[发明专利]基于ADMM的服务缓存与资源优化方法及其系统、介质及设备

权利要求书

1.一种基于ADMM的服务缓存与资源优化方法，其特征在于，包括：

网络模型建模与任务描述步骤：基于多点协作的分布式移动边缘网络，建立针对终端、基站及边缘服务器的通信模型、服务缓存与任务卸载模型及任务计算模型，并基于各所述模型完成所述边缘网络优化目标问题形式化描述；

联合优化步骤：将所述边缘网络优化目标问题转换为凸优化问题，并将所述凸优化问题分解得到多个子问题，每个所述子问题在对应的所述基站中并行执行，采用ADMM方法，通过全局更新与局部更新交替迭代的方式对所述凸优化问题进行求解，得到服务缓存与资源分配联合优化策略，以实现所述边缘网络的负载均衡。

2.根据权要求1所述基于ADMM的服务缓存与资源优化方法，其特征在于，还包括：

二进制变量恢复步骤：通过二进制变量算法，将所述ADMM算法求解达到收敛的连续变量恢复成离散变量。

3.根据权要求1或2所述基于ADMM的服务缓存与资源优化方法，其特征在于，所述网络模型建模与任务描述步骤包括：

通信模型建模步骤：基于每个所述基站分配给所述终端的带宽资源、所述终端的发送功率、所述基站与所述终端间的信道增益、所述终端与所述基站的距离、路径损耗及信道的噪声功率，建模所述终端接入关联的所述基站后的上行传输速率；

服务缓存与任务卸载模型建模步骤：针对所述基站进行任务卸载与服务缓存决策的建模；

任务计算模型建模步骤：建模所述终端的计算任务在基站执行时总时延的计算模型。

4.根据权要求1或2所述基于ADMM的服务缓存与资源优化方法，其特征在于，所述网络模型建模与任务描述步骤还包括：

优化目标问题描述步骤：在多个计算、通信以及存储资源约束条件下，对服务器的存储决策，频谱资源，边缘服务器的计算资源以及云服务器的卸载决策进行联合优化，进行优化目标的问题形式化描述，以实现所有终端设备任务执行总时延的最小化。

5.根据权要求1或2所述基于ADMM的服务缓存与资源优化方法，其特征在于，所述联合优化步骤包括：

凸化步骤：对离散变量进行松弛，将所述边缘网络优化目标问题转换为凸优化问题；

问题分解步骤：将所述凸优化问题采用分布式方法及增广拉格朗日方法，分解为多个子问题；

局部变量更新步骤：针对每个所述基站，通过对偶内点法进行局部变量更新，求解多个所述子问题，获得相应的卸载决策以及解向量；

全局变量更新步骤：基于局部变量更新得到的解，采用全局变量更新进而获得全局变量的解；

拉格朗日乘子更新步骤：基于所述全局变量的解，进行拉格朗日乘子更新，并返回所述局部变量更新步骤完成预定次数的循环迭代。

6.根据权要求4所述基于ADMM的服务缓存与资源优化方法，其特征在于，所述优化目标的问题形式化描述为问题P0：

其中，Ti为终端任务执行总时延，服务器的存储决策频谱资源边缘服务器的计算资源云服务器的卸载决策表示每种服务数据A(i)所需的存储空间，表示基站j执行与计算服务A(i)相关任务的终端设备数，M为配有边缘服务器的基站个数，L为终端个数，限制条件C1表示每个基站为终端设备分配的计算资源总和不超过当前基站中服务器的最大计算容量，限制条件C2表示每个基站为关联终端设备分配频谱资源的总和不超过当前基站总的频谱资源，C3表示当前基站的服务缓存决策，C4表示基站缓存的服务数据不超过边缘服务器的最大缓存能力，C5与C6表示每个计算任务只能在一个计算节点执行。