【技术实现步骤摘要】
本专利技术属于移动边缘计算，特别是一种自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法。
技术介绍
1、随着移动边缘计算技术的快速发展，将计算密集型任务从移动设备卸载到附近的边缘服务器已成为提升移动设备计算能力的重要手段。然而，传统移动设备作为电池供电的嵌入式系统，在任务执行和卸载过程中经常面临电量不足的问题。虽然能源收集技术为解决此类问题提供了可能，但如何在动态环境下平衡任务延迟、能量稳定性和服务可靠性仍然是一个重要挑战。
2、目前，学术界对移动边缘计算中的任务卸载和调度问题进行了广泛研究。例如，文献（z. kuang, l. li, j. gao, l. zhao and a. liu, “partial offloadingscheduling and power allocation for mobile edge computing systems," ieee iot,vol. 6, no. 4, pp. 6774-6785, 2019.）提出了面向单用户移动边缘计算系统的任务卸载和传输功率分配方案，主要着眼于降低移动设备能耗；文献（l. yu, j. zheng, y. wu,f. zhou and f. yan,“ a dqn-based joint spectrum and computing resourceallocation algorithm for mec networks," globecom, pp. 5135-5140, 2022.）引入基于强化学习的协同通信和计算资源分配方
技术实现思路
1、本专利技术的目的在于针对现有技术中对自供能移动边缘计算系统中动态任务调度考虑不足的缺陷，提供一种自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法。
2、实现本专利技术目的的技术解决方案为：一方面，提供了一种自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，所述方法包括：
3、步骤1，建立包括一个基站、多台具有不同计算能力的异构边缘服务器以及多个移动设备的自供能移动边缘计算系统架构，定义该自供能移动边缘计算系统架构中动态任务卸载的执行规则，并在其基础上定义通信模型、计算模型、可靠性模型、能耗模型和在确保电池的长期能量稳定性和服务器的可靠性约束下移动应用程序延迟的效用函数；其中，所述移动设备包含能量收集模块，用于从环境中获取可再生能源，为设备供电；
4、步骤2，利用基于李雅普诺夫漂移加惩罚的优化方法，将长期电池能量约束问题解耦为一系列单时隙内的确定性优化问题，控制每个时间槽内的能量收集与消耗的差异；
5、步骤3，设计任务调度方案：基于给定的任务卸载策略，提供任务到边缘服务器的可靠性最优分配、设备频率调整和计算资源的最优分配，以实现延迟和能量稳定性之间的最佳权衡；
6、步骤4，设计基于强化学习的任务卸载算法，并利用所述任务调度方案寻找实现最小延迟并满足能量稳定性和可靠性约束的最佳卸载决策。
7、另一方面，提供了一种自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度系统，所述系统包括：
8、第一模块，用于建立包括一个基站、多台具有不同计算能力的异构边缘服务器以及多个移动设备的自供能移动边缘计算系统架构，定义该自供能移动边缘计算系统架构中动态任务卸载的执行规则，并在其基础上定义通信模型、计算模型、可靠性模型、能耗模型和在确保电池的长期能量稳定性和服务器的可靠性约束下移动应用程序延迟的效用函数；其中，所述移动设备包含能量收集模块，用于从环境中获取可再生能源，为设备供电；
9、第二模块，用于利用基于李雅普诺夫漂移加惩罚的优化方法，将长期电池能量约束问题解耦为一系列单时隙内的确定性优化问题，控制每个时间槽内的能量收集与消耗的差异；
10、第三模块，用于设计任务调度方案：基于给定的任务卸载策略，提供任务到边缘服务器的可靠性最优分配、设备频率调整和计算资源的最优分配，以实现延迟和能量稳定性之间的最佳权衡；
11、第四模块，用于设计基于强化学习的任务卸载算法，并利用所述任务调度方案寻找实现最小延迟并满足能量稳定性和可靠性约束的最佳卸载决策。
12、本专利技术与现有技术相比，其显著优点为：提出了考虑能量收集不确定性的动态任务卸载决策方法，设计了基于李雅普诺夫优化的能量管理策略，将长期电池能量约束问题解耦为一系列单时隙内的确定性优化问题，开发了可靠性感知的任务分配算法，实现了多目标约束下的强化学习优化方法。从而有效降低了移动应用程序的处理延迟，提高了系统的能量利用效率，增强了任务执行的可靠性，实现了系统性能的动态优化。
13、下面结合附图对本专利技术作进一步详细描述。
本文档来自技高网...【技术保护点】
1.一种自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，步骤1具体包括：
3.根据权利要求2所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，所述上传时间是将任务数据从移动设备上传到边缘服务器所需的时间，计算公式为：
4.根据权利要求2所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，所述上传能耗是移动设备在上传任务数据到边缘服务器过程中消耗的能量，计算公式为：
5.根据权利要求2所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，步骤2具体包括：
6.根据权利要求5所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，步骤2.1中虚拟能量队列为通过加权摄动方法构建，计算公式为：
7.根据权利要求6所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，所述扰动参
8.根据权利要求2所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，步骤3具体包括：
9.根据权利要求8所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，步骤4具体包括：
10.基于权利要求1至9任意一项所述方法的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，步骤1具体包括：
3.根据权利要求2所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，所述上传时间是将任务数据从移动设备上传到边缘服务器所需的时间，计算公式为：
4.根据权利要求2所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，所述上传能耗是移动设备在上传任务数据到边缘服务器过程中消耗的能量，计算公式为：
5.根据权利要求2所述的自供能移动边缘计算场景中低延迟高可靠的任务卸载与调度方法，其特征在于，步骤2具体包括：
...
【专利技术属性】
技术研发人员：周俊龙，孙艺瑄，魏凌霄，杨萌萌，陆烨，侯祥鹏，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：
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。