一种面向QoE的边缘计算资源分配方法组成比例

本发明专利技术公开了一种面向QoE的边缘计算资源分配方法，包括：基于不同的QoE需求特征构建面向QoE的资源分配模型，资源分配模型包括终端用户资源分配方案和边缘服务器的资源分配方案；终端用户资源分配采用卸载决策机制，用户根据QoE需求获得最佳计算资源分配并在能够达到QoE要求时下处理任务，否则，任务将以通信调度的最佳传输功率卸载到边缘服务器；边缘服务器的资源分配采用多目标强化学习来联合调度边缘服务器通信和计算资源，以满足终端用户不同的QoE需求。本发明专利技术所提出的方法实进行合理的资源分配以满足边缘辅助物联网应用的不同QoE需求，提高了QoE值，使得终端用户自身和边缘计算系统共同调度通信和计算资源，在多个物联网用户之间实现总体QoE最大化。联网用户之间实现总体QoE最大化。联网用户之间实现总体QoE最大化。

【技术实现步骤摘要】
一种面向QoE的边缘计算资源分配方法


[0001]本专利技术涉及资源分配策略
，尤其涉及一种面向QoE的边缘计算资源分配方法。

技术介绍

[0002]随着物联网(IoT)的普及和无线网络的广泛渗透，对数据通信和计算的需求激增，需要新兴的边缘计算范式。通过将云中的服务和功能移动到用户附近，边缘计算可以提供强大的通信、存储、网络和通信能力。边缘计算中的资源分配是边缘计算系统成功的关键。
[0003]实际上，边缘计算可能受到各种因素的影响，例如可用带宽、边缘能力和可用性、用户设备能力、无线电和回程连接质量。因此，边缘计算服务器上的计算资源和通信资源应该在计算卸载之间共享。此外，不同的应用程序在任务处理过程中追求不同的QoE需求，例如，为了驾驶安全最小化计算延迟；为了延长电池寿命最大限度减少能源损耗。因此，进行合理的资源分配以满足边缘辅助物联网应用的不同QoE需求是亟待解决的问题之一。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术解决的技术问题是：边缘计算受到各种因素的影响，影响计算延迟，延长电池寿命最大限度减少能源损耗的问题。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：采集用户感知特征数据，基于不同的QoE需求特征构建面向QoE的资源分配模型，所述资源分配模型具有两个阶段的资源分配方案，分别为终端用户资源分配和边缘服务器的资源分配；
[0008]所述终端用户资源分配采用一种有效且低复杂度的卸载决策机制，每个用户可以根据自己的QoE需求获得最佳计算资源分配，并在能够达到QoE要求的情况下处理任务，否则，任务将以通信调度的最佳传输功率卸载到边缘服务器；
[0009]所述边缘服务器的资源分配采用多目标强化学习来联合调度边缘服务器通信和计算资源，以满足终端用户不同的QoE需求。
[0010]作为本专利技术所述的面向QoE的边缘计算资源分配方法的一种优选方案，其中：所述资源分配模型包括任务模型、本地计算模型、边缘计算模型和QoE评估模型。
[0011]作为本专利技术所述的面向QoE的边缘计算资源分配方法的一种优选方案，其中：所述任务模型具体包括，
[0012]将终端用户的工作负载建模为一个泊松过程，设定速率为λ
n
，在时间段T期间，终端用户n具有的计算任务队列，该任务队列具有QoE需求Q
n
，矩阵Q
n
表示任务队列A
n
中的每个QoE因子的约束和重要性；
[0013]每个计算任务都被描述为三元组，该三元组包括任务的到达时间t
n,i
、要处理的数据量和计算工作量队列中等待的所有任务都是由具有不同QoE需求的应用程序生成。
[0014]作为本专利技术所述的面向QoE的边缘计算资源分配方法的一种优选方案，其中：所述本地计算模型具体包括，
[0015]当计算任务A
n,i
在本地执行时，每个终端用户分配给处理计算任务A
n,i
的处理能力是f
n,i
，本地计算的总延迟由等待时间和计算时间组成。
[0016]作为本专利技术所述的面向QoE的边缘计算资源分配方法的一种优选方案，其中：所述边缘计算模型具体包括，
[0017]当终端用户n无法处理其QoE要求下的计算任务A
n,i
时，A
n,i
将被添加到边缘计算系统中的任务队列中，以便进一步处理；
[0018]边缘计算系统中的处理主要通信部分和计算部分；
[0019]通信部分包括，边缘计算服务器通过无线通信链路接收计算任务；
[0020]计算部分包括，边缘计算服务器处理计算任务。
[0021]作为本专利技术所述的面向QoE的边缘计算资源分配方法的一种优选方案，其中：所述QoE评估模型具体包括，
[0022]定义两种类型的QoE因子，即比例因子QoE
‑
PF和反比因子QoE
‑
IPF；
[0023]对于QoE
‑
PF，从下限点到上限点，随着因子的提高，QoE保持稳定增长；当因子达到上限点时，接近最高QoE水平时，QoE几乎保持不变；
[0024]对于QoE
‑
IPF，具有较高值通常会降低QoE水平，并且随着因子的增加，QoE从下限点逐渐降低到上限点；
[0025]选择线性函数q
k
作为QoE函数
[0026][0027]其中，v表示每个因素的QoE性能，v
low
和v
up
分别表示QoE要求的下限和上限；
[0028]计算任务A
n,i
的QoE性能为其中，表示满足0≤α
K
≤1且的QoE因子的重要性，的重要性，表示不同因素的q函数值，
[0029]作为本专利技术所述的面向QoE的边缘计算资源分配方法的一种优选方案，其中：包括，
[0030]在应用程序任务生成后，终端用户n选择任务队列头部计算任务A
n,i
，获取终端用户n的本地最优计算资源和相应的最优QoE性能；
[0031]若最优的QoE性能能够满足用户的需求，则终端用户n在本地采用最优计算资源处理自己的服务请求；
[0032]若通过最优计算资源获取的最优的QoE性能不能满足用户的QoE要求，则以通信调度的最佳传输功率卸载到边缘服务器；
[0033]当边缘计算系统从具有不同QoE要求的终端用户接收应用任务时，需要联合通信和计算资源，以满足终端用户的QoE要求。
[0034]作为本专利技术所述的面向QoE的边缘计算资源分配方法的一种优选方案，其中：所述终端用户资源分配的具体操作包括，
[0035]采用一种有效且低复杂度的卸载决策机制，每个用户可以根据自己的QoE需求获得最佳计算资源分配，并在能够达到QoE要求的情况下处理任务；
[0036]所述卸载决策机制利用最优CPU周期频率计算出最优的QoE；
[0037]若最优QoE也不能满足用户QoE要求，则以通信调度的最佳传输功率卸载到边缘服务器；
[0038]通过给定任务信息及其QoE要求表示为：
[0039][0040]其中，表示最优CPU周期频率下限，表示最优CPU周期频率下限，α
n
表示QoE延迟因子的重要性，1
‑
α
n
表示QoE能耗因子的重要性；
[0041][0042]其中，表示不考虑上下限约束的情况下的最优CPU周期频率，k
n
是反映终端用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向QoE的边缘计算资源分配方法，其特征在于，包括：采集用户感知特征数据，基于不同的QoE需求特征构建面向QoE的资源分配模型，所述资源分配模型具有两个阶段的资源分配方案，分别为终端用户资源分配和边缘服务器的资源分配；所述终端用户资源分配采用一种有效且低复杂度的卸载决策机制，每个用户可以根据自己的QoE需求获得最佳计算资源分配，并在能够达到QoE要求的情况下处理任务，否则，任务将以通信调度的最佳传输功率卸载到边缘服务器；所述边缘服务器的资源分配采用多目标强化学习来联合调度边缘服务器通信和计算资源，以满足终端用户不同的QoE需求。2.如权利要求1所述的面向QoE的边缘计算资源分配方法，其特征在于：所述资源分配模型包括任务模型、本地计算模型、边缘计算模型和QoE评估模型。3.如权利要求2所述的面向QoE的边缘计算资源分配方法，其特征在于：所述任务模型具体包括，将终端用户的工作负载建模为一个泊松过程，设定速率为λ
n
，在时间段T期间，终端用户n具有的计算任务队列，该任务队列具有QoE需求Q
n
，矩阵Q
n
表示任务队列A
n
中的每个QoE因子的约束和重要性；每个计算任务都被描述为三元组，该三元组包括任务的到达时间t
n,i
、要处理的数据量和计算工作量队列中等待的所有任务都是由具有不同QoE需求的应用程序生成。4.如权利要求3所述的面向QoE的边缘计算资源分配方法，其特征在于：所述本地计算模型具体包括，当计算任务A
n,i
在本地执行时，每个终端用户分配给处理计算任务A
n,i
的处理能力是f
n,i
，本地计算的总延迟由等待时间和计算时间组成。5.如权利要求4所述的面向QoE的边缘计算资源分配方法，其特征在于：所述边缘计算模型具体包括，当终端用户n无法处理其QoE要求下的计算任务A
n,i
时，A
n,i
将被添加到边缘计算系统中的任务队列中，以便进一步处理；边缘计算系统中的处理主要通信部分和计算部分；通信部分包括，边缘计算服务器通过无线通信链路接收计算任务；计算部分包括，边缘计算服务器处理计算任务。6.如权利要求2～5任一所述的面向QoE的边缘计算资源分配方法，其特征在于：所述QoE评估模型具体包括，定义两种类型的QoE因子，即比例因子QoE
‑
PF和反比因子QoE
‑
IPF；对于QoE
‑
PF，从下限点到上限点，随着因子的提高，QoE保持稳定增长；当因子达到上限点时，接近最高QoE水平时，QoE几乎保持不变；对于QoE
‑
IPF，具有较高值通常会降低QoE水平，并且随着因子的增加，QoE从下限点逐渐降低到上限点；选择线性函数q
k
作为QoE函数
其中，v表示每个因素的QoE性能，v
low
和v
up
分别表示QoE要求的下限和上限；计算任务A
n,i
的QoE性能为其中，表示满足0≤α
K
≤1且的QoE因子的重要性，要性，表示不同因素的q函数值，7.如权利要求6所述的面向QoE的边缘计算资源分配方法，其特征在于：包括，在应用程序任务生成后，终端用户n选择任务队列头部计算任务A
n,i
，获取终端用户n的本地最优计算资源和相应的最优QoE性能；若最优的QoE性能能够满足用户的需求，则终端用户n在本地采用最优计算资源处理自己的服务请求；若通过最优计算资源获取的最优的QoE性能不能满足用户的QoE要求，则以通信调度的最...

【专利技术属性】
技术研发人员：许建，沈世通，王倩倩，池维干，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：