[发明专利]车联网中连接时间约束下的基于资源重分配的任务卸载方法

说明书

本发明涉及一种车联网中连接时间约束下的基于资源重分配的任务卸载方法，属于移动通信技术领域，包括以下步骤：S1：建立交通流模型，根据车辆的位置信息推导行驶速度，基于等效转换，计算车辆间的连接时间；S2：基于贪婪思想对车辆进行匹配；S3：将卸载决策、信道资源分配、新产生任务和正在计算的任务的资源分配统筹表示为方案矩阵，对迭代过程中不同的卸载决策提出概率变异策略和针对变异产生问题的修正算法，对部分卸载决策和资源分配进行归一化处理来满足约束条件；S4：基于同化变异算法和小生境改进的平衡优化器优化算法对方案矩阵进行迭代寻优。本方法提高了车辆间连接稳定性和任务卸载成功率，降低了超时率和系统成本。

技术领域

本发明属于移动通信技术领域，涉及一种车联网中连接时间约束下的基于资源重分配的任务卸载方法。

背景技术

随着深度学习的发展，涌现出了各种新型应用，例如增加现实驾驶、图像处理、车辆/行人识别、自然语言处理等计算密集型和时延敏感型应用，通常每一个这类任务都需要大量的计算资源和存储资源。移动云计算是一种可行的解决方案，云服务器拥有比车辆更强大的计算资源，缺点是云服务器部署得离道路较远，其固有的传播时延对于时延敏感型任务并不友好。通过将MEC服务器部署到道路旁边，车辆可以方便的向MEC服务器申请计算资源和存储资源，而不会带来过高的传播时延，从而满足任务的时延需求。但是当前车联网基于MEC的任务卸载存在一些问题。首先是当车辆卸载任务到边缘服务器或附近车辆后，在计算结果返回之前驶出了连接范围，会导致卸载的失败；然后是卸载车辆向RSU和空闲车辆卸载任务时共享相同的信道资源，需要对其进行合理的分配；最后是边缘服务器可能存在正在计算的任务，会对资源分配造成影响。

发明内容

有鉴于此，本发明的目的在于提供一种车联网中连接时间约束下的基于资源重分配的任务卸载方法。

为达到上述目的，本发明提供如下技术方案：

一种车联网中连接时间约束下的基于资源重分配的任务卸载方法，包括以下步骤：

S1：建立交通流模型，根据车辆的位置信息推导行驶速度，基于等效转换，计算车辆间的连接时间；

S2：根据车辆间的连接时间，基于贪婪思想对车辆进行匹配；定义计算任务的优先值，卸载车辆以优先值作为顺序依次选择其连接时间最长的未匹配空闲车辆；

S3：基于卸载方案编码的同化变异算法，将卸载决策、信道资源分配、新产生任务和正在计算的任务的资源分配统筹表示为方案矩阵，对迭代过程中不同的卸载决策提出概率变异策略和针对变异产生问题的修正算法，对部分卸载决策和资源分配进行归一化处理来满足约束条件；

S4：基于同化变异算法和小生境改进的平衡优化器优化算法对方案矩阵进行迭代寻优，将方案种群根据适应性函数大小划分子种群，基于子种群对平衡状态池进行改进，基于迭代后期进行更高概率更小范围探索的思想对质量生成速率进行改进，提出膨胀函数对任务超时和任务失败情况进行描述，与系统成本共同构成平衡优化器的适应性函数。

进一步，步骤S1所述建立交通流模型，包括：以十字路口中心为原点建立交通流模型，假设RSU位于原点处，将车辆分为沿X轴正方向、沿X轴负方向、沿Y轴正反向、沿Y轴负方向四个车道，每个车道划分多个子车道，表示为Road＝{road₁，road₂，…，road_4×τ}，τ表示子车道的个数，车辆表示为v_j＝{x_j，y_j，road_i}，x_j、y_j表示车辆的横纵坐标，road_i表示车辆v_j行驶在road_i车道。