[发明专利]一种车联网中基于ADMM的任务分配与功率控制方法

权利要求书

1.一种车联网中基于ADMM的任务分配与功率控制方法，其特征在于，包括如下步骤：

1)确定能否在车辆离开路边单元服务范围之前完成数据传输；

2)通过非线性分式优化和交替方向乘子法的迭代过程进行优化，获得使能量损耗最小的计算任务分配比率和传输功率；

3)路边单元的服务器对分配的任务进行计算，并在中心控制器的控制下，将计算的结果通过路边单元发送给车内移动设备；

从用户设备到路边单元m的任务量分配比率服从平均到达率为的泊松过程，在确定能否于车辆离开路边单元m的服务范围之前完成数据传输的过程中，进一步包括：

1.1在车辆进入路边单元m的服务范围时，由车速和车辆与路边单元边缘的距离确定最大容忍时间当数据传输时间小于该值时，进行数据传输；

1.2在数据传输时间满足要求后，若整个边缘计算过程的执行时间不大于车辆离开该路段的时间则按一定任务分配比率将计算任务发送至路边单元；

依据任务量分配比率，时延和能耗由本地计算过程和数据传输及边缘计算过程两部分构成，进一步包括：

1.21分配的任务首先从车内移动设备转发至车内转发器，然后车内转发器用最大传输功率将此任务发送到路边单元，全过程为两跳传输；两跳的信噪比分别表示为：

其中，和分别代表了移动设备和转发器的传输功率和表示从移动设备到转发器和从转发器到路边单元的信道增益，用N₀表示高斯白噪声的单边功率谱密度，并得到两跳总信噪比：

进而对于所传输的大小为的数据包，当信道带宽为时，传输时间通过下式得到：

1.22对于在本地计算的任务，本地计算时间由待计算任务对计算资源的需求移动设备的本地计算能力待计算任务对CPU资源的占有率平均到达率为和任务量分配比率导出：

1.23对于被分配到路边单元的服务器进行计算的任务，等待被服务器计算的来自于不同移动设备的任务量有总到达率路边单元m具有c个等同的服务器，每个服务器的计算能力为在M/M/c队列模型和Erlang公式的基础上，得到计算任务在路边单元m的平均处理时间：

其中

由于路边单元m的处理能力有限，待计算任务在必须队列中等待，然后被路边单元m处理并将结果发送给用户设备因此每一个计算结果在路边单元m处的平均等待时间为：

其中，为路边单元m的传输处理速度，由于计算结果的数据长度远小于计算任务，计算结果从路边单元m到用户设备的时延忽略；当准备发送计算结果时，如果车辆已经运动到路边单元m的覆盖范围之外了，计算结果将首先被发送到中心控制器，然后被转发至车辆所在的路边单元m'；此过程中的传输延时在中心控制器的平均等待时间和在路边单元m'的等待时间认为是常量，因此跨区的延时表达为：

1.24对整个移动边缘计算过程的执行时间有

用户设备的能量损耗应包括本地计算的能量消耗和传输数据的能量消耗；定义为本地计算功率，它取决于CPU的固有特性和工作负载的复杂性，在任务执行期间被视为常量；

通过下得到用户设备的本地计算能量消耗：

通过下式得到用户设备向车内转发器发送数据的能量损耗：

通过下式得到用户设备的总能量损耗：

能耗优化方案为基于ADMM的计算任务分配和功率控制方案，其目标为最小化路边单元m服务范围内m_k辆车的整体能耗，定义优化变量集合其中则优化问题为：

s.t.

C₁和C₂为限制了工作负载的到达率和分别不能超过用户设备和路边单元m的处理速率,C₃确保了传输功率不超过用户设备的最大传输功率,C₄和C₅分别为数据传输和任务计算过程的延迟限制,C₆为任务分配比率的边界限制；

在P1中，因为不同的用户设备的任务分配变量是耦合的，因此优化目标是不可分离的；为了解决该问题，进一步包括以下步骤：

2.1引入最优资源分配策略的本地副本；使用一组新的变量来表示局部优化变量，定义和分别作为和的本地变量，则本地优化变量的集合被定义为其中

则P1的次优问题表达为：

s.t.

2.2 P2通过引入局部变量使目标函数可分离，将目标函数分解为_mK个被并行解决的子问题，这些分散的联合优化问题被表达为：

目标函数P3依然是一个非凸问题，将P3的分子和分母分别定义为：

并定义作为P3的最优目标函数值：

其中和分别代表了最优本地计算任务分配比率和功率控制策略；

2.3根据非线性分式优化问题，获得最优目标值的充分必要条件是：当且仅当方程

成立，即通过解决下面的问题得到最优的本地优化变量和

2.4为每个用户设备定义本地变量集合并定义函数：

由此，关于P2的凸优化问题表达为：

2.5定义关联于P5的最优变量集合步骤2)迭代算法的每一次迭代过程中，下面的问题被解决：

其中最优解在前一步迭代中获得，当限制条件被满足时是所求优化问题P1的一组最优解；

对于迭代过程，定义对应于方程P6的拉格朗日乘子集合μ_m＝{μ₁,...,μ_mk,...,μ_mK}，定义正常数ρ调整收敛速度，则P6的增广拉格朗日公式被表达为：

该迭代过程包含两层循环，外循环为非线性分式优化问题，用n来指示迭代次数；内循环为原始变量和对偶变量的更新，用t来指示迭代次数，

进一步包括：

2.51对工作任务分配比率传输功率和最优解初始化，设置终止条件ε；

2.52更新优化变量集合给定第n次外循环的最优解进而获得每个用户设备的传输功率本地变量和的更新被分解为能够并行解决的m_K个子问题；根据下式计算用户设备在第t次内循环时的获得的最优任务分配比率和传输功率

2.53更新根据下式获得第t+1次内循环时的全局最优任务分配比率

根据下式获得第t+1次内循环时的拉格朗日乘子

2.54更新最优解在ADMM的初始变量和对偶变量的迭代过程中，当t趋于下确界时，满足目标函数收敛，残差收敛和对偶变量收敛条件；第n次迭代的内循环终止时得到和则第n+1次迭代的最优解按下式得到：

2.55循环终止；当第n次外层循环满足时，通过下式获得最优任务分配比率最优传输功率和最优解