【技术实现步骤摘要】
移动边缘计算中一种根据用户移动模式计算卸载的方法
[0001]本专利技术属于移动通信技术和计算机
,具体涉及移动边缘计算中一种根据用户任务移动模式计算卸载的方法。
技术介绍
[0002]近年来,随着5G技术的成熟和基于物联网的异构网络快速发展,由此产生了许多新型应用和新型场景。伴随着移动智能终端设备以指数级的爆炸式增长,产生了海量未处理的数据任务,这对移动智能终端设备的计算能力和缓存能力提出了很高的要求。普通家用移动智能终端设备的计算和缓存海量数据的能力难以满足要求,尤其是在人工智能领域中逐渐兴起的各种新型技术,比如自动驾驶技术、虚拟现实技术、增强现实技术等,对于移动智能终端设备和网络的时延以及带宽提出了更高的要求。为了解决这一系列的问题,移动边缘计算(Mobile Edge Computing,MEC)技术应运而生。
[0003]移动边缘计算这个概念的提出最早可以追溯到上个世纪90年代,阿卡迈公司推出了内容分发网络(Content Delivery Network,CDN),它是由专业服务器组成的并且分布在不同地理位置的庞大网络。近几年来,欧洲电信标准化协会(European Telecommunications Standards Institute,ETSI)将移动边缘计算正式更名为多接入边缘计算(Multi
‑
Access Edge Computing)。移动边缘计算是一种在无线侧提供用户所需服务和云端计算功能的网络架构,用于加速网络中各项应用的快速下载,让用户享有不间断的高质 ...
【技术保护点】
【技术特征摘要】
1.移动边缘计算中一种根据用户移动模式计算卸载的方法,其特征在于,包括以下步骤:在包含N个小基站和1个宏基站的移动边缘网络中,为每个宏基站周围配置一台MEC服务器,并建立异构网络中系统的通信模型;根据各个小基站所在区域,得到整个小基站群落的位置坐标集合,并确定出小基站的最大有效服务范围;并根据用户在不同时隙下的移动模式,得到目前时隙以及上一时隙分别与用户关联的MEC服务器位置坐标;按照不同时隙下与用户关联的MEC服务器位置坐标信息,计算出这两个MEC服务器坐标的距离,从而建立系统的计算模型;按照不同时隙下与用户关联的MEC服务器位置坐标信息以及任务服务的最大有效范围,确定出用户是否需要进行任务迁移,从而建立任务迁移和卸载模型;根据用户关联前后的MEC服务器坐标之间的距离,分别计算出用户体验质量和迁移延迟成本;根据用户与MEC服务器之间一跳的距离,计算出用户的切换再连接延迟成本;根据迁移延迟成本和切换再连接延迟成本,计算出用户在移动模式下的延迟成本;将用户体验质量和在移动模式下的延迟成本之间的差值作为奖励,利用改进后的深度强化学习DQN算法优化用户体验质量总成本。2.根据权利要求1所述的移动边缘计算中一种根据用户移动模式计算卸载的方法,其特征在于,所述异构网络中系统的通信模型包括每个MEC服务器的服务覆盖有效范围内为周围用户提供算力来进行任务的卸载计算,用户使用移动智能终端设备通过无线网络将任务卸载到关联的MEC服务器;每个MEC服务器通过一个高速回程链路连接宏基站,宏基站周围存在一个中央控制器,负责决定移动模式下的移动智能终端设备的卸载决策。3.根据权利要求1所述的移动边缘计算中一种根据用户移动模式计算卸载的方法,其特征在于,所述系统的计算模型包括将小基站的位置坐标集合定义为小基站分散在各个小区周围,小基站的最大有效服务范围为B;将时间离散化在时隙t下,一位用户驾驶智能车辆经过系统中构建的小区,智能车辆通过无线网络连接到最近的一个小基站,假设此时用户关联的MEC服务器的位置坐标点为(x
c
,y
c
),其中表示用户始终在整个小区群落之间穿梭;在这之前,智能车辆将其任务卸载到对应MEC服务器的位置坐标点为(x
b
,y
b
),其中将用户此时关联的MEC服务器位置和原来所关联的MEC服务器之间的距离定义为d
t
,表示为4.根据权利要求1所述的移动边缘计算中一种根据用户移动模式计算卸载的方法,其特征在于,所述任务迁移和卸载模型包括在某一时隙下,智能车辆从一个位置坐标行驶离开,当经过一段时间后,车辆脱离原本关联的MEC服务器范围,进入到另外一个MEC服务器的服务覆盖范围内;由于脱离了以前的MEC服务器,导致车辆卸载在原MEC服务器上的任务计算结果回传延迟增大,用户体验质量下降,此时中央控制器在了解MEC服务器和智能车辆的情况后,采用迁移决策将原MEC服务器上的任务或计算结果迁移到现在与之关联的MEC服务器上进行卸载计算,从而降低延迟。
5.根据权利要求1所述的移动边缘计算中一种根据用户移动模式计算卸载的方法,其特征在于,用户体验质量总成本的优化模型表示为:s.t.s.t.s.t.其中,表示用户体验质量总成本;μ
q
表示用户体验质量成本系数,μ
c
表示延迟成本系数,μ
q
∈[0,1],μ
c
∈[0,1]且μ
q
+μ
c
=1;Q
t
表示在t时隙下的用户体验质量,q
max
表示最优用户体验质量,表示单位距离用户体验质量的衰减系数,d
t
表示在t时隙下用户当前关联的MEC服务器位置和前一时隙所关联的MEC服务器之间的距离;表示在t时隙下用户在移动模式下的延迟成本,表示在t时隙下用户在移动模式下的延迟成本,表示在t时隙下的用户迁移延迟成本,h表示MEC服务器和用户之间一跳的距离;表示在t时隙下的用户的切换再连接延迟成本,的用户的切换再连接延迟成本,表示两个MEC服务器之间单位距离的迁移时延;T表示时隙数;表示求期望,式(6b)为在时隙下,智能车辆的位置始终在某个MEC服务器的服务范围内,b
i
表示第i个小基站的有效服务范围,N表示小基站个数,B为小基站的最大有效服务范围;式(6c)为在时隙下,用户的体验质量都应该大于一个用户体验质量的下限,Q
min
表示最小用户体验质量;式(6d)表示为在时隙下,延迟总成本都不能超过用户最大容忍延迟,C
max
表示用户在移动模式下的最大延迟成本。6.根据权利要求1所述的移动边缘计算中一种根据用户移动模式计算卸载的方法,其特征在于,所述将用户体验质量和在移动模式下的延迟成本之间的差值作为奖励,利用改进后的深度强化学习DQN算法优化用户体验质量总成本包括将系统模型中宏基站下的中央控制器设计为代理,通过所述代理收集系统中各个MEC...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。