基于边-端协同的任务卸载资源分配联合优化算法

doi:10.11959/j.issn.1000-0801.2020044

电信科学 ›› 2020, Vol. 36 ›› Issue (3): 42-52.doi: 10.11959/j.issn.1000-0801.2020044

基于边-端协同的任务卸载资源分配联合优化算法

吴柳青,朱晓荣

南京邮电大学通信与信息工程学院，江苏南京 210023

修回日期:2020-01-20 出版日期:2020-03-20 发布日期:2020-03-26
作者简介:吴柳青（1995- ），女，南京邮电大学通信与信息工程学院硕士生，主要研究方向为移动边缘计算|朱晓荣（1977- ），女，博士，南京邮电大学通信与信息工程学院教授、博士生导师，主要研究方向为下一代无线网络、异构网络

Joint optimization algorithm for task offloading resource allocation based on edge-end collaboration

Liuqing WU,Xiaorong ZHU

School of Communication and Information Engineering,Nanjing University of Posts and Telecommunications,Nanjing 210023,China

Revised:2020-01-20 Online:2020-03-20 Published:2020-03-26

摘要/Abstract

摘要：

为了解决移动终端资源有限的问题，提升任务处理效率，提出了基于边-端协同的任务卸载与资源分配算法，以任务完成总效益最大化为目标，以业务QoS保证和资源受限为约束，形成了基于李雅普诺夫理论的最优任务卸载资源分配问题，由于该问题是NP难问题，因此提出了解将其耦为采用KKT条件求解的信道资源分配问题和关于任务分配的0-1整数规划问题。与传统算法相比，所提算法的复杂度是O(mn)，并提高了约20%的效益，降低了15%以上的时延。

关键词: 移动边缘计算, 任务卸载, 资源分配, 李雅普诺夫理论

Abstract:

In order to solve the problem of limited mobile terminal resources and improve task processing efficiency,a task offloading resource allocation algorithm based on edge-end collaboration was proposed.With the goal of maximizing the total benefit of tasks,the optimal task offloading resource allocation problem based on Lyapunov theory was formed by the constraint of service QoS guarantee and resource limitation.Since the problem is NP-hard,it was decoupled into a channel resource allocation problem solved by KKT condition and a 0-1 integer programming problem about task assignment.Compared with the traditional algorithm,the complexity of the proposed algorithm was O(mn),the efficiency was improved by about 20%,and the delay was reduced more than 15%.

Key words: mobile edge computing, task offloading, resource allocation, Lyapunov theory

中图分类号:

TN929.5

吴柳青,朱晓荣. 基于边-端协同的任务卸载资源分配联合优化算法[J]. 电信科学, 2020, 36(3): 42-52.

Liuqing WU,Xiaorong ZHU. Joint optimization algorithm for task offloading resource allocation based on edge-end collaboration[J]. Telecommunications Science, 2020, 36(3): 42-52.

图/表 7

图1

图2

表1

仿真参数设置"

仿真参数	参数设置
任务数据D_i(t)	10 kbit～1 000 Mbit
MEC的CPU处理能力 $f_{j}^{e}$	25～30 GHz
本地终端CPU处理能力 $f_{i}^{l}$	1～1.5 GHz
处理1 bit所需CPU周期X_i	1 440
任务到达率λ_j	0.5
信道带宽B	20 MHz
终端发射功率P_i	0.5 W
噪声功率σ²	2×10 ^(-13)W
信道增益h_j,n	127+30logd

表1

图3

图4

图5

图6

参考文献 14

[1]	谢人超, 廉晓飞, 贾庆民 ,等. 移动边缘计算卸载技术综述[J]. 通信学报, 2018,39(11): 138-155.
	XIE R C , LIAN X F , JIA Q M ,et al. Overview of mobile edge computing offload technology[J]. Journal of Communications, 2018,39(11): 138-155.
[2]	FAN Q , ANSARI N . Application aware workload allocation for edge computing based IoT[J]. IEEE Internet of Things Journal, 2018,5(3): 2146-2153.
[3]	GUO H Z , LIU J J . Collaborative computation offloading for multiaccess edge computing over fiber–wireless networks[J]. IEEE Transactions on Vehicular Technology, 2018,67(5): 4514-4526.
[4]	CHEN X , SHI Q , YANG L . ThriftyEdge:resource-efficient edge computing for intelligent IoT applications[J]. IEEE Network, 2018,32(1): 61-65.
[5]	CHEN M , HAO Y X . Task offloading for mobile edge computing in software defined ultra-dense network[J]. IEEE Journal on Selected Areas in Communications, 2018,36(3): 587-597.
[6]	HAO Y X , CHEN M , HU L ,et al. Energy efficient task caching and offloading for mobile edge computing[J]. IEEE Access, 2018(6): 11365-11373.
[7]	CHEN X , JIAO L , LI W ,et al. Efficient multi-user computation offloading for mobile-edge cloud computing[J]. IEEE/ACM Trans.Netw., 2016,24(5): 2795-2808.
[8]	HAO Y X , CHEN M , HU L . Energy efficient task caching and offloading for mobile edge computing[J]. IEEE Access, 2018(6): 11365-11373.
[9]	CHEN W W , WANG D , LI K Q . Multi-user multi-task computation offloading in green mobile edge cloud computing[J]. IEEE Transactions on Services Computing, 2018,12(5): 726-738.
[10]	FAN W H , LIU Y A , TANG B H . Computation offloading based on cooperations of mobile edge computing-enabled base stations[J]. IEEE Access, 2018(6): 22622-22633.
[11]	CHENG K , TENG Y L , SUN W Q . Energy-efficient joint offloading and wireless resource allocation strategy in multi-MEC server systems[C]// Proceedings of 2018 IEEE International Conference on Communications (ICC). Piscataway:IEEE Press, 2018: 1-6.
[12]	XU X D , LIU J , TAO X . Mobile edge computing enhanced adaptive bitrate video delivery with joint cache and radio resource allocation[J]. IEEE Access, 2018(5): 16406-16415.
[13]	NEELY M . Stochastic network optimization with application to communication and queueing systems[J]. Synthesis Lectures on Communication Networks, 2010,3(1):211.
[14]	BOYE S , VANDENBERGHE L . Convex optimization[M]. Cambridge: Cambridge University PressPress, 2004.

[1]	康宇, 刘雅琼, 赵彤雨, 寿国础. AI算法在车联网通信与计算中的应用综述[J]. 电信科学, 2023, 39(1): 1-19.
[2]	汪晗, 刁磊, 王梦玲, 荣欣, 李佳珉, 尤肖虎. 工业物联网中URLLC的关键问题分析[J]. 电信科学, 2022, 38(Z1): 77-92.
[3]	贺智敏, 林育哲, 程宇杰, 闫实. 基于无线感知辅助的车联网下行无线资源分配方法[J]. 电信科学, 2022, 38(9): 60-70.
[4]	张天魁, 徐瑜, 刘元玮, 杨鼎成, 任元红. 无人机辅助MEC系统：架构、关键技术与未来挑战[J]. 电信科学, 2022, 38(8): 3-16.
[5]	邓平科, 张同须, 施南翔, 张童, 邵天竺, 郑韶雯. 星算网络——空天地一体化算力融合网络新发展[J]. 电信科学, 2022, 38(6): 71-81.
[6]	邹璐珊, 黄晓雯, 杨敬民, 郑艺峰, 张光林, 张文杰. 移动边缘计算中资源分配和定价方法综述[J]. 电信科学, 2022, 38(3): 113-132.
[7]	绳韵, 许晨, 郑光远. 基于NOMA的超密集MEC网络任务卸载和资源分配方案[J]. 电信科学, 2022, 38(2): 35-46.
[8]	丁铖, 陈锦荣, 曹小冬, 王翊. 基于服务质量的层次化结构资源分配算法[J]. 电信科学, 2022, 38(1): 102-111.
[9]	赵军辉, 张丹阳, 贺林. 智慧城轨交通通信技术的分析与展望[J]. 电信科学, 2021, 37(4): 1-13.
[10]	余云河, 孙君. 机器类通信中集中式与分布式Q学习的资源分配算法研究[J]. 电信科学, 2021, 37(11): 41-50.
[11]	马小婷,赵军辉,孙笑科,贡毅. 基于MEC的车联网协作组网关键技术[J]. 电信科学, 2020, 36(6): 28-37.
[12]	杨荣悦,张鹏洲,宋卿. 基于5G技术的智能车联网研究与展望[J]. 电信科学, 2020, 36(5): 106-114.
[13]	彭新玉,周扬,董振江. 基于车联网远程驾驶的虚拟资源智能协同管理技术[J]. 电信科学, 2020, 36(4): 61-68.
[14]	甄岩,余梦月,赵海波. 电力异构无线通信网络切片方案[J]. 电信科学, 2020, 36(2): 76-82.
[15]	李凯,刘伟,罗贵阳,李静林. 以用户为中心的智能化网络运营服务方法[J]. 电信科学, 2020, 36(2): 101-108.

基于边-端协同的任务卸载资源分配联合优化算法

Joint optimization algorithm for task offloading resource allocation based on edge-end collaboration

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 14

相关文章 15

Metrics

推荐阅读 0