[发明专利]一种基于人工智能的移动边缘计算服务放置方法

说明书

本发明涉及基于人工智能的移动边缘计算服务放置策略，包括以下步骤：首先对全网络系统进行建模，需要建立宏基站模型、小基站模型、用户模型；然后将用户的延迟模型分为切换延迟模型和非切换延迟模型，非切换延迟模型分为排队延迟模型、传输延迟模型、计算延迟模型；接着建立用户的排队模型；完成上述步骤后，计算出用户感知的总延迟。最后使用强化学习方法对问题进行建模，建立状态空间、动作空间、收益信号、贝尔曼方程，至此可以通过基于人工智能的算法解决问题。本发明所述策略基于人工智能的移动边缘计算服务放置策略能够提供基站选择和服务放置的决策，在成本可控的基础上实现网络选择与服务放置解耦合。

技术领域

本发明涉及移动边缘计算服务管理领域，具体而言，涉及一种移动边缘计算服务放置策略。

背景技术

随着社会的进步和5G网络的加速部署，增强现实、虚拟现实等新型应用场景不断涌现，这些应用往往具有低时延和大带宽的需求，给计算、存储能力不足且电量受限的移动设备带来了极大的挑战。根据思科的预测，2023年5G用户将达到14亿，平均5G连接速度将达到575Mbps。以往的云计算场景能够满足部分场景例如沉浸式游戏的需求，但是对于增强现实这类对于时延要求极高的应用则无法满足，2013年欧洲电信标准化协会提出移动边缘计算，通过在无线接入网附近部署基站和边缘服务器，从而为这些应用需求提供支持。用户的服务放置在附近的边缘云节点而不是远程云中心，从而减少云托管服务到终端设备的延迟。如何为移动设备提供低时延的持续服务是制约移动边缘计算持续发展的瓶颈之一。

在移动边缘计算网络中，由于存在边缘计算服务器的通信、计算、缓存等资源受限，且用户需求多样性、区域热点差异性等问题的存在，导致边缘计算服务器负载不均衡，从而使接入到高负载边缘服务器的用户服务质量大大下降，根据用户的移动性动态放置和迁移服务是一个重大挑战。边缘服务放置技术是解决这一问题的关键技术之一，合理的边缘服务放置能够保证移动用户的服务质量要求，并且平衡部分高负载服务器的工作负担。如何根据用户的位置信息、服务需求等信息进行边缘服务放置成为移动边缘计算网络动态服务迁移中亟待解决的关键问题之一。如附图1，假设第一个时隙用户位于边缘云1和2的覆盖范围，而在下一个时隙中，用户从边缘云1、2的覆盖范围移至边缘云4的覆盖范围。在发生移动之前，用户服务放置在边缘云1上提供服务。当用户移至下一个区域时，其周围边缘云的覆盖范围将发生变化，系统必须为用户的服务做出以下决定：(1)是否随用户移动切换服务；(2)如果适应切换，何时切换；(3)如果适应切换，将服务位置切换到哪里，应用服务提供商需要为用户做出这些决定。网络环境是影响边缘服务质量的另一重要因素，如果用户的接入网络环境不佳，则可能存在较大的通信时延问题。考虑一个典型的边缘云服务场景，其中有两个边缘云。每个边缘云由一个基站和一个云服务器组成。边缘云1和边缘云2所连接的基站已经连接了大量的用户，这导致连接到这两个边缘云的用户排队延迟很长。如果移动到此位置的用户需要选择要访问的网络，则最好在边缘云1附近选择具有较低排队延迟的网络进行访问，例如边缘云3。考虑附图1中的情况，此时，用户周围的边缘云放置了大量的服务，从而导致边缘的计算压力很大，可能产生计算能力过载的情况。此时可以选择将服务放置在用户覆盖范围之外的边缘云3上，但是这么做将产生边缘云1和边缘云3之间的额外通信开销。从以上分析可以看出，优化用户网络选择过程和服务放置过程可以提高用户的服务质量，因此对于移动边缘计算系统而言，应用服务提供商必须共同优化网络选择和服务放置策略，以使用户获得系统级的服务质量提升，因此接入基站选择也是保证服务质量的关键因素。现存的算法大多数无法同时优化网络选择与服务放置双决策，本发明将针对这一问题提出相应解决方案。

发明内容

本发明的目的在于提供一种新的移动边缘计算服务放置策略，确保所有移动用户能够合理接入基站和边缘服务器，使得用户感知的端到端总时延最小化，从而保证用户能够体验到高质量的网络服务。接入到基站和边缘云后，边缘开始为用户提供软件即服务(Software As aService,SAAS)，并且通过基站将用户的任务结果进行回传。本发明的流程图见附图2。

本发明提出的基于人工智能的移动边缘计算服务放置策略特征如下：