JP7162385B2 - Multi-User Multi-MEC Task Unload Resource Scheduling Method Based on Edge-Terminal Collaboration - Google Patents

Multi-User Multi-MEC Task Unload Resource Scheduling Method Based on Edge-Terminal Collaboration Download PDF

Info

Publication number
JP7162385B2
JP7162385B2 JP2021562894A JP2021562894A JP7162385B2 JP 7162385 B2 JP7162385 B2 JP 7162385B2 JP 2021562894 A JP2021562894 A JP 2021562894A JP 2021562894 A JP2021562894 A JP 2021562894A JP 7162385 B2 JP7162385 B2 JP 7162385B2
Authority
JP
Japan
Prior art keywords
task
user
allocation
user multi
optimal
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
JP2021562894A
Other languages
Japanese (ja)
Other versions
JP2022522057A (en
Inventor
暁栄 朱
柳青 呉
洪波 朱
思宇 唐
振宇 朱
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
Publication of JP2022522057A publication Critical patent/JP2022522057A/en
Application granted granted Critical
Publication of JP7162385B2 publication Critical patent/JP7162385B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、エッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュール方法であって、ネットワークリソースを配分する技術分野に関するものである。 The present invention relates to a multi-user multi-MEC task unloading resource scheduling method based on edge-terminal collaboration, which relates to the technical field of allocating network resources.

モバイルエッジコンピューティング（Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ、ＭＥＣ）の技術は、分散式の計算であり、データの処理、アプリケーションの実行、ひいては、幾つかの機能・サービスの実現を、ネットワークエッジに位置するノードに置くものである。移動エッジクラウドは、一つ又は複数のエッジサーバーからなる。つまり、計算と記憶の機能を有しているサーバーを従来の基地局に配置して、従来の基地局を移動エッジ計算基地局に更新する。ＭＥＣ基地局は、ユーザー端末と近いことから、移動端末がタスクを処理するのを助け、タスク処理の遅延を減らすと共に、移動端末のエネルギー消費を低くすることができる。クラウドコンピューティング（Ｃｌｏｕｄ Ｃｏｍｐｕｔｉｎｇ）と異なり、エッジ計算において、データ処理などの機能をネットワークのセンターからネットワークエッジノードに下げて、データを近くで処理するため、大量のデータを遠いカーネル管理プラットフォームにアップロードする必要がなく、データがクラウドを往復する時間及びネットワーク帯域幅のコストを省くことができる。 The technology of Mobile Edge Computing (MEC) is a distributed computing, which puts data processing, application execution, and even some functions and services realization into nodes located at the edge of the network. It is a thing. A mobile edge cloud consists of one or more edge servers. That is, a server with computation and storage functions is placed in the conventional base station to upgrade the conventional base station to a mobile edge calculation base station. Due to its proximity to the user terminal, the MEC base station can help the mobile terminal process tasks, reduce task processing delays, and lower energy consumption of the mobile terminal. Unlike cloud computing, edge computing lowers functions such as data processing from the center of the network to the network edge node, and uploads a large amount of data to a distant kernel management platform for processing data nearby. No need, saving time and network bandwidth costs for data to travel to and from the cloud.

完全なエッジ計算とアンロードの過程は、以下の三つの部分に分類される。（１）、移動端末は、タスクアンロードリクエストをＭＥＣサービスエリアに送信する（タスク計算量に必要な幾つかの情報を含む）。（２）タスクをＭＥＣサーバーにアンロードして処理する。（３）ＭＥＣサーバーは、レスポンス（タスク処理の結果などを含む）を移動端末にアンロードする。時間は、フレームに分割される。ここで、フレームは、コントロールサブフレームと計算アンロードサブフレームに分割される。コントロールサブフレームでは、アンロードの時刻表を決定するように、ＭＥＣサーバーと移動端末との間において制御情報を交換する。計算アンロードサブフレームでは、作動負荷をまずＭＥＣサーバーに送信し、次に、ＭＥＣサーバーによる処理の作業が完了すると、結果を移動端末に戻す。複数のＭＥＣサーバーからなるエッジクラウドにとっては、タスクをアンロードするかどうか、タスクをどのＭＥＣサーバーにアンロードして処理するか、如何にしたらすべての移動端末とエッジクラウドサーバーがそれぞれエネルギーを配分してユーザーによるニーズの変化に効率的に適応できるか、依然として未解決の問題である。 The complete edge computation and unloading process is divided into the following three parts. (1) The mobile terminal sends a task unload request to the MEC service area (including some information required for task complexity). (2) unload the task to the MEC server for processing; (3) The MEC server unloads the response (including task processing results, etc.) to the mobile terminal. Time is divided into frames. Here, the frame is divided into control subframes and computational unload subframes. In the control subframe, control information is exchanged between the MEC server and the mobile terminal to determine the unloading timeline. In the computational unload subframe, the operational load is first sent to the MEC server, and then the result is returned to the mobile terminal when the work of processing by the MEC server is completed. For the edge cloud consisting of multiple MEC servers, whether to unload tasks, which MEC server to unload and process the tasks, how to distribute energy to all mobile terminals and edge cloud servers respectively. Adapting effectively to changing user needs remains an open question.

ユーザーのタスク量、ＭＥＣサーバーの計算能力、移動端末の計算能力及びチャンネルリソースの占有率を総合的に考慮して、タスク完了の利点を最大化させることを目的として、マルチユーザーマルチＭＥＣタスクアンロードリソーススケジュールモデルを作成することは、エッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュールにとって実用性を有する大きな意義を有する。 Multi-user multi-MEC task unloading for the purpose of maximizing the advantage of task completion, comprehensively considering user task volume, MEC server computing power, mobile terminal computing power and channel resource occupancy Creating a resource scheduling model has great practical significance for multi-user multi-MEC task unloading resource scheduling based on edge-terminal collaboration.

本発明は、最適なマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュールを実現できるように、エッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュール方法を提供することを目的とする。 The purpose of the present invention is to provide a multi-user multi-MEC task unloading resource scheduling method based on edge-terminal collaboration, so as to achieve optimal multi-user multi-MEC task unloading resource scheduling.

上記の目的を達成するために、本発明が採用する技術的手段は以下の通りである。
エッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュール方法は、
タスクを分析するステップであって、タスク完了の遅延を分析してタスク完了の利点を決定する第1ステップと、
問題を形成するステップであって、タスク完了の全体的な利点を最大化させることを目的として最適化問題を形成する第2ステップと、
定常状態を保証するステップであって、問題を単純化するようにタスクバックログキューの安定性を保証する第3ステップと、
チャンネルを配分するステップであって、タスクアンロード配分ポリシーを提供して最適なチャンネルへの配分を決定する第4ステップと、
タスクをスケジュールするステップであって、チャンネルリソース配分ポリシーを提供して最適なタスクへのスケジュールを決定する第5ステップと、
共同で最適化するステップであって、第4ステップと第5ステップにより得られた最適なチャンネルへの配分とタスクスケジューを共同で最適化する第6ステップ、を含む。 In order to achieve the above object, the technical means adopted by the present invention are as follows.
A multi-user multi-MEC task unloading resource scheduling method based on edge-terminal collaboration,
a step of analyzing the task, a first step of analyzing delays in task completion to determine benefits of task completion;
a second step of forming a problem, forming an optimization problem with the goal of maximizing the overall benefit of task completion;
a third step of ensuring a steady state, the stability of the task backlog queue to simplify the problem;
a fourth step of allocating channels, wherein a task unload allocation policy is provided to determine allocation to an optimal channel;
a fifth step of scheduling tasks, providing channel resource allocation policies to determine scheduling to optimal tasks;
A joint optimization step includes a sixth step of jointly optimizing the optimal channel allocation and task schedule obtained by the fourth and fifth steps.

前記第1ステップでは、利点は、タスク自体の属性により生じた所望の収益値とタスクを処理する過程において生じた遅延損失の二つの要素により決定されるものであり、前記第1ステップにおける具体的なステップは、以下の通りである。 In the first step, the advantage is determined by two factors: the desired profit value caused by the attributes of the task itself and the delay loss caused in the process of processing the task. The steps are as follows.

Figure 0007162385000001
Figure 0007162385000002
Figure 0007162385000003
Figure 0007162385000004
Figure 0007162385000001
Figure 0007162385000002
Figure 0007162385000003
Figure 0007162385000004

Figure 0007162385000005
Figure 0007162385000005

Figure 0007162385000006
Figure 0007162385000006

Figure 0007162385000007
Figure 0007162385000008
Figure 0007162385000007
Figure 0007162385000008

Figure 0007162385000009
Figure 0007162385000010
Figure 0007162385000009
Figure 0007162385000010

前記第2ステップでは、システムの性能を評価する指標としてユーザーの利点値を導入し、一定期間内にユーザー側におけるタスク完了の全体的な利点を最大化させることを目的として最適化問題を作成しており、具体的なステップは、以下の通りである。 In the second step, the user's advantage value is introduced as an index to evaluate the performance of the system, and an optimization problem is created with the aim of maximizing the overall advantage of task completion on the user's side within a certain period of time. The specific steps are as follows.

Figure 0007162385000011
Figure 0007162385000011

Figure 0007162385000012
Figure 0007162385000012

Figure 0007162385000013
Figure 0007162385000014
Figure 0007162385000015
Figure 0007162385000016
Figure 0007162385000017
Figure 0007162385000013
Figure 0007162385000014
Figure 0007162385000015
Figure 0007162385000016
Figure 0007162385000017

前記第3ステップでは、各ＭＥＣサーバーにおけるタスクバックログキューの安定性を保証し、リアプノフ理論に基づいて、問題を単純化し、定常状態にあるという条件下での最適なタスクアンロードリソーススケジュールポリシーを解決する。具体的なステップは、以下の通りである。 The third step guarantees the stability of the task backlog queue in each MEC server, and based on the Lyapunov theory, simplifies the problem and finds the optimal task unload resource scheduling policy under the condition of being in a steady state. solve. The specific steps are as follows.

Figure 0007162385000018
Figure 0007162385000019
Figure 0007162385000018
Figure 0007162385000019

Figure 0007162385000020
Figure 0007162385000021
Figure 0007162385000020
Figure 0007162385000021

Figure 0007162385000022
Figure 0007162385000022

Figure 0007162385000023
Figure 0007162385000023

前記第4ステップでは、タスクアンロード配分ポリシーを提供する場合、最適化問題Ｐ３を、チャンネルリソース配分問題に変換しながら、ＫＫＴ条件を用いて最適なチャンネル配分を解決する。具体的なステップは、以下の通りである。 In the fourth step, when the task unloading allocation policy is provided, the KKT condition is used to solve the optimal channel allocation while transforming the optimization problem P3 into a channel resource allocation problem. The specific steps are as follows.

Figure 0007162385000024
Figure 0007162385000024

Figure 0007162385000025
Figure 0007162385000025

Figure 0007162385000026
Figure 0007162385000027
Figure 0007162385000028
Figure 0007162385000026
Figure 0007162385000027
Figure 0007162385000028

前記第5ステップでは、チャンネルリソース配分ポリシーを提供し、最適化問題Ｐ３を、０－１の整数計画問題に変換できる。具体的なステップは、以下の通りであある。 In the fifth step, a channel resource allocation policy can be provided to transform the optimization problem P3 into a 0-1 integer programming problem. The specific steps are as follows.

Figure 0007162385000029
Figure 0007162385000029

Figure 0007162385000030
Figure 0007162385000030

Figure 0007162385000031
Figure 0007162385000031

前記第6ステップにおける具体的なステップは、以下の通りであり、 The specific steps in the sixth step are as follows,

第61ステップでは、第4ステップに基づいて、固定のタスクアンロード配分での最適なチャンネルリソース配分を取得する。 In a 61st step, according to the fourth step, obtain an optimal channel resource allocation with a fixed task unloading allocation.

第62ステップでは、第5ステップに基づいて、固定のチャンネルでの最適なタスクアンロード配分ポリシーを取得する。 The 62nd step is to obtain the optimal task unload allocation policy on the fixed channel according to the 5th step.

第63ステップでは、最適なチャンネル配分とタスクスケジュールポリシーを取得するように第61ステップと第62ステップを繰り返す。 The 63rd step repeats the 61st and 62nd steps to obtain the optimal channel allocation and task scheduling policy.

本発明は、ユーザーのタスク量、ＭＥＣサーバーの計算能力、移動端末の計算能力及びチャンネルリソースの占有率を総合的に考慮して、タスク完了の利点を最大化させることを目的として、リソースを計算しチャンネルリソースを配分し、マルチユーザーマルチＭＥＣの計算・アンロードのフレームワークを作成し、リアプノフ理論を用いて、ＭＥＣサーバータスクバックログキューの安定性及びＫＫＴ条件による解決を保証し、最適なマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュールを実現することを目的とする。本発明は、業務の多様性を十分に考慮して、タスクを優先度で分け、ユーザー側の収益を最大限度で高め、マルチユーザーマルチＭＥＣタスクアンロードリソーススケジュールを実現することができる。 The present invention comprehensively considers the user's task volume, the MEC server's computing power, the mobile terminal's computing power, and the channel resource occupancy rate, with the aim of maximizing the task completion advantage. and distribute channel resources, create a multi-user multi-MEC computation and unloading framework, use Lyapunov theory to ensure the stability of the MEC server task backlog queue and KKT condition resolution, The objective is to implement user multi-MEC task unload resource scheduling. The present invention can fully consider the diversity of business, divide tasks according to priority, maximize user's profit, and realize multi-user multi-MEC task unloading resource schedule.

エッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュール図である。FIG. 4 is a multi-user multi-MEC task unloading resource schedule diagram based on edge and terminal collaboration; エッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣ計算アンロードの場面の模式図である。FIG. 4 is a schematic diagram of a scene of multi-user multi-MEC computational unloading based on edge-terminal collaboration;

以下、図面を参照しながら本発明を詳しく説明する。 The present invention will be described in detail below with reference to the drawings.

本発明は、ユーザーのタスク量、ＭＥＣサーバーの計算能力、移動端末の計算能力及びチャンネルリソースの占有率を総合的に考慮して、タスク完了の利点を最大化させることを目的として、リソースを計算しチャンネルリソースを配分し、マルチユーザーマルチＭＥＣの計算・アンロードのフレームワークを作成し、リアプノフ理論を用いて、ＭＥＣサーバータスクバックログキューの安定性及びＫＫＴ条件による解決を保証し、最適なマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュールを実現する。 The present invention comprehensively considers the user's task volume, the MEC server's computing power, the mobile terminal's computing power, and the channel resource occupancy rate, with the aim of maximizing the task completion advantage. and distribute channel resources, create a multi-user multi-MEC computation and unloading framework, use Lyapunov theory to ensure the stability of the MEC server task backlog queue and KKT condition resolution, Implement user multi-MEC task unloading resource schedule.

本発明に係るエッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュール方法は、以下のステップを含む。 A multi-user multi-MEC task unloading resource scheduling method based on edge-terminal collaboration according to the present invention includes the following steps.

第1ステップは、タスクを分析するものであり、移動端末にとって、さまざまなタスクを完了させるとさまざまな利点が生じることがある。利点は、主に、タスク自体の属性（例えば優先度）により生じた所望の収益値と、タスクを処理する過程において生じた遅延損失の二つの要素により決定されるものであり、具体的なステップは以下の通りである。 The first step is to analyze the tasks, and the mobile terminal may benefit from completing different tasks. The advantage is mainly determined by two factors: the desired profit value caused by the attributes of the task itself (such as priority) and the delay loss caused in the process of processing the task. is as follows.

Figure 0007162385000032
Figure 0007162385000033
Figure 0007162385000034
Figure 0007162385000035
Figure 0007162385000032
Figure 0007162385000033
Figure 0007162385000034
Figure 0007162385000035

Figure 0007162385000036
Figure 0007162385000036

Figure 0007162385000037
Figure 0007162385000038
Figure 0007162385000037
Figure 0007162385000038

Figure 0007162385000039
Figure 0007162385000040
Figure 0007162385000039
Figure 0007162385000040

Figure 0007162385000041
Figure 0007162385000042
Figure 0007162385000041
Figure 0007162385000042

第2ステップは、問題を形成するものであり、システムの性能を評価する指標としてユーザーの利点値を導入し、一定期間内にユーザー側におけるタスク完了の全体的な利点を最大化させることを目的として最適化問題を作成しており、具体的なステップ、以下の通りである。 The second step, which forms the problem, introduces the user benefit value as an index to evaluate system performance, with the aim of maximizing the overall benefit of task completion on the part of the user over a period of time. The optimization problem is created as follows, and the specific steps are as follows.

Figure 0007162385000043
Figure 0007162385000043

Figure 0007162385000044
Figure 0007162385000044

Figure 0007162385000045
Figure 0007162385000046
Figure 0007162385000047
Figure 0007162385000048
Figure 0007162385000049
Figure 0007162385000045
Figure 0007162385000046
Figure 0007162385000047
Figure 0007162385000048
Figure 0007162385000049

第3ステップは、定常状態を保証するものであり、各ＭＥＣサーバーにおけるタスクバックログキューの安定性を保証し、リアプノフ理論に基づいて、問題を単純化し、定常状態にあるという条件下での最適なタスクアンロードリソーススケジュールポリシーを解決する。具体的なステップは、以下の通りである。 The third step is to ensure steady state, ensuring the stability of the task backlog queue in each MEC server, and based on the Lyapunov theory, simplifying the problem and finding the optimal Resolve unloaded task resource scheduling policy. The specific steps are as follows.

Figure 0007162385000050
Figure 0007162385000051
Figure 0007162385000050
Figure 0007162385000051

Figure 0007162385000052
Figure 0007162385000052

Figure 0007162385000053
Figure 0007162385000053

Figure 0007162385000054
Figure 0007162385000054

第4ステップは、チャンネルを配分するものであり、タスクアンロード配分ポリシーを提供する場合、最適化問題Ｐ３を、チャンネルリソース配分問題に変換しながら、ＫＫＴ条件を用いて最適なチャンネル配分を解決する。具体的なステップは、以下の通りである。 The fourth step is to allocate the channels, where the KKT condition is used to solve the optimal channel allocation while transforming the optimization problem P3 into a channel resource allocation problem if a task unload allocation policy is provided. . The specific steps are as follows.

Figure 0007162385000055
Figure 0007162385000056
Figure 0007162385000055
Figure 0007162385000056

Figure 0007162385000057
Figure 0007162385000057

Figure 0007162385000058
Figure 0007162385000059
Figure 0007162385000060
Figure 0007162385000058
Figure 0007162385000059
Figure 0007162385000060

第5ステップは、タスクをスケジュールするものであり、チャンネルリソース配分ポリシーを提供し、最適化問題Ｐ３を、０－１の整数計画問題に変換できる。具体的なステップは、以下の通りである。 The fifth step is to schedule tasks, provide channel resource allocation policies, and can transform the optimization problem P3 into a 0-1 integer programming problem. The specific steps are as follows.

Figure 0007162385000061
Figure 0007162385000061

Figure 0007162385000062
Figure 0007162385000062

Figure 0007162385000063
Figure 0007162385000063

第6ステップは、共同で最適化するものであり、一時間帯内におけるユーザーの収益を最大化させるまで第4ステップと第5ステップを交互に繰り返す。具体的なステップは、以下の通りである。 The sixth step is a joint optimization, alternating between steps 4 and 5 until the user's revenue is maximized within a single hour. The specific steps are as follows.

第61ステップでは、第4ステップに基づいて、固定のタスクアンロード配分での最適なチャンネルリソース配分を取得する。 In a 61st step, according to the fourth step, obtain an optimal channel resource allocation with a fixed task unloading allocation.

第62ステップでは、第5ステップに基づいて、固定のチャンネルでの最適なタスクアンロード配分ポリシーを取得する。 The 62nd step is to obtain the optimal task unload allocation policy on the fixed channel according to the 5th step.

第63ステップでは、最適なチャンネル配分とタスクスケジュールポリシーを取得するように第61ステップと第62ステップを繰り返す。 The 63rd step repeats the 61st and 62nd steps to obtain the optimal channel allocation and task scheduling policy.

以上、説明したのは、本発明の好ましい実施形態に過ぎず、当業者にとって、本発明の原理を逸脱しない限り、幾つかの改良や修飾を取得することも可能であり、これらの改良や修飾は本発明の保護範囲に含まれるべきである。 What has been described above are only preferred embodiments of the present invention, and those skilled in the art may obtain several improvements and modifications without departing from the principles of the present invention. should be included in the protection scope of the present invention.

Claims (7)

タスクを分析するステップであって、タスク完了の遅延を分析してタスク完了の利点を決定する第1ステップと、
問題を形成するステップであって、タスク完了の全体的な利点を最大化させることを目的として最適化問題を形成する第2ステップと、
定常状態を保証するステップであって、問題を単純化するようにタスクバックログキューの安定性を保証する第3ステップと、
チャンネルを配分するステップであって、タスクアンロード配分ポリシーを提供して最適なチャンネルへの配分を決定する第4ステップと、
タスクをスケジュールするステップであって、チャンネルリソース配分ポリシーを提供して最適なタスクへのスケジュールを決定する第5ステップと、
共同で最適化するステップであって、第4ステップと第5ステップにより得られた最適なチャンネルへの配分とタスクスケジュールの決定を共同で最適化する第6ステップと、を含む、ことを特徴とするエッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュール方法。 a step of analyzing the task, a first step of analyzing delays in task completion to determine benefits of task completion;
a second step of forming a problem, forming an optimization problem with the goal of maximizing the overall benefit of task completion;
a third step of ensuring a steady state, the stability of the task backlog queue to simplify the problem;
a fourth step of allocating channels, wherein a task unload allocation policy is provided to determine allocation to an optimal channel;
a fifth step of scheduling tasks, providing channel resource allocation policies to determine scheduling to optimal tasks;
A step of jointly optimizing, comprising a sixth step of jointly optimizing the determination of the optimal channel allocation and task schedule obtained by the fourth and fifth steps. multi-user multi-MEC task unloading resource scheduling method based on edge-terminal collaboration. 前記第1ステップでは、利点は、タスク自体の属性により生じた所望の収益値とタスクを処理する過程において生じた遅延損失の二つの要素により決定されるものであり、前記第1ステップにおける具体的なステップは、以下の通りであり、
Figure 0007162385000064
Figure 0007162385000065
Figure 0007162385000066
Figure 0007162385000067
Figure 0007162385000068
Figure 0007162385000069
Figure 0007162385000070
Figure 0007162385000071
Figure 0007162385000072
Figure 0007162385000073
Figure 0007162385000074
In the first step, the advantage is determined by two factors: the desired profit value caused by the attributes of the task itself and the delay loss caused in the process of processing the task. The steps are as follows,
Figure 0007162385000064
Figure 0007162385000065
Figure 0007162385000066
Figure 0007162385000067
Figure 0007162385000068
Figure 0007162385000069
Figure 0007162385000070
Figure 0007162385000071
Figure 0007162385000072
Figure 0007162385000073
Figure 0007162385000074
 前記第2ステップでは、システムの性能を評価する指標としてユーザーの利点値を導入し、一定期間内にユーザー側におけるタスク完了の全体的な利点を最大化させることを目的として最適化問題を作成しており、
具体的なステップは、以下の通りであり、
Figure 0007162385000075
Figure 0007162385000076
Figure 0007162385000077
Figure 0007162385000078
Figure 0007162385000079
Figure 0007162385000080
Figure 0007162385000081
In the second step, the user's advantage value is introduced as an index to evaluate the performance of the system, and an optimization problem is created with the aim of maximizing the overall advantage of task completion on the user's side within a certain period of time. and
The specific steps are as follows:
Figure 0007162385000075
Figure 0007162385000076
Figure 0007162385000077
Figure 0007162385000078
Figure 0007162385000079
Figure 0007162385000080
Figure 0007162385000081
 前記第3ステップでは、各ＭＥＣサーバーにおけるタスクバックログキューの安定性を保証し、リアプノフ理論に基づいて、問題を単純化し、定常状態にあるという条件下での最適なタスクアンロードリソーススケジュールポリシーを解決し、
具体的なステップは、以下の通りであり、
Figure 0007162385000082
Figure 0007162385000083
Figure 0007162385000084
Figure 0007162385000085
The third step guarantees the stability of the task backlog queue in each MEC server, and based on the Lyapunov theory, simplifies the problem and determines the optimal task unload resource scheduling policy under the condition of being in a steady state. solve,
The specific steps are as follows:
Figure 0007162385000082
Figure 0007162385000083
Figure 0007162385000084
Figure 0007162385000085
 前記第ステップでは、タスクアンロード配分ポリシーを提供する場合、最適化問題Ｐ３を、チャンネルリソース配分問題に変換しながら、ＫＫＴ条件を用いて最適なチャンネル配分を解決し、
具体的なステップは、以下の通りであり、
Figure 0007162385000086
Figure 0007162385000087
Figure 0007162385000088
Figure 0007162385000089
Figure 0007162385000090
Figure 0007162385000091
Figure 0007162385000092
In the first step, when providing a task unloading allocation policy, transforming the optimization problem P3 into a channel resource allocation problem and solving the optimal channel allocation using the KKT condition;
The specific steps are as follows:
Figure 0007162385000086
Figure 0007162385000087
Figure 0007162385000088
Figure 0007162385000089
Figure 0007162385000090
Figure 0007162385000091
Figure 0007162385000092
 前記第5ステップでは、チャンネルリソース配分ポリシーを提供し、最適化問題Ｐ３を、０－１の整数計画問題に変換しており、
具体的なステップは、以下の通りであり、
Figure 0007162385000093
Figure 0007162385000094
Figure 0007162385000095
the fifth step provides a channel resource allocation policy to transform the optimization problem P3 into a 0-1 integer programming problem;
The specific steps are as follows:
Figure 0007162385000093
Figure 0007162385000094
Figure 0007162385000095
 前記第6ステップにおける具体的なステップは、以下の通りであり、
第61ステップでは、第4ステップに基づいて、固定のタスクアンロード配分での最適なチャンネルリソース配分を取得し。
第62ステップでは、第5ステップに基づいて、固定のチャンネルでの最適なタスクアンロード配分ポリシーを取得し、
第63ステップでは、最適なチャンネル配分とタスクスケジュールポリシーを取得するように第61ステップと第62ステップを繰り返す、ことを特徴とする請求項1に記載のエッジと端末とのコラボレーションに基づくマルチユーザーマルチＭＥＣタスクアンロードリソーススケジュール方法。 The specific steps in the sixth step are as follows,
In the 61st step, based on the 4th step, obtain the optimal channel resource allocation at a fixed task unload allocation.
In the 62nd step, based on the 5th step, obtain the optimal task unload allocation policy on the fixed channel,
6. The multi-user multi-user multi-user multi-user multi-user multi-user multi-user multi-user multi-user multi-user multi-user multi-user collaboration based edge-terminal collaboration according to claim 1, wherein step 63 repeats step 61 and step 62 to obtain an optimal channel allocation and task scheduling policy. MEC task unload resource scheduling method.
JP2021562894A 2019-04-25 2020-04-17 Multi-User Multi-MEC Task Unload Resource Scheduling Method Based on Edge-Terminal Collaboration Active JP7162385B2 (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201910337470.X 2019-04-25
CN201910337470.XA CN110099384B (en) 2019-04-25 2019-04-25 Multi-user multi-MEC task unloading resource scheduling method based on edge-end cooperation
PCT/CN2020/085258 WO2020216135A1 (en) 2019-04-25 2020-04-17 Multi-user multi-mec task unloading resource scheduling method based on edge-end collaboration

Publications (2)

Publication Number Publication Date
JP2022522057A JP2022522057A (en) 2022-04-13
JP7162385B2 true JP7162385B2 (en) 2022-10-28

Family

ID=67445680

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021562894A Active JP7162385B2 (en) 2019-04-25 2020-04-17 Multi-User Multi-MEC Task Unload Resource Scheduling Method Based on Edge-Terminal Collaboration

Country Status (3)

Country Link
JP (1) JP7162385B2 (en)
CN (1) CN110099384B (en)
WO (1) WO2020216135A1 (en)

Families Citing this family (82)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110099384B (en) * 2019-04-25 2022-07-29 南京邮电大学 Multi-user multi-MEC task unloading resource scheduling method based on edge-end cooperation
CN112399388B (en) * 2019-08-13 2024-06-14 中兴通讯股份有限公司 Method, device and system for realizing edge calculation
CN110489176B (en) * 2019-08-27 2022-05-10 湘潭大学 Multi-access edge computing task unloading method based on boxing problem
CN110557287B (en) * 2019-09-10 2020-12-25 北京邮电大学 Resource allocation method and device based on Lyapunov optimization
CN110493360B (en) * 2019-09-26 2022-08-19 重庆大学 Mobile edge computing unloading method for reducing system energy consumption under multiple servers
CN110972147B (en) * 2019-10-28 2021-05-25 华东师范大学 Data-driven edge response time optimization method
CN110647403B (en) * 2019-10-31 2023-04-11 桂林电子科技大学 Cloud computing resource allocation method in multi-user MEC system
CN110856183B (en) * 2019-11-18 2021-04-16 南京航空航天大学 Edge server deployment method based on heterogeneous load complementation and application
CN112835773B (en) * 2019-11-25 2023-08-11 合肥欣奕华智能机器股份有限公司 Method and device for evaluating task running instantaneity in operating system
CN110958625B (en) * 2019-12-05 2021-06-04 湖南师范大学 Real-time multi-modal language analysis system and method based on mobile edge intelligence
CN111372268B (en) * 2019-12-24 2022-07-08 中国石油大学(华东) Method for optimizing joint wireless resource management and task unloading in ultra-dense network
CN111107566B (en) * 2019-12-25 2023-09-26 国网冀北电力有限公司唐山供电公司 Unloading method based on collaborative content caching in electric power Internet of things scene
CN110928691B (en) * 2019-12-26 2021-07-09 广东工业大学 Traffic data-oriented edge collaborative computing unloading method
CN110764919A (en) * 2019-12-26 2020-02-07 帷幄匠心科技（杭州）有限公司 Edge computing architecture based on multiple ARM processors
CN111258677B (en) * 2020-01-16 2023-12-15 北京兴汉网际股份有限公司 Task unloading method for heterogeneous network edge computing
CN111401744B (en) * 2020-03-17 2023-04-28 重庆邮电大学 Dynamic task unloading method in uncertainty environment in mobile edge calculation
CN111511028B (en) * 2020-04-13 2023-04-07 北京邮电大学 Multi-user resource allocation method, device, system and storage medium
CN111538595B (en) * 2020-04-23 2023-05-02 电子科技大学中山学院 MEC server task scheduling method based on task cutting
CN112468547B (en) * 2020-11-13 2023-04-07 广州中国科学院沈阳自动化研究所分所 Regional-based industrial edge computing task cloud collaborative unloading method
CN112512056B (en) * 2020-11-14 2022-10-18 北京工业大学 Multi-objective optimization calculation unloading method in mobile edge calculation network
CN112559171B (en) * 2020-12-02 2022-02-08 河海大学 Multi-user task unloading method based on delayed acceptance in mobile edge computing environment
CN112835708B (en) * 2020-12-14 2023-11-10 浙大城市学院 High-quality task allocation and service deployment method for mobile group perception system in edge computing environment
CN112738822A (en) * 2020-12-25 2021-04-30 中国石油大学(华东) NOMA-based security offload and resource allocation method in mobile edge computing environment
CN112596910B (en) * 2020-12-28 2024-02-20 广东电网有限责任公司电力调度控制中心 Cloud computing resource scheduling method in multi-user MEC system
CN112752302A (en) * 2021-01-05 2021-05-04 全球能源互联网研究院有限公司 Power service time delay optimization method and system based on edge calculation
CN112860337B (en) * 2021-01-28 2022-11-29 山东师范大学 Method and system for unloading dependent tasks in multi-access edge computing
CN112988346B (en) * 2021-02-07 2024-02-23 中国联合网络通信集团有限公司 Task processing method, device, equipment and storage medium
CN113452956B (en) * 2021-02-26 2023-03-28 深圳供电局有限公司 Intelligent distribution method and system for power transmission line inspection tasks
CN112996056A (en) * 2021-03-02 2021-06-18 国网江苏省电力有限公司信息通信分公司 Method and device for unloading time delay optimized computing task under cloud edge cooperation
CN113114733B (en) * 2021-03-24 2022-07-08 重庆邮电大学 Distributed task unloading and computing resource management method based on energy collection
CN113032120B (en) * 2021-03-26 2023-06-30 重庆大学 Industrial field big data task cooperative scheduling method based on edge calculation
CN113179296B (en) * 2021-04-08 2022-10-25 中国科学院计算技术研究所 Task unloading method for vehicle-mounted edge computing system
CN113179482B (en) * 2021-04-21 2023-08-22 中南大学 Data transmission resource system and method based on mobile edge calculation
CN113687924B (en) * 2021-05-11 2023-10-20 武汉理工大学 Intelligent dynamic task computing and unloading method based on edge computing system
CN113296941B (en) * 2021-05-12 2023-10-24 广州中国科学院沈阳自动化研究所分所 Cache task scheduling method and device based on polygonal edge calculation
CN113395679B (en) * 2021-05-25 2022-08-05 安徽大学 Resource and task allocation optimization system of unmanned aerial vehicle edge server
CN113434206B (en) * 2021-05-26 2023-03-21 国网河南省电力公司信息通信公司 Method and device for calculating and unloading smart power grid
CN113377447B (en) * 2021-05-28 2023-03-21 四川大学 Multi-user computing unloading method based on Lyapunov optimization
CN113326126B (en) * 2021-05-28 2024-04-05 湘潭大学 Task processing method, task scheduling method, device and computer equipment
CN113377531B (en) * 2021-06-04 2022-08-26 重庆邮电大学 Mobile edge computing distributed service deployment method based on wireless energy drive
CN113377533B (en) * 2021-06-07 2023-11-21 重庆邮电大学 Dynamic computing unloading and server deployment method in unmanned aerial vehicle assisted mobile edge computing
CN113364626B (en) * 2021-06-08 2022-09-30 国网江苏省电力有限公司 Service placement and bandwidth allocation method for video analysis application facing edge environment
CN113360248B (en) * 2021-06-15 2022-03-15 燕山大学 Game optimization method based on information visible MEC system task scheduling strategy
CN113411394B (en) * 2021-06-16 2022-09-09 广东电网有限责任公司电力调度控制中心 Method and device for processing unloading task in ultra-dense network scene
CN113452625B (en) * 2021-06-28 2022-04-15 重庆大学 Deep reinforcement learning-based unloading scheduling and resource allocation method
CN113423115B (en) * 2021-07-01 2023-07-25 兰州理工大学 Energy collaboration and task unloading optimization method based on edge calculation
CN113590279B (en) * 2021-07-08 2024-05-14 华中科技大学 Task scheduling and resource allocation method for multi-core edge computing server
CN113507712B (en) * 2021-07-09 2023-07-28 中国传媒大学 Resource allocation and calculation task unloading method based on alternate direction multiplier
CN113535393B (en) * 2021-07-12 2023-04-04 湖南工学院 Computing resource allocation method for unloading DAG task in heterogeneous edge computing
CN113347277B (en) * 2021-07-15 2022-10-18 湘潭大学 Unloading distribution method based on task segmentation in edge calculation
CN113727371B (en) * 2021-08-06 2023-04-18 北京科技大学 IRS (inter-Range instrumentation) assisted MEC (Multi-media communication) network wireless and computing resource allocation method and device
CN113590232B (en) * 2021-08-23 2023-04-25 南京信息工程大学 Relay edge network task unloading method based on digital twinning
CN113709883B (en) * 2021-08-30 2023-12-05 北京邮电大学 Dynamic resource allocation method and device under multi-unmanned aerial vehicle auxiliary industrial scene
CN113778682B (en) * 2021-09-13 2023-04-18 电子科技大学 Resource allocation method for MEC system
CN113934534B (en) * 2021-09-27 2022-12-06 苏州大学 Method and system for computing and unloading multi-user sequence tasks under heterogeneous edge environment
CN113905347B (en) * 2021-09-29 2024-04-16 华北电力大学 Cloud edge end cooperation method for air-ground integrated power Internet of things
CN114051266B (en) * 2021-11-08 2024-01-12 首都师范大学 Wireless body area network task unloading method based on mobile cloud-edge calculation
CN114051205B (en) * 2021-11-08 2022-09-13 南京大学 Edge optimization method based on reinforcement learning dynamic multi-user wireless communication scene
CN114301907B (en) * 2021-11-18 2023-03-14 北京邮电大学 Service processing method, system and device in cloud computing network and electronic equipment
CN114138373B (en) * 2021-12-07 2023-10-24 吉林大学 Edge computing task unloading method based on reinforcement learning
CN114143355B (en) * 2021-12-08 2022-08-30 华北电力大学 Low-delay safety cloud side end cooperation method for power internet of things
CN114172809B (en) * 2021-12-13 2023-10-03 重庆邮电大学 Video computing cloud edge collaborative task scheduling method based on target tracking
CN114189521B (en) * 2021-12-15 2024-01-26 福州大学 Method for collaborative computing offloading in F-RAN architecture
CN114448991B (en) * 2021-12-28 2022-10-21 西安电子科技大学 Multi-edge server selection method, system, medium, device and terminal
CN114423021B (en) * 2022-01-20 2023-05-26 重庆邮电大学 Service-aware resource optimization method
CN114461299B (en) * 2022-01-26 2023-06-06 中国联合网络通信集团有限公司 Unloading decision determining method and device, electronic equipment and storage medium
CN114650567B (en) * 2022-03-17 2024-04-23 江苏科技大学 Unmanned aerial vehicle auxiliary V2I network task unloading method
CN114693141B (en) * 2022-04-06 2022-10-25 长春理工大学 Transformer substation inspection method based on end edge cooperation
CN114866548B (en) * 2022-04-26 2022-12-23 中南大学 Task unloading method based on mobile fog calculation
CN114844900B (en) * 2022-05-05 2022-12-13 中南大学 Edge cloud resource cooperation method based on uncertain demand
CN114968404B (en) * 2022-05-24 2023-11-17 武汉大学 Distributed unloading method for computing tasks of location privacy protection
CN115022331B (en) * 2022-05-30 2024-05-14 中国电信股份有限公司 Edge computing resource allocation method and device, storage medium and electronic equipment
CN115022893A (en) * 2022-05-31 2022-09-06 福州大学 Resource allocation method for minimizing total computation time in multi-task edge computing system
CN115277789B (en) * 2022-08-26 2024-03-26 中国长江三峡集团有限公司 Safety protection system and method for cascade hydropower station
CN115833907A (en) * 2022-11-17 2023-03-21 东南大学 Joint trajectory, unloading and resource allocation optimization method in multi-unmanned aerial vehicle assisted MEC system
CN115665805A (en) * 2022-12-06 2023-01-31 北京交通大学 Point cloud analysis task-oriented edge computing resource scheduling method and system
CN116320354B (en) * 2023-01-16 2023-09-29 浙江大学 360-degree virtual reality video user access control system and control method
CN115858048B (en) * 2023-03-03 2023-04-25 成都信息工程大学 Hybrid critical task oriented dynamic arrival edge unloading method
CN116366661A (en) * 2023-06-02 2023-06-30 江西师范大学 Collaborative edge user allocation method based on blockchain and auction theory
CN116980982B (en) * 2023-09-20 2024-01-23 山东高速信息集团有限公司 Task processing method and system under flexible networking architecture
CN117492856A (en) * 2023-10-17 2024-02-02 南昌大学 Low-delay edge computing and unloading method for credit assessment in financial Internet of things
CN117320045A (en) * 2023-11-03 2023-12-29 中国人民解放军国防科技大学 Unloading protocol and performance analysis method based on unlicensed SCMA edge calculation

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7085837B2 (en) * 2001-12-04 2006-08-01 International Business Machines Corporation Dynamic resource allocation using known future benefits
US10440096B2 (en) * 2016-12-28 2019-10-08 Intel IP Corporation Application computation offloading for mobile edge computing
CN107995660B (en) * 2017-12-18 2021-08-17 重庆邮电大学 Joint task scheduling and resource allocation method supporting D2D-edge server unloading
CN109067842B (en) * 2018-07-06 2020-06-26 电子科技大学 Calculation task unloading method facing Internet of vehicles
CN109582448B (en) * 2018-10-17 2021-03-16 中国电子科技集团公司第二十八研究所 Criticality and timeliness oriented edge calculation task scheduling method
CN109656703B (en) * 2018-12-19 2022-09-30 重庆邮电大学 Method for assisting vehicle task unloading through mobile edge calculation
CN110099384B (en) * 2019-04-25 2022-07-29 南京邮电大学 Multi-user multi-MEC task unloading resource scheduling method based on edge-end cooperation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Juan Liu, et al.，Delay-Optimal Computation Task Scheduling for Mobile-Edge Computing Systems，2016 IEEE International Symposium on Information Theory，2016年08月11日

Also Published As

Publication number Publication date
JP2022522057A (en) 2022-04-13
WO2020216135A1 (en) 2020-10-29
CN110099384B (en) 2022-07-29
CN110099384A (en) 2019-08-06

Similar Documents

Publication Publication Date Title
JP7162385B2 (en) Multi-User Multi-MEC Task Unload Resource Scheduling Method Based on Edge-Terminal Collaboration
Alameddine et al. Dynamic task offloading and scheduling for low-latency IoT services in multi-access edge computing
Ghanbari et al. Resource allocation mechanisms and approaches on the Internet of Things
Sun Research on resource allocation of vocal music teaching system based on mobile edge computing
Nir et al. An energy optimizing scheduler for mobile cloud computing environments
Kim et al. Multi-agent reinforcement learning-based resource management for end-to-end network slicing
Sathiyamoorthi et al. Adaptive fault tolerant resource allocation scheme for cloud computing environments
Lai et al. Dynamic user allocation in stochastic mobile edge computing systems
CN114125063B (en) Power communication network task unloading system, method and application based on service QoS
Ma et al. A cyclic game for service-oriented resource allocation in edge computing
Wang et al. An energy saving based on task migration for mobile edge computing
Xie et al. D2D computation offloading optimization for precedence-constrained tasks in information-centric IoT
Zhao et al. Load scheduling for distributed edge computing: A communication-computation tradeoff
Tran-Dang et al. Dynamic collaborative task offloading for delay minimization in the heterogeneous fog computing systems
Meskar et al. Fair multi-resource allocation in mobile edge computing with multiple access points
Edinger et al. Decentralized low-latency task scheduling for ad-hoc computing
Durga et al. Context-aware adaptive resource provisioning for mobile clients in intra-cloud environment
CN113747450A (en) Service deployment method and device in mobile network and electronic equipment
CN113032146A (en) Robust service supply method for multi-access edge computing environment
Kolomvatsos et al. Scheduling the execution of tasks at the edge
Xia et al. Age-aware query evaluation for big data analytics in mobile edge clouds
Mahmoodi et al. Spectrum-Aware Mobile Computing
Marojevic et al. Resource management implications and strategies for sdr clouds
Chandramohan et al. SDN-based dynamic resource management and scheduling for cognitive industrial IoT
Yu et al. Network slice mobility for 6g networks by exploiting user and network prediction

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211027

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20211027

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220531

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220617

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220913

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221011

R150 Certificate of patent or registration of utility model

Ref document number: 7162385

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150