一种基于混合粒子群优化的任务卸载方法及系统

技术特征：
1.一种基于混合粒子群优化的任务卸载方法，其特征是，具体包括以下步骤：s1、建模用户设备及任务变量；s2、建模边缘服务器变量；s3、建模任务卸载变量；s4、建模系统时延和能耗；s5、建模任务卸载的限制条件；s6、基于最小化系统时延和能耗的加权和确定任务卸载策略。2.根据权利要求1所述的一种基于混合粒子群优化的任务卸载方法，其特征是，步骤s1具体包括：整个边缘网络中有m个用户移动设备m＝{1，2，...，10}，ue＝{ue1，ue2，...，ue
m
}，ue
i
(i∈(1，2，...，m)))；每个用户设备产生n个计算任务n＝{1，2，...，100}，任务集合为r＝{t1，t2，...，t
n
}，每个任务t用一对参数<d
i
，c
i
>来表示，其中d
i
表示任务的数据量，c
i
是任务的cpu周期，表示每比特的数据所需的计算资源；定义f
l
为移动设备的计算能力。3.根据权利要求2所述的一种基于混合粒子群优化的任务卸载方法，其特征是，步骤s2具体包括：整个边缘网络中有k个边缘服务器k＝{1，2，...20}，es＝{es1，es2，...，es
k
})；定义是边缘服务器es
k
的容量，是边缘服务器的计算能力。4.根据权利要求3所述的一种基于混合粒子群优化的任务卸载方法，其特征是，步骤s3具体如下：定义用户设备在边缘服务器的卸载决策为x，表示任务t
n
卸载到es
k
，否则任务不被卸载到es
k
。5.根据权利要求4所述的一种基于混合粒子群优化的任务卸载方法，其特征是，步骤s4具体包括：s41、任务在本地执行时，任务t
i
的计算时间为任务在本地执行的能耗为其中p
l
为本地设备的cpu功率；s42、卸载至边缘服务器执行时，根据shannon公式，移动用户与边缘服务器的通信传输速率为p代表传输功率，其中b
e
为用户设备与边缘服务器之间的信道带宽，ρ1、ρ2分别是衰落因子和损耗因子，l为移动用户终端与边缘服务器之间的距离，ρ0为噪声密度；任务t
i
卸载至边缘服务器执行时，时间延迟其中，f
e
代表边缘服务器计算能力，p
u
为本地设备向边缘服务器上传数据的功率；总能耗其中p
e
为边缘服务器的计算功率；s43、任务的总时间为
s44、任务的总能耗为6.根据权利要求1-5任一项所述的一种基于混合粒子群优化的任务卸载方法，其特征是，步骤s5具体包括：在移动设备任务卸载过程中满足以下条件：1)任务只能在本地或卸载到边缘服务器执行；2)卸载用户传输时的上行链路功率不得超过最大传输功率；3)服务器分配给卸载用户的资源是非负的；4)分配给卸载用户的计算资源不能超过mec服务器所拥有的最大计算资源。7.根据权利要求6所述的一种基于混合粒子群优化的任务卸载方法，其特征是，步骤s6具体包括：在满足步骤s5约束的条件下，在所有策略中找到一个卸载决策x实现min(f(x))，其中w代表权重，同时满足以下条件：s.t.c1：c2：c3：c4：x
k
代表第k个用户卸载决策，k代表边缘服务器数量，p
k
代表第k个用户传输的上行链路功率，p
max
代表最大传输功率，f
k
代表第k个用户的计算资源，f
max
代表用户的最大计算资源。8.一种基于混合粒子群优化的任务卸载系统，其特征是，具体包括依次连接的以下模块：用户设备及任务变量建模模块：用于建模用户设备及任务变量；边缘服务器变量建模模块：用于建模边缘服务器变量；任务卸载变量建模模块：用于建模任务卸载变量；系统时延和能耗建模模块：用于建模系统时延和能耗；任务卸载的限制条件建模模块：用于建模任务卸载的限制条件；任务卸载策略确定模块：基于最小化系统时延和能耗的加权和确定任务卸载策略。

技术总结
本发明公开了一种基于混合粒子群优化的任务卸载方法及系统。方法具体包括以下步骤：S1、建模用户设备及任务变量；S2、建模边缘服务器变量；S3、建模任务卸载变量；S4、建模系统时延和能耗；S5、建模任务卸载的限制条件；S6、基于最小化系统时延和能耗的加权和确定任务卸载策略。本发明设计了一个混合粒子群优化算法来求解任务卸载策略，避免了标准的粒子群算法的局部最优解，从而得到全局最优解。从而得到全局最优解。从而得到全局最优解。


技术研发人员：徐海涛 杨隆安 吴俊义
受保护的技术使用者：杭州电子科技大学
技术研发日：2022.11.18
技术公布日：2023/2/3