一种车联网中基于MEC计算任务卸载的资源分配方法与流程

技术特征：
1.一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，通过计算车联网系统中的最小总开销确定任务卸载策略，并根据任务卸载策略对系统资源进行分配，包括：s1：构建基于mec计算任务卸载的资源分配框架；s2：根据基于mec计算任务卸载的资源分配框架确定任务车辆的卸载模式，卸载模式包括任务车辆卸载到服务车辆v2v和任务车辆卸载到路侧单元v2i；s3：根据卸载模式和任务车辆的初始卸载比确定卸载决策；s4：根据卸载决策为选择的服务节点分配信道分配资源；根据卸载决策计算系统总开销；s5：根据系统总开销更新卸载比；s6：重复步骤s3
‑
s5，得到最优卸载比，根据最优卸载比在信道分配资源上进行任务卸载和资源分配。2.根据权利要求1所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，构建基于mec计算任务卸载的资源分配框架包括：获取车辆信息，根据车辆信息将车辆划分为任务车辆tv和服务车辆sv；将服务车辆sv和路侧单元rsu作为服务节点sn；当任务车辆在执行任务卸载时，将任务分为本地任务卸载和卸载到服务节点；计算本地任务卸载的时延和能耗；卸载到服务节点包括卸载到路侧单元rsu和卸载到服务车辆sv；计算卸载到路侧单元rsu的时延和能耗；计算卸载到服务车辆sv的时延和能耗。3.根据权利要求1所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，计算系统总开销的公式为：s.t.c2:c3:c4:c5:c6:c7:其中，表示有任务需要卸载的车辆集合，c
i
表示一个任务车辆的开销，c表示系统总开销，λ
t
表示时延因子，λ
e
表示能耗因子,t
i
表示系统时延，e
i
表示系统能
耗；g
i
表示卸载决策因子，k
i,j
表示车辆匹配因子，表示rsu为tvi分配的计算资源，f
rsu
‑
max
表示rsu的最大计算能力，ξ
i
表示任务卸载比，表示tvi任务的最大容忍时延；θ
i,k
表示子信道k是否被分配给tv
i
，表示tvi与rsu之间的距离，表示tvi与svj之间的距离。4.根据权利要求1所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，确定任务车辆的卸载模式包括：定义任务匹配程度m，任务匹配程度等于第i个任务车辆tvi选择第j个服务车辆svj作为卸载对象的任务计算时延和距离的加权和，所述距离指任务车辆与服务节点间的距离；计算任务最大的任务匹配程度，根据最大任务匹配程度为任务车辆寻找最合适的任务卸载对象。5.根据权利要求4所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，计算最大任务匹配程度的公式为：s.t.c2:c7:其中，表示初始卸载比，α
t
和α
d
分别表示计算时间和距离的权重值；表示有任务需要卸载的车辆集合，n
s
表示服务车辆的车辆集合，k
i,j
表示车辆匹配因子，p
i
表示车辆i的位置，p
j
表示车辆j位置；表示t
i
时刻tvi与svj之间的距离，d
v2v
表示任务车辆到服务车辆的通信距离。6.根据权利要求4所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，为任务车辆寻找最合适的任务卸载对象的过程包括：采用基于任务匹配程度的动态禁忌长度禁忌搜索配对算法为服务车辆sv寻找合适的服务对象，包括：s1：设置初始解和初始禁忌表，且初始禁忌表为空；s2：计算当前解的邻域，将计算出的邻域设置为禁忌对象，将禁忌对象填入初始禁忌表，得到禁忌最优解和非禁忌最优解；s3：判断禁忌最优解和非禁忌最优解共同决定的任务匹配程度m是否优于现有的最优解m'，如果优于现有最优解，则更新最优解，否则不进行最优解的更新，并返回s2；当m与m'的差值小于极小值ε或者达到最大迭代次数时，停止更新；s4：根据最优解，将任务车辆集合分为集合和其中，集合表示选择了v2i卸载模式的车辆集合，集合表示选择了v2v卸载模式的车辆集合。7.根据权利要求1所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，根据卸载决策为选择的服务节点分配信道分配资源包括：s1：将有任务需要卸载的车辆集合按照任务车辆tv的任务最大容忍时间升序
排序；s2：将排序后的前k个tv分别制定为k个颜色，根据每种颜色对应一个信道完成对前k个tv的信道分配；s3：采用图着色算法为未分配信道的tv着色，更新信道分配矩阵；s4：根据预计时延与tvi任务的最大容忍时延的关系依次判断未分配信道的tv颜色，如果小于则tvi被定为k颜色，即把k信道分配给tv；如果大于则tvi不能被定为k颜色，即不把k信道分配给tvi。8.根据权利要求7所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，预计时延的计算公式为：其中，为在任务车辆卸载到路侧单元v2i卸载模式下tvi在k信道的传输速率，为在任务车辆卸载到服务车辆v2v卸载模式下tvi在k信道的传输速率，表示车辆i的初步卸载比率，c
i
表示车辆i计算车辆的任务所需cpu数，s
i
表示车辆i中车辆任务的大小，g
i
表示卸载决策因子，表示车辆i的本地计算能力，表示路侧单元rsu平均分配给tvi的计算资源，ns表示服务车辆的车辆集合，k
i,j
表示车辆匹配因子，表示svj的计算能力。9.根据权利要求1所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，根据最优卸载比在信道分配资源上进行任务卸载和资源分配的过程包括：在确定卸载模式和信道分配后，任务车辆tv分为车辆集合和将优化目标分为c
v2i
和c
v2v
，分别对优化目标求解；比较本地计算时间和卸载给sv的时间，将分为新的两个集合与当时，任务车辆tvi属于当tvi属于比较本地计算时间和卸载给路侧单元rsu的时间，将分为新的两个集合与当时，tvi属于当tvi属于其中，表示任务车辆tvi在本地计算的时延，表示任务卸载给服务车辆的卸载时延，表示任务卸载给路侧单元的卸载时延。10.根据权利要求9所述的一种车联网中基于mec计算任务卸载的资源分配方法，其特征在于，对优化目标求解的过程包括：当卸载模式确定为任务车辆卸载到服务车辆v2v后，c
v2v
优化目标为：
s.t.s.t.s.t.s.t.s.t.s.t.其中，c
v2v
表示卸载模式为任务车辆卸载到服务车辆的系统总开销，c
a
表示集合中计算车辆的任务所需cpu数，c
b
表示集合中计算车辆的任务所需cpu数；表示集合中车辆任务卸载的最大时延，表示集合中车辆任务卸载的最大时延；s
a
表示集合中车辆任务的大小，s
b
表示集合中车辆任务的大小，p
a
表示集合中车辆的计算功率，p
b
表示集合中车辆的计算功率，ξ
a
表示集合的卸载比，ξ
b
表示集合的卸载比，κ
v
表示车辆的计算能耗系数，表示集合中任务车辆自身的计算能力，λ
t
表示时延因子，λ
e
表示能耗因子，表示集合中任务车辆tvi与服务车辆svj通信时的传输速率，表示集合中tvi与svj通信时的传输速率；为svj的计算能力，k
i,j
为车辆匹配因子，表示tvi是否选择svj作为服务对象，k
a,j
表示集合中tvi是否选择svj作为服务对象，k
b,j
表示集合中tvi是否选择svj作为服务对象，表示集合中tvi与svj之间的距离，表示集合中tvi与svj之间的距离，d
v2v
表示任务车辆到服务车辆的通信距离；当卸载模式确定为任务车辆卸载到路侧单元v2i后，优化目标c
v2i
为：
s.t.s.t.s.t.s.t.s.t.s.t.s.t.s.t.其中，c
v2i
表示卸载模式为任务车辆卸载到路侧单元的系统总开销，c
c
表示集合中计算车辆的任务所需cpu数，c
d
表示集合中计算车辆的任务所需cpu数；表示集合中车辆任务卸载的最大时延，表示集合中车辆任务卸载的最大时延；s
c
表示集合中车辆任务的大小，s
d
表示集合中车辆任务大小，p
c
表示集合中车辆的计算功率，p
d
表示集合中车辆的计算功率，p
com
表示路侧单元rsu的计算功率，表示集合的卸载比，表示集合的卸载比，κ
v
表示车辆的计算能耗系数，表示集合中车辆的本地计算能力，表示集合中车辆的本地计算能力，f
rsu
‑
max
表示rsu的最大计算能力，λ
t
表示时延因子，λ
e
表示能耗因子，表示rsu给集合中车辆分配的计算能力，表示rsu给集合中车辆分配的计算能力，表示集合中任务车辆tvi与rsu通信时的传输速率，表示集合中tvi与rsu通信时的传输速率；为集合中任务车辆的计算能力，为集合中rsu的计算能力；表示集合中tvi与rsu之间的距离，表示集合中tvi与rsu之间的距离，d
v2i
表示tvi到rsu的通信距离。

技术总结
本发明涉及车联网中的任务卸载与资源优化领域，特别涉及一种车联网中基于MEC计算任务卸载的资源优化方法，在移动边缘计算技术的协助下，针对车联网在有限资源和动态拓扑下需要处理大量低时延任务的问题，研究一种最小化系统开销的车联网部分任务卸载及资源分配策略；考虑路侧单元和车辆作为服务节点的差异以及任务时延、通信距离和计算资源约束建立数学模型；将该混合整数非凸问题分解为三个子问题联合求解；通过变量替换将计算资源分配子问题转换为凸优化问题，得到最优卸载比；本发明能够有效地确定卸载决策，分配信道资源和计算资源，并降低系统开销。并降低系统开销。并降低系统开销。


技术研发人员：张海波 刘香渝 刘开健
受保护的技术使用者：重庆邮电大学
技术研发日：2021.11.04
技术公布日：2022/1/4