没有合适的资源?快使用搜索试试~ 我知道了~
基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 81 浏览量
2023-02-23
20:05:01
上传
评论
收藏 832KB DOCX 举报
温馨提示
试读
29页
基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法.docx
资源推荐
资源详情
资源评论
1. 引言
随着物联网的普及以及物联网技术的不断升级,智能交通的建设也被广为关注,从而
衍生出了以车辆自组织网络(Vehicular Ad hoc NETworks, VANET)为代表的移动物联网
[1,2]
。
车联网(Internet Of Vehicles,IOV)主要指的是车载设备通过无线通信的技术,对于所能获得
到的所有车辆动态信息进行有效利用,从而在车辆移动的过程中提供各种不同的服务
[3]
。
车联网的特征主要体现在了:能够在车与车之间提供有效的距离保障,帮助用户进行实时
导航,通过与其他车辆的实时通信来提高交通运行的效率,以及降低车辆发生碰撞事故的
概率
[4-6]
。
考虑到车联网中对于信息处理的实时性的要求,如果将所有的信息处理都放在云平台
去执行,无法满足低延迟以及高质量的服务要求
[7-9]
。移动边缘计算(Mobile Edge
Computing, MEC)技术的出现将云计算和服务扩展到了网络边缘,由于靠近设备本身,保证
了信息处理的实时性,提高了数据传输的性能
[10-13]
。通过采用 MEC 技术,可以部署边缘
服务器等轻量级的基础设施,将云平台的计算任务放在边缘服务器上执行,从而减轻云平
台的任务执行压力,给用户带来更高质量的服务。但是如果所有用户将其任务都进行卸
载,也会给 MEC 服务器的计算能力带来很大的压力。任务卸载决策成为实现高效计算卸
载关键性问题
[14,15]
。
在任务卸载策略中,时耗以及能耗是需要着重考虑的两个方面。Oueis 等人
[16]
提出了
一种用于小型蜂窝云计算的负载分配方法,但是在多用户场景下的时间消耗上未做过多考
虑。通过综合考虑资源的分配以及计算方式,Wei 等人
[17]
提出了贪婪策略的任务卸载算
法,但该算法在节约能量的同时容易导致服务器任务堆积而增大时耗。Tran 等人
[18]
分析出
任务卸载的目标问题是混合整数非线性规划问题(Mixed Integer Nonlinear Layout Problems,
MINLP),将每个用户的卸载方式从任务完成时间以及设备能耗两方面进行考虑,但是并未
与车联网环境下的计算任务特殊性相结合。Kao 等人
[19]
考虑到移动边缘计算当中资源的有
限性,结合在线学习的方法来减小任务时延方面的问题,但是在与移动边缘计算技术相结
合上需要更进一步对时耗和能耗进行平衡。
本文提出基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法,主要工作如
下:(1)通过定义用户的任务计算卸载效用,综合考虑时耗和能耗;(2)结合模拟退火机制,
根据当前道路的密集程度对系统卸载效用进行优化,改变用户的卸载决策,选择在本地执
行或者卸载到边缘服务器上执行。仿真结果表明,本算法在给定的环境下使所有用户都能
得到满足低时延高质量的服务。在减少用户任务计算时间的同时降低了能量消耗。
2. 基本原理
2.1 场景模型
如图 1 所示,场景设置在车辆密集的十字路口,在十字路口有多个路边设备
(RoadSide Units, RSU),并且都配置有 MEC 服务器,将其看作一个服务器群。周围的车辆
(Vehicle)就是移动的用户,用户可以与服务器群中的任意一个进行通信并将任务资源卸载
到服务器上。因此,可以将用户以及服务器群进行如下定义:${V}=(1,2,\cdots,{v})$,
${M}=(1,2,\cdots,{m})$,由于将 RSU 与 MEC 进行了一一对应,所以均可以用${m}\in
{M}$进行代替。
图 1 场景模型
下载: 全尺寸图片 幻灯片
2.2 用户计算任务
将任务(Task)用$ T $进行表示,假设任意一个用户$ v $,在任一时刻,用户有一个需
要进行执行的计算任务,定义为$ {T}_{v} $,并且这个任务不能再分解为更小的子任务。
每个任务对应有两个必要的参数,即需要进行处理任务的大小(Size)和工作负载
[20,21]
,即执
行该任务所需的计算量(Cycles),因此可表示为${T}_{v}=\left\langle
{\begin{array}{c}{\rm{ds}}\left[{\rm{bit}}\right],\\
{\rm{dc}}\left[{\rm{cycles}}\right]\end{array}} \right\rangle$。
2.3 本地执行任务
定义 1 本地任务执行时间。
每个计算任务既可以在本地(Local)执行,也可以卸载到边缘服务器上,虽然将任务卸
载到边缘服务器会减轻本地计算的消耗,但是相应地,在上传相应任务的时候,会增加耗
时以及部分上传的能量消耗。将所有车辆用户的类型进行统一化,用户在本地执行计算的
能力是相同的,可以定义为${l}_{v}[{\rm{cycles}}/{\rm{s}}]$,结合每个任务所需要的计
算资源,可以得到,用户$ v $如果在本地执行计算任务$ {T}_{v} $,需要的时间如式(1)所
示
$$ {t}_{v}^{\mathrm{l}\mathrm{o}\mathrm{c}}=\frac{{{\rm{dc}}}_{v}}{{l}_{v}} $$
(1)
定义 2 用户任务执行能耗。
当用户在本地执行计算任务时,将用户执行计算的能耗功率定义为
$ {p}_{v}^{\text{loc}} $,可以得到计算任务在本地执行时的能耗为
$$ {e}_{v}^{\mathrm{l}\mathrm{o}\mathrm{c}}={p}_{v}^{\mathrm{l}\mathrm{o}\mathrm{c}}{t}_{v}^{\mathrm{l}\mathrm{o}\mathrm{c}}=\frac{{p}_{v}^{\mathrm{l}\mathrm{o}\mathrm{c}}{{\rm{dc}}}_{v}}{{l}_{v}},\fo
rall v\in V $$
(2)
2.4 任务卸载到边缘服务器
如果将任务上传到服务器,会增加任务时间消耗,主要可以将时间分作传输时间以及
在服务器上执行的时间,同时计算任务的执行也会产生能量的消耗。
定义 3 任务传输时间。
在车联网中,主要采用了短程通信技术,提供车辆以及基础设备之间的双向短程通信
[22]
。在专用短程通信技术(Dedicated Short Range Communications, DSRC)体系结构中,每辆
车上备有车载设备(On-Board Unit, OBU),相当于移动终端设备,具有一定的数据处理能
力,同时,在马路上还部署了相应的路边单元 RSU,为车辆提供数据访问服务
[9,23]
。
DSRC 的底层技术主要是采用了正交频分复用(Orthogonal Frequency Division
Multiplexing, OFDM)的技术
[24,25]
。如果只使用 1 个信道来传输信号将造成资源浪费的情
况,因此 OFDM 将信道划分成了若干个正交的子信道用于传输。另外,正交频分多址
(Orthogonal Frequency Division Multiple Access, OFDMA)技术如图 2 所示,作为 OFDM 的
演进,利用 OFDM 对信道进行子载波化后,在部分子载波上加载传输数据,从而用户可以
选择信道条件较好的子通道来进行数据传输,可以保证各个子载波都被对应信道较优的用
户使用,获得了频率上的分集增益。
图 2 OFDM 与 OFDMA 工作模式对比
下载: 全尺寸图片 幻灯片
假设将带宽 B 划分成 N 个相同的子频带,则每个大小为,
$ W=B/N\left({\rm{Hz}}\right) $,在车联网通信网络的物理层中,结合 OFDM 技术,划分
出了 7 个 10 MHz 的子信道用于传输,因此可以看作每个服务器有 7 条子信道。
用户$ v $可以在通信范围内的任一服务器$ m $的任一子频带进行数据的传输,可以
表示为$ {E}_{v,m}^{n} $。
由于用户可以选择在本地或者服务器上执行计算任务,假设$ {E}_{v,m}^{n}=1 $时,
表示用户在计算任务卸载到了边缘服务器上,因此可以得出约束条件
$$ \sum\limits_{m\in M}\sum\limits_{n\in (0,7]}{E}_{v,m}^{n}\le 1,v\in V $$
(3)
此外,在正交频分复用技术的使用中,存在有一定的噪声以及干扰,会对信号的接收
产生影响,导致通信质量的降低,可以用信号与干扰加噪声比来表示,用 h 来表示范围内
用户到服务器的信号增益矩阵,用${{\boldsymbol{p}}}_{v}^{{\rm{tran}}}$来表示用户的
输出功率矩阵,用$ {v}_{m}=\{v\in V|{E}_{v,m}^{n}=1\} $表示选择将计算任务卸载到边
缘服务器$ m $上的所有用户,因此可以计算出
$$ \begin{split}
{s}_{{v,{\rm{m}}}}^{n}=&\frac{|{{\boldsymbol{h}}|}_{v,m}^{n}{{\boldsymbol{p}}}_{v}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}}}{\displaystyle\sum\limits_{k\in
V\backslash {v}_{m}}{E}_{k,m}^{n}{{\boldsymbol{p}}}_{k}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}}{\left|{\boldsymbol{h}}\right|}_{k,m}^{n}+{\alpha }^{2}},
\\ &\forall v\in V,m\in M,n\in \left(\mathrm{0,7}\right] \end{split} $$
(4)
结合香农公式,可以得到信息的传输速率为
$$ {C}_{v,m}=W{\rm{log}}_{2}(1+{s}_{v,m}) $$
(5)
其中,$ {s}_{v,m} $为边缘服务器 s 上的所有子频带,即
$$ {s}_{{v}\text{,}m}=\sum\limits_{n\in \left(0,7\right]}{s}_{v,m}^{n} $$
(6)
通过式(5)可以得知,信息的传输不仅与信道的带宽有关,同时也受到了信噪比的影
响。此外,结合之前定义的计算任务的大小,可以得到用户$ v $传输任务的时间为
$$ {t}_{v}^{\text{tran}}=\sum\limits_{m\in M}\frac{{E}_{v,m}{{\rm{ds}}}_{v}}{{C}_{v,m}},\forall v\in V $$
(7)
定义 4 服务器任务执行时间。
当一个服务器$ m $接收到用户$ v $通过子频带上传的任务后,会在边缘服务器端进
行任务的执行工作,将单个边缘服务器的计算执行能力定义为
${r}_{m}[{\rm{cycles}}/{\rm{s}}]$,由于同一个服务器会同时处理多个任务,所以可以得
出约束条件
$$ \sum\limits_{v\in V\backslash {v}_{m}}{r}_{v,m}\le {r}_{m},\forall m\in M $$
(8)
其中,v 将计算任务卸载到边缘服务器 m 上的用户,即分配给服务器 m 上的每个任务
的计算执行能力之和不能超过服务器的总体计算能力,结合定义的计算任务模型,可以得
到任务在服务器端的执行时间为
$$ {t}_{v}^{\mathrm{c}\mathrm{o}\mathrm{m}}=\sum\limits_{m\in
M}\frac{{E}_{v,m}{{\rm{dc}}}_{v}}{{r}_{v,m}},\forall v\in V $$
(9)
综上所述,当用户选择将计算任务卸载到边缘服务器执行时,将消耗的总时间为
$$ \begin{split} {t}_{v}^{\mathrm{o}\mathrm{f}\mathrm{f}}=&
{t}_{v}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}}+{t}_{v}^{\mathrm{c}\mathrm{o}\mathrm{m}} =
\sum\limits_{m\in M}\frac{{E}_{v,m}{{\rm{ds}}}_{v}}{{C}_{v,m}}+\sum\limits_{m\in
M}\frac{{E}_{v,m}{{\rm{dc}}}_{v}}{{r}_{v,m}} \\ =& \sum\limits_{m\in
M}{E}_{v,m}\left(\frac{{{\rm{ds}}}_{v}}{{C}_{v,m}}+\frac{{{\rm{dc}}}_{v}}{{r}_{v,m}}\right),\forall v\in V
\\[-21pt] \end{split} $$
(10)
定义 5 任务传输能耗。
用户将任务卸载到将边缘服务器 m 上执行,用户的能耗主要是在任务传输期间产生
的,可以得到用户在传输时产生的能耗为
$$ \begin{split} {e}_{v}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}}=&
{{\boldsymbol{p}}}_{v}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}}{t}_{v}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}}={{\boldsymbol{p}}}_{v}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}}\sum
\limits_{m\in M}\frac{{E}_{v,m}{{\rm{ds}}}_{v}}{{C}_{v,m}} \\ =& {{\boldsymbol{p}}}_{v}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}}{{\rm{ds}}}_{v}\sum \limits_{m\in
M}\frac{{E}_{v,m}}{{C}_{v,m}},\forall v\in V \end{split} $$
(11)
剩余28页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3675
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功