[发明专利]一种移动边缘计算任务卸载中的资源优化方法及电子设备

权利要求书

1.一种移动边缘计算任务卸载中的资源优化方法，其特征在于，包括步骤：

根据预先构建的用户终端任务队列模型和边缘服务器任务队列模型，构建以用户终端任务队列长度和边缘服务器任务队列长度最小化为目标的队列稳定性指标；

根据用户终端上行发射功率和边缘服务器任务计算功率，构建网络资源开销指标；

以所述队列稳定性指标为约束条件，根据所述网络资源开销指标的长期统计平均值，构建以最小化网络资源开销为目标的随机网络资源优化模型；

引入拉格朗日乘子对所述随机网络资源优化模型的约束条件进行变量松弛，构建所述随机网络资源优化模型的对耦模型；

基于动量随机梯度下降算法求解所述对耦模型，确定每个时隙的最优资源分配决策。

2.根据权利要求1所述的移动边缘计算任务卸载中的资源优化方法，其特征在于，所述队列稳定性指标为：

其中，q(t)＝[q_m(t)]_m∈M∪{l}，M＝{1,2,…,M}为边缘服务器和无线接入点集合，{l}为用户终端集合，T为时间，q_m(t)为任务队列长度，当时，q_m(t)为边缘服务器任务队列长度，当m∈{l}时，q_m(t)为用户终端任务队列长度；其中，为任务队列长度的期望值。

3.根据权利要求1所述的移动边缘计算任务卸载中的资源优化方法，其特征在于，所述随机网络资源优化模型为：

其中，x^t＝{p(t),f(t)}，x^t为时隙t的资源优化变量，p(t)为用户终端在时隙t的上行发射功率，f(t)为边缘服务器在时隙t的任务计算功率，为用户终端上行发射总功率，为所有边缘服务器的任务计算功率，κ为芯片硬件电容参数，ξ_o和ξ_c表示两种开销的权重因子。

4.根据权利要求1所述的移动边缘计算任务卸载中的资源优化方法，其特征在于，所述随机网络资源优化模型为：

其中，Φ^*为满足队列稳定性指标和所有静态约束条件下的最优网络资源开销，F^t为时隙t的x^t可行集，x^t为时隙t的资源优化变量，T为时间，Φ^t(x^t)为网络在时隙t的瞬时资源开销，其中，为网络资源开销指标的期望值。

5.根据权利要求1所述的移动边缘计算任务卸载中的资源优化方法，其特征在于，所述对耦模型为：

其中，ω＝{a,g}为网络随机动态参数，D(λ)为拉格朗日对偶函数，L(x,λ；ω)为瞬时拉格朗日函数，为瞬时拉格朗日函数的期望值；L(x,λ；ω)的表达式为：

其中，ω^t为时隙t的网络随机动态参数，λ_l(t)和λ_m(t)为时隙t的拉格朗日乘子，μ_m(t)为用户终端在时隙t卸载到边缘服务器m的任务数据量，θ_m(t)为边缘服务器m在时隙t可以计算的最大任务量。

6.根据权利要求1所述的移动边缘计算任务卸载中的资源优化方法，其特征在于，所述基于动量随机梯度下降算法求解所述对耦模型，确定每个时隙的最优资源分配决策的步骤具体包括：

对拉格朗日乘子进行更新，获取每个时隙的拉格朗日乘子更新值；

获取每个时隙的网络动态参数信息；其中，所述网络动态参数信息包括用户终端的任务数据量和边缘服务器的信道增益量；

根据每个时隙的所述网络动态参数信息和所述拉格朗日乘子更新值求解所述对耦模型，确定每个时隙的最优资源分配决策。