一种无线供能边缘计算网络中无线设备任务处理优化方法技术

本发明专利技术公开了一种无线供能边缘计算网络中无线设备任务处理优化方法，通过构建以无线设备信道增益为输入，卸载决策向量为输出的全连接神经网络模型，将当前无线设备信道增益输入到训练好的所述全连接神经网络模型，得到卸载决策向量；在确定卸载决策向量后，通过最小化所有无线设备的总任务完成时延，得到接入点的供能时长；最后根据所述供能时长，配置所述接入点对无线设备在每个时隙开始时进行无线供能，配置每个无线设备在每个时隙以所述无线供能时长进行能量捕获，配置每个无线设备在每个时隙以所述卸载决策向量进行任务的计算或卸载。本发明专利技术所采用的技术方案能够得到较低的总任务完成时延。总任务完成时延。总任务完成时延。

【技术实现步骤摘要】
一种无线供能边缘计算网络中无线设备任务处理优化方法


[0001]本申请属于无线供能边缘计算
，尤其涉及一种无线供能边缘计算网络中无线设备任务处理优化方法。

技术介绍

[0002]使用电池或其他能源为物联网(IOT)中的设备供电在传统网络中很流行，但它们总是受到电池容量和寿命的限制，大大降低了它们在实践中的应用。此外，移动设备(如智能手机、平板等)由于其本身处理能力的限制，如果使用传统无线传感器网络，高网络负载便会对网络带宽需求不断增长，造成很大的资源消耗。
[0003]无线供能边缘计算网络(WP
‑
MECN)结合无线电力传输(WPT)技术和移动边缘计算(MEC)技术很好的解决了以上难题，网关设备通过WPT技术可以向无线设备(WD)广播射频能量，无线设备可以通过无线方式不间断地为其电池获取能量以达到延缓电池寿命的目的。无线设备通过MEC技术可以将计算密集型和延迟敏感的任务卸载到附近的边缘服务器来减少自己的能源消耗和计算负担。
[0004]然而，目前的无线供能边缘计算网络技术方案在求解二进制卸载策略时采用分支定界法或启发式局部搜索算法等传统优化算法，这通常需要多次迭代导致其复杂度很高，从而使其求解时间变得很长，这对时延敏感型任务的总完成时延造成很大的影响。

技术实现思路

[0005]本申请的目的是提供一种无线供能边缘计算网络中无线设备任务处理优化方法，适用在使用时分复用(TDMA)的通信方式和二进制卸载模式下，将无线供能技术应用于移动边缘计算网络中，同时优化无线供能时长与卸载任务分配，最小化无线设备总任务完成时延。
[0006]为了实现上述目的，本申请技术方案如下：
[0007]一种无线供能边缘计算网络中无线设备任务处理优化方法，所述无线供能边缘计算网络包括无线设备和网关，网关包括接入点和边缘计算服务器，所述无线供能边缘计算网络中无线设备任务处理优化方法，包括：
[0008]构建以无线设备信道增益为输入，卸载决策向量为输出的全连接神经网络模型，将当前无线设备信道增益输入到训练好的所述全连接神经网络模型，得到卸载决策向量；
[0009]在确定卸载决策向量后，通过最小化所有无线设备的总任务完成时延，得到接入点的供能时长；
[0010]根据所述供能时长，配置所述接入点对无线设备在每个时隙开始时进行无线供能；
[0011]配置每个无线设备在每个时隙以所述无线供能时长进行能量捕获，配置每个无线设备在每个时隙以所述卸载决策向量进行任务的计算或卸载。
[0012]进一步的，所述全连接神经网络模型包括1个输入层、2个隐藏层和1个输出层。
[0013]进一步的，所述卸载决策向量为二进制决策向量m，其中每个元素m
i
∈{0，1}，m
i
＝0表示第i个无线设备选择本地计算，m
i
＝1表示第i个无线设备选择任务卸载，i∈(1，2，
…
，N)，N表示无线设备的数量。
[0014]进一步的，所述通过最小化所有无线设备的总任务完成时延，得到接入点的供能时长，包括：
[0015]计算本地计算设备的任务完成时延：
[0016][0017]其中δ为计算能效系数，φ为无线处理一位任务数据所需的CPU周期数，S
z
为第z个无线设备的任务量，μ为能量捕获效率，β是无线供能时长，h
z
是第z个无线设备在当前时隙下的信道增益，P为接入点发射功率，f
max
为本地计算无线设备的最大计算速率；
[0018]为临界供能时长；
[0019]则本地计算设备的总任务完成时延T
loc
为：
[0020][0021]其中是所有无线设备中，本地计算设备的数量；
[0022]单个任务卸载无线设备的任务卸载通信时长t
i
与其任务量S
i
满足如下关系式：
[0023][0024]其中，w为无线通信带宽，σ2为噪声功率，h
i
表示第i个无线设备在当前时隙下的信道增益；
[0025]任务卸载无线设备的总任务完成时延T
off
为：
[0026][0027]其中m
i
∈{0，1}，m
i
＝0表示第i个无线设备选择本地计算，m
i
＝1表示第i个无线设备选择任务卸载，N表示无线设备的数量；
[0028]所有无线设备的总任务完成时延表示为T(m，β)：
[0029]T(m，β)＝max(T
off
，T
loc
)
[0030]采用黄金分割法在供能时长区间对所述总任务完成时延T(m，β)求解得到在给定卸载决策向量m下的最小化总任务完成时延的供能时长β。
[0031]本申请提出的一种无线供能边缘计算网络中无线设备任务处理优化方法，相比于传统的优化方法，可以很好的解决混合整数规划问题，利用训练好的神经网络模型能够在
TDMA的通信方式下，求解出卸载决策向量和无线供能时长，同时也得到较低的总任务完成时延。
附图说明
[0032]图1为本申请无线供能边缘计算网络中无线设备任务处理优化方法流程图；
[0033]图2为本申请无线供能边缘计算网络示意图；
[0034]图3为本申请实施例神经网络模型结构图。
具体实施方式
[0035]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0036]本申请采用二进制卸载策略，即无线设备要么本地完成所有任务的计算，要么将任务全部卸载给边缘服务器计算。卸载策略对无线供能边缘计算网络的许多性能比如时延、速率等都有影响。
[0037]在一个实施例中，如图1所示，提供了一种无线供能边缘计算网络中无线设备任务处理优化方法，包括：
[0038]步骤S1、构建以无线设备信道增益为输入，卸载决策向量为输出的全连接神经网络模型，将当前无线设备信道增益输入到训练好的所述全连接神经网络模型，得到卸载决策向量。
[0039]如图2所示，无线供能边缘计算网络包括无线设备(WD1～WDN，即有N个无线设备)和网关，网关包括接入点和边缘计算服务器，接入点广播射频能量用于无线设备供能，边缘计算服务器用于计算从无线设备卸载的任务。
[0040]本实施例以一个网关和10个无线设备构成的无线供能边缘计算网络为例进行说明。网关包括用于发送射频能量的接入点和边缘计算服务器，无线设备的任务计算是基于时隙来工作的，T是一个时隙的长度。
[0041]在每个时隙开始，接入点给10个无线设备进行无线供能。无线供能时长为β，0＜β＜T。无线设备捕获完能量之后，按照0
‑
1卸载决策向量m＝{m1，m2，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线供能边缘计算网络中无线设备任务处理优化方法，所述无线供能边缘计算网络包括无线设备和网关，网关包括接入点和边缘计算服务器，其特征在于，所述无线供能边缘计算网络中无线设备任务处理优化方法，包括：构建以无线设备信道增益为输入，卸载决策向量为输出的全连接神经网络模型，将当前无线设备信道增益输入到训练好的所述全连接神经网络模型，得到卸载决策向量；在确定卸载决策向量后，通过最小化所有无线设备的总任务完成时延，得到接入点的供能时长；根据所述供能时长，配置所述接入点对无线设备在每个时隙开始时进行无线供能；配置每个无线设备在每个时隙以所述无线供能时长进行能量捕获，配置每个无线设备在每个时隙以所述卸载决策向量进行任务的计算或卸载。2.根据权利要求1所述的无线供能边缘计算网络中无线设备任务处理优化方法，其特征在于，所述全连接神经网络模型包括1个输入层、2个隐藏层和1个输出层。3.根据权利要求1所述的无线供能边缘计算网络中无线设备任务处理优化方法，其特征在于，所述卸载决策向量为二进制决策向量m，其中每个元素m
i
∈{0,1}，m
i
＝0表示第i个无线设备选择本地计算，m
i
＝1表示第i个无线设备选择任务卸载，i∈(1，2，
…
，N)，N表示无线设备的数量。4.根据权利要求1所述的无线供能边缘计算网络中无线设备任务处理优化方法，其特征在于，所述通过最小化所有无线设备的总任务完成时延，得到接入点的供能时长...

【专利技术属性】
技术研发人员：池凯凯，姜国栋，郑可琛，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：