[发明专利]一种基于改进天牛须算法的移动边缘计算卸载方法

说明书

本发明公开了一种基于改进天牛须算法的移动边缘计算卸载方法，首先，在MEC系统中搜集系统信息，并根据移动边缘计算的先验知识明确整体系统收益函数；其次，在对卸载策略进行空间映射后，通过所构建的改进天牛须算法快速求解最优卸载策略。最后，MEC系统根据卸载策略将任务卸载计算，进而实现在提升用户使用体验的同时最大化系统整体收益。

技术领域

本发明涉及一种基于改进天牛须算法的最优卸载策略求解方法，属于移动边缘计算领域。

背景技术

近些年来，随着移动互联网和物联网技术的高速发展，许多新型应用被安装在移动终端，如人脸识别，自动驾驶和虚拟现实等。然而，由于这些新型应用都属于计算密集型应用，受限于移动终端本身计算能力的不足，因此导致这些新型应用在终端上的使用有着很大的局限性。此时，为了让终端能流畅运行这些新型应用，提升用户体验，移动边缘计算应运而生。与传统云计算不同，移动边缘计算通过将小型计算机和存储中心，即边缘服务器部署在移动终端的网络边缘，使移动终端可以通过较低的网络延时与边缘服务器进行数据传输，并且通过边缘服务器强大的计算能力来运行一些计算密集型任务，降低终端计算压力，提升用户体验。

其中，边缘计算卸载策略作为边缘计算的重要组成部分，旨在通过寻找最优的任务分配方式，提升移动边缘计算系统(以下简称MEC系统)的执行效率，最大化系统的整体收益。

目前已有很多学者针对计算卸载提出了多种方法，如Yang等人为最小化系统的整体能耗，提出了一种基于人工鱼群算法的能量优化算法[1]。Saleem等人针对边缘系统任务和功率分配问题，提出了一种基于遗传算法的启发式移动感知任务调度方法，进而获得最佳的卸载策略[2]。而Rodriguez等人则基于元启发式优化技术，提出了一种粒子群优化算法来求解卸载策略，使MEC系统成本最小化[3]。

但是，当前大多最优卸载策略求解算法都有较高的复杂度，时间成本难以忍受，无法满足卸载策略求解既要保证系统性能优化，还要确保求解速度快，提高系统的反应效率的要求。因此，针对当前大多卸载算法复杂度过高，求解卸载策略速度慢的问题，本发明在单服务器多用户的MEC系统中，提出一种低复杂度的卸载策略算法，以快速获取计算卸载策略，进而最大化整个MEC系统的整体收益。

[1]L.Yang,H.Zhang,M.Li,J.Guo,and H.Ji,“Mobile edge computingempowered energy efficient task offloading in 5G,”IEEE Transactions onVechicular Technology,vol.67, no.7,pp.6398-6409,2018.

[2]U.Saleem,Y.Liu,S.Jangsher,Y.Li and T.Jiang,“Mobility-Aware JointTask Scheduling and Resource Allocation for Cooperative Mobile EdgeComputing,”in IEEE Transactions on Wireless Communications,vol.20,no.1,pp.360-374,Jan.2021.

[3]M.A.Rodriguez and R.Buyya,“Deadline Based Resource Provisioningand Scheduling Algorithm for Scientific Workflows on Clouds,”in IEEETransactions on Cloud Computing,vol.2,no.2,pp.222-235,1April-June 2014.

发明内容

发明目的：在移动边缘计算卸载场景中，边缘服务器和移动设备需要快速获取最优的任务卸载策略，完成计算任务，使移动边缘系统的整体收益最大化。本发明提出一种基于改进天牛须算法的移动边缘计算卸载方法，可以在短时间内获取最优卸载策略，以解决MEC系统中获取卸载策略时间成本过高的问题。