CN115103405A - 一种基于d2d通信的计算卸载优化方法 - Google Patents

一种基于d2d通信的计算卸载优化方法 Download PDF

Info

Publication number
CN115103405A
CN115103405A CN202210610433.3A CN202210610433A CN115103405A CN 115103405 A CN115103405 A CN 115103405A CN 202210610433 A CN202210610433 A CN 202210610433A CN 115103405 A CN115103405 A CN 115103405A
Authority
CN
China
Prior art keywords
task
user equipment
energy consumption
unloaded
time delay
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.)
Pending
Application number
CN202210610433.3A
Other languages
English (en)
Inventor
朱琦
朱科宇
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202210610433.3A priority Critical patent/CN115103405A/zh
Publication of CN115103405A publication Critical patent/CN115103405A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/0875—Load balancing or load distribution to or through Device to Device [D2D] links, e.g. direct-mode links
    • 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
    • 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
    • H04L41/0833—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network energy consumption
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/09—Management thereof
    • H04W28/0917—Management thereof based on the energy state of entities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/09—Management thereof
    • H04W28/0958—Management thereof based on metrics or performance parameters
    • H04W28/0967—Quality of Service [QoS] parameters
    • H04W28/0975—Quality of Service [QoS] parameters for reducing delays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • 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

本发明公开了一种基于D2D通信的计算卸载优化方法，基于图论的多用户任务卸载方法根据用户任务的完成截止时间和能量约束，将用户计算任务划分为时延敏感型任务与能耗敏感型任务，基于图论将空闲设备、MEC服务器以及MCC远端云服务器分别构建相应的时延权重图与能耗权重图，并定义优化目标为时延与能耗；采用最大匹配最小代价图算法求解获得卸载策略，首先求解时延权重图，获得时延敏感型任务的卸载决策及其需要的计算资源，剩余的计算资源用于能耗敏感型任务，求解能耗权重图，获得能耗敏感型任务的卸载决策；本发明通过求解出的卸载决策，降低了完成任务的时延与能耗，能够根据任务的要求，充分利用有限的计算资源完成更多的计算任务。

Description

一种基于D2D通信的计算卸载优化方法
技术领域
本发明涉及通信领域，具体涉及一种基于D2D通信的计算卸载优化方法。
背景技术
D2D通信和移动边缘计算作为5G的两种重要的技术，受到了广泛的关注。通过D2D通 信使终端能够利用附近空闲设备的计算资源，为计算能力有限的设备提供计算。同时，让远 离基站的用户与附近的设备通信，能够享受高信噪比，以高速率进行通信。
通过D2D通信可以使得用户终端之间进行计算协作，文献[李子姝,谢人超,孙礼,等.移 动边缘计算综述[J].电信科学,2018,34(1):87-101.]针对D2D协作的移动边缘计算卸载场景， 用户设备可以进行D2D通信进行任务的卸载，使用正交频分多址进行通信，通过考虑所需的 能量消耗、部分卸载和资源分配约束，将总延迟最小化表述为混合整数非线性规划问题，提 出了一种联合部分卸载和资源分配的策略，仿真结果表明，与其它方案相比，该算法有效的 降低了任务处理时延。文献[Pu L,Chen X,Xu J,et al.D2D fogging:Anenergy-efficient and incentive-aware task offloading framework via networkassisted D2D collaboration[J].IEEE Journal on Selected Areas inCommunications,2016,34(12):3887-3901.]提出了将D2D与MEC 相结合的任务卸载方法，所提出的框架共享移动设备的计算资源，以实现任务执行时的能耗 花费。D2D通信由于不需要通过基站，在用户之间直接进行通信，能够有效的降低传输时延 和用户设备的发射功率。在文献[Diao X,Zheng J,Wu Y,et al.Joint computing resource,power, andchannel allocations for D2D-assisted and NOMA-based mobile edge computing[J].IEEE Access,2019,7:9243-9257.]中，基于MEC计算卸载场景中，作者考虑计算资源、发射功率和 信道分配，以充分利用D2D通信的优势。在文献[Orakzai F A,Iqbal M,Naeem M,etal.Energy efficient joint radio resource management in D2D assisted cellularcommunication[J]. Telecommunication Systems,2018,69(4):505-517.]中，作者提出了一种MEC环境下的联合任 务分配与资源分配卸载系统，在该系统中设备可以使用附近设备与MEC进行辅助通信，从 而减少执行任务的能耗花费。
发明内容
本发明所要解决的技术问题在于克服现有技术中，用户终端设备计算能力不足并且在用 户数过多的情况下，MEC边缘服务器计算资源有限的问题，提供一种D2D通信的计算卸载 优化方法，在D2D通信辅助下，充分利用附近用户的计算资源，既可以减少用户的传输时延， 同时减少边缘服器的计算压力，从而达到时延敏感型任务时延最优，能耗敏感型任务能耗最 优的目标。
本发明具体采用以下技术方案解决上述技术问题：
一种基于D2D通信的计算卸载优化方法，基于基站、以及与基站分别经高速光纤通信连接的 MEC服务器、MCC远端云服务器；以及与所述基站、MEC服务器分别无线通信连接的各个用户 设备；有待卸载任务请求的用户设备和空闲用户设备间经D2D通信连接；分别针对有待卸载任 务请求的各个用户设备，执行步骤A至步骤B，对用户设备的待卸载任务请求进行分类，获 得待卸载任务请求的分类类别；之后执行步骤C至步骤D，实现对用户设备的待卸载任务请 求任务卸载；
步骤A：针对有待卸载任务请求的用户设备i,分别建立用户设备的通信模型、MEC服务器 计算模型；并且定义用户设备的待卸载任务请求为
Figure BDA0003671816790000021
其中，Ii表示 用户设备i的待卸载任务请求数据量，Oi表示用户设备i的待卸载任务请求计算完成后的数据 量，Zi表示执行用户设备i的待卸载任务请求所需要的CPU计算周期，
Figure BDA0003671816790000022
与
Figure BDA0003671816790000023
分别表示该 用户设备i向基站反馈的上行与下行信息，Ti req表示用户设备i的待卸载任务请求的执行时延 限制；
步骤B：分别计算该待卸载任务请求用户设备i执行时延Ti l、用户设备执行能耗
Figure BDA0003671816790000024
比 较待卸载任务请求的执行时延限制Ti req的值与用户设备i执行时延Ti l的值大小,同时比较用 户设备i执行能耗
Figure BDA0003671816790000025
的值与用户设备完成该待卸载任务请求的预设能耗阈值；
条件1：待卸载任务请求的执行时延限制Ti req小于用户设备执行时延Ti l的值；
条件2：用户设备执行能耗
Figure BDA0003671816790000026
的值低于用户设备完成能耗阈值；
如果只满足条件1，则该待卸载任务请求为时延敏感型任务；
如果只满足条件2，则该待卸载任务请求为能耗敏感型任务；
如果同时满足条件1和条件2，则认为待卸载任务请求不需要卸载；
步骤C：将有待卸载任务请求的用户设备、空闲用户设备、MEC服务器、MCC远端云服务 器划分为以下四类节点：有待卸载任务请求的用户节点、空闲用户设备节点、MEC服务器资 源预分配节点、MCC远端云服务器资源预分配节点；并且根据图论的原理将所述四类节点建 立时延边权重图和能耗边权重图；
步骤D：对时延边权重图和能耗边权重图按照时延边权重图在先，能耗边权重图在后的 顺序求解，根据对时延权重图和能耗权重图求解的结果，分别择一采用以下三种不同的卸载 方案：卸载至空闲用户设备、卸载至MEC服务器、卸载至MCC远端云服务器；实现对待卸载 时延敏感型任务和待卸载能耗敏感型任务卸载。
进一步地，前述的步骤A中，建立用户设备的通信模型具体为：
按如下公式：
fi l＝(1-θ)fi 0，
计算当前设备i的计算能力，
按照如下公式：
Figure BDA0003671816790000031
计算出有任务请求的用户设备和空闲用户设备间经D2D通信连接的传输速率；以及用户与基 站之间的通信速率数据的传输速率，其中C表示最大传输速率，B为带宽，S为信号功率，N 为噪声功率，θ为已占用的用户设备计算资源百分比。
进一步地，前述的步骤A中，建立MEC服务器的计算模型具体为
按如下公式计算：
Figure BDA0003671816790000032
计算MEC服务器的剩余计算资源，其中fmec表示MEC服务器剩余计算资源，
Figure BDA0003671816790000033
表示MEC 服务器的原始计算能力，μi是一个二值数据用来表示用户i是否占用了MEC服务器计算资源， fi mec表示用户i需要占用的最小计算资源。
进一步地，前述的步骤B中，按下公式：
Ti l＝Zi/fi l，
计算有任务请求的当前设备执行时延Ti l；
按如如下公式：
Figure BDA0003671816790000034
计算当前设备执行能耗
Figure BDA0003671816790000041
其中Ti l表示当前设备执行时延，
Figure BDA0003671816790000042
表示当前设备执行能耗，Zi表 示执行任务所需要的CPU计算周期，fi l表示用户设备i的计算能力，ρi表示设备i执行每个 CPU周期所需要花费的能耗；
按如下公式：
Figure BDA0003671816790000043
计算用户设备能耗
Figure BDA0003671816790000044
与用户设备执行能耗
Figure BDA0003671816790000045
的差值，并且比较用户设备i执行时延Ti l与待 卸载任务请求的执行时延限制Ti req，如果用户设备能耗
Figure BDA0003671816790000046
与用户设备执行能耗
Figure BDA0003671816790000047
的差值小 于用户设备完成能耗阈值
Figure BDA0003671816790000048
并且用户设备i执行时延Ti l小于待卸载任务请求的执行时延 限制Ti req，则认为待卸载任务请求不需要卸载；其中，
Figure BDA0003671816790000049
表示用户设备i能耗，
Figure BDA00036718167900000410
表示用户 设备i执行能耗，
Figure BDA00036718167900000411
表示用户设备i完成能耗阈值，Ti l表示用户设备i执行时延，Ti req表示 待卸载任务请求的执行时延限制。
进一步地，前述的步骤C中，根据图论的原理将所述四类节点建立时延边权重图和能耗 边权重图；具体为按如下公式：
Figure BDA00036718167900000412
计算用户设备i需要占用的最小计算资源；
按如下公式：
Figure BDA00036718167900000413
计算待卸载任务卸载到空闲设备的时延，
按如下公式：
Figure BDA00036718167900000414
计算待卸载任务卸载到MEC服务器的时延；其中fi mec表示用户i需要占用的最小计算资源，
Figure BDA00036718167900000415
表示设备j的计算能力，
Figure BDA00036718167900000416
与
Figure BDA00036718167900000417
分别表示数据上行与下行的传输速 率；如果
Figure BDA00036718167900000418
用户设备j可以作为用户设备i的一个备选卸载目标；
按如下公式：
Figure BDA00036718167900000419
计算待卸载任务卸载到空闲设备的能耗值；
按如下公式：
Figure BDA0003671816790000051
计算待卸载任务卸载到MEC
服务器的能耗值；其中Pi ul与Pi dl表示设备i的发射与接收功率，Pi d与
Figure BDA0003671816790000052
分别表示设备i与j的 发射功率。
进一步地，前述的步骤D中，按如下公式：
Figure BDA0003671816790000053
计算时延敏感型任务的最小化执行时间，以及计算能耗敏感型任务的最小化能耗的花费；其 中μi,t∈{0,1}，表示该待卸载任务是否为时延敏感型任务，μi∈{0,1}表示该待卸载任务是否卸 载到MEC服务器。
进一步地，前述的步骤D中，采用最大匹配最小代价的图论算法对对时延边权重图和能 耗边权重图求解。
本发明采用上述技术方案，能产生如下技术效果：
(1)本发明方法针对基于D2D通信异构蜂窝网络，提出了一种降低设备能耗以及任务 执行时延的卸载方案。在本发明场景中，移动设备可以将其任务卸载给MEC服务器或其附 近的空闲移动设备，并定义了优化问题。在MEC服务器中设计了合理分配卸载目标的整个 过程。根据请求设备的截止日期和能量约束对卸载请求进行分类，然后分别建立时延敏感图 与能耗敏感图，利用最大匹配最小代价图算法找到合适的卸载目标。
(2)本发明提出的基于D2D通信的边缘计算卸载方法，充分利用了边缘服务器与附近 用户的计算资源，与本地执行相比，对于时延敏感型任务与能耗敏感型任务，本发明在时延 与能耗方面均取得了有效的降低。同时，本发明能够利用有限的MEC服务器计算资源，执 行更多的任务卸载。
附图说明
图1为本发明方法的流程示意图；
图2为本发明的系统模型示意图；
图3为本发明的用户卸载邻接图；
图4为本发明的不同用户设备数下的能耗花费图；
图5为本发明的不同空闲设备占比下的能耗花费图；
图6为本发明的不同用户设备数下的时延花费图；
图7为本发明的不同空闲设备占比下的时延花费图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本发明中参照附图来描述本发明的各方面，附图中示出了许多说明性实施例。本发明 的实施例不局限于附图所述。应当理解，本发明通过上面介绍的多种构思和实施例，以及下 面详细描述的构思和实施方式中的任意一种来实现，这是因为本发明所公开的构思和实施例 并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的 其他方面的任何适当组合来使用。
如图1所示，本发明涉及一种基于D2D通信的计算卸载优化方法,本方法流程如图1， 首先，针对有待卸载任务请求的用户设备i,分别建立用户设备的通信模型、MEC服务器计算 模型；并且定义用户设备的待卸载任务请求为
Figure BDA0003671816790000061
其中，Ii表示用户 设备i的待卸载任务请求数据量，Oi表示用户设备i的待卸载任务请求计算完成后的数据量， Zi表示执行用户设备i的待卸载任务请求所需要的CPU计算周期，
Figure BDA0003671816790000062
与
Figure BDA0003671816790000063
分别表示该用户 设备i向基站反馈的上行与下行信息，Ti req表示用户设备i的待卸载任务请求的执行时延限制；
然后，对待卸载任务请求根据时延和能耗进行分类：分别计算该待卸载任务请求用户设 备i执行时延Ti l、用户设备执行能耗
Figure BDA0003671816790000064
比较待卸载任务请求的执行时延限制Ti req的值与用 户设备i执行时延Ti l的值大小,同时比较用户设备i执行能耗
Figure BDA0003671816790000065
的值与用户设备完成该待卸 载任务请求的预设能耗阈值；
条件1：待卸载任务请求的执行时延限制Ti req小于用户设备执行时延Ti l的值；
条件2：用户设备执行能耗
Figure BDA0003671816790000067
的值低于用户设备完成能耗阈值；
如果只满足条件1，则该待卸载任务请求为时延敏感型任务；
如果只满足条件2，则该待卸载任务请求为能耗敏感型任务；
如果同时满足条件1和条件2，则认为待卸载任务请求不需要卸载；
然后，将有待卸载任务请求的用户设备、空闲用户设备、MEC服务器、MCC远端云服务器 划分为以下四类节点：有待卸载任务请求的用户节点、空闲用户设备节点、MEC服务器资源 预分配节点、MCC远端云服务器资源预分配节点；并且根据图论的原理将所述四类节点建立 时延边权重图和能耗边权重图。
然后，采用最大匹配最小代价的图论算法求解时延型敏感任务的卸载决策，如果空闲设 备已经被选择，则将空闲设备从待选节点中移除，否则继续确定MEC服务器是否被选择，如 果MEC服务器被选择，则将MEC服务器移除，否则在求解完时延型敏感型任务后，利用MEC 服务器计算能耗型敏感型任务的权重，采用最大匹配最小代价的图论算法求解能耗型敏感任 务的卸载决策，MEC服务器将最终的卸载决策：卸载至空闲用户设备、卸载至MEC服务器、 卸载至MCC远端云服务器；实现对待卸载时延敏感型任务和待卸载能耗敏感型任务卸载。
本发明方法应用于D2D通信边缘网络的场景如图2所示，主要分为：支持D2D通信的用户设备、MEC服务器以及MCC远端云服务器。其中用户设备包括有任务需要卸载的设备与空闲设备，实时与基站侧的MEC服务器建立连接，发送用户的位置及信道噪声等信息。用 户任务根据所需的时延要求与能耗要求划分为时延敏感型任务与能耗敏感型任务，用户设备可以将任务卸载到最近的用户设备或者服务器执行，使得一些时延敏感型的任务能够顺利的 完成计算。同时，如果用户设备缺乏足够的能源，可以把它的任务卸载到其它的三个设备上： 邻近的用户设备，MEC服务器或者MCC远端云服务器。MEC服务器通过获取用户设备的信 息对任务的卸载策略做出决策。主要包括一下步骤：
第一步，针对有待卸载任务请求的用户设备i,分别建立用户设备的通信模型、MEC服务 器计算模型；
(1)用户设备通信模型
在本发明的模型中，用户设备只能与MEC服务器进行通信，设备不断的向基站提供反 馈，获取设备的传输功率，位置以及信道噪声等信息，然后MEC服务器基于这些信息以及自身的计算资源进行用户的卸载决策。如果MEC服务器认为D2D协作是最高效的任务执行方式，那么移动设备可以直接通信而不需要基站进行辅助与干预。设备无法卸载的后台服务 和计算任务资源通过θ占用设备的CPU。因此当前设备i的计算能力可以表示为：
fi l＝(1-θ)fi 0 (1)
其中fi 0表示设备i的初始计算能力，fi l表示设备i的可用计算能力。每个设备在给定的时间 都有其独特的信干噪比(signal to interference noise ratio,SINR)。蜂窝网络中的每台设备定期 以信道质量指标(Channel Quality lndicator,CQI)的形式向基站报告其状态，所需要的传输时 延表述为：
Figure BDA0003671816790000071
Figure BDA0003671816790000081
上式中Ti ul与Ti dl分别表示向基站反馈信息的上行与下行时间，
Figure BDA0003671816790000082
与
Figure BDA0003671816790000083
分别表示用户设备i向 基站反馈的上行与下行信息，
Figure BDA0003671816790000084
与
Figure BDA0003671816790000085
分别表示用户设备i的上下行传输速率，但是由于反馈 的上下行时延较小，本发明中忽略不计。
在本发明提出的模型中，D2D的SINR值上报到基站，根据香农公式:
Figure RE-GDA0003767706880000086
可以计算出有任务请求的用户设备和空闲用户设备间经D2D通信连接的传输速率；以及用户 与基站之间的通信速率数据的传输速率，上式中C表示最大传输速率，B为带宽，S为信号 功率，N为噪声功率。
(2)MEC服务器模型
MEC服务器靠近用户设备，MEC服务器能够在一端与用户设备直接通信，另一端与远 端云服务器通信。因此，需要实时响应的用户设备可以使用低延迟的服务。本发明考虑将传 统的云计算服务器集成到用户附近的MEC服务器，以运行复杂的任务。在MEC服务器中有 不同的虚拟机(Virtual Machine,VM)来同时支持不同的服务。网络管理员可以静态的调整每 个虚拟机的计算能力，也可以动态的分配计算能力。MEC服务器会为每个任务分配一个能满 足时延限制的最小计算能力，用来提供可伸缩性。MEC服务器剩余计算能力表示为：
Figure BDA0003671816790000087
其中fmec表示MEC服务器剩余的计算资源，
Figure BDA0003671816790000088
表示MEC服务器的原始计算能力，μi是一 个二值数据用来表示用户i是否占用了MEC服务器计算资源，fi mec表示用户i需要占用的最 小计算资源。
第二步，定义优化问题进行求解。
定义用户设备的待卸载任务请求为
Figure BDA0003671816790000089
其中，Ii表示用户设备i的待卸载任务请求数据量，Oi表示用户设备i的待卸载任务请求计算完成后的数据量，Zi表示执行用户设备i的待卸载任务请求所需要的CPU计算周期，
Figure BDA00036718167900000810
与
Figure BDA00036718167900000811
分别表示该用户设备i向基站反馈的上行与下行信息，Ti req表示用户设备i的待卸载任务请求的执行时延限制；
在本地的执行过程中，用户设备通过自己的CPU计算任务，则总的执行时延Ti l主要包 括执行时延，表述为：
Ti l＝Zi/fi l (6)
根据前文的表达式，可以通过等式(7)获得完成任务所需要的能量。如果Ti l＞Ti req，用户 设备自身不能满足时延的限制，可以将卸载请求发送到MEC服务器。同样，如果当前设备 的能量低于完成任务的阈值，也可以向边缘服务器发送卸载请求。任务在本地执行花费的能 耗为：
Figure BDA0003671816790000091
其中ρi表示设备i执行每个CPU周期所需要花费的能耗。如果用户设备向边缘服务器发出了 卸载请求，那么边缘服务器可以提供给用户设备三种不同的卸载方案：D2D协助卸载、卸载 至MEC服务器、卸载至远端云服务器。
如果设备i需要将任务卸载到设备j，需要的花费主要包括任务的发送和接收，以及设备 j的任务执行开销，综上所述，D2D卸载的总时延与能耗可以表示为：
Figure BDA0003671816790000092
Figure BDA0003671816790000093
其中
Figure BDA0003671816790000094
表示设备j的计算能力，Pi d与
Figure BDA0003671816790000095
分别表示设备i与j的发射功率。如果
Figure BDA0003671816790000096
设备j可以作为设备i的一个备选D2D卸载目标。同时，MEC服务器可以将自己的资源分配 给优先级较高的时延敏感型任务用来节省更多的计算资源从而满足更多的用户。因此MEC 服务器可以通过等式(10)来满足时延限制。MEC卸载所需要时延可以表述为公式(11)，设备 所需要的能量可以表述为等式(12)：
Figure BDA0003671816790000097
Figure BDA0003671816790000098
Figure BDA0003671816790000099
其中Pi ul与Pi dl表示设备i的发射与接收功率，
Figure BDA00036718167900000910
与
Figure BDA00036718167900000911
分别表示数据上行与下行的传输速率。 如果边缘服务器不能接受任务，并且将任务卸载到邻近的设备请求也无效，那么该任务将返 回云端进行处理。因此，在本发明提出的场景中，由于用户只能与MEC服务器进行通信， 如果需要将任务卸载到远端云则需要边缘服务器进行上传，那么卸载到远端云的能耗与卸载 到边缘服务器的能耗花费是一样的：
Figure BDA0003671816790000101
本发明提出卸载场景的目标是，对于时延敏感型的任务，考虑到任务的时延限制，需要 最小化执行时间，对于能耗敏感型任务，需要最小化能耗的花费，具体表示为：
Figure BDA0003671816790000102
其中μi,t∈{0,1}，表示该任务是不是时延敏感型任务，μi∈{0,1}表示该任务是否卸载到MEC 服务器。
为了以一种较低复杂度的方式求解出该的优化问题，本发明将采用图论的方法求解出最 优的卸载决策。首先通过比较Ti req与Ti l的值可以将任务划分为时延敏感性与能耗敏感型，如 果任务的受限时延小于Ti l，则该任务是时延敏感型任务，同时，如果当前设备的能量低于完 成任务的阈值，则将其认为是能耗敏感型任务。第一阶段针对时延敏感型的任务，这种类型 的任务需要分配更高的优先级以及用户满意度，因此可以优先进行资源分配。第二阶段则是 对于能耗有要求的设备，移动设备的能量一直是宝贵的资源，可以选择将任务进行卸载来节 省能耗的花费。同时为了避免增加蜂窝网络的通信成本，本发明允许满足式子(14)的用户设 备选择在本地执行任务。
Figure BDA0003671816790000103
其中
Figure BDA0003671816790000104
表示设备i的能耗，
Figure BDA0003671816790000105
表示设备i的阈值能耗。如果都满足要求，这意味着该设备有 着充足的能量来执行任务，并且能够满足时延的限制。否则，在任何其他的情况下，用户设 备都会向MEC服务器发送任务的卸载请求。
接下来开始建立相应的边权重图，低能量设备和具有延迟敏感任务的设备将其卸载请求 发送到MEC服务器，MEC服务器首先将有任务需要卸载的设备、空闲设备、分配给对应用 户的MEC服务器计算资源、分配给对应用户的远端云服务器计算资源划分为四类节点，然 后将需要卸载的任务节点分别添加到时延边权重图与能耗边权重图中。
通过上述节点的划分，对于时延边权重图是通过式8和11计算获得的时延值，对于能耗 边权重图，通过式9和12计算获得的能耗值。因此，可以构建出如图3所示的邻接图。第一 个构建的是时延敏感型任务图，用来有效的分配MEC的资源来满足时延的限制，第二个构 建的是能耗敏感型任务图，用来降低用户设备的能量消耗。
图3的卸载决策图对本发明提出的一个基于D2D通信的计算卸载蜂窝网络进行了一个拓 扑。边缘服务器中专门用来处理任务的计算资源被划分成多个对应的虚拟机计算资源，如果 MEC资源不足，它可以将任务转发到远端云。在图3的示例场景中，假设设备1选择将任务 卸载到空闲设备6，而设备2和3选择将任务卸载到MEC服务器中，其中设备7是没有被选 择的，那么在第二个阶段中，对于能耗敏感任务图的建立中，设备7就可以作为备选设备， 同时在第一阶段用掉的MEC计算资源也需要进行删去。上述图中时延敏感图的边权重为任 务执行需要花费的时延，能耗敏感图的边权重则为任务执行时任务设备需要花费的能耗。定 义E(a,b)为节点a到节点b的边权重，时延敏感图中的节点集合为St，能耗敏感图中的节点 集合为Se。
基于D2D通信的场景，在联合边缘云与远端云的网络架构下，本发明讨论了多用户的用 户任务调度问题，旨在最小化用户设备的时延或能耗花费情况。本发明提出的框架克服了单 一使用D2D通信或者MEC服务器的弊端，充分利用有限的计算资源来为用户设备进行服务。 根据用户任务的完成截止时间和能量约束，将用户计算任务划分为时延敏感型任务与能耗敏 感型任务，基于图论将空闲设备、MEC服务器以及MCC远端云服务器分别构建相应的时延 权重图与能耗权重图，并定义优化目标为时延与能耗。采用最大匹配最小代价图算法求解获 得卸载策略，首先求解时延权重图，获得时延敏感型任务的卸载决策及其需要的计算资源， 剩余的计算资源用于能耗敏感型任务的计算，求解能耗权重图，获得能耗敏感型任务的卸载 决策。
图4与图5分析不同算法之间平均能量消耗，图4中分析了用户设备从20到100的变化， 对比分析了四种场景。从图中分析发现，本发明所提算法性能大大优于其它的单一卸载场景， 这是因为本发明充分利用了D2D场景与MEC服务器的计算资源。对比不进行卸载的场景， 本发明算法性能优于本地处理达到92％。图5则分析了在任务占比从30％到90％之间的变化， 同样能观察出相同的变化趋势。。
图6与图7则分析不同场景下的时延变化情况。图6分析了用户数20到100之间的变化， 对于D2D协作的场景，空闲设备与有任务的设备之间的比例不变，平均时延的变化趋势比较 平稳，但是对于MEC的场景，当用户设备数超过40时，时延的变化随着用户数增加，导致 MEC计算资源的不足，从而时延增加。图7展示了在固定任务数为50的情况下，用户任务占比在30％-90％之间的变化情况，与用户在本地执行进行对比，本发明的时延效果提升明显。
本发明方法针对基于D2D通信异构蜂窝网络，提出了一种降低设备能耗以及任务执行 时延的卸载方案。在本发明场景中，移动设备可以将其任务卸载给MEC服务器或其附近的 空闲移动设备，并定义了优化问题。在MEC服务器中设计了合理分配卸载目标的整个过程。 根据请求设备的截止日期和能量约束对卸载请求进行分类，然后分别建立时延敏感图与能耗 敏感图，利用最大匹配最小代价图算法找到合适的卸载目标。本发明提出的基于D2D通信的 边缘计算卸载方法，充分利用了边缘服务器与附近用户的计算资源，与本地执行相比，对于 时延敏感型任务与能耗敏感型任务，本发明在时延与能耗方面均取得了有效的降低。同时， 本发明能够利用有限的MEC服务器计算资源，执行更多的任务卸载。
虽然本发明已以较佳实施例阐述如上，然其并非用以限定本发明。本发明所属技术领域 中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本 发明的保护范围当视权利要求书所界定者为准。

Claims (7)

1.一种基于D2D通信的计算卸载优化方法，基于基站、以及与基站分别经高速光纤通信连接的MEC服务器、MCC远端云服务器；以及与所述基站、MEC服务器分别无线通信连接的各个用户设备；有待卸载任务请求的用户设备和空闲用户设备间经D2D通信连接；其特征在于，分别针对有待卸载任务请求的各个用户设备，执行步骤A至步骤B，对用户设备的待卸载任务请求进行分类，获得待卸载任务请求的分类类别；之后执行步骤C至步骤D，实现对用户设备的待卸载任务请求任务卸载；
步骤A：针对有待卸载任务请求的用户设备i,分别建立用户设备的通信模型、MEC服务器计算模型；并且定义用户设备的待卸载任务请求为
Figure FDA0003671816780000011
其中，Ii表示用户设备i的待卸载任务请求数据量，Oi表示用户设备i的待卸载任务请求计算完成后的数据量，Zi表示执行用户设备i的待卸载任务请求所需要的CPU计算周期，
Figure FDA0003671816780000012
与
Figure FDA0003671816780000013
分别表示该用户设备i向基站反馈的上行与下行信息，
Figure FDA0003671816780000014
表示用户设备i的待卸载任务请求的执行时延限制；
步骤B：分别计算该待卸载任务请求用户设备i执行时延Ti l、用户设备执行能耗
Figure FDA0003671816780000015
比较待卸载任务请求的执行时延限制Ti req的值与用户设备i执行时延Ti l的值大小,同时比较用户设备i执行能耗
Figure FDA0003671816780000016
的值与用户设备完成该待卸载任务请求的预设能耗阈值；
条件1：待卸载任务请求的执行时延限制Ti req小于用户设备执行时延Ti l的值；
条件2：用户设备执行能耗
Figure FDA0003671816780000017
的值低于用户设备完成能耗阈值；
如果只满足条件1，则该待卸载任务请求为时延敏感型任务；
如果只满足条件2，则该待卸载任务请求为能耗敏感型任务；
如果同时满足条件1和条件2，则认为待卸载任务请求不需要卸载；
步骤C：将有待卸载任务请求的用户设备、空闲用户设备、MEC服务器、MCC远端云服务器划分为以下四类节点：有待卸载任务请求的用户节点、空闲用户设备节点、MEC服务器资源预分配节点、MCC远端云服务器资源预分配节点；并且根据图论的原理将所述四类节点建立时延边权重图和能耗边权重图；
步骤D：对时延边权重图和能耗边权重图按照时延边权重图在先，能耗边权重图在后的顺序求解，根据对时延边权重图和能耗边权重图求解的结果，分别择一采用以下三种不同的卸载方案：卸载至空闲用户设备、卸载至MEC服务器、卸载至MCC远端云服务器；实现对待卸载时延敏感型任务和待卸载能耗敏感型任务卸载。
2.根据权利要求1所述的一种基于D2D通信的计算卸载优化方法，其特征在于，所述步骤A中，建立用户设备的通信模型具体为：
按如下公式：
Figure FDA0003671816780000021
计算当前设备i的计算能力，
按照如下公式：
Figure FDA0003671816780000022
计算出有任务请求的用户设备和空闲用户设备间经D2D通信连接的传输速率；以及用户与基站之间的通信速率数据的传输速率，其中C表示最大传输速率，B为带宽，S为信号功率，N为噪声功率，θ为已占用的用户设备计算资源百分比。
3.根据权利要求1所述的一种基于D2D通信的计算卸载优化方法，其特征在于，所述步骤A中，建立MEC服务器的计算模型具体为按如下公式计算：
Figure FDA0003671816780000023
计算MEC服务器的剩余计算资源，其中fmec表示MEC服务器剩余计算资源，
Figure FDA0003671816780000024
表示MEC服务器的原始计算能力，μi是一个二值数据用来表示用户i是否占用了MEC服务器计算资源，fi mec表示用户i需要占用的最小计算资源。
4.根据权利要求1所述的一种基于D2D通信的计算卸载优化方法，其特征在于，所述步骤B中，按下公式：
Figure FDA0003671816780000025
计算有任务请求的当前设备执行时延Ti l；
按如下公式：
Figure FDA0003671816780000026
计算当前设备执行能耗
Figure FDA0003671816780000031
其中Ti l表示当前设备执行时延，
Figure FDA0003671816780000032
表示当前设备执行能耗，Zi表示执行任务所需要的CPU计算周期，fi l表示用户设备i的计算能力，ρi表示设备i执行每个CPU周期所需要花费的能耗；
按如下公式：
Figure FDA0003671816780000033
计算用户设备能耗
Figure FDA0003671816780000034
与用户设备执行能耗
Figure FDA0003671816780000035
的差值，并且比较用户设备i执行时延Ti l与待卸载任务请求的执行时延限制Ti req，如果用户设备能耗
Figure FDA0003671816780000036
与用户设备执行能耗
Figure FDA0003671816780000037
的差值小于用户设备完成能耗阈值
Figure FDA0003671816780000038
并且用户设备i执行时延Ti l小于待卸载任务请求的执行时延限制Ti req，则认为待卸载任务请求不需要卸载。
其中，
Figure FDA0003671816780000039
表示用户设备i能耗，
Figure FDA00036718167800000310
表示用户设备i执行能耗，
Figure FDA00036718167800000311
表示用户设备i完成能耗阈值，Ti l表示用户设备i执行时延，Ti req表示待卸载任务请求的执行时延限制。
5.根据权利要求1所述的一种基于D2D通信的计算卸载优化方法，其特征在于，所述步骤C中，根据图论的原理将所述四类节点建立时延边权重图和能耗边权重图；具体为按如下公式：
Figure FDA00036718167800000312
计算用户设备i需要占用的最小计算资源；
按如下公式：
Figure FDA00036718167800000313
计算待卸载任务卸载到空闲设备的时延，
按如下公式：
Figure FDA00036718167800000314
计算待卸载任务卸载到MEC服务器的时延；其中fi mec表示用户i需要占用的最小计算资源，
Figure FDA00036718167800000315
表示设备j的计算能力，
Figure FDA00036718167800000316
与
Figure FDA00036718167800000317
分别表示数据上行与下行的传输速率；如果
Figure FDA00036718167800000318
用户设备j可以作为用户设备i的一个备选卸载目标；
按如下公式：
Figure FDA0003671816780000041
计算待卸载任务卸载到空闲设备的能耗值；
按如下公式：
Figure FDA0003671816780000042
计算待卸载任务卸载到MEC服务器的能耗值；其中Pi ul与Pi dl表示设备i的发射与接收功率，Pi d与
Figure FDA0003671816780000043
分别表示设备i与j的发射功率。
6.根据权利要求1所述的一种基于D2D通信的计算卸载优化方法，其特征在于，所述步骤D中，按如下公式：
Figure FDA0003671816780000044
计算时延敏感型任务的最小化执行时间，以及计算能耗敏感型任务的最小化能耗的花费；其中μi,t∈{0,1}，表示该待卸载任务是否为时延敏感型任务，μi∈{0,1}表示该待卸载任务是否卸载到MEC服务器。
7.根据权利要求1所述的一种基于D2D通信的计算卸载优化方法，其特征在于，所述步骤D中，采用最大匹配最小代价的图论算法对对时延边权重图和能耗边权重图求解。
CN202210610433.3A 2022-05-31 2022-05-31 一种基于d2d通信的计算卸载优化方法 Pending CN115103405A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210610433.3A CN115103405A (zh) 2022-05-31 2022-05-31 一种基于d2d通信的计算卸载优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210610433.3A CN115103405A (zh) 2022-05-31 2022-05-31 一种基于d2d通信的计算卸载优化方法

Publications (1)

Publication Number Publication Date
CN115103405A true CN115103405A (zh) 2022-09-23

Family

ID=83289712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210610433.3A Pending CN115103405A (zh) 2022-05-31 2022-05-31 一种基于d2d通信的计算卸载优化方法

Country Status (1)

Country Link
CN (1) CN115103405A (zh)

Similar Documents

Publication Publication Date Title
CN111132191B (zh) 移动边缘计算服务器联合任务卸载、缓存及资源分配方法
CN111447619B (zh) 一种移动边缘计算网络中联合任务卸载和资源分配方法
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
CN110087318B (zh) 基于5g移动边缘计算的任务卸载和资源分配联合优化方法
CN109151864B (zh) 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法
CN110392079B (zh) 面向雾计算的节点计算任务调度方法及其设备
CN111884696B (zh) 一种基于多载波的中继协作移动边缘计算方法
CN109756912B (zh) 一种多用户多基站联合任务卸载及资源分配方法
CN113708962B (zh) 一种基于网络切片的移动边缘计算资源管理方法
CN113784373B (zh) 云边协同网络中时延和频谱占用联合优化方法及系统
CN104902431B (zh) 一种lte网络中跨小区d2d通信频谱分配方法
CN112188551B (zh) 一种计算迁移方法、计算终端设备及边缘服务器设备
CN110446265B (zh) 一种节能的基于动态分组的noma的移动边缘计算方法
JP4990279B2 (ja) 端末の送信電力を減少させるための無線資源の割り当て
Zeng et al. Energy minimization for delay constrained mobile edge computing with orthogonal and non-orthogonal multiple access
US9031024B2 (en) Radio resource management for distributed cellular systems
Nguyen et al. Joint computation offloading and resource allocation in cloud based wireless HetNets
CN102752757B (zh) 在频谱聚合过程中按照最小浪费准则优化频谱分配的方法
He et al. Strategy for task offloading of multi-user and multi-server based on cost optimization in mobile edge computing environment
CN109787737B (zh) 一种基于混合能量采集的多用户资源优化方法
Hajisami et al. Elastic resource provisioning for increased energy efficiency and resource utilization in Cloud-RANs
CN112235387B (zh) 一种基于能量消耗最小化的多节点协作计算卸载方法
CN111954230B (zh) 基于mec与密集云接入网融合的计算迁移与资源分配方法
CN117201369A (zh) 网络速率确定方法、装置、电子设备及存储介质
CN115103405A (zh) 一种基于d2d通信的计算卸载优化方法

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