1.一种计算任务卸载方法,面向移动边缘计算服务器及用户终端提供计算任务卸载模型,基于所述计算任务卸载模型制定计算任务卸载决策非合作博弈模型,通过所述计算任务卸载决策非合作博弈模型制定基于博弈论原理的计算任务卸载博弈方法,进一步通过所述计算任务卸载博弈方法得到所述计算任务卸载方法,所述计算任务卸载模型包括通信模型、计算模型及能耗模型;所述计算任务卸载模型计算方法包含以下步骤:步骤1,所述通信模型的计算方法:所述通信模型用于所述用户终端根据当前位置确定其所属的基站,通过宏基站直接访问或通过小型基站、所述宏基站顺序访问所述移动边缘计算服务器,当所述用户终端将所述计算任务卸载到移动边缘计算服务器时,使用通信信道与所述移动边缘计算服务器连接,设定的所述小型基站与所述宏基站间的回程链路传输bh
速率为r ,设定所述计算任务为uti,j,设定所述用户终端为UEi,所述宏基站为MBS,所述小型基站为SBS,所述计算任务为uti,j上行链路和所述回程链路中的时间消耗为总通信延迟定义计算公式为:
其中, 为所述计算任务uti,j上行链路中的时间消耗, 为所述计算任务uti,j回程链路中的时间消耗,所述 表示所述计算任务uti,j所需的输入数据集的大小,正交通信通道分配给UEi的传输速率 通过如下公式计算:二进制变量ci,k={0,1}表示所述正交通信通道 是否分配给UEi, 对 UEi的信号干扰噪声比(SINR)可以定义为:其中,σ表示5G无线接入网络中加性高斯白噪声的功率,pk,q表示所述 使用第q个QoE服务级别时的传输功率,q=QoEi是UEi的QoE偏好值,hi,m表示 在UEi和BSm之间的通道收益,通过UEi和BSm之间的距离计算得到:其中,di,m为UEi和BSm之间的距离,1≤di,m≤Dm,Dm是BSm的最大覆盖半径,而∈是路径损耗因子,其他基站中的UE与BSm中的UEi之间在所述 的信道干扰表示为步骤2,所述计算模型的计算方法:每个在所述用户终端执行的所述计算任务同时能够卸载到所述移动边缘计算服务器上执行,所述计算模型通过比较所述用户终端本地执行及卸载到所述移动边缘计算服务器上执行的时间消耗,做出卸载决策,所述用户终端本地执行计算的时间消耗是基于异构的具有不同硬件及计算能力的所述用户终端决定的,设定fi为所述用户终端的计算能力,即所述用户终端每单位时间执行fi条指令,对于所述用户终端的一个本地计算任务uti,j,其时间消耗的计算方法为:其中, 是完成所述uti,j所需的CPU周期数;
所述卸载到所述移动边缘计算服务器上执行的时间消耗,对于所述用户终端中需要被卸载的某个计算任务uti,j,其卸载过程中的消耗 包含两个部分:所述用户终端和所述移动边缘计算服务器之间的传输延迟 所述移动边缘计算服务器执行延迟所述移动边缘计算服务器执行延迟 通过如下公式进行计算:其中,fs,q表示MEC服务器提供第q级QoE服务时的计算能力,ws是MEC服务器的当前工作负载,由所有卸载任务的计算总量计算得出,wmax是MEC服务器可接受的最大工作负载,θw是工作负载的阈值;
所述卸载过程中uti,j的总时间消耗 的计算方式如下:步骤3,所述能耗模型的计算方法:基于所述通信模型及所述计算模型,进一步地,计算每个用户终端的能量消耗,所述能耗模型的计算包括所述用户终端的本地能耗计算及卸载能耗计算,所述本地能耗计算,对于所述用户终端本地执行的计算任务uti,j,uti,j的能耗定义为:
其中, 是完成所述uti,j所需的CPU周期数,wi是所述用户终端的单位能源成本;所述用户终端的本地能耗 是所述用户终端的所有本地执行任务的总能耗为所述卸载能耗的计算,对于所述用户终端计算任务uti,j卸载到所述移动边缘计算服务器,那么uti,j的卸载能耗 由三部分组成:其中 表示指的是所述终端在等待所述uti,j卸载过程中的空闲能耗, 是指从所述终端到所述移动边缘计算服务器的传输过程中所述uti,j的能耗, 是指移动边缘计算服务器计算所述uti,j所需的能耗;
其中,空闲能耗 计 算方法如下:为所述终端在等待所述uti,j卸载过程中的等待时长, 是UEi空闲状态下的单位能耗,通过如下公式计算所述
其中, 是uti,j所需的输入数据集的大小, 是第k个上行链路信道 的 单位传bh
输成本,w 是SBS和MBS之间的回程链路的单位传输成本, uti,j的卸载执行过程的MEC服务器的能耗 计算如下:
其中,ws,q是MEC服务器提供第q级QoE服务的单位能耗;
其中,i为所述用户终端的编号,j为所述用户终端上的任务编号,k为无线网络通信中的通道编号,m为基站的编号;
所述非合作博弈模型定义所述用户终端计算任务卸载决策,所有所述计算任务的卸载决策定义为计算任务卸载决策组合,所述卸载决策最小化所述能量消耗及时间延迟,将ai,j∈{0,1}表示为所述计算任务uti,j的卸载决策,其中ai,j=0表示uti,j将在所述用户终端本地执行,ai,j=1表示uti,j将被卸载到所述移动边缘计算服务器中执行;设是所述用户终端上所有计算任务的卸载策略集;设所有的N个所述用户终端上有M个计算任务,A={ai,...,aM}表示所述计算任务卸载决策组合;
所述计算任务卸载策略定义为多玩家非合作博弈模型G={UE,A,Z},其中UE是所述用户终端,A是所述计算任务卸载策略,Z是成本,设定所述用户终端UE={UE1,...,UEN}为所述非合作博弈模型中的N个玩家,每个的玩家选择所述计算任务卸载决策组合,定义A={A1,...,Ai,...,AN}是所有所述玩家的全局计算任务卸载决策组合,定义是所述UEi的局部所述计算任务卸载决策组合,在每个博弈决策过程中,当前所述玩家选择所述Ai作为其博弈策略,并根据Ai计算玩家的所述成本Z;
设A‑1=(A‑Ai){A1,...,Ai‑1,Ai+1,...,AN}是除玩家UEi之外的所有其他玩家的一组计算任务卸载策略集合,给定一个策略集合A‑1,所述UEi可以选择一个所述局部计算任务卸载策略集合 来决定其所述用户终端上的所有任务的卸载情况;对于每个所述卸载任务uti,j,设置ai,j=1,uti,j在卸载过程中的成本函数为:反之,所述UEi决定在本地执行所述uti,j,则设置ai,j=0,其成本函数为:对于所述非合作博弈模型中的每个所述玩家选择适当的所述卸载决策集Ai以在竞争环境中最小化其自身的所述成本函数,则所述UEi的整体成本函数如果在所述全局计算任务卸载决策集 中,没有所述玩家可以通过*
单方面改变它的所述局部卸载决策集来进一步降低成本,则所述A是所述非合作博弈模型的纳什均衡解决方法,其成本函数计算为:所述基于博弈论原理的计算任务卸载博弈方法计算每个所述用户终端的最佳卸载策略,以有效地找到所述非合作博弈模型的纳什均衡解决方法,在所述计算任务卸载方法中使用动态博弈策略,即每个玩家在制定策略时都存在顺序约束,后一个玩家可以观察到先前玩家的决策信息,所述动态博弈策略根据时间先后顺序执行,在博弈迭代之前,通过随机选择每个玩家的局部计算任务卸载策略值来生成一组初始全局计算任务卸载策略组合为每个玩家的任务进一步随机选择卸载策略,并根据所述整体成本
0 0
函数Zi(Ai|A‑i)计算得到所述初始决策集合A所对应的总成本Z;
为了确保每个全局计算任务卸载策略只计算一次并且不会重复,设定一个Q表来存储
0 0
访问的策略和相应的成本值,表示为Q={(A ,Z),...},所述计算任务卸载博弈方法中的博弈迭代步骤为:
0
步骤S1,基于初始全局决策集合Z ,开始第一轮博弈迭代,首先随机选择一个玩家UEi,根据 来更改其局部卸载决策A′i,并获得最佳决策集 以及使相应的成本Z′i;
0
步骤S2:通过比较Z′i和Z之间的成本值,并选择成本值较小的所述计算任务卸载策略集作为玩家UEi当前博弈操作的全局计算任务卸载决策,设置为步骤S3:将 的值存储到Q表中,继续从其余玩家中随机选择另一个玩家UEj,并根据前一玩家UEi所选择的全局决策集 来更改其局部卸载决策A′j,并获得最佳决策集以及使相应的成本Z′j,继续比较Z′j和 之间的成本值,并为UEj选择成本值较小的计算任务卸载策略,并设置为 将更新的策略 和相应的成本 存储到所述Q表中;
步骤S4:随机选择所有玩家并且基于先前玩家的计算任务卸载策略,调整他们的卸载1
策略,选择最后一个玩家的卸载策略作为该轮博弈迭代的最终全局卸载决策集A;
1
在每一轮博弈迭代之后,检查全局卸载决策集A是否是该博弈模型的纳什均衡解决方1
法,如果A满足
1
则说明所述A是计算卸载博弈选择的纳什均衡解决方法,否则,所有玩家开始新的一轮1
博弈迭代并且将A作为新一轮迭代的初始全局任务卸载策略,重复上述博弈迭代步骤S1‑S4,直到找到纳什均衡解决方法。