一种延迟与能耗联合优化的MEC计算卸载方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113992677A(43)申请公布日2022.01.28(21)申请号202111257706.2(22)申请日2021.10.27(71)申请人嘉兴学院地址314001浙江省嘉兴市秀洲区康和路1288号光伏科创园2号楼(72)发明人张先超杨忠明乐光学宋逸杰陈丽萍杨晓慧马柏林(74)专利代理机构桂林市华杰专利商标事务所有限责任公司45112代理人陶平英(51)Int.Cl.H04L67/10(2022.01)H04L67/1008(2022.01)H04L67/1004(2022.01)H04L67/101(2022.01)权利要求书3页说明书11页附图7页(54)发明名称一种延迟与能耗联合优化的MEC计算卸载方法(57)摘要本发明公开了一种延迟与能耗联合优化的MEC计算卸载方法，为解决MEC的多用户对多服务器的计算卸载中用户卸载请求争抢服务器资源，出现趋优卸载、资源有效利用率低下、卸载服务质量差等问题；该方法以延迟、能耗为约束，构建计算卸载成本评价模型，为确定卸载目标，设计服务器选择算子，优先选择满足任务响应延迟的服务器执行卸载计算，设计以响应延迟、能耗和服务器负载为适应值函数的改进差分算法，搜索低适应值的卸载决策，实现低开销且负载均衡的高效计算卸载；仿真实验证明，该方法降低了移动边缘计算网络的延迟和能耗，提高了任务满足响应延迟率，平衡了服务器的负载，提升了移动边缘计算系统的用户满意度、能耗效率和稳定性。CN113992677ACN113992677A权利要求书1/3页1.一种延迟与能耗联合优化的MEC计算卸载方法，其特征在于，是通过建立以延迟和能耗为约束的成本评价模型，设计服务器选择算子和以响应延迟、能耗和服务器负载为适应值函数的COSIDE算法，构建计算卸载决策服务系统，实现MEC中低开销的高效计算卸载；所述的计算卸载决策服务系统以基站和边缘服务器为超级节点，以手机和电脑等移动终端为边缘节点；边缘节点接入超级节点获取计算服务资源，实现网络资源共享，提供计算卸载服务；在计算卸载决策服务系统中，以完成任务消耗的延迟和能耗为约束，构建计算卸载成本评价模型，求解某一时隙内任务的最佳卸载决策；在计算卸载决策服务系统中，任务根据满足响应延迟要求下，最小化能耗的方式卸载，设计服务器选择算子和以响应延迟、能耗和服务器负载为适应值函数的改进差分COSIDE求解计算卸载成本最小化问题，实现低开销且服务器负载均衡的高效计算卸载；该方法具体包括如下步骤：1)边缘节点产生计算任务；2)以完成任务消耗的延迟和能耗为约束构建计算卸载成本评价模型，通过最低成本决策模拟任务本地计算或卸载计算；3)本地计算：由产生任务的用户终端执行并完成任务，将完成任务消耗的成本结果返回特征数据库中；4)卸载计算：以任务截止响应延迟为约束，建立服务器选择算子，选择满足任务响应延迟的服务器作为卸载目标；服务器依据成本选择接受或拒绝用户的卸载请求，若接受请求，则由服务器执行并完成任务，否则将任务返回用户终端执行并完成任务；将完成任务消耗的成本结果返回特征数据库中；5)以总成本和计算卸载决策服务系统中服务器负载标准差为适应值函数，利用COSIDE算法更新适应值更小的卸载决策；当适应值不满足要求或COSIDE算法迭代次数不满足最大时，返回步骤2)；6)当COSIDE算法迭代次数达到最大时，依据最新决策完成任务的计算卸载。2.根据权利要求1所述的一种延迟与能耗联合优化的MEC计算卸载方法，其特征在于，步骤4)中，所述卸载计算，以任务截止响应延迟为约束，建立服务器选择算子，选择满足任务响应延迟的服务器作为卸载目标，具体包括如下步骤：4‑1)预估将任务卸载至可协作的服务器执行并完成所消耗的延迟，其中包括传输和服务器计算任务消耗的延迟；4‑2)评估可协作的服务器；将任务ri的截止响应延迟与预估完成任务延迟的差值作为任务ri对服务器ej的特征计算如下：对于任务ri，可卸载的服务器的特征集合为将该特征归一化后，特征集合描述为计算如下：2CN113992677A权利要求书2/3页用负指数函数，将归一化后的特征转换为任务ri对服务器ej的偏好值计算如下：4‑3)在的整数区间内，用户将任务发送至偏好值最大的服务器等待响应；4‑4)服务器评价任务本地计算和卸载计算消耗的成本，判断是否接受请求，若卸载计算的成本小于本地计算，则接受卸载请求，执行并完成任务，否则拒绝卸载请求，将任务返回用户终端执行并完成任务。3.根据权利要求1所述的一种延迟与能耗联合优化的MEC计算卸载方法，其特征在于，步骤5)中，所述以总成本和系统中服务器负载标准差为适应值函数，利用COSIDE算法搜索适应值最小的卸载决策，具体包括如下步骤：5‑1)以响应