[发明专利]基于预测设备轨迹和能量采集的边缘计算资源分配优化方法

权利要求书

1.一种基于预测设备轨迹和能量采集的边缘计算资源分配优化方法，其特征在于：包括以下步骤，

S1、建立能量采集环境下的多用户多MEC服务器系统模型；

S2、对多用户多MEC服务器系统模型建立优化问题，该优化问题的目标函数为求出系统中无线设备本地计算和卸载计算总时延的最小值；

S3、将优化问题转化为基于李雅普诺夫优化的每时隙确定性问题，并将基于李雅普诺夫优化的每时隙确定性问题分解为最优能量采集问题和最优卸载问题；

S4、通过线性优化求解最优能量采集问题，通过李雅普诺夫在线优化算法求解出无线设备最佳的本地计算频率及卸载时的最佳发射功率；

S5、在步骤S1所建立多用户多MEC服务器系统模型基础上，利用基于隐马尔可夫模型的维特比优化方法预测设备轨迹，求解出在步骤S3中的最优卸载问题，得到最优的卸载决策；

S6、计算本地计算时延和卸载计算时延，通过比较判定是否在本地计算：在卸载计算时延大于本地计算时延时，选择本地计算模式，计算完成后流程结束；在卸载计算时延不大于本地计算时延时，进入下一步骤S7；

S7、选择卸载计算模式，并通过隐马尔可夫模型预测无线设备下一时刻的位置信息，判定下一时刻用户是否在MEC服务器覆盖范围内，若是，返回步骤S5继续循环；若否则结束循环。

2.如权利要求1所述的基于预测设备轨迹和能量采集的边缘计算资源分配优化方法，其特征在于：步骤S1中，能量采集环境下的多用户多MEC服务器系统模型包括S个计算资源有限的MEC服务器和N个带有能量采集的无线设备。

3.如权利要求1所述的基于预测设备轨迹和能量采集的边缘计算资源分配优化方法，其特征在于：步骤S2中，对多用户多MEC服务器系统模型建立优化问题，包括目标函数与约束条件：

其中，为t时刻无线设备i将任务卸载到第j个MEC服务器上的时延，为t时刻无线设备i本地计算产生的时延，表示t时刻无线设备i的任务卸载情况，时无线无线设备i将任务卸载到边缘服务器j，时表示无线设备进行本地计算，t∈T，i∈K，j∈S，T、K、S分别代表时隙集合、无线设备集合、MEC服务器集合，f_i^t为本地设备频率，为无线设备i的发送功率，为无线设备i在t时隙内采集到的能源，为无线设备i的CPU计算频率，f_i^max为无线设备CPU的最大计算能力，为无线设备i的发送功率，p_max为其最大发送功率，表示为第i个无线设备产生的任务比特数，X_i表示无线设备i每比特任务计算所需CPU周期数，为无线设备i在第t个时隙的电池电量。

4.如权利要求1-3任一项所述的基于预测设备轨迹和能量采集的边缘计算资源分配优化方法，其特征在于：步骤S3中，将优化问题转化为基于李雅普诺夫优化的每时隙确定性问题：

其中，为虚拟能量队列，为无线设备i在t时隙内采集到的能源，E为期望，V是控制参数，表示t时刻无线设备i的任务卸载情况，为卸载计算时延，为本地计算时延。

5.如权利要求1-3任一项所述的基于预测设备轨迹和能量采集的边缘计算资源分配优化方法，其特征在于：步骤S3中，将基于李雅普诺夫优化的每时隙确定性问题拆分成最优能量采集问题和最优卸载问题两个子问题：

最优能量采集问题：其中，为虚拟能量队列，为无线设备i在t时隙内采集到的能源；

最优卸载问题：

其中，表示t时刻无线设备i的任务卸载情况，为卸载计算时延，为本地计算时延。

6.如权利要求5所述的基于预测设备轨迹和能量采集的边缘计算资源分配优化方法，其特征在于：步骤S4中，通过线性优化求解最优能量采集问题，具体为，由于每个无线设备的能量采集过程是相互独立的，从而采集电量优化问题公式(10)为线性优化问题，结合(2)求解，获得每个无线设备能量收集的最优值为其中，为可采集的能源I是一个函数，{}为真函数值为1，{}为假函数值为0。