[发明专利]一种基于自适应任务卸载的蜂窝网络计算资源分配方法

说明书

本发明涉及一种基于自适应任务卸载的蜂窝网络计算资源分配方法，与现有技术相比，解决了OFDMA蜂窝网络基站资源分配不均衡，用户获取计算资源存在差异及排队现象等问题。该方法包括以下步骤：建立多基站多用户系统模型；自适应地选择任务卸载模式；分配计算资源。本发明不仅通过在基站卸载的基础上引入设备‑设备(D2D)卸载的方法，减轻了密集型任务给基站带来的负担，充分利用了网络中的空闲资源，而且根据基站计算资源使用情况自适应地为用户选择最优卸载决策，增加了计算资源分配的灵活性。仿真结果表明本发明的方法能够使系统效用增益增大并且降低计算时延。

技术领域

本发明涉及移动通信技术领域，具体涉及一种基于自适应任务卸载的蜂窝网络计算资源分配方法。

背景技术

随着无线通信技术的发展，蜂窝网络中移动终端的数量呈爆炸式增长，各种计算密集型应用也随之增加，如VR、互动游戏、视频电话等，这些应用对低的传输时延和能量消耗有着较高的要求。移动边缘计算(MEC)是目前移动通信网络的关键技术之一，作为移动云计算的补充，移动边缘计算可以将计算资源、缓存等下沉到网络边缘，减轻回程网络的传输压力，降低计算任务的传输延迟、节约终端设备的能耗。然而，部署了MEC服务器的基站虽然可以近距离为终端用户提供计算功能来减轻蜂窝网络中移动终端的计算压力，但是边缘服务器的资源是有限的，当蜂窝网络中有大量终端用户同时进行密集型任务卸载时，容易对基站造成压力甚至导致基站计算资源枯竭。而且大量终端用户同时卸载势必产生网络干扰。因此，合理的卸载决策和计算资源分配方法对蜂窝网络中的终端任务卸载来说尤为重要。

目前已有的卸载决策方法，如基于基尼系数的卸载决策方法(GCFSA)、全部卸载方法(AOA)和随机卸载方法(ROA)等，均是仅考虑系统中的基站卸载，当用户数量较大时，会出现基站计算资源有限而不能同时为多用户提供计算，基站计算资源匮乏、用户排队等待卸载等问题，而网络中会有很多空闲用户，这些空闲用户的计算资源却没有充分利用起来。

此外，由于目前的计算资源分配方法均是将卸载策略、资源分配作为联合优化问题获得最优解，是一种静态的最优解，而实际中基站的子信道数(计算资源)是动态变化的，已有的计算资源分配方法不能随着基站计算资源的变化而动态更新，灵活性差，会出现系统计算资源分配不均衡、计算资源的利用率低、计算时延长等问题，因此，需要设计一种可以根据基站计算资源使用情况自适应地调整任务卸载决策的计算资源分配方法。

发明内容

本发明的目的在于提供一种基于自适应任务卸载的蜂窝网络计算资源分配方法，本发明不仅通过在基站卸载的基础上引入设备-设备(D2D)卸载的方法来减轻密集型任务给基站带来的负担，充分利用网络中的空闲资源，而且根据基站计算资源使用情况自适应地为用户选择最优卸载决策，增加了计算资源分配的灵活性。

本发明采用了以下技术方案：

一种基于自适应任务卸载的蜂窝网络计算资源分配方法，该方法包括以下步骤：

S1、建立多基站多用户系统模型：在移动边缘计算网络中，建立基于OFDMA的多基站多用户系统模型，每个基站均部署有MEC服务器。

S2、自适应地选择任务卸载模式：基于多基站多用户系统模型，各用户分别自适应地选择最优任务卸载模式。所述任务卸载模式包括D2D卸载、基站卸载和本地计算三种。最优任务卸载模式的选择过程为：用户u优先向周围邻近用户发送计算资源请求，判断每一位邻近用户是否有可使用的计算资源，并通过计算二者的信干噪比判断二者之间的连接是否稳定，选出有计算资源且连接稳定的邻近用户集合，若该集合中的用户个数大于0，说明存在支持D2D卸载的邻近用户，则用户选择D2D卸载模式，并选择时延与能耗的权重和最低的邻近用户进行D2D卸载。若无支持D2D卸载的邻近用户，则用户u向周围基站请求计算资源，并通过计算与周围每个基站之间的信干噪比来选择可连接的基站，在可连接的基站中选出满足约束条件的基站集合，若该集合中的基站个数大于0，说明有支持卸载的基站，则用户u选择基站卸载。若无支持D2D卸载的邻近用户，且无支持卸载的基站，则用户u选择本地计算。