[发明专利]基于D2D通信的多任务联合计算卸载与资源分配方法

说明书

本发明公开了基于D2D通信的多任务联合计算卸载与资源分配方法，该方法针对本地终端存在多个具有时延需求的计算任务时，本地终端的计算资源无法按时处理完成所有计算任务的问题，引入计算卸载机制来降低延迟及本地终端自身的开销。该方法基于D2D通信技术，在移动终端密集分布的场景下，本地终端可将计算任务同时卸载到周围多个闲置终端上进行处理。该方法联合考虑任务延迟，能耗以及卸载费用，建立了总开销目标函数，针对各任务的任务属性选取最佳任务卸载决策，及最佳传输时间方案，完成本地终端上所有任务的计算需求。

技术领域

本发明涉及通信技术领域，具体涉及基于D2D通信的多任务联合计算卸载与资源分配方法。

背景技术

移动网络和智能设备的快速发展为人们的日常生活提供了大量的服务应用，但同时这些应用也产生了大量的计算密集型任务。特别是随着虚拟现实、人脸识别和环境交互应用的出现，移动终端设备有限的计算能力难以满足计算量大、时延敏感的复杂任务。移动边缘计算(Mobile Edge Computing,MEC)被认为是一种有效的技术来应对这一挑战。MEC在无线接入网(RAN)中提供云计算能力，MEC将用户直接连接到最近的边缘计算服务器，这使得他们的需求可以在任何时间和任何地点得到满足。通过将任务卸载到与基站相连的边缘计算服务器，用户可以获得更好的应用程序体验。MEC服务器具有较高的计算能力，可以在短时间内完成任务并将结果返回给用户。

在实际中，移动终端分布密集，每台设备都具有一定的计算能力，计算能力较低的用户可以通过设备到设备(Device to Device,D2D)通信将其任务卸载给周围的空闲设备；与MEC卸载方案相比，D2D技术可以进一步提升用户体验，充分利用移动用户之间的协作，并且在人群密集的场景中，D2D技术可以有效减缓蜂窝网络的压力。在用户终端有多任务计算需求的场景下，合理的任务卸载决策与资源分配方案能够有效的降低用户的开销。

发明内容

本发明目的：在于提供基于D2D通信的多任务联合计算卸载与资源分配方法，本地终端通过将自身产生的多个计算任务同时卸载到周围的多个闲置终端上，应用该方法，减少任务延迟，本地终端能耗等方面的开销。

为实现以上功能，本发明设计基于D2D通信的多任务联合计算卸载与资源分配方法，按预设周期执行以下步骤，将本地终端上的计算任务卸载到该本地终端周围具有空闲计算资源的各闲置终端，实现本地终端总开销最小化的本地终端计算任务的分配；

S1.以本地终端为中心，检测预设范围内存在的闲置终端，获取各闲置终端的计算能力f_n、能耗定价允许接受的最大能耗信道状态g_n，其中n∈{1,2,…,N},N为闲置终端的总数；

S2.基于本地终端上各计算任务的执行方式，构建各个决策样本；

S3.分别针对各决策样本，基于各计算任务的处理延迟函数t_m，其中m∈{1,2,…,M}，M为计算任务的总数，本地终端处理决策样本所分配各计算任务的总计算能耗函数E_loc、该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数其中n∈{1,2,…,N},N为闲置终端的总数，以及该各闲置终端分别接收本地终端各计算任务所对应的收取费用函数，确定本地终端对应该决策样本的总开销目标函数、以及约束条件；

S4.分别针对各决策样本，计算各决策样本分别所对应的本地终端与各闲置终端之间的传输时延上限、本地终端与各闲置终端之间的时延下限，确定在约束条件下该决策样本所对应的最佳传输时延函数；

分别针对各决策样本，基于本地终端对应该决策样本的总开销目标函数、约束条件、在约束条件下该决策样本所对应的最佳传输时延函数，计算本地终端对应该决策样本的总开销；

S5.以最小化本地终端总开销为目标，通过预设次数的迭代，选取使本地终端总开销最小的决策样本，并基于该决策样本完成本地终端上各计算任务的分配。