一种基于移动边缘计算的中断概率辅助任务卸载优化方法

摘要

本发明公开了一种基于移动边缘计算的中断概率辅助任务卸载优化方法，旨在降低用户任务卸载过程中的能量消耗。当用户产生的计算任务无法在本地完成计算或是任务对时延敏感时，用户将总任务分成多个可以独立执行的子任务分别卸载。本方法创新在于计算卸载时延与卸载能耗时，将因无线链路中断导致的额外开销纳入考虑，同时兼顾各个基站的计算能力和每CPU周期能耗情况，以最小化系统能耗为目标，优化用户卸载任务量。与传统的等任务分配方案相比，此方案显著降低了系统能耗。

权利要求

1.一种中断概率辅助任务卸载优化方法，其特征在于，包括：

获取可选卸载基站信息以及用户到所有可选卸载基站之间的信道状态信息，其中可选卸载基站信息包括可选卸载基站的计算能力与能耗情况；

根据所述信道状态信息计算用户到各个可选卸载基站之间的信道容量，并根据信道统计特性确定用户向可选卸载基站卸载子任务时的信息传输速率，从而计算出用户到各个可选卸载基站之间的中断概率；

根据中断概率和可选卸载基站信息，计算用户向基站i卸载计算任务时的卸载时延toi与卸载能耗Eoi以及子任务在基站i完成计算的计算时延tci和计算能耗Ｅｃi，从而计算得到用户向基站i卸载计算任务并完成计算所需的总能耗Ei，得到基于用户向各个可选卸基站卸载的子任务量的系统总能耗函数；

以系统总能耗函数最小化为优化目标，设置约束条件，进行优化求解得到用户向各个可选卸基站卸载的子任务量；

其中计算用户到各个可选卸载基站之间的中断概率，包括：

其中Pouｔｉ表示用户到可选卸载基站i之间的中断概率，Ci表示用户到可选卸载基站i之间的信道容量，Ri为用户向可选卸载基站i卸载子任务时的信息传输速率，ui为信道衰落|hi|的方差；

其中计算用户向基站i卸载计算任务时的卸载时延toi与卸载能耗Eoi，包括：其中Gi为用户向基站i卸载的子任务量，Pouｔｉ表示用户到可选卸载基站i之间的中断概率，Ri为用户向可选卸载基站i卸载子任务时的信息传输速率，Ps为用户卸载任务时的发送功率；

其中计计算子任务在基站i完成计算的计算时延tci和计算能耗Ｅｃi包括：Eci＝Gikeci

其中Gi为用户向基站i卸载的子任务量，ai为基站i的计算能力，k为用户任务复杂度，eci为基站i的单位CPU周期能耗情况；

其中基于用户向各个可选卸基站卸载的子任务量的系统总能耗Ｅｓum函数表示为：其中，Ei为用户向基站i卸载计算任务并完成计算所需的总能耗，Eoi为用户向基站i卸载计算任务时的卸载能耗，Ｅｃi为子任务在基站i完成计算的计算能耗，Gi为用户向基站i卸载的子任务量，Pouｔｉ表示用户到可选卸载基站i之间的中断概率，Ri为用户向可选卸载基站i卸载子任务时的信息传输速率，Ps为用户卸载任务时的发送功率，k为用户任务复杂度，eci为基站i的单位CPU周期能耗情况。

2.根据权利要求1所述的中断概率辅助任务卸载优化方法，其特征在于，所述的信道容量的计算方法包括：其中Ci表示用户到可选卸载基站i之间的信道容量，N表示可选基站的总数，将各个基站的编号记为i(i＝1，2，...，N)；W为单条卸载链路的传输带宽；ri为基站i对应卸载链路的传输信噪比；B为系统分配给用户进行任务卸载的总带宽；Ps为用户卸载任务时的发送功率；hi2

为用户与基站i之间的信道衰落系数；σi为对应信道的白噪声功率。

3.根据权利要求1所述的一种基于移动边缘计算的中断概率辅助任务卸载优化方法，其特征在于，以系统总能耗函数最小化为优化目标，设置约束条件，进行优化求解得到用户向各个可选卸基站卸载的子任务量，包括：其中，s.t.表示约束条件，第一条限制条件为任务量约束，表示卸载到各个基站的子任务量之和应与用户需要计算的总任务量相等，Gsum为用户需要计算的总任务量，N表示可选基站的总数；第二条限制条件为时延约束，限制了每个子任务完成的时延，即通过每条链路进行卸载的子任务完成时间都不能超过最大时延T；第三条限制条件为子任务约束，即每个子任务的任务量不能为负数。

4.一种中断概率辅助任务卸载优化装置，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1至3任一项所述方法的步骤。

5.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3任一项所述方法的步骤。

说明书

一种基于移动边缘计算的中断概率辅助任务卸载优化方法

技术领域

[0001] 本发明属于移动边缘计算技术领域，尤其涉及一种以减小系统总能耗为目标的中断概率辅助任务卸载优化方法。

背景技术

[0002] 移动边缘计算(MEC,Mobile Edge Computing)技术在对时延有严格要求的领域发挥着十分重要的作用。在高清视频、视频直播以及虚拟现实技术中，如果利用传统的云计算方法，可能会因为云计算中心距离用户较远使得信息传输时间过长，最终导致用户体验不佳。移动边缘计算技术是针对上述情况的一种解决方案，它通过将一部分计算能力下沉到移动边缘节点，拉近了用户和云服务器的距离，减少任务的卸载时间，最终达到降低任务处理时延的目的。但是，传统的任务卸载方案可能会因为不合理的任务分配导致额外的能量消耗，因此优化移动边缘计算卸载系统的任务分配，提供低能耗的任务分配方案十分重要。

[0003] 在有多个基站可以为用户提供移动边缘计算服务的情况下，传统的等任务分配方案可能会为信道状况不理想的通信链路分配过多的卸载任务，也可能会将大量的任务卸载到计算能耗较大的边缘服务器，而这些都会为系统带来额外的能量消耗。更重要的是传统的任务卸载过程不考虑卸载链路中断带来的影响，因此需要对多基站移动边缘卸载方法进行进一步研究。

发明内容

[0004] 针对现有技术的不足，本发明的目的在于提供一种基于移动边缘计算的中断概率辅助任务卸载优化方法，以解决现有技术中系统能耗较大的问题。

[0005] 本发明为了解决以上问题采用了以下技术方案：

[0006] 第一方面，本发明提供了一种中断概率辅助任务卸载优化方法，包括：

[0007] 获取可选卸载基站信息以及用户到所有可选卸载基站之间的信道状态信息，其中可选卸载基站信息包括可选卸载基站的计算能力与能耗情况；

[0008] 根据所述信道状态信息计算用户到各个可选卸载基站之间的信道容量，并根据信道统计特性确定用户向可选卸载基站卸载子任务时的信息传输速率，从而计算出用户到各个可选卸载基站之间的中断概率；

[0009] 根据中断概率和可选卸载基站信息，计算用户向基站i卸载计算任务时的卸载时延toi与卸载能耗Eoi以及子任务在基站i完成计算的计算时延tci和计算能耗Eci，从而计算得到用户向基站i卸载计算任务并完成计算所需的总能耗Ei，得到基于用户向各个可选卸基站卸载的子任务量的系统总能耗函数；

[0010] 以系统总能耗函数最小化为优化目标，设置约束条件，进行优化求解得到用户向各个可选卸基站卸载的子任务量。

[0011] 在一些实施例中，所述的信道容量的计算方法包括：

[0012]

[0013] 其中Ci表示用户到可选卸载基站i之间的信道容量，N表示可选基站的总数，将各个基站的编号记为i(i＝1,2,…,N)；W为单条卸载链路的传输带宽；ri为基站i对应卸载链路的传输信噪比；B为系统分配给用户进行任务卸载的总带宽；Ps为用户卸载任务时的发送2
功率；hi为用户与基站i之间的信道衰落系数；σi为对应信道的白噪声功率。

[0014] 在一些实施例中，计算用户到各个可选卸载基站之间的中断概率，包括：

[0015]

[0016] 其中Pouti表示用户到可选卸载基站i之间的中断概率，Ci表示用户到可选卸载基站i之间的信道容量，Ri为用户向可选卸载基站i卸载子任务时的信息传输速率,ui为信道衰落|hi|的方差。

[0017] 在一些实施例中，计算用户向基站i卸载计算任务时的卸载时延toi与卸载能耗Eoi，包括：

[0018]

[0019]

[0020] 其中Gi为用户向基站i卸载的子任务量，Pouti表示用户到可选卸载基站i之间的中断概率，Ri为用户向可选卸载基站i卸载子任务时的信息传输速率,Ps为用户卸载任务时的发送功率。

[0021] 在一些实施例中，计算子任务在基站i完成计算的计算时延tci和计算能耗Eci包括：

[0022]

[0023] Eci＝Gikeci   (6)

[0024] 其中Gi为用户向基站i卸载的子任务量，ai为基站i的计算能力，k为用户任务复杂度，eci为基站i的单位CPU周期能耗情况。

[0025] 在一些实施例中，基于用户向各个可选卸基站卸载的子任务量的系统总能耗Esum函数表示为：

[0026]

[0027]

[0028] 其中，Ei为用户向基站i卸载计算任务并完成计算所需的总能耗，Eoi为用户向基站i卸载计算任务时的卸载能耗，Eci为子任务在基站i完成计算的计算能耗，Gi为用户向基站i卸载的子任务量，Pouti表示用户到可选卸载基站i之间的中断概率，Ri为用户向可选卸载基站i卸载子任务时的信息传输速率,Ps为用户卸载任务时的发送功率，k为用户任务复杂度，eci为基站i的单位CPU周期能耗情况。

[0029] 在一些实施例中，以系统总能耗函数最小化为优化目标，设置约束条件，进行优化求解得到用户向各个可选卸基站卸载的子任务量，包括：

[0030]

[0031]

[0032]

[0033]

[0034] 其中，s.t.表示约束条件，第一条限制条件为任务量约束，表示卸载到各个基站的子任务量之和应与用户需要计算的总任务量相等，Gsum为用户需要计算的总任务量，N表示可选基站的总数；第二条限制条件为时延约束，限制了每个子任务完成的时延，即通过每条链路进行卸载的子任务完成时间都不能超过最大时延T；第三条限制条件为子任务约束，即每个子任务的任务量不能为负数。

[0035] 第二方面，本发明提供了一种中断概率辅助任务卸载优化装置，包括处理器及存储介质；

[0036] 所述存储介质用于存储指令；

[0037] 所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。

[0038] 第三方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述方法的步骤。

[0039] 与现有技术相比，本发明具有以下技术效果：

[0040] 本发明将卸载过程中因链路中断带来的额外开销纳入考虑，更符合实际应用。

[0041] 本发明综合考虑了信道中断概率情况和基站的计算能耗情况，计算出更合理的任务分配方案，该方案与同等条件下的等任务分配方案相比可以显著降低系统能耗。

[0042] 本发明对一个任务只进行一次优化问题的计算，在计算出任务分配方案后不再需要根据信道变化调整卸载速率，应用此方法的计算量和复杂度较低。

附图说明

[0043] 图1是本发明中基于移动边缘计算的中断概率辅助任务卸载优化方法的系统模型图。

[0044] 图2是本发明中基于移动边缘计算的中断概率辅助任务卸载优化方法的流程图。

[0045] 图3是本发明所提方法的系统能耗与可选卸载基站数的关系曲线图。

具体实施方式

[0046] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合模型图、流程图及实仿真结果，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实例仅仅用于解释本发明，并不用于限定本发明。

[0047] 在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

[0048] 本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

[0049] 实施例1

[0050] 一种中断概率辅助任务卸载优化方法，包括：

[0051] 获取可选卸载基站信息以及用户到所有可选卸载基站之间的信道状态信息，其中可选卸载基站信息包括可选卸载基站的计算能力与能耗情况；

[0052] 根据所述信道状态信息计算用户到各个可选卸载基站之间的信道容量，并根据信道统计特性确定用户向可选卸载基站卸载子任务时的信息传输速率，从而计算出用户到各个可选卸载基站之间的中断概率；

[0053] 根据中断概率和可选卸载基站信息，计算用户向基站i卸载计算任务时的卸载时延toi与卸载能耗Eoi以及子任务在基站i完成计算的计算时延tci和计算能耗Eci，从而计算得到用户向基站i卸载计算任务并完成计算所需的总能耗Ei，得到基于用户向各个可选卸基站卸载的子任务量的系统总能耗函数；

[0054] 以系统总能耗函数最小化为优化目标，设置约束条件，进行优化求解得到用户向各个可选卸基站卸载的子任务量。

[0055] 在计算卸载时延与卸载能耗时考虑了因无线链路中断导致的额外开销。具体做法是根据不同链路的中断概率对卸载时延与卸载能耗进行不同程度的惩罚，与此同时兼顾目标基站的计算能力与能耗情况，将总任务分成多个子任务分别卸载到不同基站完成计算，在满足一定时延约束的条件下实现系统总能耗最小化。

[0056] 在一些实施例中，如图1所示，该系统包括一个用户和五个可选卸载基站，每个基站都配备MEC服务器可以进行MEC卸载计算，当用户产生任务需要MEC辅助计算时采用OFDM的方式将任务分为五份子任务分别卸载到对应基站，每份子任务卸载完成后立刻进行计算，最后基站将子任务计算结果返回给用户，由用户进行整合得出原任务结果。

[0057] 在一些实施例中，如图2所示，该方法包括以下步骤：

[0058] 首先，在卸载时隙到来之前获取用户到各个可选卸载基站之间的信道状态信息和各个基站的计算能力与能耗情况；

[0059] 根据接收的信道状态信息确定各条卸载链路的卸载速率，由此进一步计算出对应信道的中断概率；

[0060] 进一步的，综合上一步的计算结果和获取的基站信息计算出卸载过程的时延与能耗，最终对各部分能耗进行求和以表示系统能耗；

[0061] 根据专利所提方法计算出系统能耗最小的任务卸载方案，并根据此任务分配方案卸载子任务；

[0062] 基站在接收到任务后立即进行计算，当MEC服务器完成计算后，基站将结果重新返回给用户，用户将各基站返回的计算结果进行整合得出原任务结果，至此整个过程结束。

[0063] 下面给出重要步骤中具体的计算公式，并进行更细致的说明：

[0064] 1.获取用户到可选卸载基站的信道状态信息，并依此计算信道容量与中断概率。信道容量的计算方法如下：

[0065]

[0066] 其中Ci表示用户到可选卸载基站i之间的信道容量，N表示可选基站的总数，此处将各个基站的编号记作为i(i＝1,2,…,N)；W为每条卸载链路的传输带宽，其单位为赫兹(Hz)，ri为基站i对应卸载链路的传输信噪比；B为系统分配给用户进行任务卸载的总带宽，当用户有N个基站可以用来任务卸载时，采用等带宽分配方法，每条链路分配到的带宽为B/N；Ps为用户卸载任务时的发送功率；hi为用户与基站i之间的信道衰落系数，此处以瑞利信2
道为例，但不限于瑞利信道，即|hi|服从瑞利分布；σi为对应信道的白噪声功率。

[0067] 用户到各个可选卸载基站之间的中断概率Pouti计算如下：

[0068]

[0069]

[0070] 其中Ri为根据信道统计特性确定的用户卸载速率；ui为瑞利衰落|hi|的方差。

[0071] 2.获取基站信息，并计算系统能耗。基站信息主要包含两部分，第一部分是基站的计算能力ai，用每秒运行的CPU周期数表示，单位为cycles/s，第二部分是每个基站的能耗情况eci，用每CPU周期数消耗的能量表示，其单位为焦耳/周期，记为J/cycle。上述的基站信息在卸载时隙到来之前由对应基站发送给用户。结合上一步的信息，计算用户向基站i卸载计算任务时的卸载时延toi与卸载能耗Eoi计算如下：

[0072]

[0073]

[0074] 其中Gi为用户向基站i卸载的任务量，单位为比特，记为bit，分母中的(1‑Pouti)表示无线通路正常通信不中断的概率，对应信道的中断概率越高，此值越小，对应链路卸载子任务所需的时延就越大，在用户发送功率不变的情况下所需要的能耗也就越大。

[0075] 子任务卸载到对应基站后，由基站完成子任务计算，子任务在基站i完成计算的计算时延tci和计算能耗Eci计算如下：

[0076]

[0077] Eci＝Gikeci

[0078] 其中k是任务复杂度，即每比特计算任务所需要的CPU周期数，单位为cycles/bit，其值越大代表任务越复杂在同一个基站完成计算时的能耗也就越大；ai为基站i的计算能力(基站每秒可运行的CPU周期数)；eci为基站i的单位CPU周期能耗情况，即基站每运行一个CPU周期消耗的能量。

[0079] 子任务在基站完成计算后由基站将计算结果返回给用户，由于子任务的计算结果通常很简单，因此返回结果的延时和能耗在本方法中忽略不计。进一步的，用户向基站i卸载任务并完成计算的整个过程所需能量Ei主要由任务卸载能耗Eoi与任务计算能耗Eci这两部分组成，具体计算如下：

[0080]

[0081] 在此基础上，用户完成整个计算任务的系统总能耗计算如下：

[0082]

[0083] 最后，所述的基于移动边缘计算的中断概率辅助任务卸载优化方法如下：

[0084]

[0085]

[0086]

[0087]

[0088] 其中，第一条约束条件表示卸载到各个基站的子任务量之和应与用户需要计算的总任务量相等，其中Gsum为用户需要计算的总任务量；第二条约束条件限制了每个子任务完成的时延，即每个子任务的完成时间都不能超过最大时延T；第三条约束条件限制了每个子任务的任务量不能为负。

[0089] 本发明提供了一种基于移动边缘计算的中断概率辅助任务卸载优化方法，应用于多MEC的卸载模型中，可以节省系统能耗，下面通过具体的对比实验来验证本发明的效果：

[0090] 对比方案采用等任务分配方案，即用户向每个可选卸载基站都卸载等量的子任务，剩余条件和专利采用方法一致。

[0091] 具体仿真参数如下，给定用户的发射功率Ps为1w，用户与各个可选卸载基站之间的信道为瑞利信道，|hi|的方差ui服从0.5到1之间的均匀分布，根据各个信道的统计特性取2 ‑10
卸载链路的信息传输速率Ri为3Mbits/s，信道的白噪声功率σi为5×10 w，系统为用户分
9 9
配的总信道带宽B为1MHz，各个基站的计算能力ai服从1×10cycles/s到2×10cycles/s之‑9
间的均匀分布，其单位CPU周期能耗eci均为1×10 J/cycle。

[0092] 对应的可选卸载基站数目N从1个开始递增至10个，而用户的卸载任务总量Gsum保持1Mbits不变，任务复杂度k为100cycles/bit，任务的时延约束T为0.45s，根据上述给定参数使用MATALB对本发明方法进行仿真。仿真程序分别计算两种卸载方法各一万次，并对每种方法的一万次仿真结果取均值做图，其最终结果如图3所示。由图可见两种任务分配方案的能耗随着基站数目的增加都有上升，这是因为基站数目的增加使得每条卸载链路分配到的带宽减小，中断概率上升，最终导致系统能耗增加，这种现象在基站数目较多时十分明显。但是本专利所提方法随着可选卸载基站增加，通过综合考虑中断概率与目标基站的计算能力，给不同的基站分配不同的计算任务显著降低了系统能耗，并且基站数目越多其节能效果越好。

[0093] 实施例2

[0094] 第二方面，本实施例提供了一种中断概率辅助任务卸载优化装置，包括处理器及存储介质；

[0095] 所述存储介质用于存储指令；

[0096] 所述处理器用于根据所述指令进行操作以执行根据实施例1所述方法的步骤。

[0097] 实施例3

[0098] 第三方面，本实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。

[0099] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。

[0100] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0101] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0102] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0103] 本领域内的技术人员应该明白，本申请的实施例可提供为方法或计算机程序产品。以上实施例仅用于说明本发明所提出的方法而并非限制本方法，尽管上文通过实施例对本专利方法进行了详细的说明，所述领域的技术人员应当理解，仅对本发明具体实施方法进行同等替换而其本质并未改变的方案应包含在本发明的权利要求保护范围之内。