[发明专利]一种车联网中任务卸载计算成本与时延的联合优化方法

说明书

本发明公开了一种车联网中任务卸载计算成本与时延的联合优化方法，方法包括：首先初始化系统参数，包括路边单元相关参数、车辆相关参数、任务相关参数和算法初始参数；然后生成一个满足约束条件的矩阵，矩阵中每个元素代表对应车辆接收任务的比例，以消耗函数值最小为目标，基于所提出的算法寻找任务卸载的最优解；最后按照最优解对应的分配策略进行任务卸载。本发明能快速有效地进行任务卸载计算的优化，有效减小时延并降低卸载计算的成本。

技术领域

本发明涉及5G通信领域，具体涉及一种车联网中任务卸载计算成本与时延的联合优化方法。

背景技术

近年来，车辆边缘计算(Vehicle Edge Computing,VEC)已经成为一种非常流行的计算方法，它可以将计算任务转移到网络边缘，如路边计算设备、VEC服务器等，该方法提高了系统的服务质量，减轻了车辆的负载。然而，MEC(Mobile Edge Computing)服务器的计算资源总是有限的，这使得服务器无法在指定的延迟约束下完全满足车辆的卸载要求，尤其是在交通繁忙的情况下。

为了解决这一问题，需要一种新的VEC卸载方案，通过动态资源分配，既能满足卸载需求，又能满足QoS需求。目前，大多数研究集中在MEC服务器为车辆用户提供边缘卸载计算的场景。但是，当路边单元和MEC服务器繁忙时，这种方法是不可行的。为了满足自动驾驶的新需求，未来的汽车不仅将配备丰富的车载传感器，如摄像头和雷达，还将配备强大的计算能力，以处理传感数据和做出驾驶决策。未来的汽车将拥有丰富的计算资源来支持自动驾驶，并通过无线技术连接。大量被连接的车辆，每辆车都被赋予了服务器级的计算资源，形成了一个具有丰富移动智能的网络。车辆可以贡献自己的计算资源，在雾计算的环境中充当雾节点，因此整个网络可以看作是一个车联网(Vehicle Edge Network，VeFN)。因此，VeFN的出现，使计算资源共享通过计算任务卸载，它将提供广泛的雾应用。

当数据中心生成大量计算任务时，路边计算服务器没有多余的计算资源来及时完成计算任务。所以我们将考虑把这些任务分配给路上行驶的车辆。也就是说，计算服务由这些车辆提供，这些车辆在VeFN中具有不同的计算资源。如果路边单元将任务直接卸载给多个车辆，则路边单元可能面临高负载。此外，由于有限的带宽，传输延迟将会很大。

发明内容

发明目的：本发明目的是针对车联网环境下边缘计算的资源分配问题，提供一种车联网中任务卸载计算成本与时延的联合优化方法，快速有效地进行计算资源分配的优化，有效降低时延与成本。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种车联网中任务卸载计算成本与时延的联合优化方法，包括以下步骤：

(1)初始化系统参数，所述参数包括路边单元集每个路边单元k所对应的车辆集路边单元与车之间传输的带宽、车与车之间传输的带宽、任务的大小C、任务所需计算资源D、车辆的位置信息；

(2)随机生成一个M×N矩阵u,每个元素满足：u_k,j∈[0,1)和M和N分别为路边单元的数目和最大的车辆集中车辆的数；

(3)对系统损耗最小的目标函数列出拉格朗日方程，并用梯度法求出拉格朗日乘子；

(4)找出矩阵中的元素使得：其中λ_k是数据中心分配给第k个小区中的簇头车辆的任务占总任务的比例，u_k,j是第k个小区中簇头车辆分配给车辆j的任务占簇头车辆原先任务的比例，r_i,j是簇头车辆i与成员车辆j之间的传输速率，f_k,j是第k个小区中车辆j提供的计算资源；

(5)根据元素是否为步骤(4)中找出的元素分两种情形对矩阵u中每个元素求解拉格朗日方程，得到新的u_k,j值，若u_k,j＜0，则令u_k,j＝0；