[发明专利]一种车联网云端和边缘联合任务调度的Lyapunov优化方法

权利要求书

1.一种车联网云端和边缘联合任务调度的Lyapunov优化方法，其特征在于，包括以下步骤：

步骤1、创建车辆Ad hoc网络，所述Ad hoc网络包括一个云服务器，及至少两个边缘服务器；两个RSU节点和N个节点代表车辆，使用Traci移动模型的sumo交通流模型来放置车辆节点；其中，N≥1；

步骤2、利用基于Lyapunov的模糊队列调度作为任务的车辆节点，决定将车辆节点分配到云端或者分配到边缘端进行数据传输，通过模糊Lyapunov稳定性理论导出模糊规则，得到稳定的队列调度，并且使用Lyapunov惩罚函数来最大化任务调度的效用，具体实现过程包括：

步骤2-1、用X(t)表示聚集的车辆数据信息，X(t)中的每个车辆数据信息被划分为不同的优先级，并且放在相应的队列中；设有Q个队列类型，这些队列类型中包含具有从最高优先级的队列1到具有最低优先级的队列n的数据，表示为Q＝{q₁,q₂,q₃,...,q_n}；

步骤2-2、任务调度过程中应保持每个队列的长度不大于队列容量防止网络拥塞，同时也是为了防止低优先级的任务没有被调度而队列空间不足导致车辆数据信息丢失的情况发生；用S_i(t)来表示在时隙t第i个队列的队列长度，S_Q^max表示总的队列容量，每个队列的长度小于等于队列容量来防止网络拥塞；

步骤2-3、每个车辆数据信息作为任务进行调度的过程中都设置一个完成时间和最后截止调度期限；每个任务入队的开始时间为t_s，出队的结束时间为t_e，第i个任务的完成时间表示为W_i，Q个队列类型中对应的每个任务的最后期限相应的表示为T＝{T₁,T₂,...,T_n}；倘若在最后期限内任务还没有被调度，那么该任务就被作为未处理的任务增加其优先级重新放入聚集的车辆数据信息中；

动态调度任务传输的目的是减小队列的所有队列类型的总队列级别，目标函数表示为：

Subject to：S_i(t)≤S_Q^max

W_i≤T_i

q_i(t)是在离散时间t第i个队列的动态队列优先级；

步骤2-4、任务调度过程中被选择分配进行处理的任务的能量消耗应该在总的能量消耗预算的范围内；倘若任务i被选择分配进行处理表示为x_i＝1，则未被选择分配进行处理表示为x_i＝0，任务i被选择分配进行处理的能量消耗表示为E_i，E_Q^max表示总的能量消耗预算，任务调度的目的是选择具有最大队列优先级的队列类型q_s，即：

同时在能量消耗的预算的范围内最大化任务调度的效用，时隙t任务i的效用表示为U_i(t)，即：

Subject to：

E_i≤E_Q^max i∈(1,n)

p_i为任务分配过程中的能量消耗率，任务分配的能量消耗由任务的完成时间以及能量消耗率共同决定；若是被选择分配进行处理的任务的能量消耗超出总的能量消耗预算，那么该任务也被作为未处理的任务减少其能量消耗分配重新放入聚集的车辆数据信息中；

步骤2-5、任务调度过程中，采用Lyapunov模糊理论来进行任务的调度，最大化任务调度的效用的同时优先级高的任务优先被选择调度进行处理；同时采用Lyapunov候选函数来维持任务调度的稳定性，在Q个队列类型中，如果q₁比较大，q₂,q₃,...,q_n相对都比较小，那么具有最大队列优先级的队列类型q_s的选择就是q₁，表示q₁的优先级比较大，q₁被优先选择调度进行处理；如果Lyapunov候选函数是局部正定的并且Lyapunov候选函数的时间导数是局部半负定的，那么就说明任务调度是趋于稳定的；并且使用Lyapunov惩罚函数来最大化任务调度的效用；

步骤2-5中定义两个队列：调度队列Q(t)，虚拟队列P(t)，P(t)对应于能量消耗E_Q^max，Lyapunov候选函数的值越小就代表队列的状态更稳定，所以理想情况下，Q(t)应保持有界，P(t)应保持接近一个常数，设该常数为k；

所述的Lyapunov候选函数的表达式为：

Lyapunov漂移是排队网络中最优控制研究的核心，目标是稳定所有网络队列；

Lyapunov漂移定义为Lyapunov函数从一个时隙到下一个时隙的更改，Δ(L(t))表示最小化漂移，表示为：

Δ(L(t))＝E[L(t+1)-L(t)]

调度队列Q(t)的队列积压随时间推移的更新表示为：

Q(t+1)＝[Q(t)-X_s(t)+X_e(t)]⁺

其中X_s(t)是队列中已经被调度了的任务，X_e(t)是新增的车辆节点信息；

虚拟队列P(t)的能量消耗随时间推移的更新表示为：

P(t+1)＝[P(t)-X_c(t)+e(t)]⁺

X_c(t)是已调度任务所消耗的能量，e(t)是根据任务调度过程中能量消耗的情况所增加的能量预算；

最小化漂移Δ(L(t))的目的是确保Q(t)保持稳定，P(t)随时间保持接近常数k，队列中调度和新增的车辆节点信息都是有界的，存在常数B＞0使得对于所有的t满足：

Δ(L(t))≤B-E[Q(t)X_c(t)+(P(t)-k)X_c(t)]

X_c(t)是已调度任务所消耗的能量，当Δ(L(t))＜0时，队列处于稳定状态；

步骤2-5中，Lyapunov惩罚函数表达式为：

minΔL(t)-v*U_t

在队列稳定状态下获得优化：

maxE[Q(t)X_s(t)+(P(t)-k)X_c(t)]+v*U_t

其中X_s(t)是队列中已经被调度了的任务，X_c(t)是已调度任务所消耗的能量，v是根据需要选择以控制效用的控制参数权重，U_t是任务分配的能量消耗，控制参数v在任务调度的效用和队列优先级之间平衡，选择较大的v可以获得更大的任务调度的效用。