[发明专利]一种基于任务感知的移动边缘计算多用户计算卸载方法

权利要求书

1.一种基于任务感知的移动边缘计算多用户计算卸载方法，其特征在于，包括如下步骤：

S1：根据服务器收集到系统中所有用户设备任务的相关信息，对任务进行分类；

S2：将任务参数选择问题建模为最小支配集问题，通过基于粒子群优化的任务参数选择算法来选择出实际计算的任务和重用计算结果的任务；

S3：将步骤S2中的实际计算的任务和重用计算结果的任务融合成新任务；

S4：利用建立好的任务卸载相关模型，根据步骤S3融合成的新任务，获取到卸载决策，各用户设备执行各自的卸载决策，进行计算卸载；

所述步骤S1中任务分类的具体方法为：

A1：获取任务程序代码的摘要，各任务的程序代码摘要可表示为c＝(c₁,c₂,...,c_i,...,c_n)；

A2：提取任务输入参数的特征向量，各任务的输入参数特征可表示为p＝(p₁,p₂,...,p_i,...,p_n)；

A3：每个任务可表示为

其中，为任务程序代码的数据量，为任务输入参数的数据量，u_i为任务的计算量，为任务所在设备的计算能力，n为任务数；

获取到任务的上述信息后，将其发送给服务器；

A4：在服务器端，根据服务器收集到的各任务程序代码摘要，进行分类，将程序代码摘要相同的任务划分为同一类，同一类的任务是使用相同的程序代码的，任务所属的类别记作G_i；

所述步骤S2中任务选择的具体方法为：

B1：使用欧氏距离来度量各特征向量间的相似度，两个任务输入参数的欧氏距离表示为

在得到特征之间的距离后，再根据相似度大小进一步判断任务是否足够相似可重用计算结果；

假设当任务输入参数的特征距离不大于给定阈值时，任务是相似的，可进行计算结果的重用，反之，则是不相似，不可进行计算结果重用；

B2：将任务参数选择建模为如下的0-1整数规划问题，约束条件为关键参数集的定义，即任意参数以及与其相邻参数中至少有一个是关键参数，优化目标是最小化关键参数集的参数个数，表示如下：

其中，x＝(x₁,x₂,...,x_i,...,x_n)表示图中每个参数是否是关键参数，若i是关键参数，则x_i为1，否则，x_i为0，表示所有任务的集合，N(i)表示与参数i相似的所有参数，即PSG中与i相邻的所有点，PSG表示任务参数相似关系图；

B3：采用基于离散二进制粒子群优化的任务参数选择方法分别对PSG中的每一个连通分支进行任务参数选择，最后得到的所有连通分支的关键参数集合之和就是整个PSG的关键参数集，即得到这一类中选择进行实际计算的任务，所有PSG的关键参数集合为所有任务中选中的任务参数，根据剩余的任务和选择出的实际计算的任务的相似度，确定重用计算结果的任务。