[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

说明书

本发明提供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，通过建立能量采集环境下的多用户多MEC服务器系统模型；建立优化问题，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，并将其分解为最优能量采集问题和最优卸载问题；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；求解最优的卸载决策，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；该方法能够求解出在无线设备实时移动下的最佳卸载MEC服务器，能够大幅减少MEC服务器卸载的切换次数，有效降低无线设备的传输时延，能够更好地适应复杂的环境。

技术领域

本发明涉及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，属于无线通信技术领域。

背景技术

无线通信技术的快速发展和智能无线设备的日益普及，为虚拟现实、增强现实和人脸识别等智能服务铺平了道路。然而，这些服务通常是计算密集型、延迟敏感型和高能耗型的，这在计算资源和电池提供的能量有限的无线设备上是无法支持的。因此，需要新的范例来满足智能服务的需求。带有能量采集的MEC系统是一种非常有前途的技术，它在无线接入网络中提供网络服务和云计算能力。通过将计算任务从无线设备卸载到MEC服务器，用户可以体验到低延迟的服务。

近年来，高效计算卸载策略的设计引起了人们的研究兴趣。大多数工作集中在研究基于能量采集的单设备单服务器的MEC系统，然而，具有多个无线设备和多个服务器的系统，才是现实世界中常见的场景。

目前，对于多个无线设备和多个服务器的系统，通常采用随机选择MEC服务器的方式，但由于无线设备的移动性，难以实现无线设备和MEC服务器之间的最优卸载匹配，存在切换次数多、传输时延较高的问题。

上述问题是在边缘计算资源分配优化过程中应当予以考虑并解决的问题。

发明内容

本发明的目的是提供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，解决现有技术中存在的多个无线设备和多个服务器的系统中，无线设备和MEC服务器之间切换次数多以及传输时延较高，卸载匹配有待优化的问题。

本发明的技术解决方案是：

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，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。

进一步地，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。