[发明专利]一种最小化系统计算能耗的D2D分布式协作计算方法

权利要求书

1.一种最小化系统计算能耗的D2D分布式协作计算方法，其特征在于，包括以下步骤：

S1：构建D2D通信网络系统模型，包括若干个RUE及能够与之建立协作的若干个HUE；

S2：基于网络系统模型构建计算模型，获取分布式协作计算优化问题；

S3：采用分步处理的方法，将分布式协作计算优化问题拆分为协作优化和卸载决策两个阶段进行求解，完成分布式协作计算过程；

其中：在所述协作优化阶段，针对每个可能的RUE-HUE协作D2D用户对解决卸载计算量优化和卸载传输功率优化问题，形成每个RUE的候选HUE集合；在所述卸载决策阶段，RUE基于第一阶段得到每个具体的RUE-HUE协作D2D用户对计算能耗的可能取值，进一步解决任务卸载决策优化问题，从而得到最优的任务卸载分配结果；

其中：HUE全称为HelperUE，表示服务提供设备；RUE全称为RequestorUE，表示服务接受设备。

2.根据权利要求1所述的一种最小化系统计算能耗的D2D分布式协作计算方法，其特征在于，所述步骤S1具体包括以下过程：

考虑一个多个UE随机均匀分布的D2D通信网络，其中，由于gNB受损或gNB现有负载过多导致用户无法接入，因此用户无法将计算任务卸载给MEC服务器，只能通过D2D通信进行协作计算；考虑D2D通信网络中有H个服务提供设备HUE和R个服务接受设备RUE，集合分别表示为Η＝{1,...,H}和P＝{1,...,R}；假设D2D通信采用专用模式，即D2D用户与蜂窝用户使用不同的专用频带，彼此之间不存在干扰；此外，D2D用户之间采用正交频分多址技术，每个D2D用户占用相互正交的子信道，相互之间没有干扰；每个HUE都处于空闲状态，而每个RUE都有一个亟待完成的计算任务，RUE根据需求合理选择由其自行本地计算完成计算任务或卸载一部分给HUE来与HUE进行协作计算。

3.根据权利要求2所述的一种最小化系统计算能耗的D2D分布式协作计算方法，其特征在于，在所述步骤S1中，RUE计算任务中的用户计算模式分为本地模式和协作模式两种；当RUE执行本地模式时，其将自行完成全部计算任务，而当RUE执行协作模式时，其将会把任务卸载一部分给HUE进行协作计算。

4.根据权利要求3所述的一种最小化系统计算能耗的D2D分布式协作计算方法，其特征在于，在所述步骤S1中，首先，定义二元变量m_r∈{0,1},r∈P为RUE的用户计算模式指示变量，m_r＝0表示RUE选择本地模式，m_r＝1表示RUE选择协作模式；此外，利用二元变量x_r,h∈{0,1},r∈P,h∈Η来表示RUE的卸载决策；具体地，对于每一个RUE r，当其选择协作模式将其部分任务卸载给HUE h时，x_r,h＝1，否则x_r,h＝0；值得注意的是，每个RUE只能选择一种用户计算模式，且在协作模式时只能卸载任务给一个HUE，每个HUE最多也只能帮助一个RUE完成计算任务；此处，利用一个元组{S_r,T_r}来定义RUE r的任务属性，其中S_r代表任务的计算量大小，单位为比特，T_r代表任务的时延约束，单位为秒，考虑到系统中存在不同种类的应用服务，带来计算任务的异构性，因此从任务计算量、时延宽容度两个维度来定义不同类型的服务；具体地：

在任务计算量方面，定义三类任务：大型计算任务、中型计算任务和小型计算任务，这三类任务的任务计算量依次递减，在实际场景中可以表示不同的业务类型任务；定义小型计算任务的任务计算量为最小任务计算量S，中型计算任务的任务计算量为S+ΔS，大型计算任务的任务计算量S+2ΔS，ΔS为每种类型任务的任务计算量差值；在时延宽容度方面，定义两种类型的任务，一种是时延宽容型任务，即待完成的任务对时延容忍度较高，具有较高的计算时延约束；另一种是时延严格型任务，即待完成的任务对时延较为敏感，具有较低的计算时延约束，任务完成紧急程度更高；其中，定义时延严格型任务的计算时延约束为最小任务时延约束T，两种类型任务的任务时延约束差值为ΔT。