CN116233928A - 基于通感算一体化的卸载决策与资源分配方法 - Google Patents

基于通感算一体化的卸载决策与资源分配方法 Download PDF

Info

Publication number
CN116233928A
CN116233928A CN202310113909.7A CN202310113909A CN116233928A CN 116233928 A CN116233928 A CN 116233928A CN 202310113909 A CN202310113909 A CN 202310113909A CN 116233928 A CN116233928 A CN 116233928A
Authority
CN
China
Prior art keywords
user
base station
channel
time slot
task
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
CN202310113909.7A
Other languages
English (en)
Inventor
朱琦
孙烁
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 CN202310113909.7A priority Critical patent/CN116233928A/zh
Publication of CN116233928A publication Critical patent/CN116233928A/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
    • H04W28/09—Management thereof
    • H04W28/0925—Management thereof using policies
    • 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
    • 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
    • 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通感算一体化的卸载决策与资源分配方法，综合考虑能耗、时延和迁移代价定义了系统代价函数，在用户感知失败率、任务最大完成时延的约束下，建立了用户的长期平均代价最小化问题。基于李雅普诺夫优化理论对用户的感知性能建立虚拟队列，利用李雅普诺夫漂移加罚函数将长期的随机优化问题转化为单时隙的确定性优化问题。转化后的问题被分为内外两层，内层通过理论推导得到每种用户基站选择与信道分配下的最优任务卸载比例。外层根据内层问题解决的结果，通过匹配理论确定用户基站选择与信道分配。

Description

基于通感算一体化的卸载决策与资源分配方法
技术领域
本发明涉及通信技术领域，具体涉及一种基于通感算一体化的卸载决策与资源分配方法。
背景技术
移动边缘计算(全称，MEC)在网络边缘为用户提供计算、通信和存储能力，显著的减少了用户的传输时延，增强了用户的计算能力，有助于满足时延敏感型与计算密集型应用的需求，如视频流分析、虚拟现实、自动驾驶等。
在移动边缘计算网络中，卸载决策主要解决卸载什么、如何卸载以及卸载多少的问题，资源分配主要关注对系统的计算资源、存储资源以及通信资源的联合管理，用户的卸载决策以及资源分配会直接影响系统性能，因此已经成为研究热点。
发明内容
由于毫米波通信的发展，通信和雷达感知的频谱逐渐趋于重叠，通信感知一体化(ISAC)作为未来移动通信中一项关键技术，将感知与通信的硬件一体化，并复用相同的频带，利用设计的一体化信号同时进行感知和通信，使得紧张的频谱资源得到进一步的利用。
因此，为了克服现有技术中存在的不足，本发明提出一种基于通感算一体化的卸载决策与资源分配方法，该方法在多用户多边缘节点的MEC网络中，考虑了用户移动性对性能的影响和通信感知一体化，最小化了用户能耗、任务时延和迁移代价。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
第一方面，本发明提供一种基于通感算一体化的卸载决策与资源分配方法，按预设周期执行以下步骤：
S1、获取当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压以及前一个时隙的用户基站选择；其中将各基站的每一个信道都记为一个基站-信道对，用户接入一个基站的一个信道，记为用户与此基站-信道对相互匹配；
S2、基于当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压以及前一个时隙的用户基站选择，根据用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值进行初始匹配，得到初始匹配结果；
S3、基于所述初始匹配结果进行交换匹配，得到交换匹配结果；
S4、基于所述交换匹配结果，确定当前时隙的用户基站选择、信道分配以及任务卸载比例。
在一些实施例中，S2、根据用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值进行初始匹配，包括：
S2.1、设定初始已匹配用户集合为空集，初始未匹配用户集合为所有用户构成的集合，初始当前匹配为空集，初始未匹配基站-信道对集合为各基站的各个信道构成的集合，初始已匹配基站-信道对集合为空集；
S2.2、按照一定顺序计算当前匹配下用户对于所有未匹配基站-信道对的偏好值，用户向偏好值最高的未匹配基站-信道对发出匹配请求；
S2.3、按照一定顺序在当前匹配下计算所有未匹配基站-信道对对于每一个请求用户的偏好值，未匹配基站-信道对接受偏好值最高的用户请求，双方达成初始匹配；
S2.4、更新当前匹配、已匹配用户集合、未匹配用户集合、未匹配基站-信道对、已匹配基站-信道对集合；
S2.5、重复执行步骤S2.2-S2.4，直至所有用户都与某个基站-信道对匹配，初始匹配阶段结束，得到初始匹配结果，其中所述初始匹配结果包括：当前匹配、已匹配用户集合、未匹配用户集合、未匹配基站-信道对、已匹配基站-信道对集合。
在一些实施例中，S3、基于所述初始匹配结果，进行交换匹配，得到交换匹配结果，包括：
S3.1、记录当前匹配为交换前匹配，一轮交换匹配开始；
S3.2、按一定顺序对所有的基站-信道对当前匹配的用户进行交换封闭对检测；
S3.3、如果任意两个用户满足交换封闭对，则交换这两个用户所匹配的基站-信道对；
S3.4、更新当前匹配；
S3.5、所有用户检测完毕，一轮交换匹配结束，记录当前匹配为交换后匹配；
S3.6、重复步骤S3.1-S3.5，直至每一轮交换前匹配与交换后匹配相同，交换匹配完成，得到交换匹配结果。
在一些实施例中，所述步骤S1中，获取当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压，包括：
S1.1、系统中共有N个基站，M个用户，L个信道，基站集合表示为
Figure BDA0004077798470000031
用户集合表示为/>
Figure BDA0004077798470000032
信道集合表示为/>
Figure BDA0004077798470000033
用户处于移动状态，为了表示用户的移动，将时间离散为时隙，一个时隙的长度为τ；设用户在一个时隙之内的位置保持不变，在不同时隙的位置不同；时隙使用集合T＝{1,2,3,…,t,…}表示；设每一个用户都有一种服务，服务由一系列任务构成，并且在边缘服务器都搭建有一个专有的虚拟机或容器，对所产生的任务进行处理，随着用户的移动，虚拟机或容器会随着用户所连基站的切换而发生迁移；用户在每一个时隙都产生一个任务，用户m在时隙t产生的任务所需要通信的数据量大小使用Im(t)表示，任务计算负载使用Cm(t)表示，任务最大时延要求使用Dm(t)表示，且要求Dm(t)≤τ，任务卸载比例使用ρm(t)表示，且要求ρm(t)∈[ρmin,1]，任务一部分在本地计算，一部分在基站计算；用户在每一个时隙与一个基站连接来卸载任务数据；用户每个时隙在向基站传输任务数据的时候能够使用通信感知一体化信号对周围环境进行感知；所有基站共享相同的多个信道，信道的大尺度与小尺度衰落同时被考虑；
S1.2、
Figure BDA0004077798470000041
表示用户m在时隙t与基站n的关联情况，用户m在时隙t接入基站n时
Figure BDA0004077798470000042
反之为0；所有基站共享L个信道，且每个信道带宽相等，均为W，使用同一个信道的用户的信号会相互干扰；/>
Figure BDA0004077798470000043
表示用户m在时隙t对信道l的使用情况，当用户m在时隙t占用信道l时/>
Figure BDA0004077798470000044
反之为0；用户在一个时隙只能接入一个基站，占用一个信道；
S1.3、使用回波信号与信道脉冲响应的条件互信息来衡量用户对周围环境感知的性能，用户m在时隙t的条件互信息MIm(t)表示为：
Figure BDA0004077798470000045
其中
Figure BDA0004077798470000046
表示用户m在时隙t信道l上的雷达信干燥比，表示为：
Figure BDA0004077798470000047
其中Pm表示用户m的发射功率，K表示一体化信号的符号数，Ts表示一个符号的持续时间，
Figure BDA0004077798470000048
表示信道脉冲响应在信道l的频率fl上的傅里叶变换，服从标准正态分布；
Figure BDA0004077798470000049
表示用户m'与用户m之间的在信道l上的信道增益，σ2＝N0W表示信道加性高斯白噪声功率；
当用户互信息小于设置的门限值MImin时，则感知失败，表示为：
Figure BDA0004077798470000051
其中indicator{x}表示指示函数，即当表达式x为真时，指示函数的值为1，反之为0；
S1.4、对用户m在时隙t的感知失败事件Sm(t)，定义一个对应的初始值为0的虚拟队列，将每个队列积压表示为Qm(t)，其中Qm(0)＝0，使用Sm(t)表示时隙t虚拟队列的增加量，而δ表示虚拟队列的减少量；用户m在时隙t与时隙t+1的虚拟队列积压满足：
Qm(t+1)＝[Qm(t)+Sm(t)-δ]+。
在一些实施例中，所述步骤S2中，当前匹配下用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值的计算方法，包括：
用户m在时隙t向基站卸载任务的数据传输速率
Figure BDA0004077798470000052
表示为：
Figure BDA0004077798470000053
其中
Figure BDA0004077798470000054
表示用户m'与基站n之间的在信道l上的信道增益，
Figure BDA0004077798470000055
表示使用同一信道的其他用户对用户m造成的干扰；
用户m在时隙t传输任务的时间
Figure BDA0004077798470000056
表示为：
Figure BDA0004077798470000057
用户m在时隙t传输任务的能耗
Figure BDA0004077798470000058
表示为：
Figure BDA0004077798470000059
使用fm,local表示用户m的计算能力，用户m在时隙t的任务在本地计算时延
Figure BDA00040777984700000510
为：/>
Figure BDA0004077798470000061
用户m在时隙t在本地计算任务的能耗
Figure BDA0004077798470000062
为：
Figure BDA0004077798470000063
其中
Figure BDA00040777984700000612
指的是功率系数；
在接受到用户传输的任务后，基站对所有用户的计算任务平分所有计算资源，则在时隙t基站n分配给用户m的计算资源
Figure BDA0004077798470000064
为：
Figure BDA0004077798470000065
用户m在时隙t所得到的计算资源fm(t)为：
Figure BDA0004077798470000066
用户m在时隙t的任务计算时延
Figure BDA0004077798470000067
为：
Figure BDA0004077798470000068
用户m在时隙t的任务处理时延Tm(t)为本地计算时延与基站计算时延的最大值，表示为：
Figure BDA0004077798470000069
用户m在时隙t处理任务的能耗Em(t)为：
Figure BDA00040777984700000610
用户m在时隙t的迁移代价表示为：
Figure BDA00040777984700000611
其中ε表示的是迁移的代价，为定值；当用户本时隙与上一时隙的基站选择不同时，便会有大小为ε的迁移代价，反之则无；
用户m在时隙t的代价函数Um(t)表示为：
Figure BDA0004077798470000071
其中α,β分别为时延、能耗的权重系数；
建立用户长期代价和最小化的优化问题P1：
Figure BDA0004077798470000072
Figure BDA0004077798470000073
/>
Figure BDA0004077798470000074
Figure BDA0004077798470000075
Figure BDA0004077798470000076
Figure BDA0004077798470000077
Figure BDA0004077798470000078
Figure BDA0004077798470000079
其中变量集合
Figure BDA00040777984700000710
表示每一个用户在每一个时隙与每一个基站的接入情况，/>
Figure BDA00040777984700000711
表示每一个用户在每一个时隙对每一个信道的占用情况，/>
Figure BDA00040777984700000712
表示每个用户在每个时隙的任务划分比例；约束(C1)和(C2)表示在每一个时隙一个用户只能选择一个基站接入并且只能占用一个信道；约束(C3)表示一个基站的一个信道在一个时隙内至多由一个用户使用；约束(C4)表示用户感知失败事件期望值E[Sm(t)]的时间平均要小于某个设定值δ，即用户的长期感知失败率要在某个阈值之下；约束(C5)表示每个用户的任务要在最大时延Dm(t)要求内完成；约束(C6)表示每个用户在每个时隙的任务在最小值ρmin与1之间随意划分；约束(C7)表示基站选择和信道分配变量都是二进制变量；
通过李雅普诺夫优化理论将优化问题P1转化为优化问题P2：
Figure BDA0004077798470000081
Figure BDA0004077798470000082
Figure BDA0004077798470000083
Figure BDA0004077798470000084
Figure BDA0004077798470000085
Figure BDA0004077798470000086
Figure BDA0004077798470000087
其中，Qm(t)为用户m在时隙t的虚拟队列积压，Sm(t)为用户m在时隙t的感知失败事件，
Figure BDA0004077798470000088
为一个常数、V为均衡虚拟队列稳定性与用户代价函数和的控制参数；/>
求解优化问题化问题P2，得到用户当前匹配对应的基站选择
Figure BDA0004077798470000089
与信道分配
Figure BDA00040777984700000810
的值；
当用户的基站选择
Figure BDA00040777984700000811
与信道分配/>
Figure BDA00040777984700000812
确定后，优化问题P2化简为优化问题P2.1
Figure BDA00040777984700000813
Figure BDA00040777984700000814
Figure BDA00040777984700000815
求解优化问题P2.1，得到当前匹配下的用户任务卸载比例；
令F0＝1-Dm(t)fm,local/Cm(t)，
Figure BDA00040777984700000816
当F0＞F1或者F1＜ρmin时，问题P2.1无解，反之，P2.1的最优解，即用户任务卸载比例为：
Figure BDA0004077798470000091
其中
Figure BDA0004077798470000092
Figure BDA0004077798470000093
Figure BDA0004077798470000094
Figure BDA0004077798470000095
Figure BDA0004077798470000096
Figure BDA0004077798470000097
Figure BDA0004077798470000098
/>
根据求解得到的用户任务卸载比例，计算在当前匹配下用户对于基站-信道对的偏好值以及基站-信道对对于用户的偏好值；
用户
Figure BDA0004077798470000099
在时隙t的当前匹配v下对于基站-信道对的偏好值/>
Figure BDA00040777984700000910
为：
Figure BDA00040777984700000911
其中，Ivm(t)＝1表示用户m在时隙t的内层问题有解，即最大时延约束可以被满足，反之Ivm(t)取0，η是一个数量级极大的正数；
基站-信道对在时隙t的当前匹配v下对于用户的偏好值
Figure BDA0004077798470000101
为：
Figure BDA0004077798470000102
在一些实施例中，所述步骤S3.2中，交换封闭对的检测方法包括：
在当前匹配下，设两个用户交换匹配的基站-信道对，其他用户保持当前匹配的基站-信道对；
如果两个用户交换完匹配的基站-信道对后，用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值都上升，这两个用户满足当前匹配的交换封闭对。
在一些实施例中，所述预设周期为一个时隙的长度。
第二方面，本发明提供了一种基于通感算一体化的卸载决策与资源分配装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。
第三方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述方法的步骤。
第四方面，本发明提供了一种计算设备，包括，
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行第一方面所述的方法中的任一方法的指令。
有益效果：相对于现有技术，本发明的优点包括：
1、本发明在多用户多边缘节点的MEC网络中，考虑用户具有移动性，当用户从一个基站切换到另一个基站时，用户的服务可以迁移到新基站的计算节点进行处理，任务采用部分卸载方式。在任务卸载的通信过程中，利用一体化信号，对被周围环境所反射的一体化信号回波进行分析来感知环境。在用户长期感知失败率、任务最大完成时延的约束下，综合考虑能耗、时延和迁移代价定义了系统代价函数，建立了用户的长期平均代价最小化问题。
2、所建立的优化问题是一个长期的随机优化问题，基于李雅普诺夫优化理论为用户的感知性能建立虚拟队列，定义了相关的李雅普诺夫漂移加罚函数，通过其上界将长期随机优化问题转化为单时隙的确定性优化问题。
3、将单时隙问题分为内外两层进行解决，内层通过理论推导得到每种用户基站选择与信道分配下的最优任务卸载比例，而外层根据内层问题的解决结果，设计“偏好值”对当前用户基站选择与信道分配进行评判，基于匹配理论迭代收敛到最终的基站选择与信道分配。
附图说明
图1是根据本发明实施例方法的流程示意图；
图2是根据本发明实施例中初始匹配阶段的流程示意图；
图3是根据本发明实施例中交换匹配阶段的流程示意图；
图4是根据本发明实施例提供的系统模型示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
实施例1
一种基于通感算一体化的卸载决策与资源分配方法，包括：
S1、获取当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压以及前一个时隙的用户基站选择；其中将各基站的每一个信道都记为一个基站-信道对，用户接入一个基站的一个信道，记为用户与此基站-信道对相互匹配；
S2、基于当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压以及前一个时隙的用户基站选择，根据用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值进行初始匹配，得到初始匹配结果；
S3、基于所述初始匹配结果进行交换匹配，得到交换匹配结果；
S4、基于所述交换匹配结果，确定当前时隙的用户基站选择、信道分配以及任务卸载比例。
在一些具体实施例中，如图1所示，一种基于通感算一体化的卸载决策与资源分配方法，包括：
S1、获取当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压以及前一个时隙的用户基站选择；其中将各基站的每一个信道都记为一个基站-信道对，用户接入一个基站的一个信道，记为用户与此基站-信道对相互匹配；
在一些实施例中，获取当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压，包括：
S1.1、如图4所示，系统中共有N个基站，M个用户，L个信道，基站集合表示为
Figure BDA0004077798470000121
用户集合表示为/>
Figure BDA0004077798470000122
信道集合表示为/>
Figure BDA0004077798470000131
用户处于移动状态，为了表示用户的移动，将时间离散为时隙，一个时隙的长度为τ；设用户在一个时隙之内的位置保持不变，在不同时隙的位置不同；时隙使用集合T＝{1,2,3,…,t,…}表示；设每一个用户都有一种服务，服务由一系列任务构成，并且在边缘服务器都搭建有一个专有的虚拟机或容器，对所产生的任务进行处理，随着用户的移动，虚拟机或容器会随着用户所连基站的切换而发生迁移；用户在每一个时隙都产生一个任务，用户m在时隙t产生的任务所需要通信的数据量大小使用Im(t)表示，任务计算负载使用Cm(t)表示，任务最大时延要求使用Dm(t)表示，且要求Dm(t)≤τ，任务卸载比例使用ρm(t)表示，且要求ρm(t)∈[ρmin,1]，任务一部分在本地计算，一部分在基站计算；用户在每一个时隙与一个基站连接来卸载任务数据；用户每个时隙在向基站传输任务数据的时候能够使用通信感知一体化信号对周围环境进行感知；所有基站共享相同的多个信道，信道的大尺度与小尺度衰落同时被考虑；
S1.2、
Figure BDA0004077798470000132
表示用户m在时隙t与基站n的关联情况，用户m在时隙t接入基站n时
Figure BDA0004077798470000133
反之为0；所有基站共享L个信道，且每个信道带宽相等，均为W，使用同一个信道的用户的信号会相互干扰；/>
Figure BDA0004077798470000134
表示用户m在时隙t对信道l的使用情况，当用户m在时隙t占用信道l时/>
Figure BDA0004077798470000135
反之为0；用户在一个时隙只能接入一个基站，占用一个信道；
S1.3、使用回波信号与信道脉冲响应的条件互信息来衡量用户对周围环境感知的性能，用户m在时隙t的条件互信息MIm(t)表示为：
Figure BDA0004077798470000136
其中
Figure BDA0004077798470000137
表示用户m在时隙t信道l上的雷达信干燥比，表示为：
Figure BDA0004077798470000138
其中Pm表示用户m的发射功率，K表示一体化信号的符号数，Ts表示一个符号的持续时间，
Figure BDA0004077798470000141
表示信道脉冲响应在信道l的频率fl上的傅里叶变换，服从标准正态分布；
Figure BDA0004077798470000142
表示用户m'与用户m之间的在信道l上的信道增益，σ2＝N0W表示信道加性高斯白噪声功率；
当用户互信息小于设置的门限值MImin时，则感知失败，表示为：
Figure BDA0004077798470000143
其中indicator{x}表示指示函数，即当表达式x为真时，指示函数的值为1，反之为0；
S1.4、对用户m在时隙t的感知失败事件Sm(t)，定义一个对应的初始值为0的虚拟队列，将每个队列积压表示为Qm(t)，其中Qm(0)＝0，使用Sm(t)表示时隙t虚拟队列的增加量，而δ表示虚拟队列的减少量；用户m在时隙t与时隙t+1的虚拟队列积压满足：
Qm(t+1)＝[Qm(t)+Sm(t)-δ]+。
S2、基于当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压以及前一个时隙的用户基站选择，根据用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值进行初始匹配，得到初始匹配结果；
在一些实施例中，如图2所示，根据用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值进行初始匹配，包括：
S2.1、设定初始已匹配用户集合为空集，初始未匹配用户集合为所有用户构成的集合，初始当前匹配为空集，初始未匹配基站-信道对集合为各基站的各个信道构成的集合，初始已匹配基站-信道对集合为空集；
S2.2、按照一定顺序计算当前匹配下用户对于所有未匹配基站-信道对的偏好值，用户向偏好值最高的未匹配基站-信道对发出匹配请求；
S2.3、按照一定顺序在当前匹配下计算所有未匹配基站-信道对对于每一个请求用户的偏好值，未匹配基站-信道对接受偏好值最高的用户请求，双方达成初始匹配；
S2.4、更新当前匹配、已匹配用户集合、未匹配用户集合、未匹配基站-信道对、已匹配基站-信道对集合；
S2.5、重复执行步骤S2.2-S2.4，直至所有用户都与某个基站-信道对匹配，初始匹配阶段结束，得到初始匹配结果，其中所述初始匹配结果包括：当前匹配、已匹配用户集合、未匹配用户集合、未匹配基站-信道对、已匹配基站-信道对集合。
其中，当前匹配下用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值的计算方法，包括：
用户m在时隙t向基站卸载任务的数据传输速率
Figure BDA0004077798470000151
表示为：
Figure BDA0004077798470000152
其中
Figure BDA0004077798470000153
表示用户m'与基站n之间的在信道l上的信道增益，
Figure BDA0004077798470000154
表示使用同一信道的其他用户对用户m造成的干扰；
用户m在时隙t传输任务的时间
Figure BDA0004077798470000155
表示为：
Figure BDA0004077798470000156
用户m在时隙t传输任务的能耗
Figure BDA0004077798470000157
表示为：
Figure BDA0004077798470000158
使用fm,local表示用户m的计算能力，用户m在时隙t的任务在本地计算时延
Figure BDA0004077798470000159
为：
Figure BDA0004077798470000161
用户m在时隙t在本地计算任务的能耗
Figure BDA0004077798470000162
为：
Figure BDA0004077798470000163
其中
Figure BDA00040777984700001612
指的是功率系数；
在接受到用户传输的任务后，基站对所有用户的计算任务平分所有计算资源，则在时隙t基站n分配给用户m的计算资源
Figure BDA0004077798470000164
为：/>
Figure BDA0004077798470000165
用户m在时隙t所得到的计算资源fm(t)为：
Figure BDA0004077798470000166
用户m在时隙t的任务计算时延
Figure BDA0004077798470000167
为：
Figure BDA0004077798470000168
用户m在时隙t的任务处理时延Tm(t)为本地计算时延与基站计算时延的最大值，表示为：
Figure BDA0004077798470000169
用户m在时隙t处理任务的能耗Em(t)为：
Figure BDA00040777984700001610
用户m在时隙t的迁移代价表示为：
Figure BDA00040777984700001611
其中ε表示的是迁移的代价，为定值；当用户本时隙与上一时隙的基站选择不同时，便会有大小为ε的迁移代价，反之则无；
用户m在时隙t的代价函数Um(t)表示为：
Figure BDA0004077798470000171
其中α,β分别为时延、能耗的权重系数；
建立用户长期代价和最小化的优化问题P1：
Figure BDA0004077798470000172
Figure BDA0004077798470000173
Figure BDA0004077798470000174
Figure BDA0004077798470000175
Figure BDA0004077798470000176
/>
Figure BDA0004077798470000177
Figure BDA0004077798470000178
Figure BDA0004077798470000179
其中变量集合
Figure BDA00040777984700001710
表示每一个用户在每一个时隙与每一个基站的接入情况，/>
Figure BDA00040777984700001711
表示每一个用户在每一个时隙对每一个信道的占用情况，/>
Figure BDA00040777984700001712
表示每个用户在每个时隙的任务划分比例；约束(C1)和(C2)表示在每一个时隙一个用户只能选择一个基站接入并且只能占用一个信道；约束(C3)表示一个基站的一个信道在一个时隙内至多由一个用户使用；约束(C4)表示用户感知失败事件期望值E[Sm(t)]的时间平均要小于某个设定值δ，即用户的长期感知失败率要在某个阈值之下；约束(C5)表示每个用户的任务要在最大时延Dm(t)要求内完成；约束(C6)表示每个用户在每个时隙的任务在最小值ρmin与1之间随意划分；约束(C7)表示基站选择和信道分配变量都是二进制变量；
通过李雅普诺夫优化理论将优化问题P1转化为优化问题P2：
Figure BDA0004077798470000181
Figure BDA0004077798470000182
Figure BDA0004077798470000183
Figure BDA0004077798470000184
Figure BDA0004077798470000185
Figure BDA0004077798470000186
Figure BDA0004077798470000187
其中，Qm(t)为用户m在时隙t的虚拟队列积压，Sm(t)为用户m在时隙t的感知失败事件，
Figure BDA0004077798470000188
为一个常数、V为均衡虚拟队列稳定性与用户代价函数和的控制参数；
求解优化问题化问题P2，得到用户当前匹配对应的基站选择
Figure BDA0004077798470000189
与信道分配
Figure BDA00040777984700001810
的值；
当用户的基站选择
Figure BDA00040777984700001811
与信道分配/>
Figure BDA00040777984700001812
确定后，优化问题P2化简为优化问题P2.1
Figure BDA00040777984700001813
Figure BDA00040777984700001814
/>
Figure BDA00040777984700001815
求解优化问题P2.1，得到当前匹配下的用户任务卸载比例；
令F0＝1-Dm(t)fm,local/Cm(t)，
Figure BDA00040777984700001816
当F0＞F1或者F1＜ρmin时，问题P2.1无解，反之，P2.1的最优解，即用户任务卸载比例为：
Figure BDA0004077798470000191
其中
Figure BDA0004077798470000192
Figure BDA0004077798470000193
Figure BDA0004077798470000194
Figure BDA0004077798470000195
Figure BDA0004077798470000196
Figure BDA0004077798470000197
Figure BDA0004077798470000198
根据求解得到的用户任务卸载比例，计算在当前匹配下用户对于基站-信道对的偏好值以及基站-信道对对于用户的偏好值；
用户
Figure BDA0004077798470000199
在时隙t的当前匹配v下对于基站-信道对的偏好值/>
Figure BDA00040777984700001910
为：
Figure BDA00040777984700001911
其中，Ivm(t)＝1表示用户m在时隙t的内层问题有解，即最大时延约束可以被满足，反之Ivm(t)取0，η是一个数量级极大的正数；
基站-信道对在时隙t的当前匹配v下对于用户的偏好值
Figure BDA0004077798470000201
为：/>
Figure BDA0004077798470000202
S3、基于所述初始匹配结果进行交换匹配，得到交换匹配结果；
在一些实施例中，如图3所示，进行交换匹配具体包括：
S3.1、记录当前匹配为交换前匹配，一轮交换匹配开始；
S3.2、按一定顺序对所有的基站-信道对当前匹配的用户进行交换封闭对检测；
S3.3、如果任意两个用户满足交换封闭对，则交换这两个用户所匹配的基站-信道对；
S3.4、更新当前匹配；
S3.5、所有用户检测完毕，一轮交换匹配结束，记录当前匹配为交换后匹配；
S3.6、重复步骤S3.1-S3.5，直至每一轮交换前匹配与交换后匹配相同，交换匹配完成，得到交换匹配结果。
S4、基于所述交换匹配结果，确定当前时隙的用户基站选择、信道分配以及任务卸载比例。
进一步地，所述步骤S3.2中，交换封闭对的检测方法包括：
在当前匹配下，设两个用户交换匹配的基站-信道对，其他用户保持当前匹配的基站-信道对；
如果两个用户交换完匹配的基站-信道对后，用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值都上升，这两个用户满足当前匹配的交换封闭对。
需要特别说明的是，在一些实施例中，所述预设周期为一个时隙的长度。
本发明实施例提供的一种基于通感算一体化的卸载决策与资源分配方法，综合考虑能耗、时延和迁移代价定义了系统代价函数，在用户感知失败率、任务最大完成时延的约束下，建立了用户的长期平均代价最小化问题。基于李雅普诺夫优化理论对用户的感知性能建立虚拟队列，利用李雅普诺夫漂移加罚函数将长期的随机优化问题转化为单时隙的确定性优化问题。转化后的问题被分为内外两层，内层通过理论推导得到每种用户基站选择与信道分配下的最优任务卸载比例。外层根据内层问题解决的结果，通过匹配理论确定用户基站选择与信道分配。在减小任务完成时延的同时有效降低了用户能耗，并且还保证了感知性能。
实施例2
第二方面，本实施例提供了一种基于通感算一体化的卸载决策与资源分配装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1所述方法的步骤。
实施例3
第三方面，本实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
实施例4
第四方面，本发明提供了一种计算设备，包括，
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行实现实施例1所述的方法中的任一方法的指令。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (10)

1.一种基于通感算一体化的卸载决策与资源分配方法，其特征在于，按预设周期执行以下步骤：
S1、获取当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压以及前一个时隙的用户基站选择；其中将各基站的每一个信道都记为一个基站-信道对，用户接入一个基站的一个信道，记为用户与此基站-信道对相互匹配；
S2、基于当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压以及前一个时隙的用户基站选择，根据用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值进行初始匹配，得到初始匹配结果；
S3、基于所述初始匹配结果进行交换匹配，得到交换匹配结果；
S4、基于所述交换匹配结果，确定当前时隙的用户基站选择、信道分配以及任务卸载比例。
2.如权利要求1所述的基于通感算一体化的卸载决策与资源分配方法，其特征在于，S2、根据用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值进行初始匹配，包括：
S2.1、设定初始已匹配用户集合为空集，初始未匹配用户集合为所有用户构成的集合，初始当前匹配为空集，初始未匹配基站-信道对集合为各基站的各个信道构成的集合，初始已匹配基站-信道对集合为空集；
S2.2、按照一定顺序计算当前匹配下用户对于所有未匹配基站-信道对的偏好值，用户向偏好值最高的未匹配基站-信道对发出匹配请求；
S2.3、按照一定顺序在当前匹配下计算所有未匹配基站-信道对对于每一个请求用户的偏好值，未匹配基站-信道对接受偏好值最高的用户请求，双方达成初始匹配；
S2.4、更新当前匹配、已匹配用户集合、未匹配用户集合、未匹配基站-信道对、已匹配基站-信道对集合；
S2.5、重复执行步骤S2.2-S2.4，直至所有用户都与某个基站-信道对匹配，初始匹配阶段结束，得到初始匹配结果，其中所述初始匹配结果包括：当前匹配、已匹配用户集合、未匹配用户集合、未匹配基站-信道对、已匹配基站-信道对集合。
3.如权利要求1所述的基于通感算一体化的卸载决策与资源分配方法，其特征在于，S3、基于所述初始匹配结果，进行交换匹配，得到交换匹配结果，包括：
S3.1、记录当前匹配为交换前匹配，一轮交换匹配开始；
S3.2、按一定顺序对所有的基站-信道对当前匹配的用户进行交换封闭对检测；
S3.3、如果任意两个用户满足交换封闭对，则交换这两个用户所匹配的基站-信道对；
S3.4、更新当前匹配；
S3.5、所有用户检测完毕，一轮交换匹配结束，记录当前匹配为交换后匹配；
S3.6、重复步骤S3.1-S3.5，直至每一轮交换前匹配与交换后匹配相同，交换匹配完成，得到交换匹配结果。
4.如权利要求1所述的基于通感算一体化的卸载决策与资源分配方法，其特征在于，所述步骤S1中，获取当前时隙每个用户的位置、信道状态、任务数据量、虚拟队列积压，包括：
S1.1、系统中共有N个基站，M个用户，L个信道，基站集合表示为
Figure FDA0004077798450000021
用户集合表示为/>
Figure FDA0004077798450000022
信道集合表示为/>
Figure FDA0004077798450000023
用户处于移动状态，为了表示用户的移动，将时间离散为时隙，一个时隙的长度为τ；设用户在一个时隙之内的位置保持不变，在不同时隙的位置不同；时隙使用集合T＝{1,2,3,…,t,…}表示；设每一个用户都有一种服务，服务由一系列任务构成，并且在边缘服务器都搭建有一个专有的虚拟机或容器，对所产生的任务进行处理，随着用户的移动，虚拟机或容器会随着用户所连基站的切换而发生迁移；用户在每一个时隙都产生一个任务，用户m在时隙t产生的任务所需要通信的数据量大小使用Im(t)表示，任务计算负载使用Cm(t)表示，任务最大时延要求使用Dm(t)表示，且要求Dm(t)≤τ，任务卸载比例使用ρm(t)表示，且要求ρm(t)∈[ρmin,1]，任务一部分在本地计算，一部分在基站计算；用户在每一个时隙与一个基站连接来卸载任务数据；用户每个时隙在向基站传输任务数据的时候能够使用通信感知一体化信号对周围环境进行感知；所有基站共享相同的多个信道，信道的大尺度与小尺度衰落同时被考虑；
S1.2、
Figure FDA0004077798450000031
表示用户m在时隙t与基站n的关联情况，用户m在时隙t接入基站n时
Figure FDA0004077798450000032
反之为0；所有基站共享L个信道，且每个信道带宽相等，均为W，使用同一个信道的用户的信号会相互干扰；/>
Figure FDA0004077798450000033
表示用户m在时隙t对信道l的使用情况，当用户m在时隙t占用信道l时/>
Figure FDA0004077798450000034
反之为0；用户在一个时隙只能接入一个基站，占用一个信道；
S1.3、使用回波信号与信道脉冲响应的条件互信息来衡量用户对周围环境感知的性能，用户m在时隙t的条件互信息MIm(t)表示为：
Figure FDA0004077798450000035
其中
Figure FDA0004077798450000036
表示用户m在时隙t信道l上的雷达信干燥比，表示为：
Figure FDA0004077798450000037
其中Pm表示用户m的发射功率，K表示一体化信号的符号数，Ts表示一个符号的持续时间，
Figure FDA0004077798450000041
表示信道脉冲响应在信道l的频率fl上的傅里叶变换，服从标准正态分布；/>
Figure FDA0004077798450000042
表示用户m'与用户m之间的在信道l上的信道增益，σ2＝N0W表示信道加性高斯白噪声功率；
当用户互信息小于设置的门限值MImin时，则感知失败，表示为：
Figure FDA0004077798450000043
其中indicator{x}表示指示函数，即当表达式x为真时，指示函数的值为1，反之为0；
S1.4、对用户m在时隙t的感知失败事件Sm(t)，定义一个对应的初始值为0的虚拟队列，将每个队列积压表示为Qm(t)，其中Qm(0)＝0，使用Sm(t)表示时隙t虚拟队列的增加量，而δ表示虚拟队列的减少量；用户m在时隙t与时隙t+1的虚拟队列积压满足：
Qm(t+1)＝[Qm(t)+Sm(t)-δ]+。
5.如权利要求1所述的基于通感算一体化的卸载决策与资源；分配方法，其特征在于，所述步骤S2中，当前匹配下用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值的计算方法，包括：
用户m在时隙t向基站卸载任务的数据传输速率
Figure FDA0004077798450000048
表示为：
Figure FDA0004077798450000044
其中
Figure FDA0004077798450000045
表示用户m'与基站n之间的在信道l上的信道增益，/>
Figure FDA0004077798450000046
表示使用同一信道的其他用户对用户m造成的干扰；
用户m在时隙t传输任务的时间
Figure FDA0004077798450000047
表示为：
Figure FDA0004077798450000051
用户m在时隙t传输任务的能耗
Figure FDA0004077798450000052
表示为：
Figure FDA0004077798450000053
使用fm,local表示用户m的计算能力，用户m在时隙t的任务在本地计算时延
Figure FDA0004077798450000054
为：
Figure FDA0004077798450000055
用户m在时隙t在本地计算任务的能耗
Figure FDA0004077798450000056
为：
Figure FDA0004077798450000057
其中
Figure FDA0004077798450000058
指的是功率系数；
在接受到用户传输的任务后，基站对所有用户的计算任务平分所有计算资源，则在时隙t基站n分配给用户m的计算资源
Figure FDA0004077798450000059
为：
Figure FDA00040777984500000510
用户m在时隙t所得到的计算资源fm(t)为：
Figure FDA00040777984500000511
用户m在时隙t的任务计算时延
Figure FDA00040777984500000512
为：
Figure FDA00040777984500000513
用户m在时隙t的任务处理时延Tm(t)为本地计算时延与基站计算时延的最大值，表示为：
Figure FDA00040777984500000514
用户m在时隙t处理任务的能耗Em(t)为：
Figure FDA0004077798450000061
用户m在时隙t的迁移代价表示为：
Figure FDA0004077798450000062
其中ε表示的是迁移的代价，为定值；当用户本时隙与上一时隙的基站选择不同时，便会有大小为ε的迁移代价，反之则无；
用户m在时隙t的代价函数Um(t)表示为：
Figure FDA0004077798450000063
其中α,β分别为时延、能耗的权重系数；
建立用户长期代价和最小化的优化问题P1：
P1:
Figure FDA0004077798450000064
Figure FDA0004077798450000065
Figure FDA0004077798450000066
Figure FDA0004077798450000067
Figure FDA0004077798450000068
Figure FDA0004077798450000069
Figure FDA00040777984500000610
Figure FDA00040777984500000611
其中变量集合
Figure FDA00040777984500000612
表示每一个用户在每一个时隙与每一个基站的接入情况，/>
Figure FDA00040777984500000613
表示每一个用户在每一个时隙对每一个信道的占用情况，/>
Figure FDA00040777984500000614
表示每个用户在每个时隙的任务划分比例；约束(C1)和(C2)表示在每一个时隙一个用户只能选择一个基站接入并且只能占用一个信道；约束(C3)表示一个基站的一个信道在一个时隙内至多由一个用户使用；约束(C4)表示用户感知失败事件期望值E[Sm(t)]的时间平均要小于某个设定值δ，即用户的长期感知失败率要在某个阈值之下；约束(C5)表示每个用户的任务要在最大时延Dm(t)要求内完成；约束(C6)表示每个用户在每个时隙的任务在最小值ρmin与1之间随意划分；约束(C7)表示基站选择和信道分配变量都是二进制变量；
通过李雅普诺夫优化理论将优化问题P1转化为优化问题P2：
P2:
Figure FDA0004077798450000071
Figure FDA0004077798450000072
Figure FDA0004077798450000073
Figure FDA0004077798450000074
Figure FDA0004077798450000075
Figure FDA0004077798450000076
Figure FDA0004077798450000077
其中，Qm(t)为用户m在时隙t的虚拟队列积压，Sm(t)为用户m在时隙t的感知失败事件，
Figure FDA0004077798450000078
为一个常数、V为均衡虚拟队列稳定性与用户代价函数和的控制参数；
求解优化问题化问题P2，得到用户当前匹配对应的基站选择
Figure FDA0004077798450000079
与信道分配/>
Figure FDA00040777984500000710
的值；
当用户的基站选择
Figure FDA00040777984500000711
与信道分配/>
Figure FDA00040777984500000712
确定后，优化问题P2化简为优化问题P2.1
P2.1:
Figure FDA0004077798450000081
Figure FDA0004077798450000082
Figure FDA0004077798450000083
求解优化问题P2.1，得到当前匹配下的用户任务卸载比例；
令F0＝1-Dm(t)fm,local/Cm(t)，
Figure FDA0004077798450000084
当F0＞F1或者F1＜ρmin时，问题P2.1无解，反之，P2.1的最优解，即用户任务卸载比例为：
Figure FDA0004077798450000085
其中
Figure FDA0004077798450000086
Figure FDA0004077798450000087
/>
Figure FDA0004077798450000088
Figure FDA0004077798450000089
Figure FDA00040777984500000810
Figure FDA00040777984500000811
Figure FDA00040777984500000812
根据求解得到的用户任务卸载比例，计算在当前匹配下用户对于基站-信道对的偏好值以及基站-信道对对于用户的偏好值；
用户
Figure FDA0004077798450000091
在时隙t的当前匹配v下对于基站-信道对的偏好值/>
Figure FDA0004077798450000092
为：
Figure FDA0004077798450000093
其中，Ivm(t)＝1表示用户m在时隙t的内层问题有解，即最大时延约束可以被满足，反之Ivm(t)取0，η是一个数量级极大的正数；
基站-信道对在时隙t的当前匹配v下对于用户的偏好值
Figure FDA0004077798450000094
为：
Figure FDA0004077798450000095
6.如权利要求1所述的基于通感算一体化的卸载决策与资源分配方法，其特征在于，所述步骤S3.2中，交换封闭对的检测方法包括：
在当前匹配下，设两个用户交换匹配的基站-信道对，其他用户保持当前匹配的基站-信道对；
如果两个用户交换完匹配的基站-信道对后，用户对于基站-信道对的偏好值与基站-信道对对于用户的偏好值都上升，这两个用户满足当前匹配的交换封闭对。
7.如权利要求1所述的基于通感算一体化的卸载决策与资源分配方法，其特征在于，所述预设周期为一个时隙的长度。
8.一种基于通感算一体化的卸载决策与资源分配装置，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1至7任一项所述方法的步骤。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
10.一种计算设备，其特征在于：包括，
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。
CN202310113909.7A 2023-02-15 2023-02-15 基于通感算一体化的卸载决策与资源分配方法 Pending CN116233928A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310113909.7A CN116233928A (zh) 2023-02-15 2023-02-15 基于通感算一体化的卸载决策与资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310113909.7A CN116233928A (zh) 2023-02-15 2023-02-15 基于通感算一体化的卸载决策与资源分配方法

Publications (1)

Publication Number Publication Date
CN116233928A true CN116233928A (zh) 2023-06-06

Family

ID=86586755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310113909.7A Pending CN116233928A (zh) 2023-02-15 2023-02-15 基于通感算一体化的卸载决策与资源分配方法

Country Status (1)

Country Link
CN (1) CN116233928A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117998327A (zh) * 2024-03-26 2024-05-07 广东工业大学 一种结合容器与虚拟机的车联网任务卸载方法与系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117998327A (zh) * 2024-03-26 2024-05-07 广东工业大学 一种结合容器与虚拟机的车联网任务卸载方法与系统

Similar Documents

Publication Publication Date Title
CN110377353B (zh) 计算任务卸载系统与方法
CN111405569A (zh) 基于深度强化学习的计算卸载和资源分配方法及装置
WO2023087442A1 (zh) 数字孪生网络低时延高可靠传输方法、装置、设备及介质
CN112105062B (zh) 时敏条件下移动边缘计算网络能耗最小化策略方法
CN110798849A (zh) 一种超密网边缘计算的计算资源分配与任务卸载方法
CN112148492B (zh) 一种考虑多用户移动性的服务部署和资源分配方法
US7496367B1 (en) Method of multi-carrier traffic allocation for wireless communication system
CN111669775B (zh) 一种异构网络下基于支持向量机的资源分配方法
JP2019041398A (ja) 無線通信システムにおける装置、方法及びユーザ機器
CN113364630A (zh) 一种服务质量QoS差异化优化方法、装置
CN116233928A (zh) 基于通感算一体化的卸载决策与资源分配方法
CN113708962A (zh) 一种基于网络切片的移动边缘计算资源管理方法
CN110167031B (zh) 一种面向集中式基站的资源分配方法、设备及存储介质
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
CN116170844A (zh) 一种用于工业物联网场景中的数字孪生辅助任务卸载方法
Mazouzi et al. Elastic offloading of multitasking applications to mobile edge computing
CN113556760B (zh) 一种移动边缘计算成本效益优化方法、系统及应用
Engidayehu et al. Deep reinforcement learning-based task offloading and resource allocation in MEC-enabled wireless networks
KR102439426B1 (ko) 에지 컴퓨팅에서 멀티 연합 학습 서비스 오케스트레이터 및 이의 실행 방법
KR102056894B1 (ko) 포그 산업용 사물인터넷 네트워크의 동적 리소스 재분배 방법
CN113923223B (zh) 一种边缘环境下低时间成本的用户分配方法
CN117493048B (zh) 消息动态处理方法、装置、设备和介质
Namazkar et al. Smart cloud-assisted computation offloading system: A dynamic approach for energy optimization
CN117676901B (zh) 基于fpga的5g信号处理方法及系统
Liu et al. SCADS: Simultaneous computing and distribution strategy for task offloading in mobile-edge computing system

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