[發明專利]一種基于前景理論框架的邊緣計算任務卸載方法

有效

• 申請號: 202210808327.6
• 申請日: 2022-07-11
• 公開（公告）號: CN115150405B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 張德干;張平;張婷;張捷;董文淼;鄂泓霖;安宏展;張志昊;王曉陽;王法玉;陳洪濤
• 申請（專利權）人: 天津理工大學
• 主分類號: H04L67/1021
• 分類號: H04L67/1021;G06N3/006
• 代理公司: 天津佳盟知識產權代理有限公司 12002
• 代理人: 李淑惠

本發明公開一種基于前景理論框架的邊緣計算任務卸載方法，屬于物聯網領域。移動邊緣計算為聯網的車輛、手機等移動設備提供了完成密集型計算和延遲敏感任務的可靠解決方案，現有的研究大多在假設用戶絕對理性的基礎上設計一系列方法來完成預期目標，但是因為用戶的主觀性，實際結果會偏離真實情況。針對小型蜂窩網絡場景下的任務卸載問題使用人工魚群算法在限制時延情況下優化系統能量，最后通過實驗測試驗證了用戶行為對系統能量優化的影響及所提出的任務卸載方法的有效性。

技術領域

本發明屬于物聯網領域，具體涉及一種前景理論框架的邊緣計算任務卸載方法。

背景技術

近年來，隨著信息技術和計算機技術的高速發展，各種移動設備不斷更新換代，網絡可以為人們提供豐富的應用。傳統的集中式網絡架構由于鏈路擁擠，導致通信時延較長，無法滿足用戶的使用體驗(QoE，quality?of?experience)，所以研究人員提出了將網絡能力從核心網絡遷移到邊緣，即移動邊緣計算(MEC，Mobile?Edge?Computing)。通過在移動網絡邊緣部署MEC服務器，MEC可以提供接近移動設備用戶的計算和存儲資源。因此，可以通過將計算轉移到邊緣云中附近的MEC服務器來實現低延遲。2014年，歐洲電信協會將MEC定義為在移動網絡邊緣提供IT(Information?Technology)服務環境和云計算能力，根據MEC具有與用戶在地理位置上的靠近、低延遲、局域性和位置感知等特點，強調MEC貼近移動用戶，減少網絡的運營和服務延遲的特性，從而改善用戶體驗。MEC服務器部署在無線網絡的邊緣，縮短了計算服務器與車輛的距離，使車輛可以將計算任務卸載至MEC服務器進行計算，并且汽車工業的發展使得車輛的計算能力有了不小的提升，這樣車輛的計算任務既可以卸載到服務器進行計算，也可以卸載到其他空閑車輛上進行計算，所以MEC的出現使得智能交通快速發展，并且使得聯網車輛的數量也在快速增加。隨著車輛遠程信息技術的發展，人們對于車輛網絡上的功能的期待也隨之增加，如駕駛安全、自動駕駛、車內娛樂以及智能交通系統；這些愿景也使得車輛網絡的預期數據變得更為龐大。

大量的研究人員開發了很多提升卸載效率或者提升用戶體驗的計算任務卸載算法，但是卻忽略了各種卸載方案都是基于用戶在選擇卸載方式時的絕對理性，但是在不確定的情況下，人的決策依賴于其主觀感知，可能會嚴重偏離理性，如實驗所述。對于現實中網絡連接和網絡設備的極大不確定性，人的主觀感知將會在做出卸載決策的過程中起到很大的作用，所以用戶會按照自己的期望來選擇卸載任務或是在邊緣設備上執行，計算卸載算法所推斷出的卸載策略參考性將會收到影響。

發明內容

本發明的目的是就是將移動端的處理不了的或處理不好的任務卸載到移動網絡的邊緣上的邊緣服務器，當邊緣服務器將任務計算完畢后再將結果傳輸回移動端。為了研究人的主觀感知對計算卸載產生的影響，應用前景理論(PT，prospect?theory)來模擬用戶在卸載過程中的真實行為。具體來說，本發明將計算卸載場景模擬為車輛在城市中與邊緣服務器的交互，將其建模為多用戶多邊緣服務器模型，考慮每個用戶的真實行為的同時限制時間，并最小化任務執行的能耗，最大化主觀效用。根據前景理論對人工魚群算法進行改進，提出一種改進的人工魚群算法來保證解的全局最優性同時最小化收斂速度。

本發明的前景理論框架的邊緣計算任務卸載方法，主要包括如下關鍵步驟：

第1、邊緣計算任務卸載場景下的人工魚群算法實現：

第1.1、聚群行為；

第1.2、追尾行為；

第1.3、捕食行為；

第1.4、隨機游動；

第2、基于前景理論框架的邊緣計算任務卸載方法的設計：

第2.1、改進人工魚群算法；

第2.2、算法復雜度分析。