一种移动边缘计算任务卸载与分配方法

技术特征：
1.一种移动边缘计算任务卸载与分配方法，应用于移动边缘计算任务卸载与分配系统，其特征在于：所述移动边缘计算资源卸载与分配系统包括依次分布的若干个移动用户设备、一个调度中心节点、若干个边缘服务器和一个云服务器，所述调度中心节点用于将各所述移动用户设备卸载的任务传输至边缘服务器和云服务器执行，所述移动边缘计算任务卸载与分配方法，应用于调度中心节点，包括：获取边缘服务器的计算速率和执行任务所需的cpu周期，获取移动用户设备的本地执行任务所需的cpu周期、本地计算速率、传输至调度中心节点的任务大小、传输速率，获取云服务器执行任务所需的cpu周期、计算速率，获取单位时间内到达边缘服务器的任务数量、任务等待的平均队列长度、调度中心节点传输至云服务的时延，以最小化最大系统时延构建优化模型，优化模型如下：其中，t
ilocal
表示移动用户设备的本地执行任务时延，表示移动用户设备传输至调度中心节点的传输时延，表示边缘服务器的执行任务时延，t
x,c
表示云服务器的执行总时延，t
q
表示边缘服务器的平均队列等待时延；对优化模型进行求解，得到最佳卸载决策；根据得到的最佳卸载决策，将移动用户设备的任务分配给边缘服务器或云服务器。2.如权利要求1所述的移动边缘计算任务卸载与分配方法，其特征在于：所述移动用户设备的本地执行任务时延，表示如下：其中，其中，其中，表示移动用户设备i的本地执行任务所需的cpu周期，f
ilocal
表示移动用户设备i的本地计算速率，ε表示移动用户设备的本地执行任务中每执行一比特数据所需的cpu周期，表示移动用户设备i在本地执行需处理的任务数据大小，d
ij
表示移动用户设备i的子任务j的任务数据大小，α
ij
表示移动用户设备i总任务中的子任务j卸载决策；移动用户设备i的总任务卸载决策表示如下：其中，α
i
＝0表示移动用户设备i的所有任务均在本地执行，0＜α
i
＜1表示移动用户设备i的一部分任务传输至在边缘服务器执行，另一部分在本地执行，α
i
＝1表示移动用户设备i的所有任务均传输至边缘服务器执行。3.如权利要求2所述的移动边缘计算任务卸载与分配方法，其特征在于：所述移动用户
设备传输至调度中心节点的传输时延，表示如下：且，且，其中，r
i,k
表示移动用户设备i的传输速率，d
i
表示移动用户设备i的所有任务数据大小，b表示移动用户设备与调度中心节点的传输信道带宽，k表示子信道个数，p
i
表示移动用户设备i的信号发射功率，h
k
表示子信道的信道增益，σ2表示噪声功率，i
x,k
表示附近其他移动用户设备所造成的干扰，p
x
表示附近其他移动用户设备的信号发射功率，n表示移动用户设备的数量。4.如权利要求3所述的移动边缘计算任务卸载与分配方法，其特征在于：所述边缘服务器的执行任务时延，表示如下：其中，表示边缘服务器或云服务器执行x个任务所需的cpu周期，表示边缘服务器的计算速率。5.如权利要求4所述的移动边缘计算任务卸载与分配方法，其特征在于：所述云服务器的执行总时延，表示如下：且，其中，表示调度中心节点传输至云服务的时延，f
c
表示云服务器的计算速率，表示云服务器的执行任务时延。6.如权利要求5所述的移动边缘计算任务卸载与分配方法，其特征在于：所述边缘服务器的平均队列等待时延，表示如下：其中，其中，
其中，l
q
表示任务到达边缘服务器等待的平均队列长度，λ表示单位时间内到达边缘服务器的任务数量，m表示边缘服务器的数量，s表示边缘服务器的接待任务的次数，且s＝m，ρ
*
表示边缘服务器执行任务的速率，p0表示各边缘服务器处于空闲的概率，μ表示边缘服务器单位时间内可以执行的任务数，表示所有边缘服务器和云服务器的平均计算速率，表示所有卸载至调度中心节点的任务的时延，表示边缘服务器执行单个任务所需的cpu周期。7.如权利要求6所述的移动边缘计算任务卸载与分配方法，其特征在于：所述对优化模型进行求解，得到最佳卸载决策，包括：通过模拟退火算法对优化模型进行求解，对模拟退火算法随机初始化，定义初始温度为t
init
，结束温度为t
end
，冷却系数为ξ，且比例参数同时随机初始化卸载决策向量q＝{p,ω}，其中，各移动用户设备的任务卸载决策的集p＝{α1,α2,...,α
n
}，被卸载任务选择的边缘服务器编号的集n
sub
表示所有被卸载子任务数；输入初始化参数计算本地执行任务时延、传输时延、边缘服务器执行任务时延、云服务器的执行总时延和边缘服务器的平均队列等待时延，根据优化模型计算d
optimal
值为y
old
，且迭代次数初始化为episode，并输入至模拟退火算法中进行迭代，当t
init
趋向于稳定值时t，随机扰动产生新的卸载决策向量q
new
，并输出d
optimal
值为y
new
，若y
new
＜y
old
，则d
optimal
＝y
new
，q＝q
new
，直至当迭代次数达到episode，且温度达到t
end
时，决策向量q不再更新，输出最佳d
optimal
和最佳的决策向量q。

技术总结
本发明公开了一种移动边缘计算任务卸载与分配方法，应用于移动边缘计算任务卸载与分配系统，移动边缘计算资源卸载与分配系统包括依次分布的若干个移动用户设备、一个调度中心节点、若干个边缘服务器和一个云服务器，调度中心节点用于将各移动用户设备卸载的任务传输至边缘服务器和云服务器执行。本方法统一的调度中心节点，调度中心节点部署在移动用户设备和各边缘服务器之间，集成边缘服务器所有的卸载任务，并统一分配计算将计算卸载问题构造为系统时延的最大值最小化模型，通过设计迭代算法解决此优化问题，得出最佳卸载决策，并将移动用户设备的任务分配给边缘服务器或云服务器，实现显著降低时延，减少能耗，提高效率。提高效率。提高效率。


技术研发人员：章谦骅 单杭冠 张朝阳
受保护的技术使用者：浙江大学
技术研发日：2022.10.31
技术公布日：2023/1/31