[发明专利]一种非平衡边缘云MEC系统的多用户多任务迁移决策方法

权利要求书

1.一种非平衡边缘云MEC(Mobile Edge Computing,MEC)系统的多用户多任务迁移决策方法，其特征在于：所述非平衡边缘云MEC系统包括A个移动用户(MU)、B个基站(BS)和C个边缘云服务器(ECS)，分别记为A＝{a₁,...,a_A},B＝{b₁,...,b_B},C＝{c₁,...,c_C}，所述移动用户i∈A有多个计算密集型或时延敏感型任务需要迁移到所述边缘云服务器中处理，任务集记为任务s_i,k所需计算资源为r_i,k,i∈A,k∈S_i，所述基站m∈B不配置独立边缘云服务器，而是通过回程共享多个边缘云服务器，任务s_i,k迁移到基站m的传输时延和能量消耗分别记为t_i,k,m和e_i,k,m，即使不同移动用户接入同一基站，由于信道条件差异，其传输时延和能量消耗也不同，基站m拥有的连接数为Q_m，所述边缘云服务器n∈C的接入成本取决于对该边缘云服务器的访问时间和计算资源占用，即不同基站有不同的边缘云服务器接入成本，基站m接入边缘云服务器n的接入成本记为δ_m,n,m∈B,n∈C，边缘云服务器n的计算资源为R_n，迁移决策x_i,k,m,n涉及基站和边缘云服务器选择，x_i,k,m,n＝1表示任务s_i,k通过基站m迁移到边缘云服务器n中处理，否则，x_i,k,m,n＝0，任选一台边缘云服务器作为虚拟决策中心(VDC)，运行迁移决策算法，所述虚拟决策中心首先收集任务迁移计算资源需求、接入不同基站的传输时延和能量消耗、边缘云服务器的接入成本、基站的连接约束和边缘云服务器的可用计算资源等信息，然后运行迁移决策算法，将结果反馈给移动用户，任务s_i,k的迁移成本用任务迁移到基站的传输时延、能量消耗和边缘云服务器的接入成本的加权和，即传输时延-能量消耗-接入成本折中表征：

其中，π_i,k,m,n＝(α_it_i,k,m+β_ie_i,k,m+γ_iδ_m,n)，α_i,β_i,γ_i分别表示任务迁移到基站的传输时延、能量消耗和边缘云服务器的接入成本权重，反映移动用户i的任务迁移对相应开销的偏好；

分别建立基于最小化所有移动用户迁移成本和的迁移决策优化模型OP1和基于最小化每个移动用户最大迁移成本的迁移决策优化模型OP2：

其中，权重η_i体现移动用户之间的公平性，η_i取值越大，表示移动用户i的迁移成本越小，约束条件：

其中，(a)表示选择边缘云服务器的所有移动用户所需的计算资源和不超过该边缘云服务器能提供的计算资源；(b)表示接入基站的移动用户数不超过该基站能提供的连接数；(c)表示任意任务最多经由一个基站迁移到一个边缘云服务器；

针对所述基于最小化所有移动用户迁移成本和的迁移决策优化模型OP1采用级联贪婪迭代算法(CGIA)求解：虚拟决策中心(VDC)首先收集或更新未迁移任务的候选基站集合、边缘云服务器集合和各边缘云服务器的接入成本；然后执行内贪婪迭代算法(IGIA)搜索每个未迁移任务的最优迁移路径；接着执行外贪婪迭代算法(OGIA)选择迁移成本最小的任务，并依据最优迁移路径迁移；最后更新剩余通信资源、计算资源和未迁移任务集，由以下步骤组成：

步骤11、信息采集：

第l次迭代后，针对迁移任务非空用户集中移动用户i的未迁移任务集收集任务的候选基站集合候选边缘云服务器集合和各边缘云服务器的接入成本集合Q_m(l)为基站m能提供的连接数；R_n(l)为边缘云服务器n能提供的计算资源；

步骤12、执行IGIA算法搜索最优迁移路径：

步骤12.1、根据各边缘云服务器的接入成本Δ^i,k(l)搜索任务经由基站m∈B迁移的最优边缘云服务器

步骤12.2、根据传输时延-能量消耗-接入成本折中π_i,k,m,n和最优边缘云服务器搜索任务接入的最优基站

步骤12.3、更新：

步骤12.4、输出任务的最佳迁移路径

步骤13、执行OGIA算法选择并迁移任务：

步骤13.1、根据最小传输时延-能量消耗-接入成本折中搜索未迁移任务集中具有最小传输时延-能量消耗-接入成本折中的任务：

步骤13.2、更新：

步骤13.3、根据搜索迁移任务非空用户集中具有最小传输时延-能量消耗-接入成本折中的移动用户：

步骤13.4、更新执行任务迁移，即将移动用户i^*的任务k^*经基站m^*迁移至边缘云服务器n^*中计算处理，其传输时延-能量消耗-接入成本折中为π^*，占用边缘云服务器的计算资源为

步骤13.5、更新基站m^*剩余连接数、边缘云服务器n^*剩余计算资源、移动用户i^*剩余未迁移任务集和剩余迁移任务非空用户集：

其余基站m≠m^*的连接数和边缘云服务器n≠n^*的计算资源不变；

步骤13.6、若或或算法结束；否则l＝l+1，跳转至步骤12；

步骤13.7、算法结束；

针对所述基于最小化每个移动用户最大迁移成本的迁移决策优化模型OP2采用基于公平的贪婪算法(FGIA)求解：VDC首先收集基站连接数、边缘云服务器计算资源、任务迁移到基站的传输时延和能量消耗、边缘云服务器的接入成本等；然后计算迁移任务非空用户集中移动用户的优先度，根据移动用户的优先度值选择移动用户并收集该用户的候选资源集合；其次执行内贪婪迭代算法(IGIA)搜索每个未迁移任务的最优迁移路径；接着执行外贪婪迭代算法(OGIA)选择迁移成本最小的任务，并依据最优迁移路径迁移；最后更新剩余通信资源、计算资源和未迁移任务集，由以下步骤组成：

步骤21、信息采集：

第l次迭代后，收集迁移任务非空用户集移动用户的已迁移任务集和未迁移任务集基站m能提供的连接数Q_m(l)、边缘云服务器n能提供的计算资源R_n(l)，任务迁移到基站m的传输时延和能耗t_i,k,m,e_i,k,m以及基站m接入边缘云服务器n的接入成本δ_m,n；

步骤22、选择调度用户：

步骤22.1、计算移动用户的优先度为：

其中，

步骤22.2、根据各移动用户的优先度搜索迁移任务非空用户集中具有最小优先度值的移动用户：

步骤23、收集调度用户i＝i^*的候选资源集合：

收集调度用户i＝i^*的未迁移任务集中任务的候选基站集合候选边缘云服务器集合和各边缘云服务器的接入成本集合

步骤24、执行IGIA算法搜索最优迁移路径：

步骤24.1、根据各边缘云服务器的接入成本Δ^i,k(l)搜索任务经由基站m∈B迁移的最优边缘云服务器

步骤24.2、根据传输时延-能量消耗-接入成本折中π_i,k,m,n和最优边缘云服务器搜索任务接入的最优基站

步骤24.3、更新：

步骤24.4、输出任务的最佳迁移路径

步骤25、执行OGIA算法选择并迁移任务：

步骤25.1、根据最小传输时延-能量消耗-接入成本折中搜索未迁移任务集中具有最小传输时延-能量消耗-接入成本折中的任务：

步骤25.2、更新：

步骤25.3、更新执行任务迁移，即将移动用户i^*的任务k^*经基站m^*迁移至边缘云服务器n^*中计算处理，其传输时延-能量消耗-接入成本折中为π^*，占用边缘云服务器的计算资源为

步骤25.4、更新基站m^*剩余连接数、边缘云服务器n^*剩余计算资源、移动用户i^*剩余未迁移任务集和剩余迁移任务非空用户集：

其余基站m≠m^*的连接数，边缘云服务器n≠n^*的计算资源不变；

步骤25.5、若或或算法结束；否则l＝l+1，跳转至步骤22；

步骤25.6、算法结束。