CN116782249A

CN116782249A - 具有用户依赖关系的边缘计算卸载及资源分配方法及系统

Info

Publication number: CN116782249A
Application number: CN202311018645.3A
Authority: CN
Inventors: 史慧玲; 黄磊; 张玮; 郝昊; 谭立状; 丁伟; 孙弘扬
Original assignee: Qilu University of Technology; Shandong Computer Science Center National Super Computing Center in Jinan
Current assignee: Qilu University of Technology; Shandong Computer Science Center National Super Computing Center in Jinan
Priority date: 2023-08-14
Filing date: 2023-08-14
Publication date: 2023-09-19

Abstract

本公开提供了具有用户依赖关系的边缘计算卸载及资源分配方法及系统，涉及边缘计算技术领域，初始化边缘服务器和用户移动设备的节点网络模型，获取任务在本地计算处理的时间，构建边缘服务器与用户移动设备之间的无线网络通信模型；获取将任务卸载至边缘服务器所需要的任务传输时间以及边缘服务器上执行处理每个任务的时间；考虑用户间有任务依赖关系，当前任务只有在所有前驱任务都已完成的情况下才能开始被卸载分配，以最小化总任务延迟和任务丢失率为目标构建卸载优化模型，求解该卸载优化模型，获取将任务映射到卸载优化模型中的最佳函数，并获取最大的长期奖励，获取最佳分配结果，本公开减少时延与降低任务丢失率。

Description

具有用户依赖关系的边缘计算卸载及资源分配方法及系统

技术领域

本公开涉及边缘计算技术领域，具体涉及具有用户依赖关系的边缘计算卸载及资源分配方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

移动边缘技术可以有效提高用户设备中应用计算的效率，但是用户设备的种类和连接关系复杂，多个异构设备和任务之间的匹配是一个挑战。

在许多应用场景中，如虚拟现实、物联网等，计算任务并不是独立的，而是存在用户间依赖关系。这意味着某些任务的执行需要依赖其他用户任务的结果，形成了一种用户间任务的依赖关系。在这种情况下，简单地将计算任务卸载到边缘节点可能会导致一些问题，例如任务的丢失率高等。

为了解决这些问题，研究人员已经开始研究在存在用户间任务依赖关系的情况下的进行计算卸载的方法，这种方式需要考虑如何在满足用户间任务依赖关系的前提下，有效地利用边缘计算的资源，以达到降低延迟、降低任务丢失率等目标。

现有的方法中已经使用集中式方法来解决卸载问题，但是这些方法需要有关边缘网络的完整信息，需要同步所有用户设备信息并产生大量的通信开销，集中式方式并不适合每个用户设备独立执行的自然环境。

边缘计算有两个优点，首先，它最大限度地减少了设备和服务器之间的通信开销。其次，它保护了用户的隐私，因为不需要将用户数据上传到云服务器。然而，当执行集中工作卸载时，则又存在着很多问题。一是由于调度程序在做出决定之前需要收集每个任务的信息，这侵犯了用户的隐私，也增加了沟通的成本。较高的通信成本会显著增加所需网络带宽的资金成本。如果边缘网络流量每月达到几千TB，那么采用去中心化调度每月可以节省数千元。边缘计算的网络开销低于云计算，但网络费用仍然是相对较大的支出。

常用的方法是允许用户在本地做出调度决策并决定是否应将任务上传到边缘服务器，当调度器需要其他用户的信息时，调度算法所需的通信成本随着用户数量的平方而增长；在容器化应用盛行的当下，边缘服务器可以为每个用户任务创建独立的进程来运行，这样可以大大减少任务的响应时间，提高系统的吞吐量。然而，以往的调度算法很少考虑任务并发运行的场景。经过分析，发明人发现并发任务运行场景比传统的串行场景更加复杂。

发明内容

本公开为了解决上述问题，提出了具有用户依赖关系的边缘计算卸载及资源分配方法及系统，针对边缘计算中具有用户间依赖关系的任务，采用分散式任务卸载，考虑任务的并发执行，制定不可分割且延迟感知的任务卸载问题，以共同最小化任务丢失率和长期延迟。

根据一些实施例，本公开采用如下技术方案：

具有用户依赖关系的边缘计算卸载及资源分配方法，包括：

初始化边缘服务器和用户移动设备的节点网络模型，获取用户移动设备生成的待卸载分配的任务；

获取任务在本地计算处理的时间，构建边缘服务器与用户移动设备之间的无线网络通信模型；

获取将任务卸载至边缘服务器所需要的任务传输时间以及边缘服务器上执行处理每个任务的时间；考虑用户间有任务依赖关系，当前任务只有在所有前驱任务都已完成的情况下才能开始被卸载分配，以最小化总任务延迟和任务丢失率为目标构建卸载优化模型，求解该卸载优化模型，获取将任务映射到卸载优化模型中的最佳函数，并获取最大的长期奖励，获取最佳分配结果。

根据一些实施例，本公开采用如下技术方案：

具有用户依赖关系的边缘计算卸载及资源分配系统，包括：

初始化模块，用于初始化边缘服务器和用户移动设备的节点网络模型，获取用户移动设备生成的待卸载分配的任务；

任务卸载分配模块，用于获取将任务卸载至边缘服务器所需要的任务传输时间以及边缘服务器上执行处理每个任务的时间；考虑用户间有任务依赖关系，当前任务只有在所有前驱任务都已完成的情况下才能开始被卸载分配，以最小化总任务延迟和任务丢失率为目标构建卸载优化模型，求解该卸载优化模型，获取将任务映射到卸载优化模型中的最佳函数，并获取最大的长期奖励，获取最佳分配结果。

根据一些实施例，本公开采用如下技术方案：

一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的具有用户依赖关系的边缘计算卸载及资源分配方法。

根据一些实施例，本公开采用如下技术方案：

一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的具有用户依赖关系的边缘计算卸载及资源分配方法。

与现有技术相比，本公开的有益效果为：

本公开提供的具有用户依赖关系的边缘计算卸载及资源分配方法，主要从用户间任务依赖关系的角度出发，对具有用户间任务依赖关系的任务进行卸载，达到减少时延并降低任务丢失率的目标。与集中式方法相反，本公开专注于分散式任务卸载。考虑动态的并发执行环境和长期优化问题，假设所有任务都可在服务器上并发执行，并且网络、地理位置和执行速度在环境中随机变化。任务是不可分割的并且有截止时间。如果超过期限，则任务执行失败。

本发明考虑任务的并发执行，并制定不可分割且延迟感知的任务卸载问题，以共同最小化任务丢失率和长期延迟。

本公开对于多用户间的带宽资源分配，设计一种多信号先进先出，先来先服务的方法，平衡用户间任务的传输速率问题。

本公开针对降低任务的丢失率，设计在并行系统下以截止时间优先的CPU频率分配方法，旨在确保任务在截止时间之前完成，从而降低任务的丢失率。对用户间依赖任务的前驱任务设置不同的CPU频率分配方法，以避免影响当前任务的完成，考虑用户间的依赖关系，并通过对带宽资源以及计算资源的分配，提供一个全面的、能以最小化联合卸载任务的丢失任务率和长期延迟的计算卸载资源分配方法。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1为本公开实施例的多用户多边缘服务器节点网络模型系统图；

图2为本公开实施例的用户间任务依赖关系示意图；

图3为本公开实施例的信道传输示意图。

具体实施方式

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例1

本公开的一种实施例中提供了一种具有用户依赖关系的边缘计算卸载及资源分配方法，包括：

步骤一：初始化边缘服务器和用户移动设备的节点网络模型，获取用户移动设备生成的待卸载分配的任务；

步骤二：获取任务在本地计算处理的时间，构建边缘服务器与用户移动设备之间的无线网络通信模型；

步骤三：获取将任务卸载至边缘服务器所需要的任务传输时间以及边缘服务器上执行处理每个任务的时间；考虑用户间有任务依赖关系，当前任务只有在所有前驱任务都已完成的情况下才能开始被卸载分配，以最小化总任务延迟和任务丢失率为目标构建卸载优化模型，求解该卸载优化模型，获取将任务映射到卸载优化模型中的最佳函数，并获取最大的长期奖励，获取最佳分配结果。

作为一种实施例，一种具有用户依赖关系的边缘计算卸载及资源分配方法具体执行的过程包括：

1.初始化边缘服务器和用户移动设备的节点网络模型，获取用户移动设备生成的待卸载分配的任务；

本公开考虑一组边缘服务器节点E＝{1,2,…,e}，以及一组用户移动设备U＝{1,2,…,u}。用户设备和边缘节点都具有一定的计算和网络通信能力。本公开应用离散的固定时隙T＝{1,2,…,t}来模拟真实环境执行，每个时隙持续Δ秒。系统在每个时隙内都会经历一个从任务生成、调度、执行到产生奖励的循环。

进一步的，用户移动设备u在每个时隙开始时检查是否有正在运行的任务，如果没有任务运行，它有一定的概率p_u生成新的计算任务。由于程序的局限性，任意将任务划分为不同的切片的成本很高。本公开关注不可分割的任务卸载问题，其中每个任务要么在本地用户设备上执行，要么卸载到边缘服务器。生成任务后，任务相关信息将发送到任务调度程序，任务调度程序将做出卸载决策。调度程序部署在本地用户移动设备上。如果调度程序决定在本地处理任务，则任务将开始在用户移动设备上运行，直到结束。否则，调度程序决定将任务卸载到哪个边缘服务器，并且用户设备通过无线网络信道将任务发送到边缘服务器。当任务发送完毕后，边缘服务器开始并发执行该任务，直至完成，并将任务执行结果返回给用户移动设备。

进一步的，边缘服务器中，由于并发和并行技术已广泛应用于现实系统中，使用这些技术可以闲置I/O操作并有效降低任务的平均等待时间。通过虚拟化的方式，标准化云计算和边缘计算服务中的程序执行速度控制成为可能，从而为每个用户应用提供公平、稳定的计算资源。因此假设任务在每个边缘服务器节点上并发运行，并且每个节点上并发运行的任务获得的计算速度可以是不同的。并发执行和串行执行之间的主要区别在于，并发运行的任务不仅受到先前运行的任务的影响，还受到后来加入的任务的影响。相反，串行执行的任务仅受在其之前进入等待队列的任务的影响。

2.获取任务在本地计算处理的时间，构建边缘服务器与用户移动设备之间的无线网络通信模型；

将用户移动设备u在时间t生成的任务表示为w_u,t。每个任务都有几个基本属性，如下所述。将s(w)表示为任务w的数据大小，即当任务通过无线网络信道传输时，需要传输的数据量为s(w)位。将l(w)表示任务w的前驱任务的等待调度时间，若该任务没有前驱任务或者前驱任务已在t时刻前完成，设置l(w)＝0。将任务w的计算量表示为c(w)，即需要c(w)个CPU周期来处理整个任务。在第t个时隙之前，任务w已执行的计算量记为c(w,t)。每个任务w都有一个截止时间d(w)。假设当前时间为t'。如果t'-t>d(w_u,t)并且任务尚未执行完毕，即c(w_u,t,t')<c(w_u,t)，立即停止任务的执行并返回任务失败的通知。如果任务超出了截止时间，则意味着该任务执行得太慢，并且被用户认为是可丢弃的。当然，可以将其设置为在截止时间后继续运行，但这会导致服务器上运行过多的任务，影响边缘系统的可用性。

考虑到其中一个用户产生的任务的输入可能依赖另一个用户产生的任务的输出，即用户间有任务依赖关系。如图2所示，用户移动设备u₄的任务需要用户移动设备u₁，u₂和u₃的输出。

若任务有前驱任务尚未完成，需要估计该任务的等待调度时间，即完成该任务所有前驱任务的最早时间，等待调度时间为：

其中l^r(t,w_i)为任务w的前驱任务w_i的剩余完成时间，任务只有在所有前驱任务都已完成的情况下才能被调度，等待调度时间将在任务调度前的每个时隙重新计算。在任务进行调度时，设置l(w)＝l^s(w)-t，l^s(w)为任务w可以被调度的时隙。

对于在用户移动设备u中生成的每个新工作w_u,t，用户移动设备利用针对每个用户移动设备的调度算法单独地创建卸载决策。将选择表示为A(w_u,t)，其中A(w_u,t)∈{0,1,…,E}。如果调度程序决定在本地用户设备上运行任务，设置A(w)＝0。如果A(w)＝e,e∈E，则调度程序决定将任务w卸载到边缘节点e。假设任务处理需要最低速度。因此，在边缘服务器上并发执行任务时，需要有一个最大任务量，否则可能会导致单个任务运行速度过慢。调度器检查边缘节点上的任务量是否已达到边缘节点的最大范围，如果已达到最大值，即n(t,e)≥n_max(e)，则调度器调整其决策A(w)为0，设置任务在本地执行。针对不同的硬件设置不同的运行速度参数。通过该硬件的随机组合生成不同的设备。

因此，若是在本地计算，则需要获取本地计算处理的时间，获取任务在本地计算处理的时间包括：用户移动设备只能同时运行一个任务，用户移动设备执行的任务不需要经过通道数据传输，当在用户移动设备本地执行任务时，即A(w_u,t)＝0，计算任务在计算处理的时间为：

其中，f_u表示用户移动设备u的CPU频率，l^f(w_u,t)是任务w_u,t的完成时间；c(w)表示任务w_u,t的计算量。若l^f(w_u,t)+l(w_u,t)<d(w_u,t)，将该任务放弃。

进一步的，构建边缘服务器与用户移动设备之间的无线网络通信模型；

无线网络通道传输遵循先进先出(FIFO)的方式。设置每个边缘服务器有一个固定的正整数K个信道用于与用户设备通信，用符号λ_e,k表示，k∈{1,2,…,K}。每个信道可以连接到单个用户移动设备。当占用该信道的用户移动设备首先完成传输后，其他用户移动设备可以连接到该信道并通过该信道卸载任务。

无线网络通信模型中的所有信道传输都是相互正交的，信道通信速度主要受背景噪声功率、路径损耗和小规模衰落的影响。任务卸载期间从移动设备u到边缘节点e的传输速率可以计算如下：

这里用表示信道λ_e,k的信道增益，d(e,u)表示边缘节点e与用户设备u之间的距离，p_l表示任务通过信道λ_e,k传输的路径损耗指数。用户移动设备u的传输频率用p_u表示，g表示信道增益。W表示信道的带宽，ω表示信道的背景噪声频率。假设信道的传输速率r是固定的。

在每个时隙，用户移动设备上的调度器做出卸载决策后，将确定要卸载的任务连接到相应边缘节点的通道上进行传输。但由于边缘节点的信道量有限，后来的任务只能等待前面的任务传输完毕。假设任务w在第t个时隙需要卸载到边缘节点e。l(t,λ_e,k)表示信道λ_e,k在第t个时隙的剩余发送时间，信道将空闲到t+l(t,λ_e,k)。如果l(t,λ_e,k)＝0，则任务可以选择在时间t传输的信道。

因此，如果没有其他任务等待传输，则任务w_u,t开始传输的等待时间为如果在w_u,t之前还有其他任务等待传输到边缘节点e，则将它们表示为w_i，i∈{1,2,…,n}。假设任务w_u,t在时隙l^t(w_u,t)开始传输，则可以计算为：

如图3给出的例子，假设有2个信道，任务w₂生成早于任务w₃，但是在同一个时隙t₁生成，任务w₃需要等待，直到前面的任务完成传输并且有空闲信道。虽然有些任务是在同一个时隙生成的，但本公开是按照它们的生成顺序来排序的，所以不存在多个任务竞争一个信道的问题。

可以计算任务传输时间为：

如果任务传输时间过长，则传输完成前会超出截止时间。即则将该任务放弃。

则任务w_u,t传输结束的时间为：

l^fin(w_u,t)＝t+l^t(w_u,t)+l^e(w_u,t)

进一步的，任务在通道中传输后，会进入边缘节点的任务池中执行，若是在边缘服务器计算，假设每个边缘节点的任务池大小是有上限的，并且同一台机器上运行的所有任务都可以以不同的速度执行。假设设备e能够提供任务处理的CPU计算频率为f_e，任务池中有n(t,e)个任务正在执行，其中包括第t-1个时隙刚刚传输完毕的任务。

如果使该任务w_u,t在截止时间内完成，那么需要边缘服务器e上的最小CPU执行频率为：

该任务w_u,t的最大CPU执行频率为即为边缘服务器e的最大CPU执行频率f_e。

边缘服务器e上的最大剩余CPU执行频率为假设所有任务都以最小CPU执行频率执行，边缘服务器e上剩余的CPU频率可以平均分配给边缘服务器e上执行的所有任务。那么边缘服务器e上的最大剩余CPU执行频率为：

如果则该任务不能在截止时间内完成，将该任务放弃。反之，设置f_min(w_u，t)为任务w_u，t的最小CPU执行频率。

我们将平均分配给在边缘服务器e可在截止时间内完成的任务，因此，边缘服务器e上的每个任务的CPU执行频率为：

若将不再接收新任务，以免导致其他任务执行速度过慢。

c^r(t，w)表示任务w在t时刻要处理的剩余计算量，初始值为c(w)，在时隙结束时，其剩余计算量为：

c^r(t，w)＝c^r(t-Δ，w)-f(e，w)Δ

如果剩余计算量为零，即c^r(t，w_u，t)＝0，则任务执行结束。任务w_u，t的执行时间可以计算为：

l^p(w_u，t)＝min t_i，

当用户间任务有依赖关系时，因依赖任务的到达时间不可知，这时会有两种情况：1)前驱任务按照分配的CPU执行频率运行结束之后，当前任务到达，这时可以按照没有用户间依赖的任务执行；2)前驱任务尚未完成时当前任务到达，这种情况将除该任务外其余任务的CPU执行频率设置为最小CPU执行频率，以在不影响其他任务完成的情况下最快完成该任务，任务的等待调度时间为：

若有多个任务的多个前驱任务在相同的边缘服务器e上，则根据剩余执行量分配CPU频率时使他们的完成时间尽可能相同，每个前驱任务的CPU执行频率为

其中w_j为等待调度的任务的前驱任务。这时在边缘服务器e上任务w的前驱任务w_j的剩余完成时间为：

任务处理结果可计算为：

由于任务的执行速度还受到后来添加到任务池中的任务的影响，因此无法准确预测任务的执行何时结束，但可以知道其范围。如果假设在时间片t之后，边缘节点e的任务池中不会再添加新的任务，那么其中任务w_u,t的计算时间应该是任务结束时间的最小值。任务结束时间的最大值为任务池满负荷运行时任务的结束时间：

对于终止的任务，即失败或完成的任务，边缘节点将任务的执行信息返回给用户移动设备。假设任务返回值的大小通常远小于任务输入和任务本身的大小。因此，不考虑任务输出返回所需的时间。

进一步的，获取将任务卸载至边缘服务器所需要的任务传输时间以及边缘服务器上执行处理每个任务的时间后，考虑用户间有任务依赖关系，当前任务只有在所有前驱任务都已完成的情况下才能开始被卸载分配，以最小化总任务延迟和任务丢失率为目标构建卸载优化模型，求解该卸载优化模型，获取将任务映射到卸载优化模型中的最佳函数，并获取最大的长期奖励，获取最佳分配结果。

卸载优化模型构建：对于已经完成运行的任务w，无论其运行结果是成功还是失败，将其在信道中传输完成的数据量定义为s^f(w)，信道奖励为：

表示任务结束时计算设备中的整个计算为c^f(w)，计算奖励可以计算为：

定义任务w的成功奖励为r^su(w)。如果任务失败，算法需要受到惩罚。如果任务成功完成，则会产生积极的奖励。因此将成功奖励定义为：

其中C_f和C_s都是常数值，且C_f<0，C_s>0。将一项任务结果的总奖励计算为：

r(w)＝r^ch(w)+r^co(w)+r^su(w)

目标是最小化总任务延迟和任务丢失率，这相当于最大化所有任务的长期奖励。因此，卸载优化模型可以表述如下：

所述卸载优化模型期望找到将任务映射到卸载决策的最佳函数，并获得最大的长期奖励。基本假设是：1)调度算法只能得到局部信息，不能得到全局信息。2)任务超过期限则失败，直接停止运行。3)边缘服务器为每个任务分配合理的CPU频率。4)忽略调度算法的时间使用。这些设置使本公开的环境更加复杂，而状态空间非常小，算法收敛将更具挑战性。不考虑异构真实服务器的模拟，并且并发的模拟可能不够准确。没有考虑调度算法运行的时间，这与真实环境不同。由于任务同时在边缘服务器上运行，因此该问题是NP难且不可预测的。

本公开具有用户间依赖关系的计算卸载资源分配方法，最后的最佳分配结果通过任务卸载到边缘服务器上将计算奖励，信道奖励，成功奖励加和，选取具有最大奖励值的边缘服务器作为最佳分配结果；

最佳分配结果是用户设备卸载到具有最大奖励值的边缘服务器，卸载到该边缘服务器上具有最小的任务延迟和任务丢失率。

实施例2

本公开提供了一种具有用户依赖关系的边缘计算卸载及资源分配系统，包括：

实施例3

本公开提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的具有用户依赖关系的边缘计算卸载及资源分配方法。

实施例4

本公开提供了一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的具有用户依赖关系的边缘计算卸载及资源分配方法。

本公开是参照根据本公开实施例的方法、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。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims

1.具有用户依赖关系的边缘计算卸载及资源分配方法，其特征在于，包括：

2.如权利要求1所述的具有用户依赖关系的边缘计算卸载及资源分配方法，其特征在于，初始化边缘服务器和用户移动设备的节点网络模型包括：定义一组边缘服务器节点E＝{1,2,…,e}和一组用户移动设备节点U＝{1,2,…,u}，所述边缘服务器节点和用户移动设备节点均具有计算和网络通信的能力，应用离散的固定时隙T＝{1,2,…,t}模拟真实环境执行，每个时隙持续Δ秒。

3.如权利要求1所述的具有用户依赖关系的边缘计算卸载及资源分配方法，其特征在于，获取任务在本地计算处理的时间包括：用户移动设备只能同时运行一个任务，用户移动设备执行的任务不需要经过通道数据传输，当在用户移动设备本地执行任务时，计算任务在计算处理的时间为：

其中，f_u表示用户移动设备u的CPU频率，l^f(w_u,t)是任务w_u,t的完成时间；c(w)表示任务w_u,t的计算量。

4.如权利要求1所述的具有用户依赖关系的边缘计算卸载及资源分配方法，其特征在于，边缘服务器与用户移动设备之间的无线网络通信模型包括：

采用先进先出的无线网络通道传输的方式，设置每个边缘服务器有一个固定的k个信道用于与用户移动设备通信，每个信道连接单个用户移动设备，当占用该信道的用户移动设备首先完成传输后，其他用户移动设备则连接到该信道并通过该信道卸载任务。

5.如权利要求1所述的具有用户依赖关系的边缘计算卸载及资源分配方法，其特征在于，所述用户间有任务依赖关系为：其中一个用户移动设备生成的任务的输入依赖于另一个用户移动设备生成的任务的输出。

6.如权利要求5所述的具有用户依赖关系的边缘计算卸载及资源分配方法，其特征在于，若任务的前驱任务尚未完成，需要计算该任务的等待调度时间，即完成该任务所有前驱任务的最早时间，等待调度的时间计算为：

其中l^r(t,w_i)为任务w的前驱任务w_i的剩余完成时间。

7.如权利要求1所述的具有用户依赖关系的边缘计算卸载及资源分配方法，其特征在于，以目标为最小化总任务延迟和任务丢失率构建的卸载优化模型为：

其中，r(w)为任务结果的总奖励。

8.具有用户依赖关系的边缘计算卸载及资源分配系统，其特征在于，包括：

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的具有用户依赖关系的边缘计算卸载及资源分配方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-7任一项所述的具有用户依赖关系的边缘计算卸载及资源分配方法。