted Critical
Publication of CN115022331B publication Critical patent/CN115022331B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/30—Definitions, standards or architectural aspects of layered protocol stacks
    • H04L69/32—Architecture of open systems interconnection [OSI] 7-layer type protocol stacks, e.g. the interfaces between the data link level and the physical level
    • H04L69/322—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions
    • H04L69/323—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions in the physical layer [OSI layer 1]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/502—Proximity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/509—Offload
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开涉及计算机处理技术领域，具体涉及边缘计算资源分配方法、装置、存储介质及电子设备。该边缘计算资源分配方法包括：响应于系统数据处理请求，获取移动边缘计算系统的信道状态信息；基于信道状态信息构建边缘计算资源分配模型的目标函数，并将目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题；交替进行第一优化问题、第二优化问题和第三优化问题直至满足停止条件，得到目标卸载数据量、目标边缘计算资源以及目标反射系数矩阵。本公开提供的边缘计算资源分配方法能够解决移动边缘计算系统中各用户设备基于智能反射面的计算卸载公平性及安全性的问题。

Description

边缘计算资源分配方法、装置、存储介质及电子设备
技术领域
本公开涉及计算机处理技术领域，具体涉及边缘计算资源分配方法、边缘计算资源分配装置、存储介质及电子设备。
背景技术
在移动边缘计算(Mobile Edge Computing，MEC)系统中，当一个资源受限边缘节点同时服务于多个用户时，合理的无线和计算资源分配是保证用户之间的公平的前提，否则系统中可能出现某些用户性能极差，其余用户存在资源冗余的问题。
由于无线信号的广播性和开放性，在传统的MEC系统中，如果合法节点附近存在窃听节点，有可能在计算卸载过程中造成信息泄露。物理层安全传输技术利用无线信道本身的特性，从信息论安全的角度，保证节点间以不大于安全容量的速率传输数据时，信息不会发生泄露。然而，当合法无线信道经历严重衰落时，计算卸载过程中的物理层安全传输性能将大幅降低。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种边缘计算资源分配方法、边缘计算资源分配装置、存储介质及电子设备，旨在解决移动边缘计算系统中各用户设备基于智能反射面的计算卸载公平性及安全性的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开实施例的一方面，提供了一种边缘计算资源分配方法，包括：响应于系统数据处理请求，获取移动边缘计算系统的信道状态信息；基于所述信道状态信息构建边缘计算资源分配模型的目标函数，并将所述目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题；其中，所述第一优化问题包括优化各用户设备的卸载数据量，所述第二优化问题包括优化各用户设备的边缘计算资源，所述第三优化问题包括优化智能反射面的反射系数矩阵；交替进行所述第一优化问题、所述第二优化问题和所述第三优化问题直至满足停止条件，得到各所述用户设备的目标卸载数据量、目标边缘计算资源以及所述智能反射面的目标反射系数矩阵。
根据本公开的一些实施例，基于前述方案，所述基于所述信道状态信息构建边缘计算资源分配模型的目标函数，包括：基于一所述用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延；以及根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延；将所述用户设备的第一时延和所述第二时延中的较大值作为所述用户设备的计算总时延；最小化各所述用户设备的计算总时延得到所述目标函数。
根据本公开的一些实施例，基于前述方案，所述基于一所述用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延，包括：基于所述信道状态信息计算卸载传输速率，并根据所述卸载数据量和所述卸载传输速率确定卸载时延；根据所述用户设备的卸载数据量和边缘计算资源，以及计算周期确定计算时延；将所述卸载时延和所述计算时延求和得到所述用户设备的第一时延。
根据本公开的一些实施例，基于前述方案，所述信道状态信息包括：所述用户设备与无线接入点AP之间的第一直连信道状态信息、所述用户设备与智能反射面IRS之间的入射信道状态信息、所述智能反射面IRS与所述无线接入点AP之间的第一反射信道状态信息、所述用户设备与窃听节点Eve之间的第二直连信道状态信息以及所述智能反射面IRS与所述窃听节点Eve之间的第二反射信道状态信息。
根据本公开的一些实施例，基于前述方案，所述基于所述信道状态信息计算卸载传输速率，包括：根据所述第一直连信道状态信息、所述入射信道状态信息、所述第一反射信道状态信息、设备发送功率、反射系数矩阵、合法信道噪声功率确定所述用户设备发送的信号在所述无线接入点AP处的第一接收信噪比；以及根据所述第二直连信道状态信息、所述入射信道状态信息、所述第二反射信道状态信息、设备发送功率、反射系数矩阵、窃听信道噪声功率确定所述用户设备发送的信号在所述窃听节点Eve处的第二接收信噪比；基于所述第一接收信噪比、所述第二接收信噪比和传输带宽确定所述卸载传输速率。
根据本公开的一些实施例，基于前述方案，所述根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延，包括：根据所述用户设备的总数据量和所述卸载数据量确定所述剩余数据量；基于所述剩余数据量、所述用户设备的设备计算资源和计算周期确定所述用户设备的第二时延。
根据本公开的一些实施例，基于前述方案，所述方法还包括：配置所述边缘计算资源分配模型的约束条件，所述配置所述边缘计算资源分配模型的约束条件，包括：所述反射系数矩阵中的反射系数不超过1；各所述用户设备的边缘计算资源之和不超过边缘服务器的总计算资源；以及所述用户设备的卸载数据量不超过所述用户设备的总数据量。
根据本公开的一些实施例，基于前述方案，所述将所述目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题，包括：固定各所述用户设备的边缘计算资源以及所述反射系数矩阵，得到第一优化问题；固定各所述用户设备的卸载数据量以及所述反射系数矩阵，得到第二优化问题；固定各所述用户设备的卸载数据量和边缘计算资源，得到第三优化问题。
根据本公开的一些实施例，基于前述方案，所述交替进行所述第一优化问题、所述第二优化问题和所述第三优化问题直至满足停止条件，包括：基于初始反射系数矩阵交替进行所述第一优化问题、所述第二优化问题的优化以得到第一优化结果；其中，所述第一优化结果包括优化卸载数据量和优化边缘计算资源；在根据所述第一优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题的优化步骤更新所述第一优化结果，直至所述目标函数满足收敛条件，进行所述第三优化问题的优化以得到第二优化结果；其中，所述第二优化结果包括优化卸载数据量、优化边缘计算资源和优化反射系数矩阵；在根据所述第二优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题以及所述第三优化问题的优化步骤更新所述第二优化结果，直至所述目标函数满足收敛条件，得到所述目标卸载数据量、所述目标边缘计算资源以及所述目标反射系数矩阵。
根据本公开实施例的第二方面，提供了一种边缘计算资源分配装置，包括：响应模块，用于响应于系统数据处理请求，获取移动边缘计算系统的信道状态信息；建模模块，用于基于所述信道状态信息构建边缘计算资源分配模型的目标函数，并将所述目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题；其中，所述第一优化问题包括优化各用户设备的卸载数据量，所述第二优化问题包括优化各用户设备的边缘计算资源，所述第三优化问题包括优化智能反射面的反射系数矩阵；求解模块，用于交替进行所述第一优化问题、所述第二优化问题和所述第三优化问题直至满足停止条件，得到各所述用户设备的目标卸载数据量、目标边缘计算资源以及所述智能反射面的目标反射系数矩阵。
根据本公开实施例的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中的边缘计算资源分配方法。
根据本公开实施例的第四方面，提供了一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中的边缘计算资源分配方法。
本公开示例性实施例可以具有以下部分或全部有益效果：
在本公开的一些实施例所提供的技术方案中，对移动边缘计算系统中各用户设备的卸载数据量、边缘计算资源以及智能反射面的反射系数矩阵进行优化。一方面，能够在IRS辅助的多用户MEC系统中，通过联合优化无线和计算资源对无线和计算资源进行合理分配，确保用户设备之前使用资源的公平，避免部分用户性能极差而有些用户存在资源冗余的问题；另一方面，根据信道状态信息智能调节IRS的反射系数提升安全容量，能够确保节点间以不大于安全容量的速率传输数据，避免信息泄露，大大提高了用户计算卸载过程中信息安全性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。在附图中：
图1示意性示出本公开示例性实施例中一种边缘计算资源分配方法的流程示意图；
图2示意性示出本公开示例性实施例中一种边缘计算系统的结构示意图；
图3示意性示出本公开示例性实施例中一种构建目标函数方法的流程示意图；
图4示意性示出本公开示例性实施例中一种划分优化问题方法的流程示意图；
图5示意性示出本公开示例性实施例中另一种边缘计算资源分配方法的流程示意图；
图6示意性示出本公开示例性实施例中一种边缘计算资源分配装置的组成示意图；
图7示意性示出本公开示例性实施例中一种计算机可读存储介质的示意图；
图8示意性示出本公开示例性实施例中一种电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
随着物联网设备数量的不断增长，以及虚拟现实，人脸识别等资源密集型和时延敏感型应用的普及，预计网络中需要处理的数据量将爆炸式增长。移动边缘计算(MEC)技术允许用户设备将待处理的数据通过无线信道卸载到网络边缘计算节点进行处理，从而降低用户设备的能耗以及任务处理时延。
智能反射面(IRS)被认为是一种高效低成本的无线信道增强技术，当用户设备与边缘节点之间的无线信道被障碍物阻隔时，IRS可以创造一条新的通信路径。并且通过设计IRS的反射系数，可以智能地改变无线信道传播环境。
由于无线信号传播的开放性和广播性，合法节点在通信时，其周围潜在的窃听节点可以窃听到无线信号，物理层安全传输技术从实现信息论安全的角度出发，被认为是提高6G内生安全的前沿技术。
在现有技术中，移动边缘计算(MEC)系统中当一个资源受限边缘节点同时服务于多个用户时，合理的无线和计算资源分配是保证用户之间的公平的前提，否则系统中可能出现某些用户性能极差，其余用户存在资源冗余的问题。
由于无线信号的广播性和开放性，在传统的MEC系统中，如果合法节点附近存在窃听者，有可能在计算卸载过程中造成信息泄露。物理层安全传输技术利用无线信道本身的特性，从信息论安全的角度，保证节点间以不大于安全容量的速率传输数据时，信息不会发生泄露。然而，当合法无线信道经历严重衰落时，计算卸载过程中的物理层安全传输性能将大幅降低。
因此，针对现有技术中存在的问题，本公开提供了一种边缘计算资源分配方法，确定如何设计MEC系统的IRS反射系数、卸载比例及边缘计算资源分配方案，从而充分利用IRS技术提升系统性能，解决用户计算卸载过程中的公平性和安全性保证的问题。
以下对本公开实施例的技术方案的实现细节进行详细阐述。
图1示意性示出本公开示例性实施例中一种边缘计算资源分配方法的流程示意图。如图1所示，该边缘计算资源分配方法包括步骤S101至步骤S103：
步骤S101，响应于系统数据处理请求，获取移动边缘计算系统的信道状态信息；
步骤S102，基于所述信道状态信息构建边缘计算资源分配模型的目标函数，并将所述目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题；其中，所述第一优化问题包括优化各用户设备的卸载数据量，所述第二优化问题包括优化各用户设备的边缘计算资源，所述第三优化问题包括优化智能反射面的反射系数矩阵；
步骤S103，交替进行所述第一优化问题、所述第二优化问题和所述第三优化问题直至满足停止条件，得到各所述用户设备的目标卸载数据量、目标边缘计算资源以及所述智能反射面的目标反射系数矩阵。
在本公开的一些实施例所提供的技术方案中，对移动边缘计算系统中各用户设备的卸载数据量、边缘计算资源以及智能反射面的反射系数矩阵进行优化。一方面，能够在IRS辅助的多用户MEC系统中，通过联合优化无线和计算资源对无线和计算资源进行合理分配，确保用户设备之前使用资源的公平，避免部分用户性能极差而有些用户存在资源冗余的问题；另一方面，根据信道状态信息智能调节IRS的反射系数提升安全容量，能够确保节点间以不大于安全容量的速率传输数据，避免信息泄露，大大提高了用户计算卸载过程中信息安全性。
下面，将结合附图及实施例对本示例实施方式中的边缘计算资源分配方法的各个步骤进行更详细的说明。
在步骤S101中，响应于系统数据处理请求，获取移动边缘计算系统的信道状态信息。
图2示意性示出本公开示例性实施例中一种边缘计算系统的结构示意图。参考图2所示，一个拥有较大算力的边缘计算服务器(也可称为边缘计算节点)同时服务于共K个单天线用户设备，且用户设备k都工作于同一个小区。一块由N个反射单元组成的智能反射面IRS被部署在用户设备和边缘节点之间用于增强无线信道。由于无线信号传播的开放性和广播性，在通信时周围潜在的窃听节点Eve可以窃听到无线信号。
用户设备k共有Lkbit的任务待处理，打算经由一个单天线的无线接入点AP卸载lkbit数据到边缘服务器处理，无线接入点AP和边缘服务器之间用光纤连接；剩余的数据在用户设备本地处理。
在本公开的一个实施例中，移动边缘计算系统中各用户设备需要进行数据处理，首先需要获取系统中各用户设备以及窃听节点Eve与无线接入点AP之间相关的信道状态信息来进行资源分配。
具体地，系统中的信道状态信息包括：所述用户设备与无线接入点AP之间的第一直连信道状态信息、所述用户设备与智能反射面IRS之间的入射信道状态信息、所述智能反射面IRS与所述无线接入点AP之间的第一反射信道状态信息、所述用户设备与窃听节点Eve之间的第二直连信道状态信息以及所述智能反射面IRS与所述窃听节点Eve之间的第二反射信道状态信息。
参考图2所示，将用户设备k与无线接入点AP之间的直连信道记为hd,k，用户设备k与智能反射面IRS之间的入射信道记为hg,k，智能反射面IRS与无线接入点AP之间的反射信道记为
另外，考虑到在通信时AP旁边存在一个单天线被动窃听节点Eve，因此将用户设备k与窃听节点Eve之间直连信道记为hde,k，智能反射面IRS与窃听节点Eve之间的之间的反射信道记为
其中，
在步骤S102中，基于所述信道状态信息构建边缘计算资源分配模型的目标函数，并将所述目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题；其中，所述第一优化问题包括优化各用户设备的卸载数据量，所述第二优化问题包括优化各用户设备的边缘计算资源，所述第三优化问题包括优化智能反射面的反射系数矩阵。
具体地，由于MEC系统中有多个用户设备，因此设计合理的反射系数矩阵Φ以及对计算资源进行合理分配以得到每个用户设备k的卸载数据量和边缘计算资源。因此边缘计算资源分配模型配置的参数也就是用户设备k的卸载数据量lk、用户设备k的边缘计算资源f1,k以及反射系数矩阵Φ。
IRS的反射系数矩阵表示为其中，θn∈[0,2π]和βn∈[0,1]是智能反射面IRS每个反射单元的反射幅度和相移，j表示复数中虚部的单位。
需要说明的是，一块IRS由N个反射元件组成，每个反射元件都有一个反射系数，Φ是一个N*N的对角矩阵，这个矩阵对角线上的每一个元素就对应着IRS每一个反射元件的反射系数，即Φn,n表示第n行第n列的值。
图3示意性示出本公开示例性实施例中一种构建目标函数方法的流程示意图。参考图3所示，该构建目标函数方法包括：
步骤S301，基于一所述用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延；
步骤S302，根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延；
步骤S303，将所述用户设备的第一时延和所述第二时延中的较大值作为所述用户设备的计算总时延；
步骤S304，最小化各所述用户设备的计算总时延得到所述目标函数。
接下来对步骤S301至步骤S304进行详细解释。
在步骤S301中，基于一所述用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延。
在本公开的一个实施例中，所述基于一所述用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延，具体包括以下步骤：
步骤S3011，基于所述信道状态信息计算卸载传输速率，并根据所述卸载数据量和所述卸载传输速率确定卸载时延。
首先计算用户设备k的卸载传输速率，记为Ck。所述基于所述信道状态信息计算卸载传输速率，包括：根据所述第一直连信道状态信息、所述入射信道状态信息、所述第一反射信道状态信息、设备发送功率、反射系数矩阵、合法信道噪声功率确定所述用户设备发送的信号在所述无线接入点AP处的第一接收信噪比；以及根据所述第二直连信道状态信息、所述入射信道状态信息、所述第二反射信道状态信息、设备发送功率、反射系数矩阵、窃听信道噪声功率确定所述用户设备发送的信号在所述窃听节点Eve处的第二接收信噪比；基于所述第一接收信噪比、所述第二接收信噪比和传输带宽确定所述卸载传输速率。
具体地，用户设备k发送的信号在无线接入点AP处的第一接收信噪比记为γk，如公式(1)所示：
其中，pt,k是用户设备k的发送功率，hd,k为用户设备k与无线接入点AP之间的第一直连信道状态信息，为智能反射面IRS与无线接入点AP之间的第一反射信道状态信息，Φ为智能反射面IRS的反射系数矩阵，hg,k为用户设备k与智能反射面IRS之间的入射信道状态信息，σk为合法信道噪声功率。
用户设备k发送的信号在窃听节点Eve处的第二接收信噪比记为γe,k，如公式(2)所示：
其中，pt,k是用户设备k的发送功率，hde,k为用户设备k与窃听节点Eve之间的第二直连信道状态信息，为智能反射面IRS与窃听节点Eve之间的之间的第二反射信道，Φ为智能反射面IRS的反射系数矩阵，hg,k为用户设备k与智能反射面IRS之间的入射信道状态信息，σe,k为窃听信道噪声功率。
之后再基于第一接收信噪比、第二接收信噪比和传输带宽确定卸载传输速率Ck，即用户设备k在卸载过程中的可达保密传输速率，具体如公式(3)所示：
其中，γk为用户设备k发送的信号在无线接入点AP处的第一接收信噪比，γe,k用户设备k发送的信号在窃听节点Eve处的第二接收信噪比，B为传输带宽。
在得到卸载传输速率Ck之后，可以根据卸载数据量和所述卸载传输速率确定卸载时延，具体如公式(4)所示：
其中，lk为用户设备k的卸载数据量，Ck为用户设备k的卸载传输速率。
步骤S3012，根据所述用户设备的卸载数据量和边缘计算资源，以及计算周期确定计算时延。
在本公开的一个实施例中，在边缘服务器中根据分配给用户设备的计算资源完成卸载数据量的计算，因此可以得到计算时延，如公式(5)所示：
其中，lk为用户设备k的卸载数据量，c表示计算1bit所需的CPU计算周期，f1,k为边缘服务器分配给用户设备k的边缘计算资源。
步骤S3013，将所述卸载时延和所述计算时延求和得到所述用户设备的第一时延。
用户设备在利用边缘服务器进行卸载计算时，已知卸载时延为t1,k，计算时延为t2,k，由于计算结果通常占用的数据量很小，所以可以将反馈计算结果给用户的时延忽略不计，因此可以得到用户设备利用边缘服务器计算的第一时延，如公式(6)所示：
to,k＝t1,k+t2,k (6)
在步骤S302中，根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延。
在本公开的一个实施例中，用户设备k共有Lkbit的任务待处理，经由无线接入点AP卸载lkbit数据到边缘服务器处理，剩余的数据则由本地进行处理。
具体地，所述根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延，包括：
根据所述用户设备的总数据量和所述卸载数据量确定所述剩余数据量；基于所述剩余数据量、所述用户设备的设备计算资源和计算周期确定所述用户设备的第二时延。
因此可以得到用户设备本地计算的第二时延，如公式(7)所示：
其中，Lk为用户设备k的总数据量，lk为用户设备k的卸载数据量，c为计算1bit所需的CPU计算周期，f2,k为用户设备k的计算资源。
在步骤S303中，将所述用户设备的第一时延和所述第二时延中的较大值作为所述用户设备的计算总时延。
具体地，由于本地计算和计算卸载过程可以同时进行，对于用户设备k来说，处理任务的总时延由较大的时延决定，所以用户设备的计算总时延如公式(8)所示：
tk＝max(to,k,tl,k) (8)
在步骤S304中，最小化各所述用户设备的计算总时延得到所述目标函数。
具体而言，令l＝[l1,...,lK]，表示K个用户设备分别的卸载数据量，f1＝[f1,1,...,f1,K]，表示边缘计算服务器分配给K个用户设备分别的边缘计算资源，并考虑参数Φ，即IRS的反射系数矩阵，以最小化最大的用户时延以实现时延最小化-最大公平，因此得到目标函数如公式(9)所示：
在本公开的一个实施例中，还需要配置所述边缘计算资源分配模型的约束条件，所述配置所述边缘计算资源分配模型的约束条件，包括：所述反射系数矩阵中的反射系数不超过1；各用户设备的边缘计算资源之和不超过边缘服务器的总计算资源；以及所述用户设备的卸载数据量不超过所述用户设备的总数据量。
因此，得到边缘计算资源分配模型的约束条件如公式(10)所示：
其中，Φn,n为反射系数矩阵Φ中的元素，f1,total为边缘服务器的总计算资源，K为用户设备的总数量。
可以引入辅助变量τ，将问题转化为以下如公式(11)所示的等价问题：
具体来说，公式(11)所示的问题仍然是一个高度非凸的问题，可以应用交替优化算法，首先将此问题拆成3个子问题，然后交替优化三个子问题直至收敛。
图4示意性示出本公开示例性实施例中一种划分优化问题方法的流程示意图。参考图4所示，该划分优化问题方法包括：
步骤S401，固定各所述用户设备的边缘计算资源以及所述反射系数矩阵，得到第一优化问题；
步骤S402，固定各所述用户设备的卸载数据量以及所述反射系数矩阵，得到第二优化问题；以及
步骤S403，固定各所述用户设备的卸载数据量和边缘计算资源，得到第三优化问题。
具体地，在步骤S401中，固定各所述用户设备的边缘计算资源以及所述反射系数矩阵，得到第一优化问题。
第一优化问题：给定Φ和f1，优化l，原问题可等效为公式(12)：
其中，l＝[l1,...,lK]表示K个用户设备分别的卸载数据量，lk为用户设备k的卸载数据量，tk为用户设备k的计算总时延，Lk为用户设备k的总数据量。
当to,k＝tl.k时，即用户设备k的卸载计算时延等于本地计算时延时，tk＝max(to,k,tl,k)取得最小值，此时这个子问题有最优解。第一优化问题的最优解的闭式表达式可表示为公式(13)：
其中，Lk为用户设备k的总数据量，f1,k为边缘服务器分配给用户设备k的边缘计算资源，f2,k为用户设备k的计算资源，Ck为用户设备k的卸载传输速率，c表示计算1bit所需的CPU计算周期。
在步骤S402中，固定各所述用户设备的卸载数据量以及所述反射系数矩阵，得到第二优化问题。
第二优化问题：给定Φ和l，优化f1，原问题可等效为公式(14)：
其中，f1＝[f1,1,...,f1,K]表示边缘计算服务器分配给K个用户设备分别的边缘计算资源，f1,k为边缘服务器分配给用户设备k的边缘计算资源，tk为用户设备k的计算总时延，f1,total为边缘服务器的总计算资源。
第二优化问题的意义在于在充分利用边缘服务器计算性能的同时，尽可能地让所有用户都能实现时延上的公平。在解得第一优化问题的基础上，可以得到用户设备k的任务处理总时延表达式，如公式(15)所示：
通过计算该问题的黑塞矩阵，可以确定第二优化问题是一个凸问题，即可以采用内点法在多项式时间内求解。
在步骤S403中，固定各所述用户设备的卸载数据量和边缘计算资源，得到第三优化问题。
第三优化问题：给定f1和l，优化Φ，原问题可等效为公式(16)：
其中，Φ为反射系数矩阵，Φn,n为反射系数矩阵Φ中的元素，tk为用户设备k的计算总时延。
由于IRS的各个元件可以相互独立地调整其反射系数，第三优化问题的意义在于IRS可以根据合法节点和窃听节点的信道状态信息来动态地调整IRS的反射系数矩阵，在确保信息不会泄露的同时，实现用户的时延最小化-最大公平。
由于存在非线性分式规划以及IRS反射系数的不超过1约束，第三优化问题仍然是一个非凸问题。可以采用基于半正定规划(SDR)，块坐标下降(BCD)以及最小化最大(MM)的三种算法解决这一类问题，此外，也可以采用机器学习解决此类问题。
在步骤S103中，交替进行所述第一优化问题、所述第二优化问题和所述第三优化问题直至满足停止条件，得到各所述用户设备的目标卸载数据量、目标边缘计算资源以及所述移动边缘计算系统的目标反射系数矩阵。
在本公开的一个实施例中，求解边缘计算资源分配模型的方法具体包括以下步骤：基于初始反射系数矩阵交替进行所述第一优化问题、所述第二优化问题的优化以得到第一优化结果；其中，所述第一优化结果包括优化卸载数据量和优化边缘计算资源；在根据所述第一优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题的优化步骤更新所述第一优化结果，直至所述目标函数满足收敛条件，进行所述第三优化问题的优化以得到第二优化结果；其中，所述第二优化结果包括优化卸载数据量、优化边缘计算资源和优化反射系数矩阵；在根据所述第二优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题以及所述第三优化问题的优化步骤更新所述第二优化结果，直至所述目标函数满足收敛条件，得到所述目标卸载数据量、所述目标边缘计算资源以及所述目标反射系数矩阵。
具体而言，在求解过程中，首先交替迭代优化第一优化问题和第二优化问题直至收敛，然后再根据收敛后的f1和l，求解第三优化问题。否则在求解第三优化问题时，用户设备的总时延的表达式是一个分段函数的形式，将大大增加求解复杂度。
其求解过程具体步骤如下：
步骤一、边缘服务器初始化。即IRS随机设置初始反射系数矩阵Φ，边缘服务器计算资源平均分配给各用户设备；
步骤二、根据给定的IRS初始反射系数矩阵和计算资源分配方案，通过求解第一优化问题，获得当前最优卸载策略；
步骤三、根据给定的IRS初始反射系数矩阵和卸载策略，通过求解第二优化问题，获得最优计算资源分配方案；
步骤四、反复执行步骤二和步骤三，直至用户设备中最大计算总时延的结果收敛；
步骤五、根据当前最优卸载策略和最优计算资源分配方案，通过求解第三优化问题，获得当前最优IRS反射系数矩阵；
步骤六、反复执行步骤四和步骤五，直至最终结果收敛。
图5示意性示出本公开示例性实施例中另一种边缘计算资源分配方法的流程示意图。参考图5所示，该边缘计算资源分配方法包括：
步骤S501，获取系统数据处理请求；
步骤S502，MEC系统完成用户设备、窃听节点与AP之间的信道估计，得到信道状态信息；
步骤S503，MEC系统初始化，即随机设置IRS初始反射系数矩阵，边缘计算资源均匀分配；
步骤S504，求解第一优化问题，优化MEC系统中各用户设备的卸载数据量；
步骤S505，求解第二优化问题，优化MEC系统中各用户设备的边缘计算资源；
步骤S506，判断最大计算总时延是否收敛；若不收敛，则跳转至步骤S504；若收敛，则继续执行步骤S507；
步骤S507，求解第三优化问题，优化智能反射面的反射系数矩阵；
步骤S508，判断最大计算总时延是否收敛；若不收敛，则跳转至步骤S504；若收敛，则得到包括目标卸载数据量、目标边缘计算资源以及目标反射系数矩阵的最优策略，继续执行步骤S509；
步骤S509，边缘服务器执行最优策略，完成各用户设备的计算卸载；
步骤S510，边缘服务器将各用户设备的计算结果进行反馈。
基于上述方法，考虑了多用户场景中引入IRS技术，通过将IRS反射系数，用户卸载比例和MEC服务器的资源分配方案联合建模，利用交替优化算法，将优化问题解耦成3个子问题迭代寻优。
一方面，对用户设备的卸载比例以及边缘服务器的计算资源进行合理分配，可以充分利用IRS可智能重构无线传播环境的特点，保证用户设备在卸载过程中的时延最小化-最大公平，可以确保多用户间资源分配的公平性，实现系统级安全性和公平性提升。
另一方面，根据信道状态信息智能调节IRS的反射系数提升安全容量，可以在保证安全卸载的同时降低用户的卸载时延，降低用户数据卸载过程中信息泄露的风险；
再一方面，将三个子问题的迭代求解顺序进行了优化，在保证了算法收敛性的同时，具有更低的求解复杂度。
图6示意性示出本公开示例性实施例中一种边缘计算资源分配装置的组成示意图，如图6所示，该边缘计算资源分配装置600可以包括响应模块601、建模模块602以及求解模块603。其中：
响应模块601，用于响应于系统数据处理请求，获取移动边缘计算系统的信道状态信息；
建模模块602，用于基于所述信道状态信息构建边缘计算资源分配模型的目标函数，并将所述目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题；其中，所述第一优化问题包括优化各用户设备的卸载数据量，所述第二优化问题包括优化各用户设备的边缘计算资源，所述第三优化问题包括优化智能反射面的反射系数矩阵；
求解模块603，用于交替进行所述第一优化问题、所述第二优化问题和所述第三优化问题直至满足停止条件，得到各所述用户设备的目标卸载数据量、目标边缘计算资源以及所述智能反射面的目标反射系数矩阵。
根据本公开的示例性实施例，所述建模模块602包括第一时延单元、第二时延单元、总时延单元以及函数单元，所述第一时延单元用于基于一所述用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延；所述第二时延单元用于根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延；所述总时延单元用于将所述用户设备的第一时延和所述第二时延中的较大值作为所述用户设备的计算总时延；所述函数单元用于最小化各所述用户设备的计算总时延得到所述目标函数。
根据本公开的示例性实施例，所述第一时延单元用于基于所述信道状态信息计算卸载传输速率，并根据所述卸载数据量和所述卸载传输速率确定卸载时延；根据所述用户设备的卸载数据量和边缘计算资源，以及计算周期确定计算时延；将所述卸载时延和所述计算时延求和得到所述用户设备的第一时延。
根据本公开的示例性实施例，所述信道状态信息包括：所述用户设备与无线接入点AP之间的第一直连信道状态信息、所述用户设备与智能反射面IRS之间的入射信道状态信息、所述智能反射面IRS与所述无线接入点AP之间的第一反射信道状态信息、所述用户设备与窃听节点Eve之间的第二直连信道状态信息以及所述智能反射面IRS与所述窃听节点Eve之间的第二反射信道状态信息。
根据本公开的示例性实施例，所述第一时延单元还用于根据所述第一直连信道状态信息、所述入射信道状态信息、所述第一反射信道状态信息、设备发送功率、反射系数矩阵、合法信道噪声功率确定所述用户设备发送的信号在所述无线接入点AP处的第一接收信噪比；以及根据所述第二直连信道状态信息、所述入射信道状态信息、所述第二反射信道状态信息、设备发送功率、反射系数矩阵、窃听信道噪声功率确定所述用户设备发送的信号在所述窃听节点Eve处的第二接收信噪比；基于所述第一接收信噪比、所述第二接收信噪比和传输带宽确定所述卸载传输速率。
根据本公开的示例性实施例，所述第二时延单元用于根据所述用户设备的总数据量和所述卸载数据量确定所述剩余数据量；基于所述剩余数据量、所述用户设备的设备计算资源和计算周期确定所述用户设备的第二时延。
根据本公开的示例性实施例，所述建模模块602还包括约束单元，所述约束单元用于配置所述边缘计算资源分配模型的约束条件，包括：所述反射系数矩阵中的反射系数不超过1；各所述用户设备的边缘计算资源之和不超过边缘服务器的总计算资源；以及所述用户设备的卸载数据量不超过所述用户设备的总数据量。
根据本公开的示例性实施例，所述建模模块602还包括划分单元，所述划分单元用于固定各所述用户设备的边缘计算资源以及所述反射系数矩阵，得到第一优化问题；固定各所述用户设备的卸载数据量以及所述反射系数矩阵，得到第二优化问题；固定各所述用户设备的卸载数据量和边缘计算资源，得到第三优化问题。
根据本公开的示例性实施例，所述求解模块603用于基于初始反射系数矩阵交替进行所述第一优化问题、所述第二优化问题的优化以得到第一优化结果；其中，所述第一优化结果包括优化卸载数据量和优化边缘计算资源；在根据所述第一优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题的优化步骤更新所述第一优化结果，直至所述目标函数满足收敛条件，进行所述第三优化问题的优化以得到第二优化结果；其中，所述第二优化结果包括优化卸载数据量、优化边缘计算资源和优化反射系数矩阵；在根据所述第二优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题以及所述第三优化问题的优化步骤更新所述第二优化结果，直至所述目标函数满足收敛条件，得到所述目标卸载数据量、所述目标边缘计算资源以及所述目标反射系数矩阵。
上述的边缘计算资源分配装置600中各模块的具体细节已经在对应的边缘计算资源分配方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的存储介质。图7示意性示出本公开示例性实施例中一种计算机可读存储介质的示意图，如图7所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如手机上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。图8示意性示出本公开示例性实施例中一种电子设备的计算机系统的结构示意图。
需要说明的是，图8示出的电子设备的计算机系统800仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，计算机系统800包括中央处理单元(Central Processing Unit，CPU)801，其可以根据存储在只读存储器(Read-Only Memory，ROM)802中的程序或者从存储部分808加载到随机访问存储器(Random Access Memory，RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统操作所需的各种程序和数据。CPU 801、ROM802以及RAM 803通过总线804彼此相连。输入/输出(Input/Output，I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本公开的系统中限定的各种功能。
需要说明的是，本公开实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (9)

1.一种边缘计算资源分配方法，其特征在于，包括：
响应于系统数据处理请求，获取移动边缘计算系统的信道状态信息；
基于所述信道状态信息构建边缘计算资源分配模型的目标函数，包括：基于一用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延；以及根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延；将所述用户设备的第一时延和所述第二时延中的较大值作为所述用户设备的计算总时延；最小化各所述用户设备的计算总时延得到所述目标函数；
将所述目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题，包括：固定各所述用户设备的边缘计算资源以及智能反射面的反射系数矩阵，得到第一优化问题；固定各所述用户设备的卸载数据量以及所述反射系数矩阵，得到第二优化问题；以及固定各所述用户设备的卸载数据量和边缘计算资源，得到第三优化问题；其中，所述第一优化问题包括优化各用户设备的卸载数据量，所述第二优化问题包括优化各用户设备的边缘计算资源，所述第三优化问题包括优化智能反射面的反射系数矩阵；
交替进行所述第一优化问题、所述第二优化问题和所述第三优化问题直至满足停止条件，得到各所述用户设备的目标卸载数据量、目标边缘计算资源以及所述智能反射面的目标反射系数矩阵，包括：基于初始反射系数矩阵交替进行所述第一优化问题、所述第二优化问题的优化以得到第一优化结果；其中，所述第一优化结果包括优化卸载数据量和优化边缘计算资源；在根据所述第一优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题的优化步骤更新所述第一优化结果，直至所述目标函数满足收敛条件，进行所述第三优化问题的优化以得到第二优化结果；其中，所述第二优化结果包括优化卸载数据量、优化边缘计算资源和优化反射系数矩阵；在根据所述第二优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题以及所述第三优化问题的优化步骤更新所述第二优化结果，直至所述目标函数满足收敛条件，得到所述目标卸载数据量、所述目标边缘计算资源以及所述目标反射系数矩阵。
2.根据权利要求1所述的边缘计算资源分配方法，其特征在于，所述基于一所述用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延，包括：
基于所述信道状态信息计算卸载传输速率，并根据所述卸载数据量和所述卸载传输速率确定卸载时延；
根据所述用户设备的卸载数据量和边缘计算资源，以及计算周期确定计算时延；
将所述卸载时延和所述计算时延求和得到所述用户设备的第一时延。
3.根据权利要求2所述的边缘计算资源分配方法，其特征在于，所述信道状态信息包括：所述用户设备与无线接入点AP之间的第一直连信道状态信息、所述用户设备与智能反射面IRS之间的入射信道状态信息、所述智能反射面IRS与所述无线接入点AP之间的第一反射信道状态信息、所述用户设备与窃听节点Eve之间的第二直连信道状态信息以及所述智能反射面IRS与所述窃听节点Eve之间的第二反射信道状态信息。
4. 根据权利要求3所述的边缘计算资源分配方法，其特征在于，所述基于所述信道状态信息计算卸载传输速率，包括：
根据所述第一直连信道状态信息、所述入射信道状态信息、所述第一反射信道状态信息、设备发送功率、反射系数矩阵、合法信道噪声功率确定所述用户设备发送的信号在所述无线接入点AP处的第一接收信噪比；以及
根据所述第二直连信道状态信息、所述入射信道状态信息、所述第二反射信道状态信息、设备发送功率、反射系数矩阵、窃听信道噪声功率确定所述用户设备发送的信号在所述窃听节点Eve处的第二接收信噪比；
基于所述第一接收信噪比、所述第二接收信噪比和传输带宽确定所述卸载传输速率。
5.根据权利要求1所述的边缘计算资源分配方法，其特征在于，所述根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延，包括：
根据所述用户设备的总数据量和所述卸载数据量确定所述剩余数据量；
基于所述剩余数据量、所述用户设备的设备计算资源和计算周期确定所述用户设备的第二时延。
6.根据权利要求1所述的边缘计算资源分配方法，其特征在于，所述方法还包括：配置所述边缘计算资源分配模型的约束条件，所述配置所述边缘计算资源分配模型的约束条件，包括：
所述反射系数矩阵中的反射系数不超过1；
各所述用户设备的边缘计算资源之和不超过边缘服务器的总计算资源；以及
所述用户设备的卸载数据量不超过所述用户设备的总数据量。
7.一种边缘计算资源分配装置，其特征在于，包括：
响应模块，用于响应于系统数据处理请求，获取移动边缘计算系统的信道状态信息；
建模模块，用于基于所述信道状态信息构建边缘计算资源分配模型的目标函数，包括：基于一用户设备的卸载数据量、边缘计算资源以及所述信道状态信息确定所述用户设备利用边缘服务器计算的第一时延；以及根据一所述用户设备的卸载数据量确定剩余数据量，并基于所述剩余数据量确定所述用户设备本地计算的第二时延；将所述用户设备的第一时延和所述第二时延中的较大值作为所述用户设备的计算总时延；最小化各所述用户设备的计算总时延得到所述目标函数；将所述目标函数对应的优化问题划分为第一优化问题、第二优化问题和第三优化问题，包括：固定各所述用户设备的边缘计算资源以及智能反射面的反射系数矩阵，得到第一优化问题；固定各所述用户设备的卸载数据量以及所述反射系数矩阵，得到第二优化问题；以及固定各所述用户设备的卸载数据量和边缘计算资源，得到第三优化问题；其中，所述第一优化问题包括优化各用户设备的卸载数据量，所述第二优化问题包括优化各用户设备的边缘计算资源，所述第三优化问题包括优化智能反射面的反射系数矩阵；
求解模块，用于交替进行所述第一优化问题、所述第二优化问题和所述第三优化问题直至满足停止条件，得到各所述用户设备的目标卸载数据量、目标边缘计算资源以及所述智能反射面的目标反射系数矩阵，包括：基于初始反射系数矩阵交替进行所述第一优化问题、所述第二优化问题的优化以得到第一优化结果；其中，所述第一优化结果包括优化卸载数据量和优化边缘计算资源；在根据所述第一优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题的优化步骤更新所述第一优化结果，直至所述目标函数满足收敛条件，进行所述第三优化问题的优化以得到第二优化结果；其中，所述第二优化结果包括优化卸载数据量、优化边缘计算资源和优化反射系数矩阵；在根据所述第二优化结果判断所述目标函数不满足收敛条件时，重复进行所述第一优化问题、所述第二优化问题以及所述第三优化问题的优化步骤更新所述第二优化结果，直至所述目标函数满足收敛条件，得到所述目标卸载数据量、所述目标边缘计算资源以及所述目标反射系数矩阵。
8.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1至6任一项所述的边缘计算资源分配方法。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6任一项所述的边缘计算资源分配方法。
CN202210602106.3A 2022-05-30 2022-05-30 边缘计算资源分配方法、装置、存储介质及电子设备 Active CN115022331B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210602106.3A CN115022331B (zh) 2022-05-30 2022-05-30 边缘计算资源分配方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210602106.3A CN115022331B (zh) 2022-05-30 2022-05-30 边缘计算资源分配方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN115022331A CN115022331A (zh) 2022-09-06
CN115022331B true CN115022331B (zh) 2024-05-14

Family

ID=83071848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210602106.3A Active CN115022331B (zh) 2022-05-30 2022-05-30 边缘计算资源分配方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115022331B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115696405B (zh) * 2023-01-05 2023-04-07 山东省计算中心（国家超级计算济南中心） 一种兼顾公平性的计算任务卸载优化方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020216135A1 (zh) * 2019-04-25 2020-10-29 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
CN113504987A (zh) * 2021-06-30 2021-10-15 广州大学 基于迁移学习的移动边缘计算任务卸载方法及装置
CN113543176A (zh) * 2021-07-08 2021-10-22 中国科学院深圳先进技术研究院 基于智能反射面辅助的移动边缘计算系统的卸载决策方法
CN113727371A (zh) * 2021-08-06 2021-11-30 北京科技大学 一种irs辅助的mec网络无线与计算资源分配方法及装置
CN113950103A (zh) * 2021-09-10 2022-01-18 西安电子科技大学 一种移动边缘环境下多服务器完全计算卸载方法及系统
CN114449529A (zh) * 2022-01-29 2022-05-06 广东工业大学 基于移动边缘计算的资源分配优化方法、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020216135A1 (zh) * 2019-04-25 2020-10-29 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
CN113504987A (zh) * 2021-06-30 2021-10-15 广州大学 基于迁移学习的移动边缘计算任务卸载方法及装置
CN113543176A (zh) * 2021-07-08 2021-10-22 中国科学院深圳先进技术研究院 基于智能反射面辅助的移动边缘计算系统的卸载决策方法
CN113727371A (zh) * 2021-08-06 2021-11-30 北京科技大学 一种irs辅助的mec网络无线与计算资源分配方法及装置
CN113950103A (zh) * 2021-09-10 2022-01-18 西安电子科技大学 一种移动边缘环境下多服务器完全计算卸载方法及系统
CN114449529A (zh) * 2022-01-29 2022-05-06 广东工业大学 基于移动边缘计算的资源分配优化方法、装置及存储介质

Also Published As

Publication number Publication date
CN115022331A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN110543336B (zh) 基于非正交多址接入技术的边缘计算任务卸载方法及装置
Jošilo et al. Selfish decentralized computation offloading for mobile cloud computing in dense wireless networks
Yang et al. DEBTS: Delay energy balanced task scheduling in homogeneous fog networks
Gao et al. Task partitioning and offloading in DNN-task enabled mobile edge computing networks
Sardellitti et al. Joint optimization of radio and computational resources for multicell mobile-edge computing
CN111953759A (zh) 基于强化学习的协同计算任务卸载和迁移的方法及装置
Jošilo et al. Joint wireless and edge computing resource management with dynamic network slice selection
Zhao et al. Energy-efficient task offloading for multiuser mobile cloud computing
Jia et al. Joint computing and communication resource allocation for edge computing towards Huge LEO networks
CN113747442B (zh) 基于irs辅助的无线通信传输方法、装置、终端及存储介质
CN113810908B (zh) Mec系统安全卸载方法、设备及mec系统
CN115022331B (zh) 边缘计算资源分配方法、装置、存储介质及电子设备
CN112911587B (zh) Mec-d2d环境下利用物理层安全防窃听任务卸载方法
CN113365290B (zh) 天地融合网络中基于贪心策略的博弈论计算卸载方法
CN113596784A (zh) 一种智能反射表面辅助d2d通信系统的鲁棒性传输设计方法
Tang et al. Secure aerial computing: Convergence of mobile edge computing and blockchain for UAV networks
Lin et al. Joint offloading decision and resource allocation for multiuser NOMA-MEC systems
Nouri et al. NOMA-based energy-delay trade-off for mobile edge computation offloading in 5G networks
Lakew et al. Adaptive partial offloading and resource harmonization in wireless edge computing-assisted IoE networks
He et al. An Offloading Scheduling Strategy with Minimized Power Overhead for Internet of Vehicles Based on Mobile Edge Computing.
Liu Task offloading and resource allocation algorithm based on mobile edge computing in Internet of Things environment
Merluzzi et al. Dynamic joint resource allocation and user assignment in multi-access edge computing
El Haber et al. An energy-efficient task offloading solution for MEC-based IoT in ultra-dense networks
Liao et al. Blockchain and learning-based computation offloading in space-assisted power iot
KR102439426B1 (ko) 에지 컴퓨팅에서 멀티 연합 학습 서비스 오케스트레이터 및 이의 실행 방법

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