[发明专利]一种基于GS算法的资源分配方法

说明书

本发明属于通信5G以及边缘计算技术领域，具体的说是一种基于GS算法的资源分配方法。本发明的基本思路是在一个小基站放置一个MEC服务器来为该微小区的蜂窝用户提供边缘计算服务，同时蜂窝用户可以按照待执行任务的特性来选择与宏基站相连的云计算服务。本发明的有益效果为，本发明的方法复杂度低，保证了用户的通信需求，可以为用户匹配合适的计算服务，提高时延性能。

技术领域

本发明属于通信5G以及边缘计算(Mobile Edge Computing,MEC)技术领域，具体涉及一种基于GS算法的资源分配方法，涉及GS算法(the Gale-Shapley algorithm)以及超密集组网(Ultra-Density Network，UDN)、边缘计算、云计算(Cloud Computing)等技术。

背景技术

云计算是最早出现的计算卸载技术，这是一种中央式的计算卸载模型，通常通过互联网来提供动态易扩展且虚拟化的资源。云计算使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，让终端设备选择将自己的计算任务(存储任务)交由云端执行以节省自身有限的计算资源(存储资源)以及能耗。

边缘计算是相对于云计算提出来的。很多行业对实时性、可靠性与安全性等有严格要求，例如物联网终端作为一种便携可移动的装置，有它区别于传统互联网设施的特点。但是由于其受限于接入带宽、流量以及成本、能耗等条件，所以对数据应该进行合理的处理，特别是进行预处理，以便能够“物尽其用”，避免资源的浪费。因此，在靠近物或者数据源头的网络边缘就需要一个集连接、计算、存储和应用的开放平台，就近提供边缘智能服务。概括来说就是：边缘计算可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求，而这些需求正是物联网行业需要解决的问题。

在5G移动通信技术的设计中，接入密度为10⁶每平方公里，为了满足如此庞大的接入需求，5G采用了超密集组网技术：一个小区有一个宏基站以及大量的微基站组成，每个微基站负责为邻近的蜂窝用户服务。

由于现在互联网的信息越来越多，移动终端也需要应对不同种类的计算任务。在混合网络之中引入MEC计算卸载技术可以有效解决蜂窝用户的计算能力受限问题，并且可以弥补云计算在时延性能方面的不足，从而为整个网络提供时延性能与计算性能兼具的计算卸载服务。同时，基于GS算法进行卸载方式(云计算、边缘计算、本地计算)、信道和用户的匹配，在降低复杂度的同时可以适当提升系统的性能。

发明内容

本发明针对上述问题提出了一种基于GS算法的资源分配方法，旨在提高蜂窝系统中接入终端的计算能力与时延性能。本发明的基本思路是在一个小基站(Small BaseStation,SBS)放置一个MEC服务器来为该微小区的蜂窝用户提供边缘计算服务，同时蜂窝用户可以按照待执行任务的特性来选择与宏基站(Macro Base Station，MBS)相连的云计算服务。该方案可以为用户匹配合适的计算服务，提高时延性能。

首先介绍系统模型：

如图1所示，考虑一个上行的超密集组网的蜂窝系统，存在一个中心的宏基站MSB，与云计算服务器相连接，以及若干个小基站SBS，每个SBS放置了一个边缘计算服务器；每个小基站有若干个接入的蜂窝用户，每个用户都有一个待执行任务，每个任务有两个属性：输入数据量与CPU执行周期数，且每个任务可以选择在本地执行、MEC服务器上执行或者云计算服务器上执行。这里以一个小基站为例：假设小基站的接入蜂窝用户数为N，有K个独立的子信道可供分配。同时用户，MEC服务器，云计算服务器的计算能力分别为：其他的变量如下表1所示：

表1参数说明

本发明的方法为：

首先定义计算三种卸载情况的时延的方法：

其中，