[發明專利]一種基于半監督學習的移動邊緣計算分流決策方法

有效

• 申請號: 201810342371.6
• 申請日: 2018-04-17
• 公開（公告）號: CN108600002B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 黃亮;馮旭;錢麗萍;吳遠
• 申請（專利權）人: 浙江工業大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L29/08;H04W28/10;G06N3/08
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于半監督學習的移動邊緣計算分流決策方法，包括以下步驟：1)在一個由多個用戶組成，并且每個用戶都有多個獨立的任務的移動通信系統中，計算出在給出分流決策下系統中所有的能量損耗；2)計算總的時間損耗考慮為所有時間消耗的總和；3)所有用戶的分流決策將通過他們的發送數據DO_nm和接收數據DI_nm的大小決定，半監督學習的作用則是將它們作為半監督學習中神經網絡的輸入，然后生成一個能使整個系統的能量損耗總和最小的分流決策。本發明通過半監督學習尋找出最優的分流決策方法，在保證用戶體驗的前提下最小化能量損耗，保證服務質量。

技術領域

本發明屬于通信領域，尤其是涉及移動邊緣計算的通信系統以及用于基站節點的基于半監督學習的用戶任務分流決策方法。

背景技術

隨著無線通信技術的廣泛發展，無線通信技術已經滲入到人類生活的方方面面。移動邊緣計算拓展了移動設備的能力，在豐富的云資源的幫助下，用戶體驗得到極大提升。在一個多用戶的移動通信系統中，所有用戶共同占用傳輸資源。用戶將自身的任務分流至基站或者云端時，可以減少自己的能量損耗，但這些被分流的任務的服務質量會受一些額外損耗的影響，比如傳輸延時。為了最小化所有的能量損耗，保證服務質量，最優的任務分流決策方法應用是很有必要的。

發明內容

為了克服現有的移動通信系統的能量損耗較大的不足，為了最小化系統中所有的能量損耗，保證服務質量，本發明提供了一種適用于移動邊緣計算的基于半監督學習的分流決策方法，在保證用戶體驗的前提下最小化能量損耗。

本發明解決其技術問題所采取的技術方案是：

一種基于半監督的移動邊緣計算分流決策方法，所述方法包括以下步驟：

1)在一個由多個用戶組成，并且每個用戶都有多個獨立的任務的移動通信系統中，x_nm為用戶n的任務m的分流決策，如果x_nm為1則表示用戶n的任務m將被分流至基站或云端處理，x_nm為0則表示在本地處理；當用戶n的任務m被分流時，其上行傳輸速率和下行傳輸速率受傳輸總帶寬C_U和C_D的限制；當用戶n的任務m在本地處理時，本地移動設備所產生的能量損耗為如果在云端處理時，所產生的能量損耗為系統總損耗最小化表示為：

約束條件為：

式中：

其中，各參數定義如下：

N：用戶人數；

M：每個用戶的任務數；

x_nm：用戶n的任務m的分流決策，為1時表示在云端處理，為0時在本地處理；

用戶n的任務m在本地處理時的能量損耗；

用戶n的任務m被分流時，傳輸過程中能量損耗；

用戶n的任務m在云端處理時的能量損耗；

ρ：在云端處理時，能量損耗的轉化權重；

ω_n：用戶n延時損耗的轉化權重；

用戶n的任務m在本地處理時的延時損耗；

用戶n的任務在云端處理時的總延時損耗；