[发明专利]一种移动边缘计算系统中联合卸载判决和资源分配的方法

说明书

本发明公开了一种移动边缘计算系统中联合卸载判决和资源分配的方法，在移动边缘计算系统中，通过最大化移动边缘计算服务器已执行的卸载任务数，在移动边缘计算服务器端建立队列来存储在一个时隙中没有被执行的任务，在效用函数中利用队列作为一个惩罚来避免严重的时延。面对的挑战包括：下行链路信道的马尔科夫特性、任务队列长度的变化以及小基站的可充电电池状态。为解决上述问题，综合考虑卸载判决和资源分配，将系统建模为马尔科夫决策过程，建立下行链路通信模型、能量收集模型、计算任务队列模型、移动边缘计算服务器执行任务模型和效用函数模型，并采用单资格迹的Actor‑Critic算法。本发明不仅有更快的收敛性能，即更短时延，而且收益更高。

技术领域

本发明涉及第五代无线通信技术领域，尤其涉及一种移动边缘计算系统中联合卸载判决和资源分配的方法。

背景技术

在移动边缘计算(Mobile Edge Computing,MEC)系统中，用户卸载任务到移动边缘计算服务器，利用无线接入网络的边缘提供计算资源，能够克服移动终端设备的一些限制条件，如电池的使用时间和有限的计算能力，提高移动终端用户的体验质量(Quality ofExperience,QoE)。目前国内外对MEC系统的研究方向以及存在的问题如下：

①降低能量消耗。如T.Q.Dinh等人在2017年提出一个对卸载判决和移动终端设备CPU频率进行联合优化的框架，这里考虑单用户卸载任务到多个MEC 服务器，C.You等人在2017年研究MEC系统中计算资源的分配问题，这里考虑在限定的计算时延条件下降低移动终端设备的能量消耗。但是上述研究文献只是从用户的角度考虑最小化移动终端设备的能量消耗，与之不同的是，本发明从运营商角度考虑，降低MEC系统中的能量消耗，这包括两部分：MEC服务器计算任务所消耗的能量，和下行链路SBS向用户无线传输所消耗的能量。为了降低MEC系统中的能量消耗。

②最大化卸载任务的数量。如C.Wang等人在2017年提出对计算任务卸载和资源分配进行联合优化的方法，同时提出在MEC和小小区网络联合部署的系统中联合计算任务卸载和干扰管理的方法。但是上述研究存在的一个大问题，都是假设在一定的时延条件下，所有的计算任务在一个计算卸载时间段内都能被执行完，并且在旧的计算任务执行完之前没有新的计算任务到达。这样的假设让复杂的优化问题变得简单好操作容易处理，然而弊端是只适用于短时间的性能分析，不能满足移动终端设备长期动态的计算要求。实际上，当多个用户共享一个MEC服务器时，由于计算资源有限，在一个固定的计算卸载时间段内可能没有执行完一些任务，意味着在旧的计算任务执行完之前已经有新的计算任务到达了。

将动态系统建模为一个马尔科夫判决过程(Markov Decision Process,MDP)，其中的状态空间和动作空间都是连续的多维的，传统的Q学习算法不能通过简单的值函数来描述每一个状态或动作是否是好的，过于依赖Q_Table，特别是当状态或动作空间的维度巨大时，Q_Table量级太大，计算机处理不了；传统策略梯度算法收敛慢。

发明内容

为解决现有技术的缺点和不足，提供一种移动边缘计算系统中联合卸载判决和资源分配的方法，从而降低系统能耗和时延。

为实现本发明目的而提供的一种移动边缘计算系统中联合卸载判决和资源分配的方法，包括以下步骤：

步骤1：移动边缘计算服务器为每个移动用户设置一个先进先出的任务队列，来存储已经卸载到移动边缘计算服务器但在一个时隙内还没有被服务器执行的任务；

步骤2：为每个小基站都配有一个能量收集装置，用可充电电池来存储绿色能源，设定一个门限值来保护电池，它满足在一个时隙内移动终端的能量要求；当电池电量低于门限值时，电池的状态值b_n(t)为0，小基站将由传统的电网自动供电；否则b_n(t)为1，小基站将由绿色能源供电；