CN111511028A - 一种多用户资源分配方法、装置、***及存储介质 - Google Patents

Abstract

本发明公开了一种多用户资源分配方法、装置、***及存储介质，该方法包括：根据用户设备和边缘服务器的任务确定用户设备任务量和边缘服务器任务量；根据用户设备和边缘服务器计算得到平均总功耗；根据用户设备任务量、边缘服务器任务量及基站协作比例计算得到平均执行时延；根据平均总功耗及平均执行时延计算得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。本发明公开了一种基于5G D－RAN多用户资源分配方法、装置、***及存储介质，基于联合带宽和计算资源分配算法，将***的加权能耗与计算时延作为***性能的评价指标。该算法在任务缓冲区的稳定性等约束下，实现了任务功耗与执行时延的平衡。

Description

一种多用户资源分配方法、装置、***及存储介质

技术领域

本发明涉及5G分布式无线接入网络技术领域，具体涉及一种(distributed－Radio Access Network，分布式无线接入网)多用户资源分配方法、装置、***及存储介质。

背景技术

在过去的几年中，智能手机正在渗透到人们的日常生活中，同时随着技术的不断发展，计算密集型应用程序激增，例如虚拟现实，互动类在线游戏等，目前的调查显示，在未来的几年内，移动数据流量将呈现***式增长，这也将给移动网络运营商带来无限压力。此外，因为信息计算的质量目前受到处理能力，内存和电池容量的限制，所以移动边缘计算的概念被引入。作为一项有前景的新技术，边缘服务器可以相应地在无线接入节点中分配计算资源，从而减少了从移动设备到云端进行数据交换过长的时延和功耗。

在边缘计算中，除了边缘节点中的资源分配问题，另一个挑战是移动设备与边缘节点之间数据传输的可靠性。然而，现有的基于边缘计算的资源分配方法，是将任务先卸载到微基站上，然后写在宏基站，最后才到达边缘服务器进行处理，提高了任务卸载需要的时延，因此任务处理能力较差。

发明内容

有鉴于此，本发明实施例提供了一种多用户资源分配方法、装置、***及存储介质，以解决现有技术中的资源分配方法任务处理能力较差的技术问题。

本发明提出的技术方案如下：

本发明实施例第一方面提供一种基于5G D－RAN多用户资源分配方法，所述分配方法基于5G D－RAN技术，包括如下步骤：根据用户设备和边缘服务器的任务确定用户设备任务量和边缘服务器任务量；根据用户设备和边缘服务器计算得到平均总功耗，根据所述用户设备任务量、边缘服务器任务量及基站协作比例计算得到平均执行时延；根据所述平均总功耗及平均执行时延计算得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

可选地，根据所述平均总功耗及平均执行时延计算得到能耗最小时信道分配与计算资源分配，包括：根据用户设备和边缘服务器的CPU频率、信道、用户设备任务量及边缘服务器任务量确定资源分配的限制条件；根据所述平均总功耗确定资源分配的优化问题；根据所述限制条件对所述优化问题进行计算，得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

可选地，根据所述限制条件对所述优化问题进行计算，得到用户设备和边缘服务器能耗最小时信道分配，包括：根据李雅普诺夫函数计算得到用户设备和边缘服务器的任务总量；根据所述任务总量、平均总功耗与李雅普诺夫漂移惩罚函数对所述优化问题进行计算，得到优化方程；根据所述限制条件与李雅普诺夫算法对所述优化方程进行计算，得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

可选地，根据所述限制条件与李雅普诺夫算法对所述优化方程进行计算，得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配，包括：根据高斯塞尔德迭代确定用户设备和边缘服务器的CPU频率和信道传输能耗的动态表达式；根据拉格朗日乘子法与二分搜索算法对所述动态表达式进行计算，得到信道分配与计算资源分配动态表达式；根据所述信道分配与计算资源分配分配动态表达式确定用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

可选地，所述用户设备任务量包括：任务缓冲区的任务量和用户设备处理的任务量，所述边缘服务器任务量包括被卸载到边缘服务器的任务量和从其他边缘服务器接收的任务量。

本发明实施例第二方面提供一种多用户资源分配装置，所述分配装置基于5G D－RAN技术，该资源分配装置包括：任务量确定模块：用于根据用户设备和边缘服务器的任务确定用户设备任务量和边缘服务器任务量；功耗计算模块：用于根据用户设备和边缘服务器计算得到平均总功耗；时延计算模块，用于根据所述用户设备任务量、边缘服务器任务量及基站协作比例计算得到平均执行时延；资源分配模块，用于根据所述平均总功耗及平均执行时延计算得到能耗用户设备和边缘服务器最小时信道分配与计算资源分配。

本发明实施例第三方面提供一种多用户资源分配***，包括：多个用户设备；多个边缘服务器；微处理器，用于根据本发明实施例第一方面及第一方面任一项所述的多用户资源分配方法对所述用户设备和边缘服务器的信号进行分配。

本发明实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的多用户资源分配方法。

本发明实施例第五方面提供一种多用户资源分配终端，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的多用户资源分配方法。

本发明提供的技术方案，具有如下效果：

本发明实施例提供的基于5G D－RAN多用户资源分配方法、装置、***及存储介质，在原有的单用户多边缘服务器的模型基础上引入了5G D－RAN模型，并扩展为多用户多边缘服务器场景。而在5G D－RAN中，基站拥有协作特性，所以边缘服务器不仅能够收到来自移动设备的数据，也能收到来自其他边缘服务器的数据，有效的保证了信息的可靠传输。

本发明实施例提供的基于5G D－RAN多用户资源分配方法，利用了李亚普诺夫优化算法，来决定***中的资源分配策略，分配策略的是由相应的能耗和时延来共同决定的，在最优解的决策过程中，能耗和时延需要达到相对的平衡。同时，在计算最优解的过程中，首先使用了高斯赛德尔迭代来得到最优的本地CPU频率与边缘服务器频率，然后使用拉格朗日乘子法实现信道资源与传输能耗的最优分配。

本发明实施例提供的基于5G D－RAN多用户资源分配方法，基于李亚普诺夫优化的联合带宽和计算资源分配算法，将***的加权能耗与计算时延作为***性能的评价指标。该算法在任务缓冲区的稳定性等约束下，实现了任务功耗与执行时延的平衡。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的基于5G D－RAN多用户资源分配方法的应用场景示意图；

图2是根据本发明实施例的基于5G D－RAN多用户资源分配方法的流程图；

图3是根据本发明实施例的基于5G D－RAN多用户资源分配方法的仿真结果示意图；

图4是根据本发明实施例的基于5G D－RAN多用户资源分配方法的另一仿真结果示意图；

图5是根据本发明实施例的基于5G D－RAN多用户资源分配装置的结构框图；

图6是根据本发明实施例的基于5G D－RAN多用户资源分配终端的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明实施例的应用场景示意图。在本发明实施例提供的基于5GD－RAN多用户资源分配方法对应的边缘网络中，有N个用户设备正在处理计算密集型任务，并且任务可以被部分卸载到M个边缘服务器处理，这些边缘服务器被视为安装在无线接入点的小型数据中心。在5G D－RAN中，基站之间可以进行数据交换，此时边缘服务器现在不仅可以收到从移动设备卸载的数据，也可以收到来自基站的协作数据，通过这种方式，用户设备可以拥有更多的计算资源和无线电资源。

本发明实施例提供一种基于5G D－RAN多用户资源分配方法，如图2所示，该资源分配方法包括如下步骤：

步骤S101：根据用户设备和边缘服务器的任务确定用户设备任务量和边缘服务器任务量。其中，用户设备可以是移动设备，该移动设备可以处于本地。

具体地，在该资源分配方法中，可以采用任务排队模型来表示***中待处理的任务量。假设用户设备正在接受独立且细粒度的任务，第t个时隙开始的时候，假定任务随机到达，有A_i(t)个比特到达第i个用户设备。其中所有的任务可以分成两个部分，第一部分是到达但还没被处理的任务，它们将在任务缓冲区中排队，同时该任务缓冲区被假定为具有无限容量，第二部分为被用户设备与边缘服务器处理的任务。

其中，本地下一时刻的队列长度可以用公式(1)表示：

Q_i(t+1)＝max{Q_i(t)-D_l,i(t)-D_r,i(t),0}+A_i(t) 公式(1)

其中，D_l,i(t)表示本地处理任务量，D_r,i(t)表示卸载到边缘服务器的任务量，Q_i(t)代表本地t时刻的队列长度。

边缘服务器下一时刻的协作队列长度可以公式(2)表示：

T_i,j,cop(t+1)＝max{T_i,j,incop(t)-D_s,i,j(t),0}+min{max{Q_i(t)-D_l,i(t),D_r,i,j(t)}}+G_j(t) 公式(2)

其中，G_j(t)表示从其他服务器收到的任务量。

边缘服务器下一时刻的非协作队列长度可以公式(3)表示：

T_i,j,incop(t+1)＝max{T_i,j,incop(t)-D_s,i,j(t),0}+min{max{Q_i(t)-D_l,i(t),D_r,i,j(t)}} 公式(3)

步骤S102：根据用户设备和边缘服务器计算得到平均总功耗；为了简化资源分配时的优化问题，本发明实施例研究了任务处理和卸载能耗，忽略维持***运行所需能量。将***的平均总功耗用作评价***性能的指标之一，并由公式(4)表示：

其中，T表示时隙的数量，E代表取平均值，P_loc,i,cop(t)表示本地协作能耗，P_loc,incop,i(t)表示本地非协作能耗，P_ser,cop,j(t)表示服务器协作能耗，P_ser,incop,j(t)表示服务器非协作能耗。

步骤S103：根据用户设备任务量、边缘服务器任务量及基站协作比例计算得到平均执行时延；具体地，根据Little理论所述，平均执行时延是由用户设备和MEC服务器的任务缓冲区中等待的平均任务量表示的，所以队列长度的平均总和被视为衡量执行延迟的性能指标，因此，平均执行时延可以用公式(5)表示，其中μ为基站的协作比例。

步骤S104：根据平均总功耗及平均执行时延计算得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。具体地，在确定平均执行时延的基础上，可以将多用户设备和多边缘服务器的功耗和资源分配进行联合考虑，并将其确定为优化问题，即该资源分配的优化问题为最小化***的能耗。

其中，在求解优化问题时，可以根据用户设备和边缘服务器的CPU频率、信道、用户设备任务量及边缘服务器任务量确定资源分配的限制条件，即在设备性能的约束(CPU频率的约束)与任务缓冲区的稳定性限制下，对优化问题进行求解。具体地，对应的限制条件可以用下列公式(6)至公式(12)表示。

0≤μ≤1 公式(6)

∑_i∈Nα_i,j(t)≤1,α_i,j(t)≥0 公式(7)

0≤f_i(t)≤f_i,max 公式(8)

0≤f_ser,j(t)≤f_ser,max 公式(9)

0≤p_tx,i,j(t)≤p_tx,max 公式(10)

其中，公式(7)代表的是j基站分配给i用户的信道占总信道的比例，该比例大于等于0。同时对于j基站，所有用户占用的信道比例之和应该小于1。公式(8)、公式(9)和公式(10)分别代表本地CPU频率的限制，边缘服务器CPU的限制与传输能耗的限制。公式(11)和公式(12)表示任务缓冲区的稳定性限制，表示所有到达的计算任务都能在有限的时延内完成。

在一实施例中，在求解优化问题时，可以采用李雅普诺夫优化算法。李雅普诺夫优化算法可以用于动态***的控制，而本发明实施例中用户设备任务量和边缘服务器任务量也是动态变化的，因此将李雅普诺夫算法用于会动态变化的任务中，用于表示网络中的队列积压总量。具体可以用公式(13)表示。

从基本的二次李亚普诺夫函数演化，优化问题可以被表示为成如下的形式。

公式(14)可以表示为李雅普诺夫漂移惩罚函数，该函数用于在稳定网络的同时最小化惩罚函数。其中V是非负权重，V的变化可以影响能耗与时延的权衡。

因此，根据李雅普诺夫优化算法可以将上述优化问题转化为将优化方程公式(14)的上边界最小化问题，其受到CPU的频率与信道分配的共同约束，同时参数之间存在耦合，所以为了将问题解耦，可以将优化问题分解成多个子问题。在求解时，可以根据高斯塞尔德迭代确定用户设备和边缘服务器的CPU频率和信道传输能耗的动态表达式；之后根据拉格朗日乘子法与二分搜索算法对动态表达式进行计算，得到信道分配动态表达式；根据信道分配动态表达式确定能耗最小化时信道分配。

本发明实施例提供的基于5G D－RAN多用户资源分配方法，在原有的单用户多边缘服务器的模型基础上引入了5G D－RAN模型，并扩展为多用户多边缘服务器场景。而在5GD－RAN中，基站拥有协作特性，所以边缘服务器不仅能够收到来自移动设备的数据，也能收到来自其他边缘服务器的数据，有效的保证了信息的可靠传输。

本发明实施例提供的基于5G D－RAN多用户资源分配方法，利用了李亚普诺夫优化算法，来决定***中的资源分配策略，分配策略的是由相应的能耗和时延来共同决定的，在最优解的决策过程中，能耗和时延需要达到相对的平衡。同时，在计算最优解的过程中，首先使用了高斯赛德尔迭代来得到最优的本地CPU频率与边缘服务器频率，然后使用拉格朗日乘子法实现信道资源与传输能耗的最优分配。

本发明实施例提供的基于5G D－RAN多用户资源分配方法，基于李亚普诺夫优化的联合带宽和计算资源分配算法，将***的加权能耗与计算时延作为***性能的评价指标。该算法在任务缓冲区的稳定性等约束下，实现了任务功耗与执行时延的平衡。

在一实施例中，李雅普诺夫优化算法可以采用下列代码表示。

在一实施例中，可以采用现有的软件如MATLAB等对本发明实施例提供的基于5GD－RAN多用户资源分配方法进行仿真实验，具体实验参数可以用下表表示。

表1

通过对本发明实施例提供的基于5G D－RAN多用户资源分配方法进行仿真实验，可以得到如图3和图4所示的结果。

其中，图3表示不同的信道资源分配下每个设备的平均队列长度和平均能耗与V的关系。从图3中可以看出，通过李雅普诺夫优化算法得到的优化信道分配，比信道资源均匀分配相比，具有更低的能耗与时延，同时V也可以作为控制参量来控制***的能耗与时延。例如在时延敏感型***中可以使用较小的控制参量，在能耗敏感型***中，可以使用较大的控制参量，最终实现了能耗与时延之间的平衡。

图4表示基站的不同协作程度下每个设备的平均能耗和平均队列长度与V的关系。从图4中可以看出，与传统的非协作式非写作相比，协作基站能够拥有更低的能耗与时延，同时随着协作程度的增加，边缘服务器的处理能力也会提高，导致的平均队列长度降低。因此，本发明实施例提供的基于5G D－RAN多用户资源分配方法，显著的提高了***的处理能力。

本发明实施例还提供一种基于5G D－RAN多用户资源分配装置，如图5所示，该资源分配装置包括：

任务量确定模块1：用于根据用户设备和边缘服务器的任务确定用户设备任务量和边缘服务器任务量；详细内容参见上述方法实施例中步骤S101的相关描述。

功耗计算模块2：用于根据用户设备和边缘服务器计算得到平均总功耗；详细内容参见上述方法实施例中步骤S102的相关描述。

时延计算模块3，用于根据用户设备任务量、边缘服务器任务量及基站协作比例计算得到平均执行时延；详细内容参见上述方法实施例中步骤S103的相关描述。

资源分配模块4，用于根据平均总功耗及平均执行时延计算得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。详细内容参见上述方法实施例中步骤S104的相关描述。

本发明实施例提供的基于5G D－RAN多用户资源分配装置的功能描述详细参见上述实施例中基于5G D－RAN多用户资源分配方法描述。

本发明实施例还提供了一种基于5G D－RAN多用户资源分配终端，如图6所示，该基于5G D－RAN多用户资源分配终端可以包括处理器51和存储器52，其中处理器51和存储器52可以通过总线或者其他方式连接，图6中以通过总线连接为例。

处理器51可以为中央处理器(Central Processing Unit，CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的基于5G D－RAN多用户资源分配方法。

存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储处理器51所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器52中，当被所述处理器51执行时，执行如图2所示实施例中的基于5G D－RAN多用户资源分配方法。

上述基于5G D－RAN多用户资源分配终端具体细节可以对应参阅图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (9)

1.一种多用户资源分配方法，其特征在于，所述分配方法基于5G D－RAN技术，包括如下步骤：

根据用户设备和边缘服务器的任务确定用户设备任务量和边缘服务器任务量；

根据用户设备和边缘服务器计算得到平均总功耗，根据所述用户设备任务量、边缘服务器任务量及基站协作比例计算得到平均执行时延；

根据所述平均总功耗及平均执行时延计算得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

2.根据权利要求1所述的多用户资源分配方法，其特征在于，根据所述平均总功耗及平均执行时延计算得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配，包括：

根据用户设备和边缘服务器的CPU频率、信道、用户设备任务量及边缘服务器任务量确定资源分配的限制条件；

根据所述平均总功耗及平均执行时延确定资源分配的优化问题；

根据所述限制条件对所述优化问题进行计算，得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

3.根据权利要求2所述的多用户资源分配方法，其特征在于，根据所述限制条件对所述优化问题进行计算，得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配，包括：

根据李雅普诺夫函数计算得到用户设备和边缘服务器的任务总量；

根据所述任务总量、平均总功耗与李雅普诺夫惩罚函数对所述优化问题进行计算，得到优化方程；

根据所述限制条件与李雅普诺夫算法对所述优化方程进行计算，得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

4.根据权利要求3所述的多用户资源分配方法，其特征在于，根据所述限制条件与李雅普诺夫算法对所述优化方程进行计算，得到用户设备和边缘服务器能耗最小化时信道分配与计算资源分配，包括：

根据高斯塞尔德迭代确定用户设备和边缘服务器的CPU频率和信道传输能耗的动态表达式；

根据拉格朗日乘子法与二分搜索算法对所述动态表达式进行计算，得到信道分配与计算资源分配动态表达式；

根据所述信道分配与计算资源分配动态表达式确定用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

5.根据权利要求1所述的多用户资源分配方法，其特征在于，所述用户设备任务量包括：任务缓冲区的任务量和用户设备处理的任务量，所述边缘服务器任务量包括被卸载到边缘服务器的任务量和从其他边缘服务器接收的任务量。

6.一种多用户资源分配装置，其特征在于，所述分配装置基于5G D－RAN技术，包括：

任务量确定模块：用于根据用户设备和边缘服务器的任务确定用户设备任务量和边缘服务器任务量；

功耗计算模块：用于根据用户设备和边缘服务器计算得到平均总功耗；

时延计算模块，用于根据所述用户设备任务量、边缘服务器任务量及基站协作比例计算得到平均执行时延；

资源分配模块，用于根据所述平均总功耗及平均执行时延计算得到用户设备和边缘服务器能耗最小时信道分配与计算资源分配。

7.一种多用户资源分配***，其特征在于，包括：

多个用户设备；

多个边缘服务器；

微处理器，用于根据权利要求1－5任一项所述的多用户资源分配方法对所述用户设备和边缘服务器的信号进行分配。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1－5任一项所述的多用户资源分配方法。

9.一种多用户资源分配终端，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1－5任一项所述的多用户资源分配方法。

Images