[发明专利]一种基于人工鱼群算法的低时延计算任务卸载方法及系统

说明书

本发明公开了一种基于人工鱼群算法的低时延计算任务卸载方法及系统，包括：建立多用户设备卸载计算任务至MEC服务器的MEC系统；所述MEC系统包括K个MEC服务器和N个用户设备；通过预先优化的MEC系统完成用户设备计算任务，过程包括：划分每个用户设备的计算任务为K+1个子任务，采用数据压缩方法对子任务的部分数据进行压缩获得压缩数据，将子任务划分为压缩数据和非压缩数据，将用户设备的K个子任务采取非正交多址方式传输至各MEC服务器，用户设备和各MEC服务器分别对K+1个子任务进行计算，将MEC服务器计算结果回传给用户设备；显著减小了最大用户计算任务完成时延，提高了用户体验。

技术领域

本发明属于移动边缘计算技术领域，具体涉及应用于基于人工鱼群算法的低时延计算任务卸载方法及系统。

背景技术

随着物联网技术的飞速发展，万物互联的规模将越来越大。据思科、摩根士丹利与华为等公司估计，2019年全球约有400亿户的IoE连接，2020年连接规模达到750亿户，2025年将高达1000亿户。为了解决该问题，移动边缘计算目前被视为一种新兴范式，得到了广泛的应用，移动边缘计算支持延迟关键型和计算密集型应用，它可以在网络边缘向靠近边缘的资源匮乏的用户设备提供计算资源。由于节点采集的原始数据数量庞大、冗余度较高，MEC服务器的算力虽然已经大为提升，但仍旧无法与数据中心相比，这导致用户设备计算卸载的高延迟。

发明内容

本发明的目的在于提供一种基于人工鱼群算法的低时延计算任务卸载方法及系统，将数据压缩技术、非正交多址接入技术相结合，显著减小了最大用户计算任务完成时延，提高了用户体验。

为达到上述目的，本发明所采用的技术方案是：

本发明第一方面提供了一种基于人工鱼群算法的低时延计算任务卸载方法，包括：

建立多用户设备卸载计算任务至MEC服务器的MEC系统；所述MEC系统包括K个MEC服务器和N个用户设备；

以各用户设备的计算任务完成所需的最长时间为优化目标，建立优化问题模型；利用人工鱼群算法对优化问题模型进行求解获得最佳的MEC系统参数；根据最佳的MEC系统参数对MEC系统进行优化；

通过优化的MEC系统划分每个用户设备的计算任务为K+1个子任务，采用数据压缩方法对子任务的部分数据进行压缩获得压缩数据，将子任务划分为压缩数据和非压缩数据，将用户设备的K个子任务采取非正交多址方式传输至各MEC服务器，用户设备和各MEC服务器分别对K+1个子任务进行计算，将MEC服务器计算结果回传给用户设备。

优选的，在MEC系统中配置N个带宽为B的正交信道资源，其中N≥K；将各用户之间的计算任务采用正交多址方式传输至各MEC服务器。

优选的，以各用户设备的计算任务完成所需的最长时间为优化目标，建立优化问题模型的方法包括：

所述优化问题模型的表达公式为：

优化问题模型的约束包括：

约束C1：

约束C2：

约束C3：

约束C4：

约束C5：

约束C6：

约束C7：

约束C8：

约束C9：

约束C10：

约束C11：

约束C12：