欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022101014612
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于D2D通信的多任务联合计算卸载与资源分配方法,其特征在于,按预设周期执行以下步骤,将本地终端上的计算任务卸载到该本地终端周围具有空闲计算资源的各闲置终端,实现本地终端总开销最小化的本地终端计算任务的分配;

S1.以本地终端为中心,检测预设范围内存在的闲置终端,获取各闲置终端的计算能力fn、能耗定价 允许接受的最大能耗 信道状态gn,其中n∈{1,2,…,N},N为闲置终端的总数;

S2.基于本地终端上各计算任务的执行方式,构建各个决策样本;

S3.分别针对各决策样本,基于各计算任务的处理延迟函数tm,其中m∈{1,2,…,M},M为计算任务的总数,本地终端处理决策样本所分配各计算任务的总计算能耗函数Eloc、该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数其中n∈{1,2,…,N},N为闲置终端的总数,以及该各闲置终端分别接收本地终端各计算任务所对应的收取费用函数,确定本地终端对应该决策样本的总开销目标函数、以及约束条件;

S4.分别针对各决策样本,计算各决策样本分别所对应的本地终端与各闲置终端之间的传输时延上限、本地终端与各闲置终端之间的时延下限,确定在约束条件下该决策样本所对应的最佳传输时延函数;

分别针对各决策样本,基于本地终端对应该决策样本的总开销目标函数、约束条件、在约束条件下该决策样本所对应的最佳传输时延函数,计算本地终端对应该决策样本的总开销;

S5.以最小化本地终端总开销为目标,通过预设次数的迭代,选取使本地终端总开销最小的决策样本,并基于该决策样本完成本地终端上各计算任务的分配。

2.如权利要求1所述的基于D2D通信的多任务联合计算卸载与资源分配方法,其特征在于,所述步骤S2中构建决策样本的具体步骤如下:S21.本地终端上的各计算任务用集合Γ={T1,T2,…TM}表示,其中计算任务的总数为M,各计算任务的属性用集合{Cm,Dm,Lm}表示,其中Cm为处理该计算任务所需要的CPU周期总数,Dm为该计算任务的数据量,Lm为该计算任务允许接受的最大时延,其中m∈{1,2,…,M},M为计算任务的总数;

S22.将各闲置终端根据其信道增益由大至小进行排序并编号,各闲置终端的信道增益满足g1≥…≥gn≥…≥gN,其中gn为其中一个闲置终端的信道增益,n∈{1,2,…,N},N为闲置终端的总数,各闲置终端用集合Λ={1,2,…,N}表示;

S23.分别针对本地终端上的各计算任务中的一个计算任务Tm,其中m∈{1,2,…,M},M为计算任务的总数,构建计算任务Tm执行方式如下式:{xm,0,xm,1,…xm,n,…xm,N}式中xm,n表示计算任务Tm的执行方式,其中n∈{1,2,…,N},N为闲置终端的总数,xm,0=1表示计算任务Tm在本地终端进行处理,xm,0=0表示计算任务Tm不在本地终端进行处理,xm,n=1表示计算任务Tm卸载到闲置终端n进行处理,xm,n=0表示计算任务Tm不在闲置终端n进行处理,本地终端上的各计算任务集合中的每个计算任务的执行方式均满足S24.分别针对本地终端上的各计算任务,基于本地终端上的各计算任务的执行方式,构建决策样本,每个决策样本用一个M行,N+1列的矩阵A表示,矩阵A如下式:其中,矩阵A中第1列表示本地终端上的各计算任务的执行情况,第2列至第N+1列表示卸载到各闲置终端上的各计算任务的执行情况。

3.如权利要求2所述的基于D2D通信的多任务联合计算卸载与资源分配方法,其特征在于,所述步骤S3中确定本地终端总开销目标函数、以及约束条件具体步骤如下:S31.分别针对每个决策样本,将本地终端及各闲置终端上的计算任务数量用集合{K0,K1,…,KN}表示,针对本地终端上的各计算任务,将其按允许接受的最大时延Lm从大至小排列,并用集合 表示;针对闲置终端n上的各计算任务,将其按允许接受的最大时延Lm从大至小排列,并用集合 表示;

S32.分别计算本地终端处理决策样本所分配各计算任务的总计算能耗函数Eloc、该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数如下式:

式中,μ为每个CPU周期需要消耗的能量,ttran为本地终端向闲置终端卸载计算任务的传tot

输时间,P 为本地终端的最小发射总功率;

其中,基于决策样本所对应的计算任务执行决策x,本地终端向闲置终端卸载计算任务tot

的传输时间ttran,本地终端的最小发射总功率P 的关系如下式:式中,gn为第n个闲置终端,gn‑1为第n‑1个闲置终端,gN为第N个闲置终端,且gn‑1≥gn≥gN,W为传输信道带宽,n0为白噪声功率谱密度,k表示闲置终端编号;

S33.针对本地终端上的各计算任务中的一个计算任务Tm,将其卸载到闲置终端n,计算任务Tm的处理延迟tm的表达式如下式:式中,floc为本地终端的计算能力、fn为闲置终端的计算能力,Sn(m)为计算任务Tm在集合Sn中的位置,S0(m)为计算任务Tm在集合S0中的位置,i表示计算任务在集合S0或集合Sn中的编号;

S34.计算各闲置终端分别接收本地终端各计算任务所对应的收取费用函数Monn如下式:

式中, 为闲置终端n单位能耗的定价;

S34.基于计算任务Tm的处理延迟tm、本地终端处理决策样本所分配各计算任务的总计算能耗函数Eloc、该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数 各闲置终端分别接收本地终端各计算任务所对应的收取费用函数Monn,确定本地终端对应该决策样本的总开销目标函数如下式:约束条件为:

(1)

(2)

tot

(3)P ≤Pmax

(4)α+β+γ=1

(5)α,β,γ∈(0,1),ttran>0,xm,n∈{0,1}其中,Pmax为本地终端的最大发射功率, 为闲置终端n可接受的最大能耗,α、β、γ分别为本地终端针对处理延迟、能耗、各闲置终端分别接收本地终端各计算任务所对应的收取费用的权重系数。

4.如权利要求3所述的基于D2D通信的多任务联合计算卸载与资源分配方法,其特征在于,所述步骤S4中确定该决策样本所对应的最佳传输时延函数的具体步骤如下:S41.分别针对每个决策样本,计算本地终端与各闲置终端之间传输时延上限 如下式:

式中,Δn为本地终端与闲置终端n之间的传输时延上限,具体如下式:式中,t′m为计算任务Tm在本地终端或闲置终端的时延,具体如下式:S42.基于本地终端的最大发射功率Pmax,根据下式计算本地终端与各闲置终端之间传输时延下限 如下式:

S43.基于本地终端的最大发射功率Pmax,根据下式计算使得该决策样本所对应的本地终端总开销最小的传输时延t′tran:S44.基于本地终端与各闲置终端之间传输时延上限 传输时延下限 确定最佳传输时延函数

(1)若 且 则

(2)若 且 则

(3)若 且 则

(4)若 且 则根据步骤S41重新计算本地终端与各闲置终端之间传输时延上限,并记作(1)若 则

(2)若 则

S45.通过将最佳传输时延函数 带入至计算任务Tm的处理延迟tm表达式中,获得基于最佳传输时延函数 的计算任务Tm的处理延迟 基于本地终端对应该决策样本的总开销目标函数,获得本地终端对应该决策样本的总开销如下式:式中,σ为预设的惩罚值。

5.如权利要求4所述的基于D2D通信的多任务联合计算卸载与资源分配方法,其特征在于,所述步骤S5中以最小化本地终端总开销为目标,通过预设次数的迭代,选取使本地终端总开销最小的决策样本,完成本地终端上各计算任务的分配的具体步骤为:S51.以不同的决策样本参与迭代,并根据各决策样本对本地终端上的各计算任务进行分配,并预设最大迭代次数,判断是否达到预设最大迭代次数,若达到预设最大迭代次数,则选取各次迭代中使本地终端总开销最小的决策样本对本地终端上各计算任务进行分配;

若未达到预设最大迭代次数,则进行步骤S52;

S52.在各决策样本中实施交叉操作:在各决策样本中随机选取两个决策样本,记作A1、A2,决策样本反映了每个任务的执行决策,将决策样本中的N+1列向量视为染色体,各个染色体上都含有M个元素对应表示M个任务在本地终端或各闲置终端上的执行情况,分别将决策样本A1、A2记作父代个体1、父代个体2,随机选取染色体的位置以及染色体上交叉节点的位置,表达式如下式:

(θ1,θ2)

式中,θ1为染色体在其所属的父代个体中的位置,θ2为染色体中的交叉节点的位置。在该位置的基础上进行交叉互换,将父代个体1的前θ1‑1列以及第θ1列上的前θ2个元素与父代个体2的后N+1‑θ1列以及第θ1列上的后M‑θ2个元素进行组合生成新的个体1,将父代个体1的后N+1‑θ1列以及第θ1列上的后M‑θ2个元素与父代个体2的前θ1‑1列以及第θ1列上的前θ2个元素进行组合生成新的个体2,生成两个新的个体,分别记作子代个体1、子代个体2;

每次交叉操作完成后,针对每个子代个体,校验其是否满足 若表示计算任务缺失,则针对缺失的计算任务随机选取可对其进行执行的闲置终端或本地终端,若 表示计算任务重复,则随机选择执行该计算任务的闲置终端或本地终端;

S53.在各决策样本中实施变异操作:基于已完成的各次迭代中的各决策样本中,使本地终端总开销最小的决策样本不参与变异操作,针对其他各决策样本,以预设概率 执行变异操作,对于决策样本所对应的矩阵,随机选取染色体的位置以及染色体上变异元素的位置,表达式如下式:

(θ3,θ4)

式中,θ3为染色体在其所属个体中的位置,θ4为染色体上变异元素的位置;

以 表示染色体上元素的值,若 则将其值修改为0,并为其所对应的计算任务随机选取对其进行执行的闲置终端或本地终端,若 则将其值修改为

1,并将其所对应的计算任务从原执行该计算任务的闲置终端或本地终端上去除;

S54.针对各决策样本,以及经过交叉操作、变异操作所得的各决策样本,分别计算各决策样本所对应的本地终端总开销,并选取最佳的原始种群数量的样本构建样本群参与迭代,直至达到预设最大迭代次数。