[发明专利]一种基于预测机制的移动设备多任务竞争卸载方法

说明书

本发明请求保护一种基于预测机制的多任务竞争卸载方法，包括下列主要步骤：S1，得到用户停留区域，原轨迹点序列转换为停留区域序列；S2，利用动态参数部分匹配预测算法训练预测模型，根据用户的停留区域序列，预测用户下一个最有可能要到达的停留区域；S3，基于预测结果，计算用户下一个最有可能要到达的停留区域与基站之间的距离，并计算数据传输速率；S4，建立能耗最小化模型；S5，采用变异萤火虫算法进行优化问题求解，得到最终卸载决策。(1)本发明考虑了用户设备移动性对数据传输速率的影响，使得卸载策略的制定更加贴近实际情况，避免了预期外能耗；(2)相比遗传算法等传统的智能算法，本文采用的变异萤火虫算法全局收敛能力更强，性能更优。

技术领域

本发明属于移动边缘计算任务卸载领域，特别是涉及基于预测机制的多任务竞争卸载策略。

背景技术

随着网络和通信技术的发展，移动设备(如智能手机、平板电脑和可穿戴设备)日益普及。根据思科视觉网络指数最近提交的报告，2016年至2021年期间，全球移动数据流量将增加7倍，到2021年，人均用户设备将达到1.5个，将有116亿台移动连接设备。移动用户设备的爆炸性流行加速了许多新的用户应用程序和服务(如虚拟现实、增强现实、交互式在线游戏和超高清视频流)的出现，其中大部分都是延迟敏感且计算密集的应用程序。计算密集型任务与资源匮乏的用户设备之间的冲突越发显著，而且用户设备的能源是有限的，难以为用户提供满意的服务。

为了缓解这一情况，移动边缘计算的概念开始出现。移动边缘计算在移动网络边缘、无线接入网络内以及移动用户附近提供IT服务环境和云计算功能，可以减轻用户设备负担，加速应用程序执行，并丰富用户设备上的应用程序类型，改善用户体验。移动边缘计算中的一个重要问题是任务卸载管理。在任务卸载管理的一般场景中，用户设备的移动性是客观存在的，同时用户设备的移动又会影响数据传输速率。因此，在制定卸载决策时将用户设备移动考虑进去是非常有必要的。另一方面将任务从用户设备卸载到云服务器可以显著降低用户设备的能耗，延长用户设备的续航时间，为了减少用户设备的能耗，理想中应该尽可能多地将任务卸载到云服务器执行。然而，如果有大量的任务同时卸载，则可能会产生服务器拥塞问题，从而产生比在用户设备本地执行更大的延迟和能耗。因此，为了解决上述技术问题，有必要提出一种新的方法。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于预测机制的移动设备多任务竞争卸载方法。本发明的技术方案如下：

一种基于预测机制的移动设备多任务竞争卸载方法，其包括以下步骤：

S1，获取移动设备的GPS轨迹数据，对GPS轨迹数据集进行文件格式转换、降维、过滤在内的数据预处理操作，得到预处理数据，采用两级聚类方式对预处理数据进行聚类，得到停留位置、停留区域和停留区域序列；

S2，依据S1得到的停留区域序列，采用动态参数部分匹配预测算法预测用户的下一个停留区域；

S3,根据预测结果以及哈弗辛公式计算预测的用户设备i所在的停留区域与基站之间的距离d，并计算数据传输速率r。

S4,获取移动设备i的任务参数及服务器性能参数，其中移动设备待执行任务参数为一个七元组(p_i,r_i,c_i,d_i,δ_i,)，其中p_i，r_i分别为用户设备发射功率和数据传输速率，c_i为完成此任务所需的计算能力，d_i为任务数据量，δ_i为用户设备i在本设备执行此任务时一个CPU周期的能耗，为用户设备计算能力，为完成此任务允许的最大时延；服务器性能参数为一个两元组(δ°，C)，其中δ°为云服务器执行任务时一个CPU周期的能耗，C为云服务器计算能力，基于这些参数构建能耗最小化模型；