[發(fā)明專利]一種移動邊緣計算網(wǎng)絡(luò)的任務(wù)中繼卸載方法

在審

• 申請?zhí)枺?/td>: 202011318708.3
• 申請日: 2020-11-23
• 公開（公告）號: CN112468568A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計）人: 李君;仲星;朱明浩;王秀敏;李正權(quán)
• 申請（專利權(quán)）人: 南京信息工程大學濱江學院
• 主分類號: H04L29/08
• 分類號: H04L29/08;H04W4/70;H04W28/08;H04W40/22
• 代理公司: 南京蘇高專利商標事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

本發(fā)明公開了一種移動邊緣計算網(wǎng)絡(luò)的任務(wù)中繼卸載方法，包括集成了毫米波和頻率低于6GHz電磁波(Sub?6GHz)的移動邊緣計算網(wǎng)絡(luò)，Sub?6GHz實現(xiàn)用戶設(shè)備的全覆蓋，設(shè)置基站和用戶設(shè)備預先執(zhí)行了波束訓練和對齊機制，因此能夠在建立數(shù)據(jù)連接時配置適當?shù)牟ㄊ?。由于每個用戶設(shè)備都是獨立的個體，因此，采用平均場博弈MFG的框架最大程度的減少功耗，針對MFG優(yōu)化方法的限制，將公式化的MFG簡化為馬爾可夫決策過程MDP，利用MDP優(yōu)化問題求得MFG的均衡解，即通過采用強化學習框架，最大化CUs的價值函數(shù)，在強化學習的指導下得到均衡解，實現(xiàn)任務(wù)的成功卸載，并減少系統(tǒng)能耗。

技術(shù)領(lǐng)域

本發(fā)明涉及無線通信系統(tǒng)中任務(wù)中繼及卸載技術(shù)，尤其涉及一種移動邊緣計算網(wǎng)絡(luò)的任務(wù)中繼卸載方法。

背景技術(shù)

隨著5G時代的到來，移動設(shè)備成為處理飛速增長的計算數(shù)據(jù)密集型應用程序的平臺，其中包括導航、面部識別、增強/虛擬現(xiàn)實以及在線游戲。由于移動設(shè)備計算能力、內(nèi)存以及電池容量的局限性，無法為一些應用程序提供較高的服務(wù)質(zhì)量，給無線通信帶來了挑戰(zhàn)。

為了解決這些嚴峻的挑戰(zhàn)，提出了移動邊緣計算(MEC)作為可行的解決方案。將MEC部署在網(wǎng)絡(luò)邊緣的計算基站，例如小型基站(SBS)，從而顯著減少SBS到云鏈路上的流量負載，同時減少卸載延遲。MEC提供了具有超低延遲和高帶寬的強大計算服務(wù)環(huán)境，移動設(shè)備可以卸載任務(wù)到其中以減輕對計算和延遲要求嚴格的任務(wù)。

毫米波(mmWave)技術(shù)成為提供更大帶寬和更快數(shù)據(jù)速率的5G通信蜂窩系統(tǒng)的新前沿。但是，毫米波的獨特無線電傳播特性挑戰(zhàn)了無線通信系統(tǒng)的設(shè)計，由于毫米波信號的傳輸距離短，毫米波基站需要密集部署才能實現(xiàn)全覆蓋，這會導致運營商的支出高昂。

在博弈論領(lǐng)域中的平均場博弈(MFG)，已應用于許多工程問題。MFG將博弈建模為一個玩家與所有其他玩家的集體行為進行交互，并提供平衡解決方案，將復雜問題簡化為每個玩家的個別問題。因此，MFG適合大量玩家的場景，適用于在多設(shè)備之間進行多項任務(wù)的調(diào)度任務(wù)。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明目的是針對毫米波頻段的高路徑損耗以及用戶設(shè)備計算能力的不足，提供一種移動邊緣計算網(wǎng)絡(luò)的任務(wù)中繼卸載方法，即提供一種基于分布式強化學習指導的MFG方法，解決了一些用戶設(shè)備難以通過直接卸載來處理任務(wù)數(shù)據(jù)的困境，將D2D鏈路作為中繼鏈路，提高任務(wù)卸載的成功率，同時盡可能減少系統(tǒng)能耗。

技術(shù)方案：本發(fā)明提供一種移動邊緣計算網(wǎng)絡(luò)的任務(wù)中繼卸載方法，包括以下步驟：

步驟s1：構(gòu)建一個毫米波和頻率低于6GHz電磁波(Sub-6GHz)的移動邊緣計算網(wǎng)絡(luò)，其中，Sub-6GHz實現(xiàn)用戶設(shè)備的全覆蓋，毫米波實現(xiàn)用戶部分覆蓋；所述移動邊緣計算網(wǎng)絡(luò)中共有U個用戶設(shè)備在Sub-6GHz的覆蓋范圍內(nèi)，n個中心用戶設(shè)備(Central User，CU)可以直接將計算任務(wù)卸載到移動邊緣計算MEC服務(wù)器中，m個拓展用戶設(shè)備(ExpandedUser，EU)不在毫米波的覆蓋范圍內(nèi)，CUs為毫米波覆蓋范圍內(nèi)的所有CU，每個用戶設(shè)備有一個長度為J的隊列用于儲存任務(wù)，通過D2D中繼鏈路來改善不在毫米波覆蓋范圍內(nèi)用戶的數(shù)據(jù)卸載體驗；

步驟s2：CUn中繼EUm中需要卸載的任務(wù)，在通信范圍內(nèi)，CUn和處于毫米波覆蓋范圍內(nèi)的其他CUs交換任務(wù)數(shù)據(jù)，處理隊列中的任務(wù)；

步驟s3：根據(jù)CUn處理隊列中的任務(wù)導致的系統(tǒng)能量消耗建立代價函數(shù)，列出平均場博弈MFG中的FPK(Fokker-Planck-Kolmogoroy)方程和HJB(Hamilton-Jacobi-Bellman)方程；

步驟s4：將公式化的MFG轉(zhuǎn)換為馬爾可夫決策過程MDP，通過采用強化學習框架最大化CU n的價值函數(shù)，求得MFG的均衡解。

在步驟s1中，將MEC服務(wù)器部署在網(wǎng)絡(luò)邊緣的計算基站內(nèi)。