[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

说明书

本发明公开了一种车联网云端和边缘联合任务调度的Lyapunov优化方法，包括以下步骤：第一阶段，创建车辆Ad hoc网络，所述Ad hoc网络有一个云服务器，多个边缘服务器，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；第二阶段：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还是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。本发明实现了云端、边缘端、终端之间的任务调度，合理有效的利用云端、边缘端的资源，从而使任务处理的速度变得更快，大大减少了任务处理过程中的延时。

技术领域

本发明涉及一种车联网云端和边缘联合任务调度的Lyapunov优化方法，属于移动计算领域。

背景技术

目前，万物互联的时代，众多终端设备对云计算中心的依赖愈发强烈。其结果就是庞大的数据量给原有云计算模型带来诸多挑战。集中式的海量数据处理加重了云数据中心的负担，导致网络阻塞、高延时、低服务质量等问题。其次，当网络边缘设备所产生的数据涉及单位和个人隐私时，隐私数据安全问题也会变得尤为突出。因此边缘计算应运而生。边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其目的是将原有基于中心的云计算任务部分迁移到网络边缘设备上，以提高数据的网络传输性能，减少网络带宽消耗，保证数据处理的实时性，同时降低云计算中心的计算负载。2016年底由华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术(集团)等多家公司联合成立了边缘计算联盟。边缘计算在云计算任务迁移、边缘视频分析、智能家居、智慧城市，包括智能信号灯、ParkSense系统、管道检测、智能电网等领域也有一定的应用，其次，在车联网、可穿戴设备、智慧农场等方面也是应用广泛。

与云计算相比，边缘计算的初衷是为了将计算能力带回离数据源更近的地方，它采用分布式计算架构，在靠近数据源所在的局域环境网络内运算，设计一个本地端运算网络环境，可以将运算分散靠近地面数据源的近端设备处理，从而可以分担原本在云端的工作量，而无需将数据全部传回云端进行集中式处理，从而使任务处理的速度变得更快。此外，由于边缘端的运算设备和设备之间彼此相隔很近，网络传输更直接，因而数据传输也相对较快，对于计算服务的响应速度也很快。已有的技术研究了物联网和5G通信的愿景驱动下，移动计算领域从集中式移动云计算(MCC)到分布式移动边缘计算(MEC)的转变，从而在资源受限的移动设备上实现计算密集型和延时时间关键的应用以及移动边缘云可通过提供无线网络信息和本地环境感知以及低延迟和带宽保护来克服传统中央云的高延时、计算能力不足的障碍。也有技术研究了多通道无线干扰环境下采用博弈论的方法来实现移动边缘云计算分布式的高效计算卸载，并将研究进一步扩展到多通道无线争用环境中的多终端计算卸载场景。然而，这些方法对于数据进行处理的研究都比较单一，数据流量的爆炸性增长，所带来的网络的安全与隐私问题不容小觑，为未来网络计算提出了高性能要求。边缘计算是在相关技术基础上发展起来的，与云计算是相辅相成的关系，但是目前对于边缘计算-云计算相结合的研究还相对较少，因此云端-边缘-终端的任务分配方法将是未来的重要研究方向。Lyapunov函数的目标是稳定网络队列同时优化一些性能目标，比如：Lyapunov优化是指使用Lyapunov函数来优化控制动力系统，Lyapunov函数广泛应用于控制理论，以确保不同形式的系统稳定性。Lyapunov漂移是研究排队网络最优控制的核心问题。一个典型的目标是稳定所有网络队列，同时优化一些性能目标，如最小化平均能量或最大化平均吞吐量。Lyapunov惩罚函数在稳定网络的同时可以最小化时间平均功率。因此，结合Lyapunov理论来研究边缘、云端、终端之间的任务调度对于提高数据的网络传输性能，保证数据处理的实时性，同时降低云计算中心的计算负载来说是一种很重要的研究方向。

发明内容