[发明专利]一种多用户MEC系统中的云端计算资源分配方法

说明书

本发明公开一种多用户MEC系统中的云端计算资源分配方法，基于移动用户的任务信息以及移动用户与MEC服务器之间的信道信息，以收益最大化为目标建立误工损失模型，不计入任务等待时间，利用误工损失模型中的函数剔除完成时间大于等于截止期限的任务，对剩余任务进行EDD排序，再利用分支定界法确定执行次序，MEC服务器根据执行次序执行完成时间小于截止期限的任务，并获取最大化收益，本发明以收益最大化为目标，将MEC服务器误工最小化问题建模成以任务执行次序为优化变量的最优化问题，并建立误工损失模型，提出了一种基于分支定界法的排序算法来寻找该问题的最优解，在满足卸载任务的截止期限的同时，尽可能拒绝造成损失较小的任务，以实现收益最大化。

技术领域

本发明涉及移动边缘计算(MEC)的技术领域，具体涉及一种多用户MEC系统中的云端计算资源分配方法。

背景技术

随着物联网和5G移动通信技术的发展，在智能手机、传感器和可穿戴计算设备等移动设备上运行计算密集型和延迟关键型应用已经成为趋势，但受限于自身计算能力和能量，移动设备通常不具备运行这类应用的能力。移动边缘计算(MEC)通过将计算任务从移动设备卸载到具有相对丰富计算资源的边缘服务器上执行，实现了在移动设备上运行计算密集型和延迟关键型应用的愿景。

在重业务负载的场景下，MEC服务器一方面受限于计算能力，只能在保证满足卸载任务截止期限要求的前提下进行接入控制，为部分用户提供计算服务，另一方面为了收回设备部署和维护成本并实现盈利，必须注重如何利用有限的资源最大化自身的收益。

为解决任务冲突，现已提出的算法，如大任务优先算法、低延迟任务优先算法和先到先服务算法，在满足卸载任务的截止期限的同时，不能有效的增加MEC服务器收益。低延迟任务优先算法优先考虑具有更高延迟要求的任务，移动用户数量增加时，任务完成率一般，收益较低；大任务优先算法优先考虑具有更高计算资源要求的任务，移动用户数量增加时，任务完成率较低，收益较低；先到先服务算法优先考虑上传时间最小的任务，移动用户数量增加时，任务完成率一般，收益较低。因此，有待于提出一种能更好平衡任务完成率和收益之间的关系的资源分配方法。

发明内容

本发明提供一种多用户MEC系统中的云端计算资源分配方法，解决现有技术中存在的不能很好地平衡任务完成率和收益之间的关系的问题。

本发明通过以下技术方案解决技术问题：

一种多用户MEC系统中的云端计算资源分配方法，所述多用户MEC系统包括至少2个移动用户和1个MEC服务器，各移动用户向MEC服务器发送卸载请求，包括如下步骤：

(1)建立误工损失模型

11)在每个卸载请求的任务信息中，包括有任务的大小、任务的计算强度和任务的截止期限，还包括移动用户与MEC服务器之间的传输速率；利用上述任务信息、传输速率以及MEC服务器的CPU时钟频率计算出执行任务的完成时间；

12)利用任务的完成时间与任务的截止期限的差值构建σ(·)函数，再利用任务的大小、任务的计算强度、每单位CPU周期的收益以及σ(·)函数建立误工损失模型；

(2)MEC服务器接收卸载请求

在不计入等待时间的情况下，利用σ(·)函数拒绝不符合要求的任务请求，并将剩余各个任务请求按截止期限从小到大进行排序，得到初始执行次序；

(3)分支定界法确定任务执行次序

31)如按照初始执行次序依次上传各任务，MEC服务器在接收在后上传的任务的同时依次处理在先上传的任务，在接收完所有任务时，便出现已处理任务集合和待处理任务集合；

32)利用分支定界法对待处理任务集合进行排序，得到已排序执行次序，将已处理任务集合的执行次序与已排序执行次序合并，得到收益最大化执行次序；