[發明專利]一種超密集網絡的移動邊緣計算資源分配方法

有效

• 申請號: 202010597779.5
• 申請日: 2020-06-28
• 公開（公告）號: CN111800828B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 李立欣;程倩倩;張敬敏;王大偉;李旭;梁微;林文晟;李煊
• 申請（專利權）人: 西北工業大學
• 主分類號: H04W28/16
• 分類號: H04W28/16;H04W72/50
• 代理公司: 西安維賽恩專利代理事務所(普通合伙) 61257
• 代理人: 劉春

本發明公開了一種超密集網絡的移動邊緣計算資源分配方法，基于超密集網絡，所述超密集網絡中的NOMA?MEC通信系統包括M＝{1,2,…,M}個小基站，其中，每個小基站配備一個MEC服務器以執行用戶卸載的計算任務；假定每個小基站服務的用戶集合為N＝{1,2,…,N}，N個用戶分為Y＝{1,2,…,Y}個組，每個組內有K＝{1,2,…,K}個用戶。解決了現有技術難以處理用戶之間的相互干擾，從而影響用戶的計算性能的問題。

【技術領域】

本發明屬于無線通信技術領域，具體涉及一種超密集網絡的移動邊緣計算資源分配方法。

【背景技術】

隨著第五代(5G)移動通信技術的飛速發展，超密集網絡(UDN)的部署已成為未來發展的主要架構。UDN可以有效提高系統容量和數據傳輸速率，以確保用戶服務質量。但是，由于用戶有限的計算能力，解決UDN中的計算密集型任務是一個巨大的挑戰。作為新興技術，已經提出了移動邊緣計算(MEC)來減輕UDN中用戶的計算壓力。具體來說，MEC將計算密集型任務卸載到網絡邊緣，以減少用戶的能耗和任務延遲。

在MEC系統中，如何提高用戶之間的頻譜資源利用率是一個重大挑戰，因為它直接影響能耗和任務延遲。作為一種新興的多路訪問方法，非正交多路訪問(NOMA)可通過將相同的資源分配給多個用戶來有效地提高系統的頻譜效率。因此，在某些工作中，NOMA已應用于MEC系統，以減少能耗和任務延遲。

平均場博弈(MFG)是一種適用于具有大規模博弈個體的場景的工具，可以為UDN中的個人和群體之間的關系建模。具體來說，在UDN中，MFG將每個成員之間的影響平均化，從而簡化復雜的模型。

文獻1“Learning?deep?mean?field?games?for?modeling?large?populationbehavior[in?International?Conference?on?Learning?Representations,,Vancouver,Canada,Apr.2018]”中作者用馬爾可夫決策過程(MDP)證明了平均場博弈的均衡解，以隨著時間的變化預測人口分布的演變。

文獻2“Collaborative?Artificial?Intelligence(AI)for?User-CellAssociation?in?Ultra-Dense?Cellular?Systems[IEEE?International?Conference?onCommunications?Workshops(ICCWorkshops),Kansas,MO,May2018]”提出了一種神經Q學習算法來解決超密集網絡系統中的用戶關聯問題。

與現有文獻不同，本發明對在UDN場景下，對NOMA-MEC系統進行了建模，其中每個小型基站(SBS)都配備了MEC服務器。當用戶無法處理大量計算任務時，某些任務將被卸載到MEC服務器上。首先，提出了一種基于信道增益差異的用戶聚類匹配算法(UCMA)，對用戶進行聚類處理，提高了用戶的數據速率。然后，以NOMA-MEC系統為模型，建立了MFG理論框架，使用強化學習中深確定性策略梯度(DDPG)算法來求解MFG的均衡解算法，以減少用戶的能耗和任務延遲。

【發明內容】

本發明的目的是提供一種超密集網絡的移動邊緣計算資源分配方法，以解決現有技術難以處理用戶之間的相互干擾，從而影響用戶的計算性能的問題。

本發明采用的技術方案是，一種超密集網絡的移動邊緣計算資源分配方法，所述資源分配方法基于超密集網絡，所述超密集網絡中的NOMA-MEC通信系統包括M＝{1,2,…,M}個小基站，其中，每個小基站配備一個MEC服務器以執行用戶卸載的計算任務；假定每個小基站服務的用戶集合為N＝{1,2,…,N}，N個用戶分為Y＝{1,2,…,Y}個組，每個組內有K＝{1,2,…,K}個用戶；

所述資源分配方法按照以下步驟實施：