[发明专利]工业物联网场景中具有延迟保证的能量高效雾计算迁移方法

权利要求书

1.工业物联网场景中具有延迟保证的能量高效雾计算迁移方法，其特征在于：包括如下步骤：

步骤1，针对雾节点的能耗构成给出了综合性的考量即雾节点的能耗由本地计算、传输和等待状态的能耗组成，基于该考量构建了包含能量开销和时间延迟约束的雾节点能量消耗最小化模型；

所述步骤1中，假设雾节点个数n＝10,有1个云服务器，这些雾节点的计算能力统一设为f_i^l＝2*10⁶周期/秒，i∈{1,2,…,10}，而云服务器的计算能力为f^c＝2*10⁸周期/秒；在通信环境中，定义无线信道带宽B＝50Mb/s，信道的噪声功率密度N₀＝10^-10W以及雾节点和云服务器之间的无线信道增益h_i，且不同雾节点i的计算任务大小w_i相同，它们的大小在100Kb到1000Kb之间；完成1比特计算任务时cpu所需要的转速c_i等于1000周期/比特；每个雾节点的期望能耗E_i为1.5J，期望延时T_i为600ms；功率p_i,c为10^-3W，能量消耗m_i为10^-8焦耳/周期；雾节点i的数据传输速率定义为R_i；符号a_i表示进行计算迁移的数据量占总的任务数据量的比例，并且它表示成d_i＝w_ia_i；显然，a_i满足条件0≤a_i≤1；

在可容忍的时间延迟下能耗最小化模型如下：

P1:

步骤2，得到所述最小化模型的约束条件；

步骤3，根据步骤2中得到的约束条件，采用对偶方法来求解所述最小化模型，构建拉格朗日函数，并构造原始优化问题和相应的对偶问题，定义其中的优化变量和对偶变量；

步骤4，定义步骤3提出的拉格朗日函数对应于变量的梯度函数，通过导函数和反函数，得出优化变量的计算公式；

所述步骤4中，根据步骤3中所述的对偶问题，定义拉格朗日函数L(a,t,λ,μ)关于变量a_i，t_i，λ_i和μ_i的梯度函数如下：

根据等式(6)，定义一个函数β＝y(x)-xy'(x)，其中y'(x)＝N₀2^x/Bln2是函数y(x)的导函数，然后根据朗伯函数定义β函数中的变量x的反函数如下：

其中W₀(x)是朗伯函数W的主要分支，表示为符号x和e是是自然对数的基数；

当将等式(6)置为0时，β函数被重写为：

根据等式(9)，得到如下等式：

将等式(10)、(11)组合起来将等式(11)重写为如下形式：

将等式(7)置为0时，得到a_i的计算结果为：

因此，根据等式(12)、(13)，t_i如下计算得到：t_i＝w_ia_i/R_i；

步骤5，提出一个加速梯度算法，定义临时变量，并通过临时变量进行对偶变量的更新，求解得出步骤3中对偶问题的最优解，然后根据步骤4中的优化变量计算公式推导出步骤3中优化问题的最优解，该优化问题的最优解即为最小化模型的最优解；

所述步骤5中，根据步骤3中所述的对偶问题，提出一个加速梯度算法以较快的收敛速度来求解出对偶变量的最优值，定义如下的临时变量：

当k≥1时，临时变量ε_i(r)和δ_i(r)使用前两步的信息来更新自身；以等式(15)、(16)为基础，对偶变量λ_i和μ_i根据如下更新：

最后，求解得出对偶问题(4)的最优解然后根据等式(12)、(13)，推导出优化问题(3)的最优解