1.工业物联网场景中具有延迟保证的能量高效雾计算迁移方法,其特征在于:包括如下步骤:步骤1,针对雾节点的能耗构成给出了综合性的考量即雾节点的能耗由本地计算、传输和等待状态的能耗组成,基于该考量构建了包含能量开销和时间延迟约束的雾节点能量消耗最小化模型;
步骤2,得到所述最小化模型的约束条件;
步骤3,根据步骤2中得到的约束条件,采用对偶方法来求解所述最小化模型,构建拉格朗日函数,并构造原始优化问题和相应的对偶问题,定义其中的优化变量和对偶变量;
步骤4,定义步骤3提出的拉格朗日函数对应于变量的梯度函数,通过导函数和反函数,得出优化变量的计算公式;
步骤5,提出一个加速梯度算法,定义临时变量,并通过临时变量进行对偶变量的更新,求解得出步骤3中对偶问题的最优解,然后根据步骤4中的优化变量计算公式推导出步骤3中优化问题的最优解,该优化问题的最优解即为最小化模型的最优解。
2.根据权利要求1所述的工业物联网场景中具有延迟保证的能量高效雾计算迁移方法,其特征在于:所述步骤1中,假设雾节点个数n=10,有1个云服务器,这些雾节点的计算能力统一设为fil=2*106周期/秒,i∈{1,2,…,10},而云服务器的计算能力为fc=2*108周期/秒;在通信环境中,定义无线信道带宽B=50Mb/s,信道的噪声功率密度N0=10-10W以及雾节点和云服务器之间的无线信道增益hi,且 不同雾节点i的计算任务大小wi相同,它们的大小在100Kb到1000Kb 之间;完成1比特计算任务时cpu所需要的转速ci等于1000周-3期/比特;每个雾节点的期望能耗Ei为1.5J,期望延时Ti为600ms;功率pi,c为10 W,能量消耗mi为10-8焦耳/周期;雾节点i的数据传输速率定义为Ri;符号ai表示进行计算迁移的数据量占总的任务数据量的比例,并且它可以表示成di=wiai。显然,ai满足条件0≤ai≤1。
在可容忍的时间延迟下能耗最小化模型如下:
3.根据权利要求1所述的工业物联网场景中具有延迟保证的能量高效雾计算迁移方法,其特征在于:所述步骤2中,所述约束条件,具体为:第一约束条件为,任务的完成时间不能超过期望时间,完成时间包括本地处理时间,传输时间和云服务器处理时间;
第二约束条件为,需要满足雾节点的能量消耗不能超过期望的能量消耗,能耗包括本地计算,传输和等待能量消耗;
第三约束条件为信道带宽;
第四约束条件为计算资源限制。
4.根据权利要求1所述的工业物联网场景中具有延迟保证的能量高效雾计算迁移方法,其特征在于:所述步骤3中,具体地,通过第一个和第二个约束条件构建拉格朗日函数,表述如下:其中λi和μi是拉格朗日乘子,它们分别与任务完成时间和能量消耗相关联;
其次,构造如下格式的优化问题表述如下:
s.t.0≤a≤1,t>0. (3)为了解决上述问题,建立了相应的对偶问题如下:
s.t.λ≥0,μ≥0. (4) 。
5.根据权利要求1所述的工业物联网场景中具有延迟保证的能量高效雾计算迁移方法,其特征在于:所述步骤4中,根据步骤3中所述的对偶问题,定义拉格朗日函数L(a,t,λ,μ)关于变量ai,ti,λi和μi的梯度函数如下:根据等式(6),定义一个函数β=y(x)-xy'(x),其中y'(x)=N02x/Bln2是函数y(x)得导函数,然后根据朗伯函数定义β函数中的变量x的反函数如下:其中W0(x)是朗伯函数W的主要分支,表示为 符号x和e是是自然对数的基数;
当将等式(6)置为0时,β函数可以被重写为:
根据等式(9),可以得到如下等式:
将等式(10)、(11)组合起来即可将等式(11)重写为如下形式:将等式(7)置为0时,可以得到ai的计算结果为:
因此,根据等式(12)、(13),ti可以如下计算得到:ti=wiai/Ri。
6.根据权利要求1所述的工业物联网场景中具有延迟保证的能量高效雾计算迁移方法,其特征在于:所述步骤5中,根据步骤3中所述的对偶问题,提出一个加速梯度算法以较快的收敛速度来求解出对偶变量的最优值,定义如下的临时变量:当k≥1时,临时变量εi(r)和δi(r)使用前两步的信息来更新自身。以等式(15)、(16)为基础,对偶变量λi和μi根据如下更新:最后,求解得出对偶问题(4)的最优解 然后根据等式(12)、(13),推导出优化问题(3)的最优解