一种基于移动边缘计算网络的计算速率确定方法及系统技术方案

本发明专利技术涉及一种基于移动边缘计算网络的计算速率确定方法及系统。该方法包括获取网络的基本配置以及迭代参数；以移动边缘计算网络系统的计算速率最大为目标函数，以移动边缘计算网络系统的限制的最长执行时间、移动边缘计算网络系统的总计算资源以及最大发射功率为约束条件，构建计算速率最大化系统优化模型；利用辅助变量的初始值将计算速率最大化系统优化模型由非光滑转为光滑形式；采用块坐标下降算法对转变后的计算速率最大化系统优化模型进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略；根据上述策略确定计算速率。本发明专利技术能够有效提高网络的总计算速度。度。度。

【技术实现步骤摘要】
一种基于移动边缘计算网络的计算速率确定方法及系统


[0001]本专利技术涉及物联网领域，特别是涉及一种基于移动边缘计算网络的计算速率确定方法及系统。

技术介绍

[0002]随着物联网时代智能设备的爆发式增长，涌现出大量计算负载高、时延要求小的应用(如实时在线网络游戏、虚拟现实等技术)。但由于物联网设备的能量和计算能力有限，他们并不能完全支持高计算负载和延迟敏感的服务。
[0003]为了摆脱这种困境，一种称为移动边缘计算(MEC)的新型计算范例技术应运而生，成为当今情况下一种很有前途的技术，它将云计算和移动网络相结合，将密集型计算任务迁移到附近的网络边缘服务器，减缓网络的带宽压力。但同时，在用户设备的运行过程中，计算速率是影响用户体验的关键性因素，越快的计算速率为越小的延迟。目前国内外针对此问题设计多种最大化计算速率策略，计算速率具体考虑各用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略。
[0004]现有技术中采用等功率分配(EPA)方法确定计算速率，但是网络的总计算速度还有待提高。

技术实现思路

[0005]本专利技术的目的是提供一种基于移动边缘计算网络的计算速率确定方法及系统，能够有效提高网络的总计算速度。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于移动边缘计算网络的计算速率确定方法，包括：
[0008]获取网络的基本配置以及迭代参数；所述基本配置包括：用户节点的计算资源和计算能力、移动边缘服务器的计算资源和计算能力以及网络内子载波集合；所述迭代参数包括：当前迭代轮次、最大迭代轮次以及辅助变量的初始值；
[0009]以移动边缘计算网络系统的计算速率最大为目标函数，以移动边缘计算网络系统的限制的最长执行时间、移动边缘计算网络系统的总计算资源以及最大发射功率为约束条件，构建计算速率最大化系统优化模型；
[0010]利用辅助变量的初始值将计算速率最大化系统优化模型由非光滑转为光滑形式，确定转变后的计算速率最大化系统优化模型；
[0011]采用块坐标下降算法对转变后的计算速率最大化系统优化模型进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略；
[0012]根据用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略确定计算速率。
[0013]可选地，所述以移动边缘计算网络系统的计算速率最大为目标函数，以移动边缘
计算网络系统的限制的最长执行时间、移动边缘计算网络系统的总计算资源以及最大发射功率为约束条件，构建计算速率最大化系统优化模型，具体包括：
[0014][0015]其中，t
k
为应用的完成时间，为系统限制的最长执行时间，f
km
为处理任务m时的计算资源，F
k
为系统总计算资源，为系统在处理任务m时分配给移动边缘服务器的计算资源，F
s
为服务器的总计算资源，x
kn
是信道分配指示符，是一个二进制变量，当第n个子载波分配给第k个用户时，x
kn
为1，其他情况均为0，p
kn
为第k个用户在第n个子载波上的发射功率，为最大发射功率，λ
km
为用户任务卸载到移动边缘服务器上的比率，t
km
为处理任务m时所需要花费的时间，X为用户节点的计算资源，F为移动边缘服务器计算资源分配。
[0016]可选地，所述利用辅助变量的初始值将计算速率最大化系统优化模型由非光滑转为光滑形式，确定转变后的计算速率最大化系统优化模型，具体包括：
[0017]辅助变量a的更新：
[0018][0019][0020]辅助变量Φ的更新：
[0021][0022]其中，a
k
和均为辅助变量，d
km
为用户节点k处理的第m个任务的数据大小，c
km
为计算1比特数据所需要的CPU周期数，r
k
为将数据卸载到移动边缘服务器的传输速率，B为用户分配的每个子载波的带宽，g
kn
为用户节点k和基站之间的信道增益，σ为子载波n在基站处加性高斯白噪声的方差。
[0023]可选地，所述采用块坐标下降算法对转变后的计算速率最大化系统优化模型进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略，具体包括：
[0024]利用公式将转变后的计算速率最大化系统优化模型转化为拉格朗日对偶函数；
[0025]利用公式确定拉格朗日对偶问题；
[0026]采用块坐标下降方法对拉格朗日对偶函数和拉格朗日对偶问题进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略；
[0027]其中，以及γ均为对应
于相关约束地非负拉格朗日乘子，即对偶变量，F为满足约束f
km
≥0,的所有可能f集合，M为满足约束的所有F集合，X为满足约束x
kn
∈{0,1},及的所有可能X集合。
[0028]可选地，所述采用块坐标下降方法对拉格朗日对偶函数和拉格朗日对偶问题进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略，具体包括：
[0029]利用固定的用户节点计算资源分配、固定的移动边缘服务器计算资源分配、固定的发射功率以及固定的辅助变量优化用户节点的计算资源；
[0030]利用固定的移动边缘服务器计算资源分配、优化后的用户节点的计算资源、固定的发射功率以及固定的辅助变量优化用户节点计算资源分配；
[0031]利用优化后的用户节点计算资源分配、优化后的户节点的计算资源、固定的发射功率以及固定的辅助变量优化移动边缘服务器计算资源分配；
[0032]利用优化后的用户节点计算资源分配、优化后的移动边缘服务器计算资源分配、优化后的用户节点的计算资源以及固定的辅助变量优化发射功率；
[0033]利用优化后的用户节点计算资源分配、优化后的移动边缘服务器计算资源分配、优化后的用户节点的计算资源以及优化后的发射功率优化辅助变量；
[0034]重复迭代上述步骤，直至用户节点计算资源分配、移动边缘服务器计算资源分配、用户节点的计算资源以及辅助变量收敛。
[0035]可选地，所述采用块坐标下降方法对拉格朗日对偶函数和拉格朗日对偶问题进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略，具体还包括：
[0036]利用公式对对偶变量进行更新；
[0037]其中，ρ
k
,η
k
,μ
k
,τ
k
,ι
k
以及都是迭代期间与每个对偶变量相关的步长，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动边缘计算网络的计算速率确定方法，其特征在于，包括：获取网络的基本配置以及迭代参数；所述基本配置包括：用户节点的计算资源和计算能力、移动边缘服务器的计算资源和计算能力以及网络内子载波集合；所述迭代参数包括：当前迭代轮次、最大迭代轮次以及辅助变量的初始值；以移动边缘计算网络系统的计算速率最大为目标函数，以移动边缘计算网络系统的限制的最长执行时间、移动边缘计算网络系统的总计算资源以及最大发射功率为约束条件，构建计算速率最大化系统优化模型；利用辅助变量的初始值将计算速率最大化系统优化模型由非光滑转为光滑形式，确定转变后的计算速率最大化系统优化模型；采用块坐标下降算法对转变后的计算速率最大化系统优化模型进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略；根据用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略确定计算速率。2.根据权利要求1所述的一种基于移动边缘计算网络的计算速率确定方法，其特征在于，所述以移动边缘计算网络系统的计算速率最大为目标函数，以移动边缘计算网络系统的限制的最长执行时间、移动边缘计算网络系统的总计算资源以及最大发射功率为约束条件，构建计算速率最大化系统优化模型，具体包括：其中，t
k
为应用的完成时间，为系统限制的最长执行时间，f
km
为处理任务m时的计算资源，F
k
为系统总计算资源，为系统在处理任务m时分配给移动边缘服务器的计算资源，F
s
为服务器的总计算资源，x
kn
是信道分配指示符，是一个二进制变量，当第n个子载波分配给第k个用户时，x
kn
为1，其他情况均为0，p
kn
为第k个用户在第n个子载波上的发射功率，
为最大发射功率，λ
km
为用户任务卸载到移动边缘服务器上的比率，t
km
为处理任务m时所需要花费的时间，X为用户节点的计算资源，F为移动边缘服务器计算资源分配。3.根据权利要求2所述的一种基于移动边缘计算网络的计算速率确定方法，其特征在于，所述利用辅助变量的初始值将计算速率最大化系统优化模型由非光滑转为光滑形式，确定转变后的计算速率最大化系统优化模型，具体包括：辅助变量a的更新：辅助变量a的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：辅助变量Φ的更新：其中，a
k
和均为辅助变量，d
km
为用户节点k处理的第m个任务的数据大小，c
km
为计算1比特数据所需要的CPU周期数，r
k
为将数据卸载到移动边缘服务器的传输速率，B为用户分配的每个子载波的带宽，g
kn
为用户节点k和基站之间的信道增益，σ为子载波n在基站处加性高斯白噪声的方差。
4.根据权利要求3所述的一种基于移动边缘计算网络的计算速率确定方法，其特征在于，所述采用块坐标下降算法对转变后的计算速率最大化系统优化模型进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略，具体包括：利用公式将转变后的计算速率最大化系统优化模型转化为拉格朗日对偶函数；利用公式确定拉格朗日对偶问题；采用块坐标下降方法对拉格朗日对偶函数和拉格朗日对偶问题进行迭代，直至迭代论次到达最大迭代轮次，确定用户节点不同计算任务的传输速率、计算资源分配和子载波分配策略；其中，以及γ均为对应于相关约束地非负拉格朗日乘子，即对偶变量，F为满足约束的所有可能f集合，M为满足约束的所有F集合，X为满足约束及的所有可能X集合。5.根据权利要求4所述的一种基于移动边缘计算网络的计算速率确定方法，其特征在于，所述采...

【专利技术属性】
技术研发人员：赵明雄，杨昭杰，王子睿，肖一鸣，张榕倩，张贤琪，
申请(专利权)人：云南大学，
类型：发明
国别省市：