[发明专利]一种在大规模云雾计算环境中制定最优任务卸载决策的方法

摘要

本发明的目的是提供一种在云雾计算环境中获得最优任务卸载决策的方法，同时考虑时延与能耗使系统开销降到最低。一种在云雾计算环境中获得最优任务卸载决策的方法主要包括以下三个步骤：A.对系统进行数学建模；B.将问题公式化文混合整数规划问题C.使用分支定界算法求解。本发明考虑了云节点与雾节点同时存在的场景，用于解决存在多个任务需要作出卸载决策的场景，综合考虑了能耗与时延从而使得移动终端的开销降到最低。

主权项

1.在云雾计算环境中获得最优任务卸载决策的方法主要包括以下三个步骤：A.对系统进行数学建模：假设在一个小区中有n个任务需要卸载在云雾计算的体系架构中，计算任务有三种执行方式，分别是本地执行，卸载到雾节点执行和卸载到云节点执行。我们用分别代表第n个任务三种情况下的能耗,用表示第n个任务三种情况写的并且用分别表示第n个任务三种情况下实验与能耗的加权和，以此表示所选择的卸载决策的总开销。本专利中符号的下标n统一表示第n个计算任务，下文不在特意指出。首先分别对这三种情况下的能耗和时延进行建模(1)本地执行的开销(2)卸载到雾节点计算的开销当终端设备选择将任务卸载到雾节点是时延由两部分组成，分别是任务传输时延和雾节点处理时延(计算结果下载时延可忽略不计)。能耗也由两部分组成，分别是任务传输能耗和终端设备空闲状态能耗。(3)卸载到云节点执行的开销与卸载到雾节点的数学模型相似，能耗与时延都是又两部分组成。但卸载到云节点计算时会引入一个传输延时t。D_n表示完成计算任务的所需的CPU周期。B_n表示所需传输的计算任务的大小。P_d，P_t，P_i分别表示终端设备在执行计算任务、上传计算任务和空闲时的功率。f^e，f^c分别表示终端设备、雾节点和云节点的CPU频率。为终端设备的上传带宽的大小。B.将问题公式化为混合整数规划问题：Subject to:C1:C2:C3:C1表示n个设备的总上传带宽最大为C。C2表示分配给每一台设备的上传带宽不能为负值。C3表示终端设备只能从本地执行，卸载到雾节点和卸载云节点三种策略中选择一种执行，这里分别用0，1，2来表示。C.使用分支定界算法求解：使用python，matlab等编程语言设计实现分支定界算法函数，并将建模的得到的混合整数规划模型与n个任务的大小入函数就能得到最小开销与相应的卸载决策。