基于双层边缘结构的MEC任务卸载策略的性能评估方法技术

本发明专利技术提供了一种基于双层边缘结构的MEC任务卸载策略的性能评估方法，其包括：分别求解时延任务在本地和边缘层处理的平均时延和平均电池电量；运用全概率公式计算时延任务在MEC系统中的平均电池电量，进而获得MEC系统的平均电池电量；权衡时延任务的平均时延和MEC系统的平均电池电量，构建带有多个不等式约束的MEC系统评价函数；利用基于拉格朗日乘子的一般约束乘子法PHR，运用MATLAB求解使得MEC系统评价函数达到最小值的策略优化结果，得到最优的任务卸载概率组合，时延任务包括实时任务和非实时任务。本发明专利技术面向实时任务和非实时任务，基于双层边缘结构对MEC系统的任务进行了合理分配决策，有着低时延、低电池电量等特点和高效的卸载性能。和高效的卸载性能。和高效的卸载性能。

【技术实现步骤摘要】
基于双层边缘结构的MEC任务卸载策略的性能评估方法


[0001]本专利技术属于多接入边缘计算与任务卸载
，特别是一种基于双层边缘结构的MEC任务卸载策略的性能评估方法。

技术介绍

[0002]随着物联网和5G通信技术的高速发展，移动设备(Mobile Device,MD)的普及率越来越高，诸如智能手机、智能手环和共享单车等设备的运算能力、存储能力也在不停地更新换代。除了常规的非实时任务，与之伴随出现了越来越多的实时任务，如电子医疗、人脸识别以及增强现实/虚拟实现等。这些应用不仅带来了较大的计算量，且往往对延迟和设备电池电量提出了更高的要求。然而，上述这些多样化的任务与移动设备的电池、计算能力的进步并不匹配，大量的计算需求远远超过本地移动设备所能提供的服务能力。
[0003]为解决上述问题，云计算作为一种新的计算范式出现。它将计算、存储和网络管理集中在云中，并提供弹性的计算和存储能力。因此，将任务卸载到云服务器上可以减少MD的负载，并节省关键的电池电量评价。然而，传统的云计算有很多计算上的限制：一方面，大量数据的传输需要大量的带宽，以目前传输网络的容量，很容易造成拥堵；另一方面，由于MD和云服务器之间的距离过长，会导致高延迟和大量的抖动；同时，MDs、新型网络应用和服务快速发展，用户对数据传输速率、低延迟和服务质量(QoS)有更高的要求。这些导致了传统的云计算难以满足众多技术和场景的需求。为缓解云计算的局限性，并延长MD的使用寿命，移动边缘计算(MEC)是一种新的计算范式，它采用分布式模型，整合了云计算和移动网络，在网络边缘提供相当多的计算资源。在MEC系统网络中进行任务卸载以服务于计算密集型和实时的应用，已经成为未来通信网络发展的主要趋势。在任务卸载过程中，MEC虽然具有低延迟、高带宽、高能效和计算灵敏性等优势，但与云计算相比，处于网络边缘的MEC服务器的计算资源是有限的。然而一旦边缘计算系统出现大规模的任务卸载，边缘的MEC服务器就会过负载。相应地，由于服务中断、等待和执行时间的延长，移动用户的QoS将大大恶化。为缓解边缘的压力和资源限制，大多数边缘服务提供商通常部署两类基站：微基站(SBS)和宏基站(MBS)。更重要的是，为了实现移动用户的就近性，在MBS和SBS上部署MEC服务器。因此，针对以上研究背景，面向实时任务和非实时任务，寻求一种基于双层边缘结构的MEC任务卸载策略的性能评估方法，对MEC系统中的任务进行合理的分配决策是十分迫切且必要的。

技术实现思路

[0004]本专利技术针对上述现有技术中的缺陷，提出一种基于双层边缘结构的MEC任务卸载策略的性能评估方法。该方法包括分别求解时延任务在本地和边缘层处理的平均时延和平均电池电量；运用全概率公式计算时延任务在MEC系统中的平均电池电量，进而获得MEC系统的平均电池电量；权衡时延任务的平均时延和MEC系统的平均电池电量，构建带有多个不等式约束的MEC系统评价函数；利用基于拉格朗日乘子的一般约束乘子法PHR，运用MATLAB求解使得MEC系统评价函数达到最小值的策略优化结果，得到最优的任务卸载概率组合，所
述时延任务包括实时任务和非实时任务。本专利技术面向实时任务和非实时任务，基于双层边缘结构对MEC系统的任务进行了合理分配决策，有着低时延、低电池电量等特点和高效的卸载性能。
[0005]本专利技术提供一种基于双层边缘结构的MEC任务卸载策略的性能评估方法，其包括以下步骤：
[0006]S1、求解时延任务在本地处理的平均时延和平均电池电量，所述时延任务包括实时任务和非实时任务；
[0007]S2、求解时延任务在边缘层处理的平均时延和平均电池电量；
[0008]S3、运用全概率公式计算时延任务在MEC系统中的平均电池电量，进而获得MEC系统的平均电池电量E
mec
；
[0009]S4、权衡时延任务的平均时延和MEC系统的平均电池电量，构建带有多个不等式约束的MEC系统评价函数
[0010][0011]其中，表示非实时任务经过本地输出端口卸载到边缘层SBS上处理的概率；表示实时任务经过本地输出端口卸载到边缘层MBS簇II上处理的概率；f1表示实时任务的平均时延对系统评价函数的影响因子；f2表示MEC系统的平均电池电量对系统评价函数的影响因子；f3表示非实时任务的平均时延对系统评价函数的影响因子，且满足f1+f2+f3＝1；分别表示实时任务和非实时任务在MEC系统中的平均时延；E
mec
表示MEC系统的平均电池电量；λ1,λ2分别表示系统中非实时任务和实时任务的到达率，且满足λ1≥0和λ2≥0；μ
lc
表示本地服务器CPU的服务速率，且满足μ
lc
≥0；μ
lo
表示本地输出端口的服务速率，且满足μ
lo
≥0；μ1表示SBS上一个虚拟机的服务速率，且满足μ1≥0；μ2表示MBS簇I上一个虚拟机的服务速率，且满足μ2≥μ1；μ3表示MBS簇II上一个虚拟机的服务速率，且满足μ3≥μ2；n1,n2,n3均为一常数；
[0012]S5、利用基于拉格朗日乘子的一般约束乘子法PHR，运用MATLAB求解使得S4中MEC系统评价函数达到最小值的策略优化结果，得到最优的任务卸载概率组合
[0013]进一步，所述步骤S1具体包括以下步骤：
[0014]S11、实时任务在本地服务器CPU处理的平均时延和平均电池电量分别为：
[0015][0016][0017]其中，表示实时任务在本地服务器CPU处理的概率；和分别表示本地服务器CPU的执行和空转功率；表示实时任务在本地服务器CPU的流通强度；
[0018]S12、实时任务本地输出端口进行传输的平均时延和平均电池电量分别为：
[0019][0020][0021]其中，表示实时任务经本地输出端口传输到边缘层MBS上处理的概率；和分别表示本地输出端口的执行和空转功率；是实时任务在本地输出端口的流通强度；
[0022]S13、非实时任务在本地服务器CPU处理的平均时延和平均电池电量为：
[0023][0024][0025]其中，表示非实时任务在本地服务器CPU处理的概率；表示非实时任务在本地服务器CPU的流通强度；
[0026]S14、非实时任务本地输出端口进行传输的平均时延和平均电池电量为：
[0027][0028][0029]其中，表示非实时任务经本地输出端口传输到边缘层SBS上处理的概率；表示非实时任务在本地输出端口的流通强度。
[0030]可优选的，所述步骤S2具体包括以下步骤：
[0031]S21、实时任务在边缘层MBS上处理的平均时延和平均电池电量为：
[0032][0033][0034]其中，表示实时任务经过本地输出端口卸载到边缘层MBS簇II上处理的概率；和分别表示边缘层MBS上一个虚拟机的执行和空转功率；表示实时任务在MBS上簇II中的流通强度；k表示在边缘层MBS簇II上的实时任本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双层边缘结构的MEC任务卸载策略的性能评估方法，其特征在于，其包括以下步骤：S1、求解时延任务在本地处理的平均时延和平均电池电量，所述时延任务包括实时任务和非实时任务；S2、求解时延任务在边缘层处理的平均时延和平均电池电量；S3、运用全概率公式计算时延任务在MEC系统中的平均电池电量，进而获得MEC系统的平均电池电量E
mec
；S4、权衡时延任务的平均时延和MEC系统的平均电池电量，构建带有多个不等式约束的MEC系统评价函数MEC系统评价函数其中，表示非实时任务经过本地输出端口卸载到边缘层SBS上处理的概率；表示实时任务经过本地输出端口卸载到边缘层MBS簇II上处理的概率；f1表示实时任务的平均时延对系统评价函数的影响因子；f2表示MEC系统的平均电池电量对系统评价函数的影响因子；f3表示非实时任务的平均时延对系统评价函数的影响因子，且满足f1+f2+f3＝1；分别表示实时任务和非实时任务在MEC系统中的平均时延；E
mec
表示MEC系统的平均电池电量；λ1,λ2分别表示系统中非实时任务和实时任务的到达率，且满足λ1≥0和λ2≥0；μ
lc
表示本地服务器CPU的服务速率，且满足μ
lc
≥0；μ
lo
表示本地输出端口的服务速率，且满足μ
lo
≥0；μ1表示SBS上一个虚拟机的服务速率，且满足μ1≥0；μ2表示MBS簇I上一个虚拟机的服务速率，且满足μ2≥μ1；μ3表示MBS簇II上一个虚拟机的服务速率，且满足μ3≥μ2；n1,n2,n3均为一常数；S5、利用基于拉格朗日乘子的一般约束乘子法PHR，运用MATLAB求解使得S4中MEC系统评价函数达到最小值的策略优化结果，得到最优的任务卸载概率组合2.根据权利要求1所述的基于双层边缘结构的MEC任务卸载策略的性能评估方法，其特征在于，所述步骤S1具体包括以下步骤：S11、实时任务在本地服务器CPU处理的平均时延和平均电池电量分别为：
其中，表示实时任务在本地服务器CPU处理的概率；和分别表示本地服务器CPU的执行和空转功率；表示实时任务在本地服务器CPU的流通强度；S12、实时任务本地输出端口进行传输的平均时延和平均电池电量分别为：分别为：其中，表示实时任务经本地输出端口传输到边缘层MBS上处理的概率；和分别表示本地输出端口的执行和空转功率；是实时任务在本地输出端口的流通强度；S13、非实时任务在本地服务器CPU处理的平均时延和平均电池电量为：为：其中，表示非实时任务在本地服务器CPU接受的概率；表示非实时任务在本地服务器CPU的流通强度；S14、非实时任务本地输出端口进行传输的平均时延和平均电池电量为：为：其中，表示非实时任务经本地输出端口传输到边缘层SBS上处理的概率；表示非实时任务在本地输出端口的流通强度。3.根...

【专利技术属性】
技术研发人员：金顺福，赵浩，耿靖伟，崔瑜，
申请(专利权)人：燕山大学，
类型：发明
国别省市：