移动边缘计算中一种基于改进粒子群算法的计算卸载方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115396953A(43)申请公布日2022.11.25(21)申请号202210920908.9(22)申请日2022.08.02(71)申请人黑龙江八一农垦大学地址163000黑龙江省大庆市高新区新风路５号(72)发明人富爽蒋鹏蔡立晶孟艳君丁晨阳姜岱林(74)专利代理机构黑龙江省百盾知识产权代理事务所(普通合伙)23218专利代理师孙淑荣(51)Int.Cl.H04W28/08(2009.01)权利要求书6页说明书15页附图4页(54)发明名称移动边缘计算中一种基于改进粒子群算法的计算卸载方法(57)摘要本发明提供一种基于改进粒子群算法的计算卸载方法，本方法结合本地设备的能量信息及充电状态信息，综合考虑能耗和时延卸载成本，建立多设备多任务多服务器场景下的MEC计算卸载系统模型，对于计算卸载的混合整数非线性规划问题，采用改进的粒子群算法对卸载决策和资源分配变量进行求解，最终获得最优的卸载决策和资源分配方案。该方法在多设备多任务多服务器的场景下，克服现有计算卸载方法中没有考虑MEC服务器的计算资源分配问题。CN115396953ACN115396953A权利要求书1/6页1.一种基于改进粒子群算法的计算卸载方法，包括下列系统模型：(1)、在一个多个用户和多个MEC服务器的MEC网络中，有多个用户，即本地设备，有任务计算需求，多个MEC服务器可为用户提供计算服务，本地设备同时有多个计算任务需要计算，任务可在本地设备执行或者卸载到MEC服务器进行计算，本地设备通过无线的方式连接到基站，MEC服务器部署于基站处，本地设备与基站通过无线直连，此种部署方式可使得任务数据传输到服务器的跳数最少，有利于减少通信延时；(2)、假设场景模型中包含N个本地设备，本地设备序号n∈{1,2,...,N}，M个MEC服务器，MEC服务器序号m∈{1,2,...,M}，在一个决策周期内，每个本地设备产生一个或多个需要计算的任务，设本地设备n共产生Kn个任务需要计算，任务数Kn∈{1,2,...,K}，K为产生任务最多的本地设备产生的任务数，设第n个设备的第i个任务为其属性可表示为一个二元组其中，代表该任务的数据量，代表该任务的计算量，每一任务可以分配到某一MEC服务器或在本地进行计算，则每个任务共M+1种分配选择，所有任务的分配选择构成卸载决策向量表示着第n个设备上第i个任务是否卸载到MEC服务器m，表示任务卸载到MEC服务器m执行；表示任务没有卸载到MEC服务器m，此时任务可能在本地设备上执行，也可能卸载到了其他MEC服务器，若任务分配到MEC服务器，则需要为任务分配CPU计算资源，由各MEC服务器为各任务分配的CPU资源数量构成资源分配向量为其中表示MEC服务器m为第n个设备上第i个任务所分配的CPU资源大小，单位为GHz；(3)、当某一任务在本地执行时，任务的本地计算时延等于任务本地执行时间，任务的计算能耗即是任务本地执行时所消耗的能量；如任务在本地执行，设备n的计算能力表示为则任务在本地计算的时延为本地设备的能耗主要为任务计算期间设备自身的CPU能量消耗，本文采用经典能耗计算模型来计算CPU能耗，即E＝εf3t，其中ε为与本地设备芯片架构有关的能耗因子，则任务在本地执行的本地计算能耗为(4)、当任务卸载到MEC服务器执行时，任务的计算总时延分为任务传输时延、MEC服务器执行时延和结果传输时延，由于结果数据往往不大，其传输时延远远小于上载任务传输时延和MEC服务器执行时延，因此忽略结果传输时延，任务的边缘计算能耗即为任务传输时所消耗的能量；当任务被分配在边缘MEC服务器执行时，需要先将任务数据上传到MEC服务器，设本2CN115396953A权利要求书2/6页地设备n到MEC服务器m的信道增益为本地设备n的发射功率为pn，则根据香农公式，本地设备n到MEC服务器m的上传速度可表示为其中，W为带宽大小，σ2为信道噪声功率；设任务的数据量为则上传任务的传输时延为当任务数据到达MEC服务器m后，设服务器m为任务分配计算资源大小为则MEC服务器执行时延为这样，任务的边缘计算总时延为传输时延与执行时延之和，在任务数据卸载到服务器上计算时，能耗主要包括本地设备的上传能耗和服务器计算能耗，由于服务器是电缆供电，本文不考虑服务器能耗，只考虑大多数采用电池供电的用户端能耗，则任务的边缘计算能耗为(5)、对于某个任务将任务的时延和能耗成本分别表示为：其中，其值可为0或1，分别表示任务是在本地设备执行还是卸载到MEC服务器执行，对时延和能耗两种不同的量纲进行归一化处理，以保证时延和能耗的公平性[20]，对于每一个任务，令其中，将系统的代价定义为任务执行时延和能耗的加权和，表示为，其中，λn为设备n的时延权