[发明专利]移动边缘计算中一种分布式异构环境下的资源分配方法

说明书

本发明属于无线通信技术领域，涉及移动边缘计算中一种分布式异构环境下的资源分配方法；所述方法包括根据MEC环境中不同业务类型对应的卸载时延，建立多样化的任务卸载模型；建立用户与MEC服务器之间的买卖博弈模型；并分别建立用户以及MEC服务器的最大化收益模型；采用李雅普诺夫优化算法对用户模型进行改进，通过拉格朗日乘子法和KKT条件求解出用户的最优购买策略；基于该策略，求解出MEC服务器的最优报价策略；若最优购买策略和最优报价策略满足斯坦科尔伯格均衡解，MEC服务器则按照最优策略对不同用户的计算资源按需分配。通过该方法可以实现对用户卸载收益和时延的折中，以及任务卸载和计算资源分配的弹性控制和按需分配。

技术领域

本发明属于无线通信技术领域，涉及移动边缘计算中一种分布式异构环境下的资源分配方法。

背景技术

移动互联网和物联网(Internet of Things,IoT)的快速发展和融合，促使移动终端设备和数据流量呈指数式增加，与此同时，虚拟现实/增强现实、智能驾驶、智慧医疗等新兴应用不断涌现，进一步促进计算密集型服务及应用爆炸性增长，对移动终端计算能力和续航能力提出了更高要求。而传统的移动终端往往受限于体积大小和重量，使其在CPU计算能力、电池续航能力、存储能力等方面依然存在严重的约束。移动边缘计算(Mobile EdgeComputing,MEC)作为一种新兴和有前景的计算范式，将各种云资源(如计算和存储资源)部署于网络边缘，减少了移动或固网业务交付的端到端时延，降低了终端计算负载，提高了终端续航能力和用户服务体验。

在物联网环境下，多样化IoT业务在业务数据类型、应用期望延迟、设备类型等方面存在着显著的异构性，例如增强现实、虚拟现实和无人驾驶等应用往往具有计算复杂、密集且对时延要求高的特点，而可穿戴设备，如智能手表、手环等应用则对时延和计算能力要求相对较低，对异构的IoT业务采用传统的优化方式已无法满足日益明显的差异化需求；而且，由于实际边缘网络中复杂时变的网络环境及流量特征，要实现高效实时的资源配置及出色的用户体验是困难的，迫切需要对不同应用及业务的能耗和时延进行动态优化；此外，据CISCO VNI最新报告预测，到2022年全球物联网设备将达到260亿台，对未来海量IoT设备信息的收集与传统的集中式管理控制也已变得极不现实。因此，在未来面向物联网的边缘计算场景中，亟待需要设计一种更加高效灵活的分布式任务卸载和差异化资源分配机制。

目前，研究者主要对MEC任务卸载、资源分配和节能等方面进行了大量研究。一些主要的成果有：(1)基于拍卖机制的资源分配算法(参考文献：Jin A,Song W,and ZhuangW.Auction-Based Resource Allocation for Sharing Cloudlets in Mobile CloudComputing[J].IEEE Transactions on Emerging Topics in Computing,2018,6(1):45-57.doi:10.1109/TETC.2015.2487865.)：该算法为了激励云端共享计算资源，同时，提高云端计算资源利用率并减少用户卸载时延，将用户建模为买方，云端建模为卖方，设计了一种计算资源双向拍卖分配机制。该算法克服了集中式卸载方法中海量设备信息难以收集等难题，并在一定程度上减少了移动设备的卸载时延。(2)基于能耗最小化的动态资源及任务分配算法(参考文献：

Kwak J,Kim Y,Lee J,et al.DREAM:Dynamic Resource and Task Allocationfor Energy Minimization in Mobile Cloud Systems[J].IEEE Journal on SelectedAreas in Communications,2015,33(12):2510-2523.doi:10.1109/JSAC.2015.2478718.)：该算法考虑到实际通信场景中的随机性，研究了单用户场景下的资源的动态分配以及卸载能耗最小化问题，同时，将用户任务缓存区的队列长度作为影响任务卸载时延的一个因素，结合Lyapunov优化理论对卸载时延进行优化。