[发明专利]考虑延迟及能耗的基于交替方向乘子法的卸载方法

摘要

本发明公开了考虑延迟及能耗的基于交替方向乘子法的卸载方法，首先建立一个拥有多个移动用户终端、一个部署MEC服务器的宏基站的小区模型；然后，建立基于无线通信理论的数学模型并根据凸优化理论进行数学转化；而后，基于交替方向乘子法设计一个联合考虑延迟和能耗的MEC系统中移动终端用户计算任务的高效卸载算法并分析所提算法的性能。相比于现存的MEC系统下计算任务的卸载方案，本方法很好地权衡移动终端用户的延迟敏感及能耗节约的需求，与此同时，有效地降低了系统的延迟与能量的总消耗。最后，对所提出的算法方案进行了仿真验证，得到与理论分析相一致的结果。

主权项

1.考虑延迟及能耗的基于交替方向乘子法的卸载方法，其特征在于：首先，建立拥有多个用户、一个部署MEC服务器的宏基站的小区模型；然后，建立基于无线通信理论的数学模型并根据凸优化理论；最后，基于交替方向乘子法设计一个联合考虑延迟和能耗的MEC系统中移动终端用户计算任务的高效卸载算法并分析所提算法的性能；包括以下步骤：步骤1，建立拥有多个用户、一个部署MEC服务器的宏基站的小区模型；5G网络下MEC系统是由多种类型用户终端以及一个部署MEC服务器的宏基站组成；该系统下，多种用户终端表示为：N＝{1,2...,N}                               (1)式(1)中，N表示N个不同种类的移动终端用户；每个移动终端用户拥有一个计算密集型或者延迟敏感型的计算任务；每个计算任务表示为：式(2)中，T_i表示移动终端用户i所拥有的计算任务；I_i表示这个任务T_i的数据大小，由比特来衡量；c_i表示完成这个计算任务T_i所需的CPU周期数；表示完成这个计算任务T_i的最大延迟需求；对于每个移动终端用户i它的计算任务既能够选择卸载到MEC服务器或者选择在本地执行完成；步骤2，建立证据理论的数学模型；步骤2.1，权衡机制和决策机制的确定；此系统中，一部分移动终端用户运行着延迟敏感型的应用程序而另一部分移动终端用户因自身电量不足而需求节省能量，由于不同移动终端用户的需求不同，为满足个性化需求并提供更好的建模灵活性，系统中需要引入权衡机制和前者表示为移动终端用户i的时间需求系数，后者表示为移动终端用户i的能量需求系数，对于每个移动终端用户i满足以下条件：由于系统中的移动终端用户i选择本地执行计算任务或是卸载计算任务到MEC服务器，系统中需要引入决策机制x_i＝{0,1}；其中当移动终端用户i选择本地执行其计算任务则x_i＝0，否则，x_i＝1，即表示卸载计算任务；据此，得到卸载标识矢量x＝[x₁,x₂,x₃,...,x_N]，x_i∈{0,1}；步骤2.2，通信模型；在本MEC系统是多用户的正交频分多址5G蜂窝网络，每个移动终端用户的频谱正交分配，因此不同终端用户将任务卸载到部署于宏基站的MEC服务器时，不同信号之间不存在干扰；根据香农定理，接入宏基站的移动终端用户i的频谱效率ei为：其中pi表示终端用户i的传输功率，gi表示终端用户i与宏基站之间的信道增益，n0表示背景高斯白噪声功率；将分配给每个移动终端用户的可行信道带宽B，单位Hz；引入公式(4)中，则移动终端用户i的上传速率riu写作：riu(x)＝xi·B·ei    (5)其中，u表示上传(uplink)；步骤2.3，本地计算模型移动终端用户i的计算能力由f_i^l表示，不同的移动终端的本地计算能力不同；δ_l表示移动终端用户i单个CPU周期的能量消耗；由此，本地完成计算任务的时间消耗和能量消耗分别写作：其中L表示本地，Local；exe表示执行(execution)；对于本地执行完成计算任务方式，由于再无其他形式上的时间消耗和能量消耗，式(6)和式(7)就分别表示移动终端用户i本地完成计算任务Ti的总延迟消耗和总能量消耗；将决策变量xi引入式(6)、(7)得到对于移动终端用户i的延迟及能量消耗分别是：步骤2.4，卸载计算模型；移动终端用户i选择接入宏基站将计算任务卸载到MEC服务器的上传时延Tiup(up表示上行)写作：用fMEC表示MEC服务器的计算能力，则MEC服务器完成计算任务Ti计算的延迟写作：移动终端用户i直接将计算任务Ti卸载到MEC服务器的能量消耗写作：最终，根据公式(10)和(11)和决策变量xi得到移动终端用户将计算任务卸载到MEC服务器所消耗的延迟TMEC写作：根据公式(12)和决策变量xi移动终端用户卸载计算任务到MEC服务器的能量消耗EMEC写作：步骤2.5，问题建立与转化由于再无其他形式延迟消耗和能量消耗，根据公式(8)、(9)、(13)、(14)以及权衡系数和移动终端用户的本地计算总延迟总能量消耗和卸载计算总延迟总能量消耗分别写作：而后，问题初步建立为：将能量相应时间加权机制引入公式(15)和(16)当中，得到：因此，初步建立的公式(17)转化为：公式(20)为非确定性多项式困难问题(nondeterministic polynomial‑hard,NP‑hard)，因此首先将非0即1的变量xi松弛为真值变量0≤xi≤1，但是公式(20)仍是非凸的；令计算任务数据大小矢量为I_i＝[I₁,I₂,...,I_N]^T，执行该任务所需的CPU周期数矢量为C_i＝[C₁,C₂,...,C_N]^T，不同移动终端用户的计算能力矢量为根据公式(6)和(7)本地延迟消耗矢量T^L和本地能耗矢量E^L分别写作：EL＝[C1·δl,C2·δl,...,CN·δl]T                    (22)根据公式(15)本地计算任务的总消耗矩阵写作：相似的，根据公式(13)、(14)卸载计算任务的总消耗矩阵写作：显然以及x是非负的，依据一范数的自然运算法则，公式(20)重新写作：式(25)为凸；步骤2.6，定义公式(25)从全局问题转化为分布式问题求解，将公式(25)的最小化问题和限制条件分解为N个部分得到：式(26)中，ψ_i:R∪{+∞}是凸的，权衡系数和在每一次状态下对于每一个终端用户i是一个定值；将拆解为i项得到：最终，引入本地变量及公共全局变量z，联合式(27)得到优化问题：步骤3，式(28)的交替方向乘子法由增广拉格朗日乘子法直接导出：其中是λi＝{λi}i∈N拉格朗日乘子，ρ(ρ＞0)是用来加快交替方向乘子法收敛速度的惩罚因子，它为常数；应用交替方向乘子法求解公式(28)，迭代过程如下：当满足迭代结束，得出终端用户卸载决策结果。