CN109376374B - 一种基于多射频通信的多用户计算迁移方法 - Google Patents

一种基于多射频通信的多用户计算迁移方法 Download PDF

Info

Publication number
CN109376374B
CN109376374B CN201811017232.2A CN201811017232A CN109376374B CN 109376374 B CN109376374 B CN 109376374B CN 201811017232 A CN201811017232 A CN 201811017232A CN 109376374 B CN109376374 B CN 109376374B
Authority
CN
China
Prior art keywords
user
radio frequency
sub
migration
task
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811017232.2A
Other languages
English (en)
Other versions
CN109376374A (zh
Inventor
李冰洋
吕海斌
庄晓晓
马福亮
张晓雪
冯光升
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201811017232.2A priority Critical patent/CN109376374B/zh
Publication of CN109376374A publication Critical patent/CN109376374A/zh
Application granted granted Critical
Publication of CN109376374B publication Critical patent/CN109376374B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于移动云计算领域，具体涉及一种基于多射频通信的多用户计算迁移方法，包括以下步骤：控制器依据收集到的全体用户信息及***的目标，利用基于参数分析的多射频多用户计算迁移建模方法对多射频多用户计算迁移问题进行建模，得到初始问题模型Θ；控制器根据上一步得到的初始问题模型Θ的特点，利用基于McCormick envelope的松弛与线性化方法对模型进行松弛与转化，得到松弛后的问题模型Θ*；控制器利用分支限界法对上一步得到的松弛后的问题模型Θ*进行求解，使得总体受益用户最多，并且使得用户迁移代价减少。本发明提出的方法同时考虑到用户的计算时延和计算能量问题，可以满足用户需求的多样性，高了用户传输数据的速率，极大提高了多射频的利用效率。

Description

一种基于多射频通信的多用户计算迁移方法
技术领域
本发明属于移动云计算领域，具体涉及一种基于多射频通信的多用户计算迁移方法。
背景技术
随着智能手机的普及，出现了越来越多的手机应用，比如：语音识别，人脸识别，增强现实等。这些应用都需要消耗大量的资源，包括手机计算资源(CPU)以及手机电量，而手机自身体积小的特点决定了手机的计算资源和电池能量都很有限。因此，手机资源紧缺和应用资源需求过大，这两者的关系对未来手机平台的发展提出了巨大的挑战。计算迁移是一种解决上述问题的新兴技术。它通过利用无线网络将移动终端的计算任务迁移到资源充足的云设施上计算，即移动云计算，解决了移动终端资源不足的问题。
计算迁移的主要问题就是如何提高用户的设备性能以及节省用户设备的能量消耗。以前的很多工作研究了计算迁移节省能耗和延时的问题。第一类，主要研究单用户多射频条件下的计算迁移问题。其通过对一个用户使用多个射频上传任务时的通信资源进行优化以最小化任务执行能耗，但没有考虑到多用户同时传输的情况(Mahmoodi,S.Eman,K.P.Subbalakshmi,and Vidya Sagar."Cloud offloading for multi-radio enabledmobile devices."Communications(ICC),2015 IEEE International Conferenceon.IEEE,2015.)。第二种类型研究了多用户单信道条件下的计算迁移问题。其通过对信道资源及用户的发射功率进行优化以最小化全体用户的发射功率之和。但其只考虑了多个用户共用一个信道进行数据传输的情况，没有考虑到利用多个频段进行数据传输(Barbarossa,S.,S.Sardellitti,and P.D.Lorenzo."Joint allocation of computationand communication resources in multiuser mobile cloud computing."395.6(2013):26-30.)。第三类主要研究了多用户多信道条件下的计算迁移问题。其通过对多信道通信资源进行优化使得全体用户任务执行代价之和最小。但其只考虑了将一个频段划分为多个信道供不同用户传输，没有考虑到多射频通信时可以同时利用多个频段资源(D.Huang,P.Wang,and D.Niyato,"A dynamic offloading algorithm for mobile computing."IEEE Transactions on Wireless Communications,vol.11,no.6,pp.1991–1995,2012.)。此外，经检索，现有关于计算迁移的专利并未涉多用户多射频的场景。
综上所述，现有技术主要存在以下问题：
(1)多射频通信中只考虑了单用户，没有考虑到用户之间的资源竞争问题。
(2)多用户通信中只考虑了单信道通信和多信道通信，而没有考虑到利用多射频进行通信。没有充分利用多个频段的传输资源，且不能同时利用多个信道进行传输。
发明内容
本发明提出一种基于多射频通信的多用户计算迁移方法。其主要思想是通过对多用户多射频计算迁移进行建模；然后利用Mccormick envelope方法对模型进行转化松弛；最后利用分支限界对问题进行求解，得到最优的资源分配方案。
在进行资源优化前，需要先完成如下操作。首先，用户获取设备剩余电量、计算能力、射频数以及每一个射频传输功率等信息；然后，用户获取需要计算的任务属性。包括计算任务的数据量大小，计算所需CPU周期信息；最后，用户设置自己对计算延迟和能量的偏好信息并将上述所有用户相关信息发送至控制器。控制器一般部署在服务器端，用来控制整个流程的运行，主要任务包括对用户数据进行收集、对基于多射频通信的多用户计算迁移问题进行建模、对模型进行松弛与优化、对模型进行求解等。
一种基于多射频通信的多用户计算迁移方法，包括以下步骤：
(1.1)控制器依据收集到的全体用户信息及***的目标，利用基于参数分析的多射频多用户计算迁移建模方法对多射频多用户计算迁移问题进行建模，得到初始问题模型Θ；
(1.2)控制器根据上一步得到的初始问题模型Θ的特点，利用基于McCormickenvelope的松弛与线性化方法对模型进行松弛与转化，得到松弛后的问题模型Θ*；
(1.3)控制器利用分支限界法对上一步得到的松弛后的问题模型Θ*进行求解，使得总体受益用户最多，并且使得用户迁移代价减少。
所述步骤(1.1)包括：
(2.1)分别计算用户i在本地完成任务Ji所需的时间Ti (m)及消耗的能量Ei (m)：
Figure BDA0001786081580000021
其中，任务Ji@(gi,Di)，gi代表完成任务Ji所需要的CPU周期数，Di代表完成任务Ji所需要上传的数据量，fi (m)代表用户i的设备计算能力(CPU周期数)，ρi表示用户i的设备每CPU周期消耗的能量，U为用户集合，N为用户个数，
Figure BDA0001786081580000022
为射频集合，K为射频个数；
(2.2)计算用户i在本地的计算代价
Figure BDA0001786081580000023
Figure BDA0001786081580000024
其中，
Figure BDA0001786081580000025
分别代表用户i对计算延迟和计算能耗的偏好权重，其中
Figure BDA0001786081580000026
并且
Figure BDA0001786081580000027
(2.3)如果用户i如果选择在云端计算的话，计算用户i在第j个射频上的传输速率
Figure BDA0001786081580000028
其中，本发明采用无线竞争信道传输模型进行数据传输；
Figure BDA0001786081580000031
其中，
Figure BDA0001786081580000032
代表用户i利用射频j进行任务传输的比例，
Figure BDA0001786081580000033
(2.4)分别计算用户i在射频j上的数据上传时间
Figure BDA0001786081580000034
以及用户i通过射频j上传数据消耗的能量
Figure BDA0001786081580000035
Figure BDA0001786081580000036
其中，Di表示用户i完成任务Ji需要上传的数据量，Pi j代表用户i的移动设备上射频j的传输功率；
(2.5)计算任务Ji在云端计算所需时间Ti,cloud以及设备闲置状态下消耗的能量
Figure BDA0001786081580000037
Figure BDA0001786081580000038
其中，fi (c)表示用户i在云端被分配的计算能力，Pi (IDLE)表示用户i的设备在闲置状态下的功率；
(2.6)计算任务传输时间Ti (mtc)以及用户在各个射频上消耗的能量总和
Figure BDA0001786081580000039
Figure BDA00017860815800000310
其中，
Figure BDA00017860815800000311
为用户i通过射频j上传数据消耗的能量；
(2.7)计算用户i在云端的计算代价
Figure BDA00017860815800000312
Figure BDA00017860815800000313
其中，
Figure BDA00017860815800000314
为设备闲置状态下消耗的能量；
(2.8)由于只有当用户在云端计算的代价小于在本地计算的代价时，用户才会受益，才会进行迁移，所以得到如下约束：
Figure BDA00017860815800000315
(2.9)由于
Figure BDA0001786081580000041
和
Figure BDA0001786081580000042
都代表用户是否迁移，因此有如下约束：
Figure BDA0001786081580000043
(2.10)将总受益人数
Figure BDA0001786081580000044
作为目标，则目标的约束条件为
Figure BDA0001786081580000045
Figure BDA0001786081580000046
通过求解满足约束的
Figure BDA0001786081580000047
得到最大的受益人数。
所述步骤(1.2)包括：
(3.1)将
Figure BDA0001786081580000048
转化为如下形式，以去掉非线性的max函数：
Figure BDA0001786081580000049
(3.2)引入变量
Figure BDA00017860815800000410
将
Figure BDA00017860815800000411
等价替换为
Figure BDA00017860815800000412
需要满足如下四个条件：
①如果
Figure BDA00017860815800000413
那么应该有
Figure BDA00017860815800000414
②如果
Figure BDA00017860815800000415
那么应该有
Figure BDA00017860815800000416
③如果
Figure BDA00017860815800000417
那么应该有
Figure BDA00017860815800000418
④如果
Figure BDA00017860815800000419
那么应该有
Figure BDA00017860815800000420
即如下两个约束：
Figure BDA00017860815800000421
Figure BDA00017860815800000422
(3.3)将约束
Figure BDA00017860815800000423
用如下约束进行等价替换：
Figure BDA00017860815800000424
(3.4)引入新变量
Figure BDA00017860815800000425
因为
Figure BDA00017860815800000426
所以有如下约束：
①
Figure BDA00017860815800000427
②
Figure BDA0001786081580000051
③
Figure BDA0001786081580000052
④
Figure BDA0001786081580000053
(3.5)对上述约束进行化简，替换后得到如下约束：
Figure BDA0001786081580000054
(3.6)由于
Figure BDA0001786081580000055
而根据物理意义有：
Figure BDA0001786081580000056
因此用
Figure BDA0001786081580000057
替换
Figure BDA0001786081580000058
即
Figure BDA0001786081580000059
得到目标函数为
Figure BDA00017860815800000510
约束如上所述的凸优化问题。
所述步骤(1.3)包括：
(4.1)设置上界UB0＝+∞，下界LB＝-∞，目标函数值obj＝0，等待队列wlist＝φ，迭代计数变量k＝0；
(4.2)设置松弛子问题SP(ωkth,βkth)，其中kth代表第k个子问题，并且将约束β＝{0,1}松弛为0≤β≤1，将松弛子问题添加至队列wlist
(4.3)判断队列是否为空，若否，执行以下步骤；
(4.4)从队列中选取一个子问题，将其移除队列并对该子问题进行求解；
(4.5)如果该子问题无解，剪掉该分支；
(4.6)如果得到该子问题最优解并且全部
Figure BDA00017860815800000511
都为整数，设置LB＝obj，并移除队列中所有UBk＜LB的节点；
(4.7)如果得到该子问题最优解而
Figure BDA00017860815800000512
不全为整数，对子问题SP(ωk,βk)添加约束
Figure BDA00017860815800000513
得到子问题SP(ωk+1,βk+1)，设置k＝k+1,UBk＝obj；然后，对子问题SP(ωk,βk)添加约束
Figure BDA00017860815800000514
到子问题SP(ωk+1,βk+1)，设置k＝k+1,UBk＝obj；
(4.8)跳转至步骤(4.3)，直到得到最优解。
本发明的有益效果在于：
(1)本发明提出的方法同时考虑到用户的计算时延和计算能量问题，可以满足用户需求的多样性。
(2)本发明提出的方法同时利用多个射频进行数据传输，射频之间互相不干扰，极大提高了用户传输数据的速率。
(3)本发明提出的资源分配方法通过对用户的任务计算地点，用户利用的射频集合以及每个射频传输的数据量进行优化，使得总体受益用户最多，极大提高了多射频的利用效率。
(4)本发明提出的资源分配方法同时考虑用户在本地和云端计算代价，有效减少了总体用户的计算代价。
附图说明
图1是基于多射频通信的多用户计算迁移方法流程图；
图2是基于多射频通信的多用户计算迁移方法中用户问题建模的流程图；
图3是基于多射频通信的多用户计算迁移方法中利用新建变量以及McCormickenvelope松弛对问题转化的流程图；
图4是基于多射频通信的多用户计算迁移方法利用分支限界法的求解流程图；
图5是本发明实例图；
具体实施方式
下面结合附图对本发明做进一步描述。
本发明属于移动云计算领域，尤其是一种基于多射频通信的多用户计算迁移方法，对通信资源分配进行优化，使受益用户数量最多，并降低整个用户群体的计算代价。
随着智能手机的普及，出现了越来越多的手机应用，比如：语音识别，人脸识别，增强现实等。这些应用都需要消耗大量的资源，包括手机计算资源(CPU)以及手机电量，而手机自身体积小的特点决定了手机的计算资源和电池能量都很有限。因此，手机资源紧缺和应用资源需求过大，这两者的关系对未来手机平台的发展提出了巨大的挑战。计算迁移是一种解决上述问题的新兴技术。它通过利用无线网络将移动终端的计算任务迁移到资源充足的云设施上计算，即移动云计算，解决了移动终端资源不足的问题。
计算迁移的主要问题就是如何提高用户的设备性能以及节省用户设备的能量消耗。以前的很多工作研究了计算迁移节省能耗和延时的问题。第一类，主要研究单用户多射频条件下的计算迁移问题。其通过对一个用户使用多个射频上传任务时的通信资源进行优化以最小化任务执行能耗，但没有考虑到多用户同时传输的情况(Mahmoodi,S.Eman,K.P.Subbalakshmi,and Vidya Sagar."Cloud offloading for multi-radio enabledmobile devices."Communications(ICC),2015 IEEE International Conferenceon.IEEE,2015.)。第二种类型研究了多用户单信道条件下的计算迁移问题。其通过对信道资源及用户的发射功率进行优化以最小化全体用户的发射功率之和。但其只考虑了多个用户共用一个信道进行数据传输的情况，没有考虑到利用多个频段进行数据传输(Barbarossa,S.,S.Sardellitti,and P.D.Lorenzo."Joint allocation of computationand communication resources in multiuser mobile cloud computing."395.6(2013):26-30.)。第三类主要研究了多用户多信道条件下的计算迁移问题。其通过对多信道通信资源进行优化使得全体用户任务执行代价之和最小。但其只考虑了将一个频段划分为多个信道供不同用户传输，没有考虑到多射频通信时可以同时利用多个频段资源(D.Huang,P.Wang,and D.Niyato,"A dynamic offloading algorithm for mobile computing."IEEE Transactions on Wireless Communications,vol.11,no.6,pp.1991–1995,2012.)。此外，经检索，现有关于计算迁移的专利并未涉多用户多射频的场景。
综上所述，目前的研究工作主要存在以下问题：
多射频通信中只考虑了单用户，没有考虑到用户之间的资源竞争问题
多用户通信中只考虑了单信道通信和多信道通信，而没有考虑到利用多射频进行通信。没有充分利用多个频段的传输资源，且不能同时利用多个信道进行传输。
根据以上分析，目前研究工作的不足，主要是在多射频计算迁移时需要额外考虑以下几个关键因素：
(1)用户如何选择合适的射频集合进行通信可以使得对用户最有利。
(2)用户利用不同射频传输任务的比例。
(3)多用户如何进行资源分配。
如果一个用户通过计算迁移产生的开销(计算延迟以及电量消耗)小于在本地执行的开销，那么就称这个用户是受益用户。受益用户的概念在计算迁移中非常重要。首先，从用户角度考虑，它确保了用户是理性的，因为用户只有在迁移代价小于本地执行代价时才会进行迁移；其次，从运营商角度考虑，受益用户越多意味着云端服务器利用率越高以及计算服务的收入更多。
因此，本发明研究了多用户多射频下的计算迁移问题，并且每个用户可以同时利用多个频段进行传输，提出了基于多射频条件的多用户计算迁移问题，对资源分配进行优化，可以使总体受益用户最多，并显著减少全体计算代价。换言之，本发明综合考虑了以下要素对问题进行了优化：(1)每个用户是否进行任务迁移，(2)迁移用户选择合适的射频集合进行迁移，(3)用户使用每个射频迁移数据的比例，(4)如何分配使总体受益用户最多。
本发明提出一种基于多射频通信的多用户计算迁移方法。其主要思想是通过对多用户多射频计算迁移进行建模；然后利用Mccormick envelope方法对模型进行转化松弛；最后利用分支限界对问题进行求解，得到最优的资源分配方案。
在进行资源优化前，需要先完成如下操作。首先，用户获取设备剩余电量、计算能力、射频数以及每一个射频传输功率等信息；然后，用户获取需要计算的任务属性。包括计算任务的数据量大小，计算所需CPU周期信息；最后，用户设置自己对计算延迟和能量的偏好信息并将上述所有用户相关信息发送至控制器。控制器一般部署在服务器端，用来控制整个流程的运行，主要任务包括对用户数据进行收集、对基于多射频通信的多用户计算迁移问题进行建模、对模型进行松弛与优化、对模型进行求解等。
上述基于多射频通信的多用户计算迁移方法，主要包括以下具体步骤：
(1)控制器依据收集到的全体用户信息及***的目标，利用基于参数分析的多射频多用户计算迁移建模方法对多射频多用户计算迁移问题进行建模，得到初始问题模型Θ。
(2)控制器根据上一步得到的初始问题模型Θ的特点，利用基于McCormickenvelope的松弛与线性化方法对模型进行松弛与转化，得到松弛后的问题模型Θ*。
控制器利用分支限界法对上一步得到的松弛后的问题模型Θ*进行求解，使得总体受益用户最多，并且使得用户迁移代价减少。
前述的步骤(1)中基于参数分析的多射频多用户计算迁移建模方法具体还包括以下步骤：
(1.1)分别计算用户i在本地完成任务Ji所需的时间
Figure BDA0001786081580000081
及消耗的能量
Figure BDA0001786081580000082
Figure BDA0001786081580000083
其中任务Ji@(gi,Di)，gi代表完成任务Ji所需要的CPU周期数，Di代表完成任务Ji所需要上传的数据量，fi (m)代表用户i的设备计算能力(CPU周期数)，ρi表示用户i的设备每CPU周期消耗的能量。用户集合为U，用户个数为N，射频集合为
Figure BDA0001786081580000084
射频个数为K。
(1.2)计算用户i在本地的计算代价
Figure BDA0001786081580000085
Figure BDA0001786081580000086
其中
Figure BDA0001786081580000087
分别代表用户i对计算延迟和计算能耗的偏好权重，其中
Figure BDA0001786081580000088
并且
Figure BDA0001786081580000089
(1.3)如果用户i如果选择在云端计算的话，计算用户i在第j个射频上的传输速率
Figure BDA00017860815800000810
其中，本发明采用无线竞争信道传输模型进行数据传输。
Figure BDA00017860815800000811
其中
Figure BDA0001786081580000091
代表用户i利用射频j进行任务传输的比例，并且
Figure BDA0001786081580000092
(1.4)分别计算用户i在射频j上的数据上传时间
Figure BDA0001786081580000093
以及用户i通过射频j上传数据消耗的能量
Figure BDA0001786081580000094
Figure BDA0001786081580000095
其中Di表示用户i完成任务Ji需要上传的数据量，Pi j代表用户i的移动设备上射频j的传输功率。
(1.5)计算任务Ji在云端计算所需时间Ti,cloud以及设备闲置状态下消耗的能量
Figure BDA0001786081580000096
Figure BDA0001786081580000097
其中fi (c)表示用户i在云端被分配的计算能力，Pi (IDLE)表示用户i的设备在闲置状态下(即没有传输数据时)的功率。
(1.6)计算任务传输时间Ti (mtc)以及用户在各个射频上消耗的能量总和
Figure BDA0001786081580000098
Figure BDA0001786081580000099
(1.7)计算用户i在云端的计算代价
Figure BDA00017860815800000910
Figure BDA00017860815800000911
(1.8)由于只有当用户在云端计算的代价小于在本地计算的代价时，用户才会受益，才会进行迁移，所以可以得到如下约束：
Figure BDA00017860815800000912
(1.9)由于
Figure BDA00017860815800000913
和
Figure BDA00017860815800000914
都代表用户是否迁移，因此有如下约束：
Figure BDA00017860815800000915
(1.10)将总受益人数
Figure BDA00017860815800000916
作为目标，则目标的约束条件为
Figure BDA00017860815800000917
Figure BDA0001786081580000101
通过求解满足约束的
Figure BDA0001786081580000102
得到最大的受益人数。
前述的步骤(2)中基于McCormick envelope的松弛与线性化方法具体还包括以下步骤：
(2.1)将
Figure BDA0001786081580000103
转化为如下形式，以去掉非线性的max函数：
Figure BDA0001786081580000104
(2.2)引入变量
Figure BDA0001786081580000105
为了将为了将
Figure BDA0001786081580000106
等价替换为
Figure BDA0001786081580000107
需要满足如下四个条件：
①如果
Figure BDA0001786081580000108
那么应该有
Figure BDA0001786081580000109
②如果
Figure BDA00017860815800001010
那么应该有
Figure BDA00017860815800001011
③如果
Figure BDA00017860815800001012
那么应该有
Figure BDA00017860815800001013
④如果
Figure BDA00017860815800001014
那么应该有
Figure BDA00017860815800001015
即如下两个约束：
Figure BDA00017860815800001016
Figure BDA00017860815800001017
(2.3)将约束
Figure BDA00017860815800001018
用如下约束进行等价替换：
Figure BDA00017860815800001019
(2.4)引入新变量
Figure BDA00017860815800001020
因为
Figure BDA00017860815800001021
所以有如下约束：
①
Figure BDA00017860815800001022
②
Figure BDA00017860815800001023
③
Figure BDA00017860815800001024
④
Figure BDA00017860815800001025
(2.5)对上述约束进行化简，替换后可以得到如下约束：
Figure BDA0001786081580000111
(2.6)由于
Figure BDA0001786081580000112
而根据物理意义有：
Figure BDA0001786081580000113
因此用
Figure BDA0001786081580000114
替换
Figure BDA0001786081580000115
即
Figure BDA0001786081580000116
得到目标函数为
Figure BDA0001786081580000117
约束如上所述的凸优化问题。
前述的步骤(3)中分支限界法具体还包括以下步骤：
(3.1)设置上界UB0＝+∞，下界LB＝-∞，目标函数值obj＝0，等待队列wlist＝φ，迭代计数变量k＝0。
(3.2)设置松弛子问题SP(ωkth,βkth)，其中kth代表第k个子问题，并且将约束β＝{0,1}松弛为0≤β≤1。将松弛子问题添加至队列wlist。
(3.3)当队列不为空时，执行以下步骤：
(3.4)从队列中选取一个子问题，将其移除队列并对改子问题进行求解。
(3.5)如果该子问题无解，剪掉该分支。
(3.6)如果得到该子问题最优解并且全部
Figure BDA0001786081580000118
都为整数，设置LB＝obj，并移除队列中所有UBk＜LB的节点。
(3.7)如果得到该子问题最优解而
Figure BDA0001786081580000119
不全为整数，对子问题SP(ωk,βk)添加约束
Figure BDA00017860815800001110
得到子问题SP(ωk+1,βk+1)，设置k＝k+1,UBk＝obj。然后，对子问题SP(ωk,βk)添加约束
Figure BDA00017860815800001111
的到子问题SP(ωk+1,βk+1)，设置k＝k+1,UBk＝obj。
(3.8)跳转至步骤(3.3)，直到得到最优解。
本专利提出基于多射频通信的多用户计算迁移方法：
(1)本发明提出的方法同时考虑到用户的计算时延和计算能量问题，可以满足用户需求的多样性。
(2)本发明提出的方法同时利用多个射频进行数据传输，射频之间互相不干扰，极大提高了用户传输数据的速率。
(3)本发明提出的资源分配方法通过对用户的任务计算地点，用户利用的射频集合以及每个射频传输的数据量进行优化，使得总体受益用户最多，极大提高了多射频的利用效率。
(4)本发明提出的资源分配方法同时考虑用户在本地和云端计算代价，有效减少了总体用户的计算代价。
图1基于多射频通信的多用户计算迁移方法流程图。
图2基于多射频通信的多用户计算迁移方法中用户问题建模的流程图。
图3基于多射频通信的多用户计算迁移方法中利用新建变量以及McCormickenvelope松弛对问题转化的流程图。
图4基于多射频通信的多用户计算迁移方法利用分支限界法的求解流程图。
如图5，在该实施实例中，一共有两个用户User 1和User 2，每个用户的移动设备上有两个射频。每个用户都有一个计算任务Ji＝(gi,Di)，gi代表完成任务Ji所需要的CPU周期数，Di代表完成任务Ji所需要上传的数据量。从图中可以看出User1的任务J1＝(1GHZ,5000KB)，User2的任务J2＝(1.2GHZ,5100KB)。User 1和User 2都可以通过AP 1和AP 2进行数据上传。在开始计算前，用户先执行如下操作。首先，User 1和User 2分别获取其设备的计算能力(CPU)，射频数(此处都为2)，射频的传输功率；其次，User 1和User 2分别获取其计算任务的属性。其中User 1的计算任务需要的计算量为1GHZ，需要上传的数据量为5000KB，User 2的计算任务需要的计算量为1.2GHZ，需要上传的数据量为5100KB；然后，User 1和User 2分别设置自己的计算延迟和能量偏好的权重
Figure BDA0001786081580000121
和
Figure BDA0001786081580000122
最后，User1和User 2将上述信息发送至控制器。
然后，基于多射频通信的多用户计算迁移方法主要包括以下具体步骤：
(1)控制器依据User 1和User 2上传的信息计算他们在本地计算的代价
Figure BDA0001786081580000123
(2)控制器添加约束
Figure BDA0001786081580000124
及约束
Figure BDA0001786081580000125
Figure BDA0001786081580000126
以上约束分别代表用户的本地代价小于等于用户在云端计算的代价和用户的迁移决策等式。
Figure BDA0001786081580000127
都代表用户是否进行迁移。此时，
Figure BDA0001786081580000128
时代表用户在本地进行计算，
Figure BDA0001786081580000129
时代表用户在云端进行计算。此时，得到基于多射频通信的多用户计算迁移问题的初始模型。
(3)控制器利用提出的方法引入新变量
Figure BDA00017860815800001210
Figure BDA0001786081580000131
代表用户1是否利用射频1进行数据传输，当
Figure BDA0001786081580000132
时代表User 1不利用射频1进行传输，当
Figure BDA0001786081580000133
代表User 1利用射频1传输数据。其他变量同理。
(4)控制器添加约束：
Figure BDA0001786081580000134
其中，前两个约束为
Figure BDA0001786081580000135
替换为
Figure BDA0001786081580000136
的充分必要条件；后面四个约束为进行McCormick envelope松弛时产生的约束。然后，将约束
Figure BDA0001786081580000137
Figure BDA0001786081580000138
转化为如下约束：
Figure BDA0001786081580000139
并设置问题目标为
Figure BDA00017860815800001310
其代表总体受益用户人数。
(6)控制器设置上界UB0＝+∞，下界LB＝-∞，目标函数值obj＝0，等待队列wlist＝φ，迭代计数变量k＝0，利用如下分支限界法对问题进行求解。
(7)设置松弛子问题SP(ωkth,βkth)，其中kth代表第1个子问题，并且将约束β＝{0,1}松弛为0≤β≤1。将松弛子问题添加至队列wlist。
(8)当wlist非空时，执行以下步骤：
(9)从wlist选取一个子问题，将其移除队列并利用常见凸优化求解器(matlab，cvx)对该子问题进行求解。
(10)如果该子问题无解，剪掉该分支。
(11)如果得到该子问题最优解并且全部
Figure BDA00017860815800001311
都为整数，设置LB＝obj，并移除队列中所有UBk＜LB的节点。
(12)如果得到该子问题最优解而
Figure BDA00017860815800001312
不全为整数，对子问题SP(ωk,βk)添加约束
Figure BDA0001786081580000141
得到子问题SP(ωk+1,βk+1)，设置k＝k+1,UBk＝obj。然后，对子问题SP(ωk,βk)添加约束
Figure BDA0001786081580000142
的到子问题SP(ωk+1,βk+1)，设置k＝k+1,UBk＝obj。
(13)跳转至步骤11，直到得到最优解。
最终，本专利提出基于多射频通信的多用户计算迁移方法能达到如下有益效果：
(1)本发明提出的方法同时考虑到用户的计算时延和计算能量问题，可以满足用户需求的多样性。
(2)本发明提出的方法同时利用多个射频进行数据传输，射频之间互相不干扰，极大提高了用户传输数据的速率。
(3)本发明提出的资源分配方法通过对用户的任务计算地点，用户利用的射频集合以及每个射频传输的数据量进行优化，使得总体受益用户最多，极大提高了多射频的利用效率。
(4)本发明提出的资源分配方法同时考虑用户在本地和云端计算代价，有效减少了总体用户的计算代价。

Claims (1)

1.一种基于多射频通信的多用户计算迁移方法，其特征在于，包括以下步骤：
(1.1)控制器依据收集到的全体用户信息及***的目标，利用基于参数分析的多射频多用户计算迁移建模方法对多射频多用户计算迁移问题进行建模，得到初始问题模型Θ；
(1.2)控制器根据上一步得到的初始问题模型Θ的特点，利用基于McCormickenvelope的松弛与线性化方法对模型进行松弛与转化，得到松弛后的问题模型Θ*；
(1.3)控制器利用分支限界法对上一步得到的松弛后的问题模型Θ*进行求解，使得总体受益用户最多，并且使得用户迁移代价减少；
所述步骤(1.1)包括：
(2.1)分别计算用户i在本地完成任务Ji所需的时间Ti (m)及消耗的能量
Figure FDA0003876727570000011
Figure FDA0003876727570000012
其中，任务Ji@(gi,Di)，gi代表完成任务Ji所需要的CPU周期数，Di代表完成任务Ji所需要上传的数据量，fi (m)代表用户i的设备计算能力(CPU周期数)，ρi表示用户i的设备每CPU周期消耗的能量，U为用户集合，N为用户个数，
Figure FDA0003876727570000013
为射频集合，K为射频个数；
(2.2)计算用户i在本地的计算代价
Figure FDA0003876727570000014
Figure FDA0003876727570000015
其中，
Figure FDA0003876727570000016
分别代表用户i对计算延迟和计算能耗的偏好权重，其中
Figure FDA0003876727570000017
并且
Figure FDA0003876727570000018
(2.3)如果用户i如果选择在云端计算的话，计算用户i在第j个射频上的传输速率
Figure FDA0003876727570000019
其中，本发明采用无线竞争信道传输模型进行数据传输：
Figure FDA00038767275700000110
其中，
Figure FDA00038767275700000111
代表用户i利用射频j进行任务传输的比例，
Figure FDA00038767275700000112
(2.4)分别计算用户i在射频j上的数据上传时间
Figure FDA00038767275700000113
以及用户i通过射频j上传数据消耗的能量
Figure FDA00038767275700000114
Figure FDA0003876727570000021
其中，Di表示用户i完成任务Ji需要上传的数据量，Pi j代表用户i的移动设备上射频j的传输功率；
(2.5)计算任务Ji在云端计算所需时间Ti,cloud以及设备闲置状态下消耗的能量
Figure FDA0003876727570000022
Figure FDA0003876727570000023
其中，fi (c)表示用户i在云端被分配的计算能力，Pi (IDLE)表示用户i的设备在闲置状态下的功率；
(2.6)计算任务传输时间Ti (mtc)以及用户在各个射频上消耗的能量总和
Figure FDA0003876727570000024
Figure FDA0003876727570000025
其中，
Figure FDA0003876727570000026
为用户i通过射频j上传数据消耗的能量；
(2.7)计算用户i在云端的计算代价
Figure FDA0003876727570000027
Figure FDA0003876727570000028
其中，
Figure FDA0003876727570000029
为设备闲置状态下消耗的能量；
(2.8)由于只有当用户在云端计算的代价小于在本地计算的代价时，用户才会受益，才会进行迁移，所以得到如下约束：
Figure FDA00038767275700000210
(2.9)由于
Figure FDA00038767275700000211
和
Figure FDA00038767275700000212
都代表用户是否迁移，因此有如下约束：
Figure FDA00038767275700000213
(2.10)将总受益人数
Figure FDA00038767275700000214
作为目标，则目标的约束条件为
Figure FDA00038767275700000215
Figure FDA00038767275700000216
通过求解满足约束的
Figure FDA00038767275700000217
得到最大的受益人数；
所述步骤(1.2)包括：
(3.1)将
Figure FDA0003876727570000031
转化为如下形式，以去掉非线性的max函数：
Figure FDA0003876727570000032
(3.2)引入变量
Figure FDA0003876727570000033
将
Figure FDA0003876727570000034
等价替换为
Figure FDA0003876727570000035
需要满足如下四个条件：
①如果
Figure FDA0003876727570000036
那么应该有
Figure FDA0003876727570000037
②如果
Figure FDA0003876727570000038
那么应该有
Figure FDA0003876727570000039
③如果
Figure FDA00038767275700000310
那么应该有
Figure FDA00038767275700000311
④如果
Figure FDA00038767275700000312
那么应该有
Figure FDA00038767275700000313
即如下两个约束：
Figure FDA00038767275700000314
Figure FDA00038767275700000315
(3.3)将约束
Figure FDA00038767275700000316
用如下约束进行等价替换：
Figure FDA00038767275700000317
(3.4)引入新变量
Figure FDA00038767275700000318
因为
Figure FDA00038767275700000319
所以有如下约束：
①
Figure FDA00038767275700000320
②
Figure FDA00038767275700000321
③
Figure FDA00038767275700000322
④
Figure FDA00038767275700000323
(3.5)对上述约束进行化简，替换后得到如下约束：
Figure FDA0003876727570000041
(3.6)由于
Figure FDA0003876727570000042
而根据物理意义有：
Figure FDA0003876727570000043
因此用
Figure FDA0003876727570000044
替换
Figure FDA0003876727570000045
即
Figure FDA0003876727570000046
得到目标函数为
Figure FDA0003876727570000047
约束如上所述的凸优化问题；
所述步骤(1.3)包括：
(4.1)设置上界UB0＝+∞，下界LB＝-∞，目标函数值obj＝0，等待队列wlist＝φ，迭代计数变量k＝0；
(4.2)设置松弛子问题SP(ωkth,βkth)，其中kth代表第k个子问题，并且将约束β＝{0,1}松弛为0≤β≤1，将松弛子问题添加至队列wlist
(4.3)判断队列是否为空，若否，执行以下步骤；
(4.4)从队列中选取一个子问题，将其移除队列并对该子问题进行求解；
(4.5)如果该子问题无解，剪掉该分支；
(4.6)如果得到该子问题最优解并且全部
Figure FDA0003876727570000048
都为整数，设置LB＝obj，并移除队列中所有UBk＜LB的节点；
(4.7)如果得到该子问题最优解而
Figure FDA0003876727570000049
不全为整数，对子问题SP(ωk,βk)添加约束
Figure FDA00038767275700000410
得到子问题SP(ωk+1,βk+1)，设置k＝k+1,UBk＝obj；然后，对子问题SP(ωk,βk)添加约束
Figure FDA00038767275700000411
到子问题SP(ωk+1,βk+1)，设置k＝k+1,UBk＝obj；
(4.8)跳转至步骤(4.3)，直到得到最优解。
CN201811017232.2A 2018-09-01 2018-09-01 一种基于多射频通信的多用户计算迁移方法 Active CN109376374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811017232.2A CN109376374B (zh) 2018-09-01 2018-09-01 一种基于多射频通信的多用户计算迁移方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811017232.2A CN109376374B (zh) 2018-09-01 2018-09-01 一种基于多射频通信的多用户计算迁移方法

Publications (2)

Publication Number Publication Date
CN109376374A CN109376374A (zh) 2019-02-22
CN109376374B true CN109376374B (zh) 2023-04-07

Family

ID=65404088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811017232.2A Active CN109376374B (zh) 2018-09-01 2018-09-01 一种基于多射频通信的多用户计算迁移方法

Country Status (1)

Country Link
CN (1) CN109376374B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110535700B (zh) * 2019-08-30 2022-07-15 哈尔滨工程大学 一种多用户多边缘服务器场景下的计算卸载方法
CN112188551B (zh) * 2020-09-29 2023-04-07 广东石油化工学院 一种计算迁移方法、计算终端设备及边缘服务器设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106912079A (zh) * 2017-02-20 2017-06-30 北京邮电大学 一种缓存异构网络中联合用户接入选择及资源分配方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10492102B2 (en) * 2009-01-28 2019-11-26 Headwater Research Llc Intermediate networking devices
WO2012164328A1 (en) * 2011-05-27 2012-12-06 Nokia Corporation . Method and apparatus for sharing connectivity settings via social networks
CN105245265B (zh) * 2014-06-20 2021-01-01 中兴通讯股份有限公司 3d波束下的用户服务模式选择方法、导频信息发送及装置
CN107919986B (zh) * 2017-11-09 2020-09-08 北京邮电大学 超密集网络中mec节点间vm迁移优化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106912079A (zh) * 2017-02-20 2017-06-30 北京邮电大学 一种缓存异构网络中联合用户接入选择及资源分配方法

Also Published As

Publication number Publication date
CN109376374A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
CN109240818B (zh) 一种边缘计算网络中基于用户体验的任务卸载方法
CN109814951B (zh) 移动边缘计算网络中任务卸载及资源分配的联合优化方法
CN110351754B (zh) 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法
CN109885397B (zh) 一种边缘计算环境中时延优化的负载任务迁移算法
CN108880893A (zh) 一种移动边缘计算服务器联合能量收集及任务卸载方法
Shi et al. Toward energy-efficient federated learning over 5G+ mobile devices
Liu et al. Minimization of offloading delay for two-tier UAV with mobile edge computing
CN114189892A (zh) 一种基于区块链和集体强化学习的云边协同物联网***资源分配方法
CN104619029B (zh) 一种集中式蜂窝网络架构下的基带池资源分配方法和装置
CN113286329B (zh) 基于移动边缘计算的通信和计算资源联合优化方法
CN113286317B (zh) 一种基于无线供能边缘网络的任务调度方法
CN109376374B (zh) 一种基于多射频通信的多用户计算迁移方法
CN109905888A (zh) 移动边缘计算中联合优化迁移决策和资源分配方法
CN104869646B (zh) 异构无线网络中能量有效的资源分配方法
CN109246761A (zh) 考虑延迟及能耗的基于交替方向乘子法的卸载方法
CN111093226A (zh) 基于非正交多址接入与移动边缘计算多任务并行迁移方法
CN108990067B (zh) 一种应用于超密集异构网络的能效控制方法
CN110058934A (zh) 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
CN112867066A (zh) 基于5g多小区深度强化学习的边缘计算迁移方法
CN116939866A (zh) 一种基于协同计算和资源分配联合优化的无线联邦学习效率提升方法
CN115473896A (zh) 基于dqn算法的电力物联网卸载策略和资源配置优化方法
CN110191489B (zh) 一种超密集网络中基于强化学习的资源分配方法及装置
CN109981340B (zh) 雾计算网络***中联合资源优化的方法
CN116916386A (zh) 一种考虑用户竞争和负载的大模型辅助边缘任务卸载方法
CN110139282A (zh) 一种基于神经网络的能量采集d2d通信资源分配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant