[发明专利]一种移动边缘计算场景中卸载时延优化方法

说明书

本发明的目的是提供一种移动边缘计算场景中卸载时延优化方法，步骤一、构建系统模型：系统模型包括2M个用户和一个MEC服务器，每个用户有L个任务需要被卸载到MEC服务器进行计算，假设同时只允许两个用户采用混合NOMA策略同时卸载；步骤二、设定每一个用户作为一个执行者，每一个执行者按照DQN算法进行动作选择，即从其余2M‑1个用户中选择一个作为自己的传输搭档同时进行卸载；步骤三、用DQN算法进行系统优化：所有用户搭档选择完成后，计算系统的总卸载时延，更新奖赏值，然后训练神经网络，用神经网络作为函数逼近器，更新Q函数；不断的对系统进行上述迭代优化，直至找到最优的时延。解决了现有多用户MEC场景下，时延消耗大的问题。

【技术领域】

本发明属于无线通信技术领域，具体涉及一种移动边缘计算场景中卸载时延优化方法。

【背景技术】

目前，移动通信网络向5G演进的速度进一步加快，面对迅猛而来的流量增长和用户体验需求，移动通信网络将承受巨大的压力。移动边缘计算(MEC)的出现有效的缓解了这一压力。MEC通过将具有计算、存储、通信能力的业务平台下沉到网络边缘，使移动用户将他们的计算密集型任务卸载到MEC设备，强调靠近移动用户以减少网络操作和服务交付的时延。其已经发展演进为5G移动通信系统的重要技术，目前广泛应于于通信系统研究的各个方面。

MEC虽然能够解决用户的高计算量需求，但将任务卸载到服务器需要耗费更多的能量和时延，因此为了更好的发挥MEC的优势，需要采用一定的方法来有效减小时延和能量的消耗。为了解决这一问题，最近已经有许多MEC场景中时延优化相关的工作被完成。

文献1““Delay Minimization for NOMA-MEC Offloading,”[IEEE SignalProcessing Letters,vol.25,no.12,pp.1875-1879,Dec.2018].”考虑了非正交多址辅助移动边缘计算(NOMA-MEC)的卸载延迟的最小化。通过将延迟最小化问题转化为分数规划的形式，提出了分别基于Dinkelbach方法和Newton方法的两种迭代算法。证明了两种方法的最优性，并比较了它们的收敛性。但该方法仅考虑两个用户的情况，实用性较低。

文献2“Latency-Oblivious Incentive Service Offloading in Mobile EdgeComputing[2018 IEEE/ACM Symposium on Edge Computing(SEC),Seattle,WA,2018].”设计了一种延迟不经意的激励服务卸载方案，以管理未来移动服务的复杂网络服务。通过使用移动边缘计算作为现实测试平台中的示例用例，构建原型并展示其在延迟和总成本方面的可行性。

一种在多基站场景中的基于非正交多址接入的移动边缘计算布伦特式时延优化方法。该方法步骤包括：(1)在集成边缘服务器的BSs的覆盖范围下有1个移动用户,优化问题描述为一个多变量非凸性优化问题；(2)将问题(DM#i)分解为两层优化问题；(3)根据底层DM#i#E#Sub问题,提出了基于拉格朗日乘数法的对分搜索方法,在移动用户i传输时间ti的情况下优化移动用户i的整体时延；(4)针对顶层DM#i#E#Top问题,提出布伦特方法,优化移动用户i的传输时间ti；(5)通过底层问题与顶层问题的交互迭代,最终解决问题(DM#i)。该发明提高了系统传输效率,节省带宽资源,获得更优质的无线网络体验质量。虽然该方法提出了移动边缘计算布伦特式时延优化方法，将问题分解为两层优化问题，但是对环境的要求较高，且用户没有经过学习的过程，收敛速度慢。

【发明内容】

本发明的目的是提供一种移动边缘计算场景中卸载时延优化方法，以解决现有多用户MEC场景下，时延消耗大的问题。

本发明采用以下技术方案：一种移动边缘计算场景中卸载时延优化方法，该方法如下：

步骤一、构建系统模型：