[發明專利]面向移動邊緣計算的多任務分布式卸載方法

有效

• 申請號: 201911405604.3
• 申請日: 2019-12-30
• 公開（公告）號: CN111182582B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 許威;朱書含
• 申請（專利權）人: 東南大學
• 主分類號: H04W28/02
• 分類號: H04W28/02;H04B17/391
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 葉涓涓

本發明提供了一種面向移動邊緣計算的多任務分布式卸載方法，包括：根據無線信道狀態信息，計算移動臺到各個計算接入點的上和下行傳輸速率；將聯合優化系統延時和能耗的多任務卸載策略問題建立為數學優化問題；將數學優化問題轉化為最小化交叉熵問題；利用交叉熵學習的方法進行迭代求解，得到最優接入概率以及最優卸載策略；根據最優卸載策略，用戶將任務經不同信道分別卸載到相應的計算接入點完成計算，計算后接入點將計算結果重新傳回用戶。本發明適用于多鏈路移動邊緣計算系統，通過并行處理被分配到各個計算接入點的計算任務，提高了用戶的資源利用效率，降低了計算復雜度；基于模型的交叉熵機器學習方法，提高了決策方法的魯棒性和準確性。

技術領域

本發明屬于網絡管理技術領域，涉及移動邊緣計算卸載技術，具體涉及一種面向移動邊緣計算的多任務分布式卸載方法。

背景技術

移動邊緣計算是一項新興的技術，不同于傳統的集中計算處理的方式，移動邊緣計算架構設計邊緣服務器，其用于連接云服務器和移動臺。在移動臺周邊建立快速通信點，利用云服務器的計算和存儲能力，實現整個通信網絡的低延時和低能量損耗。

卸載策略是移動邊緣計算中的一個重要問題。與邊緣服務器相比，本地CPU的計算能量較差，在只考慮延時的情況下，任務將優先卸載到邊緣服務器計算；卸載計算需要消耗傳輸能量，并且在任務數目較多的情況下，卸載會帶來較大的排隊時延(排隊傳輸，排隊計算等)，使得本地計算也具有一定的優勢。如何實現較低延時和較低能量損耗的平衡是一個熱門的研究方向，但目前的研究工作都是利用傳統的凸優化方法和新興的深度強化學習方法。兩種方法在面對大規模移動邊緣計算網絡時算法復雜度高、魯棒性差，效率低下。

發明內容

為解決上述問題，本發明提出一種面向移動邊緣計算的多任務分布式卸載方法，采用交叉熵學習的方法，聯合移動臺本地計算和邊緣服務器卸載計算工作模式，實現最小化延時和能量損耗。本發明首先搭建最小化延時和能量損耗的用戶卸載策略優化問題；然后選擇合適的概率分布函數，將原問題轉化為最小化交叉熵的概率學習問題；最后利用蒙特卡洛模擬學習的方法，多次迭代求解最優卸載策略。

為了達到上述目的，本發明提供如下技術方案：

一種面向移動邊緣計算的多任務分布式卸載方法，包括如下步驟：

1)根據無線信道狀態信息，計算移動臺到各個計算接入點的上和下行傳輸速率；

2)將聯合優化系統延時和能耗的多任務卸載策略問題建立為數學優化問題；

3)將數學優化問題轉化為最小化交叉熵問題；

4)利用交叉熵學習的方法對交叉熵問題進行迭代求解，得到最優接入概率以及最優卸載策略；

5)根據最優卸載策略，用戶將任務經不同信道分別卸載到相應的計算接入點完成計算，完成計算后，計算接入點將計算結果重新傳回用戶。

進一步的，所述步驟1)中上行和下行傳輸速率通過以下公式進行計算：

其中，上標y₁∈{UL,DL}分別表示上行和下行鏈路，下標m表示計算接入點的編號，下標y₂∈{T,R}分別表示發射和接收模式，表示不同模式下的不同傳輸鏈路的傳輸速率，表示發射和接收功率，M表示系統中服務當前移動臺的計算接入點的數目，表示第m個計算接入點到移動臺的信道增益，N₀表示系統噪聲，log(·)表示以2為底的對數函數。

進一步的，所述步驟2)中數學優化問題如下：