[發明專利]一種智能車輛邊緣計算網絡的資源分配方法

有效

• 申請號: 202110795170.3
• 申請日: 2021-07-14
• 公開（公告）號: CN113535397B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 姜衍;谷曉會;沈椏楠;段瑋;季彥呈;王明星;卓碧婷
• 申請（專利權）人: 南通大學
• 主分類號: G06F9/50
• 分類號: G06F9/50
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 徐激波

本發明公開一種智能車輛邊緣計算網絡的資源分配方法，包括以下步驟；步驟一：采用CEC?IOV的分層資源管理模型；步驟二：為全局負載均衡問題開發了一種快速、可擴展的迭代MLML算法；步驟三：提出了一種QoS感知資源管理方案和能量感知資源管理方案，通過優化配備在MECS的一組VMs的工作負載和服務速率來最小化功耗；利用KKT條件解決制定的能效優化問題，獲得了最佳解決方案的半封閉表達式；步驟四：與基準方案相比，數值結果驗證了所提出的QoS感知和能量感知資源管理方案的性能和優越性。本發明通過同時從過載MECSs和閑置MECSs中選擇適當的響應時間閾值和遷移負載，很好地解決了具有不平衡工作負載的多個MECSs的負載均衡問題。

技術領域

本發明涉及一種智能車輛邊緣計算網絡的資源分配方法，屬于計算機信息技術領域。

背景技術

隨著車輛應用，移動設備和物聯網的發展，開發出一種有效的架構來處理車聯網中的大數據(IOV)已成為未來智慧城市的關注熱點。移動邊緣計算(MEC)是5G以及6G的關鍵技術之一，它將計算和存儲資源遷移到終端用戶附近，以克服云計算中數據集中處理的固有缺陷。之前的文獻中研究了協作邊緣計算的體系結構，其中分布式MEC服務器(MECS)以一種有效協同的方式為本地用戶提供服務。此外，MECSs的集成促成了需要MEC服務器彼此之間協同工作的應用，特別是在大數據和物聯網中的應用。從這個角度來說，我們展示了一些協作邊緣計算(CEC)的具體應用。例如，移動性支持和服務遷移，多源數據采集，分布式計算和存儲以及多路徑數據傳輸。

然而，靜態地配置一對MECS之間的映射，使得車輛系統難以適應交通負載的變化[7]。因此，協作架構出現了新的挑戰：負載分布不均勻時MECSs的負載均衡。通過將計算工作負載從過載的MECSs卸載到空閑的MECSs的并行處理，IOV網絡的非均勻分布式數據量可以很好的平衡，因此減少了任務響應時間。此外，經過MECS中配置的虛擬機(VM)進行工作負載重新分配和動態重置之后，優化了CEC網絡中計算資源的利用率。

負載均衡的主要應用場景包括服務器和鏈接的負載均衡。之前的一些文獻中研究了服務器的協作以提高系統性能，例如，Tam et al.調查了考慮了有限回程能力下的聯合負載均衡和干擾管理策略；Oueis et al.提出了一種聚類算法，在保證通信能量消耗較低的情況下最大化用戶的滿意度；Li et al.開發了一種工業移動無線網絡中的動態自適應負載均衡算法。在這些文獻中，工作負載遷移發生在具有較大負載和較小負載的服務器之間，而忽略了響應時間閾值，以至于導致了頻繁且不必要的負載均衡操作。

為了克服云計算中數據集中處理的固有缺陷，移動邊緣計算(MEC)將數據存儲和計算帶到了更靠近終端用戶的邊緣位置，引起了廣泛關注。然而，訪問車輛的不均勻分布以及大量的計算數據導致各種移動邊緣計算服務器(MECSs)之間的工作負載多樣性。

發明內容

針對上述現有技術存在的問題，本發明提供一種智能車輛邊緣計算網絡的資源分配方法，從而解決上述技術問題。

為了實現上述目的，本發明采用的技術方案是：一種智能車輛邊緣計算網絡的資源分配方法，包括以下步驟；

步驟一：采用CEC-IOV的分層資源管理模型，其中多個MECSs的QoS感知資源管理被標記為負載均衡問題；

步驟二：為全局負載均衡問題開發了一種快速、可擴展的迭代MLML算法，其中負載的遷入和遷出分別發生在欠載和過載情況下；

步驟三：考慮到單個MECS的聚合負載，我們提出了一種QoS感知資源管理方案和能量感知資源管理方案，通過優化配備在MECS的一組VMs的工作負載和服務速率來最小化功耗；利用KKT條件解決制定的能效優化問題，獲得了最佳解決方案的半封閉表達式；

步驟四：與基準方案相比，數值結果驗證了所提出的QoS感知和能量感知資源管理方案的性能和優越性。

進一步的，所述步驟一中CEC-IOV資源管理包括兩個方面；