基于拉格朗日的计算迁移能耗优化策略

doi:10.11959/j.issn.1000-0801.2018295

电信科学 ›› 2018, Vol. 34 ›› Issue (12): 10-23.doi: 10.11959/j.issn.1000-0801.2018295

基于拉格朗日的计算迁移能耗优化策略

乐光学^1,²,朱友康²,刘建生²,戴亚盛²,游真旭²,徐浩²

¹ 嘉兴学院数理与信息工程学院，浙江嘉兴 314001
² 江西理工大学理学院，江西赣州 341000

修回日期:2018-12-10 出版日期:2018-12-01 发布日期:2019-01-02
作者简介:乐光学（1963-），男，嘉兴学院数理与信息化工程学院教授，主要研究方向为多云融合与协同服务、无线mesh网络与移动云计算、混成与嵌入式系统。|朱友康（1992-），男，江西理工大学理学院硕士生，主要研究方向为边缘计算和计算迁移。|刘建生（1959-），男，江西理工大学理学院副教授，主要研究方向为深度学习。|戴亚盛（1993-），男，江西理工大学理学院硕士生，主要研究方向为 mesh 网络协同服务。|游真旭（1993-），女，江西理工大学理学院硕士生，主要研究方向为数据挖掘和推荐算法。|徐浩（1993-），男，江西理工大学理学院硕士生，主要研究方向为数据挖掘。
基金资助:
国家自然科学基金资助项目(61462036);国家自然科学基金资助项目(61572014);国家自然科学基金资助项目(61702224);浙江省自然科学基金资助项目(LY16F020028);浙江省自然科学基金资助项目(LQ15F010008);浙江省自然科学基金资助项目(LY15F020040)

Optimizing strategy of computing off loading energy consumption based on Lagrangian method

Guangxue YUE^1,²,Youkang ZHU²,Jiansheng LIU²,Yasheng DAI²,Zhenxu YOU²,Hao XU²

¹ College of Mathematical Information and Engineering,Jiaxing University,Jiaxing 314001,China
² College of Science,Jiangxi University of Science and Technology,Ganzhou 341000,China

Revised:2018-12-10 Online:2018-12-01 Published:2019-01-02
Supported by:
The National Natural Science Foundation of China(61462036);The National Natural Science Foundation of China(61572014);The National Natural Science Foundation of China(61702224);The National Natural Science Foundation of Zhejiang Province of China(LY16F020028);The National Natural Science Foundation of Zhejiang Province of China(LQ15F010008);The National Natural Science Foundation of Zhejiang Province of China(LY15F020040)

摘要/Abstract

摘要：

随着移动网络技术的发展和智能终端的普及应用，移动边缘计算已成为云计算的一个重要应用。计算迁移策略已成为移动边缘计算服务的关键问题之一。以移动终端总的计算时间和移动终端能耗最小化为目标，将移动终端的计算迁移资源划分问题建模为一个凸优化问题，运用拉格朗日乘子法进行求解，提出基于阈值的迁移优化策略模型。仿真实验表明，本迁移优化策略模型能有效平衡本地计算和迁移计算之间的关系，为移动边缘计算中执行计算密集型应用提供保障。

关键词: 边缘计算, 计算迁移, 能耗, 计算时间, 拉格朗日, 凸优化

Abstract:

With the development of mobile network technology and the popularization and application of intelligent terminals,mobile edge computing has become an important application of cloud computing.Computing offloading strategy has become one of the key issues in mobile edge computing services.Targeting the total computing time of the mobile terminal and minimizing the energy consumption of the mobile terminal,the computation offloading resource allocation problem of the mobile terminal was modeled as a convex optimization problem,solved by the Lagrange multiplier method,and a threshold-based offloading was proposed.Simulation experiments show that the proposed offloading optimization strategy model can effectively balance the relationship between local computing and offloading,and provide guarantee for executing computation-intensive applications in mobile edge computing.

Key words: edge computing, computation offloading, energy consumption, computing time, Lagrangian

中图分类号:

TP393

乐光学,朱友康,刘建生,戴亚盛,游真旭,徐浩. 基于拉格朗日的计算迁移能耗优化策略[J]. 电信科学, 2018, 34(12): 10-23.

Guangxue YUE,Youkang ZHU,Jiansheng LIU,Yasheng DAI,Zhenxu YOU,Hao XU. Optimizing strategy of computing off loading energy consumption based on Lagrangian method[J]. Telecommunications Science, 2018, 34(12): 10-23.

图/表 14

表1

表2

表3

图1

图2

表4

符号及其含义"

符号	含义
K	系统中终端用户总数量
k	第k个终端用户
T	迁移总时隙
D_k	终端k某个任务的数据量
d_k	终端k任务迁移的数据量
C_c	边缘云上计算1 bit数据所需的CPU周期数
C_k	终端k计算1 bit数据所需的CPU周期数
H	信道增益
σ	高斯白噪声的方差
p_k	终端k的传输功率
B	系统信道带宽
r_k	数据传输速率
$f_{k}^{(l)}$	终端k的计算能力（即每秒的CPU周期数）
$f_{k}^{(e)}$	边缘云的计算能力（即MEC服务器每秒的周期数）
t_k	分配给终端k的迁移时隙
a_k	迁移决策约束变量
e_k	终端k本地计算每个CPU周期的能耗
w_k	终端k对应的拉格朗日乘子

表4

表5

图3

图4

图5

图6

图7

图8

图9

参考文献 28

[29]	LYU X C , TIAN H , JIANG L ,et al. Selective offloading in mobile edge computing for the green internet of things[J]. IEEE Network, 2018,32(1): 54-60.
[30]	YOU C S , HUANG K B . Multiuser resource allocation for mobile-edge computation offloading[C]// 2016 IEEE Global Communications Conference,Dec 4-8,2016,Washington,DC,USA. Piscataway:IEEE Press, 2016: 1-6.
[1]	PAVEL M , ZDENEK B . Mobile edge computing-a survey on architecture and computation offloading[J]. IEEE Communications Surveys and Tutorials, 2017,PP(99):1.
[2]	张文丽, 郭兵, 沈艳 ,等. 智能移动终端计算迁移研究[J]. 计算机学报, 2016,39(5): 1021-1038.
	ZHANG W L , GUO B , SHEN Y ,et al. Mobile offloading on intelligent mobile terminal[J]. Chinese Journal of Computers, 2016,39(5): 1021-1038.
[3]	关沫 . 复杂网络中的计算迁移问题[D]. 沈阳:东北大学, 2005.
	GUAN M . Computing migration in complex networks[D]. Shenyang:Northeastern University, 2005.
[4]	徐羽琼, 谌宗佳, 潘纲 ,等. Task Shadow-V:基于虚拟化的跨移动设备用户任务迁移[J]. 软件学报, 2011,22(2): 129-136.
	XU Y Q , SHEN Z J , PAN G ,et al. Task Shadow-V:user task migration across mobile devices based on virtualization[J]. Journal of Software, 2011,22(2): 129-136.
[5]	HUERTA C G , LEE D . A virtual cloud computing provider for mobile devices[C]// ACM Workshop on Mobile Cloud Computing and Serevice:Social Networks and Beyond,June 15,2010,San Francisco,California,USA. New York:ACM Press, 2010: 1-5.
[6]	SATYANARAYANAN M . Pervasive computing:vision and challenges[J]. IEEE Personal Communications, 2001,8(4): 10-17.
[7]	LIU L Q , CHANG Z , GUO X J ,et al. No cloud:exploring network disconnection through on-device data analysis[J]. IEEE Pervasive Computing, 2018,17(1): 64-74.
[8]	GABRIEL O , BADE D , WINFRIED L . Computing at the mobile edge:designing elastic android applications for computation offloading[C]// Wireless and Mobile Networking Conferrence,Oct 5-7,2015,Munich,Germany. Piscataway:IEEE Press, 2015: 112-119.
[9]	SHERIF A , BECHIR H , MOHSEN G ,et al. Replisom:disciplined tiny memory replication for massive IoT devices in lte edge cloud[J]. Internet of Things Journal, 2016,3(3): 327-338.
[10]	KARIM H , MOSTAFA A , KHALED A H ,et al. Fem to clouds:leveraging mobile devices to provide cloud service at the edge[C]// Cloud Computing (CLOUD) 2015 IEEE 8th International Conference,June 27-July 2,2015,New York,NY,USA. Piscataway:IEEE Press, 2015: 9-16.
[11]	MICHAEL T B , SEBASTIAN F , THOMAS S ,et al. Me-VoLTE:network functions for energy-efficient video trans coding at the mobile edge[C]// (ICIN)2015 18th International Conference/ Intelligence in Next Generation Networks,Feb 17-19,2015,Paris,France. Piscataway:IEEE Press, 2015: 38-44.
[12]	NORIYUKI T , HIROYUKI T , RYUTARO K . Analysis of process assignment in multi-tier mobile cloud computing and application to edge accelerated Web browsing[C]// 2015 3rd IEEE International Conference on Mobile Cloud Computing,Services,and Engineering (Mobile Cloud),March 30-April 3,2015,San Francisco,CA,USA. Washington DC:IEEE Computer Society, 2015: 233-234.
[13]	SWAROOP N , APOSTOLOS K , MOHAMED I ,et al. Enabling real-time context-aware collaboration through 5G and mobile edge computing[C]// 2015 12th International Conference on Information Technology New Generations (ITNG),April 13-15,2015,Las Vegas,NV,USA. Piscataway:IEEE Press, 2015: 601-605.
[14]	GAO W , . Opportunistic peer-to-peer mobile cloud computing at the tactical edge[C]// Military Communications Conference (MILCOM),Oct 6-8,2014,Baltimore,MD,USA. Washington DC:IEEE Computer Society, 2014: 1614-1620.
[15]	ZHANG W , WEN Y . Energy-optimal mobile cloud computing under stochastic wireless channel[J]. IEEE Transactions on Wireless Communications, 2013,12(9): 4569-4581.
[16]	YOU C , HUANG K , CHAE H C . Energy efficient mobile cloud computing powered by wireless energy transfer (extended version)[J]. IEEE Journal on Select Areas in Communications, 2016,34(5): 1757-1771.
[17]	MAO Y , ZHANG J , LETAIEF K B . Dynamic computation offloading for mobile-edge computing with energy harvesting devices[J]. IEEE Journal on Select Areas in Communications, 2016,34(12): 3590-3605.
[18]	XIANG X , LIN CL , CHEN X . Energy-efficient link selection and transmission scheduling in mobile cloud computing[J]. IEEE Wireless Communications Letters, 2014,3(2): 153-156.
[19]	STEFANIA S , GESUALDO S , SERGIO B . Joint optimization of radio and computational resources for multicell mobile-edge computing[J]. IEEE Transactions on Signal and Information Processing over Networks, 2014,1(2): 89-103.
[20]	ZHAO T , ZHOU S , GUO X . A cooperative scheduling scheme of local cloud and internet cloud for delay-aware mobile cloud computing[C]// IEEE Globecom Workshops,Dec 6-10,2015,San Diego,CA,USA. Piscataway:IEEE Press, 2015: 1-6.
[21]	CHEN X , JIAO L , LI W . Efficient multi-user computation offloading for mobile-edge cloud computing[J]. IEEE/ACM Transactions on Networking, 2015,24(5): 2795-2808.
[22]	CHEN L X , XU J , ZHOU S . Computation peer offloading in mobile edge computing with energy budgets[C]// 2017 IEEE Global Communications Conference,Dec 4-8,2017,Singapore. Piscataway:IEEE Press, 2017: 1-6.
[23]	ZHANG C , LIU Z , GU B ,et al. A deep reinforcement learning based approach for cost-and energy-aware multi-flow mobile data offloading[J]. IEICE Transactions on Communications, 2018.
[24]	ZHANG C , GU B , LIU Z ,et al. Cost-and energy-aware multi-flow mobile data offloading using Markov decision process[J]. IEICE Transactions on Communications, 2018.
[25]	MUHAMMAD A , SHAFI U K , RASHID A ,et al. Game- theoretic solutions for data offloading in next generation networks[J]. Symmetry Open Access Journal, 2018,10(8).
[26]	DONGHYEOK H , GI S P , SONG H J . Mobile data offloading system for video streaming services over SDN-enabled wireless networks[C]// The 9th ACM Multimedia Systems Conference,June 12-15,2018,Amsterdam,Nederland. New York:ACM Press, 2018: 174-185.
[27]	REZA R , TIMOTHY J P , RONALD P ,et al. No cloud:exploring network disconnection through on-device data analysis[J]. IEEE Pervasive Computing, 2018,17(1): 64-74.
[31]	WANG C M , LIANG C C , RICHARD Y F ,et al. Computation offloading and resource allocation in wireless cellular networks with mobile edge computing[J]. IEEE Transactions on Wireless Communications, 2017,16(8): 4924-4938.
[28]	LIU J H , ZHANG Q . Offloading schemes in mobile edge computing for ultra-reliable low latency communication[J]. IEEE Access, 2018,PP(99):1.

评价指标	云计算	边缘计算
部署方式	集中式	分布式
与用户的距离	远	近
延迟	高	低
抖动	大	小
计算能力	强	有限
存储能力	强	有限

研究成果	发表年份	实现方法	设计目标
CloudAware^[8]	2016年	优化迁移策略	加速计算、节能
Replisom^[9]	2016年	克隆虚拟机、压缩	减少响应时间
Femtoclouds^[10]	2015年	优化迁移策略	增强计算能力
ME-VoLTE^[11]	2015年	优化传输	降低能耗
EAB^[12]	2015年	优化传输	加速资源访问
上下文感知协作实时应用^[13]	2015年	上下文感知	在实时场景中降低延迟
端到端计算迁移^[14]	2014年	优化迁移策略	提高整个网络资源利用效率

参考文献	发表年份	创新点	存在不足
15]	2013年	比较本地计算和迁移计算的能量消耗，得出最优迁移策略	仅通过对比迁移前后的能量消耗无法得到最优的迁移策略，仅研究了单用户情况
16]	2016年	以无线能量传输为目标,设计了基于无缝集成移动云计算的解决方案	仅研究了低复杂度设备（如传感器），对于高计算复杂度的智能终端并不适用
17]	2016年	以无线能量采集为目标，设计出了基于微波功率传输的解决方案	仅考虑CPU频率和发射功率的优化，忽略了计算任务
18]	2014年	将动态迁移与自适应的 LTE/Wi-Fi 链接选择进行集成，提出了一种可扩展的近似动态规划算法	注重于单用户的算法设计，缺乏全局最优考量
19]	2015年	将无线和计算资源进行联合优化	缺乏严密的计算延迟考量
20]	2015年	研究了迁移到不同云的最优用户调度问题，提出了一个基于任务负载的阈值迁移策略	仅关注于延迟问题，没有涉及研究终端能耗
21]	2015年	研究了多用户分布式计算迁移，运用博弈论来实现能量和延迟的最小化	分布式的计算迁移算法难以达到全局最优
24]	2018年	基于马尔可夫决策和动态规划算法建立最优策略	计算复杂度高
27]	2018年	使用智能分区和动态迁移研究了迁移计算中的用户隐私安全问题	缺乏对富应用程序复杂性的考虑
28]	2018年	设计基于启发式搜索、重构线性化技术和半定松弛3种算法来实现延迟和可靠性的权衡	缺乏对能耗的优化

参数	数值
系统中终端用户总数量(K)	(20,40,60,80,100)
迁移总时隙(T)	20 ms
终端k某个任务的数据量(D_k)	100~500 KB
边缘云上计算1比特数据所需的CPU周期数(C_c)	200个周期/比特
终端k计算1比特数据所需的CPU周期数(C_k)	500~1 500个周期/比特
高斯白噪声的方差(σ)	10^-9W
系统信道带宽(B)	10 MHz
终端k的传输功率p_k	100 mW
终端k的计算能力(即每秒的CPU周期数)( f ^(l)k )	1~10 GHz
边缘云的计算能力(即MEC服务器每秒的周期数)( f ^(e)k )	100 GHz
终端k本地计算每个CPU周期的能耗(e_k)	0~2×10^-10J/转

基于拉格朗日的计算迁移能耗优化策略

Optimizing strategy of computing off loading energy consumption based on Lagrangian method

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 28

相关文章 15

Metrics

推荐阅读 0

[1]	马天洋, 陈雄斌, 徐义武. 基于可见光通信的零能耗光标签[J]. 电信科学, 2023, 39(5): 20-27.
[2]	葛海江, 贾宁, 池凯凯, 陈云志. 非线性能量收集认知无线电网络的次用户吞吐量最大化方案[J]. 电信科学, 2023, 39(2): 103-117.
[3]	王淑玲, 孙杰, 王鹏, 杨爱东. 云边协同中的资源调度优化[J]. 电信科学, 2023, 39(2): 163-170.
[4]	王帅, 陈丹, 肖羽. 5G行业专网对外服务能力研究[J]. 电信科学, 2022, 38(Z1): 143-148.
[5]	顾博, 敖婷. 基于MEC的定位技术在车联网中的应用[J]. 电信科学, 2022, 38(Z1): 250-258.
[6]	伏玉笋, 唐金辉. 使能未来工厂的5G能力综述[J]. 电信科学, 2022, 38(9): 18-35.
[7]	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.
[8]	杨伟伟, 王思宁, 郑贵德, 宋亚琼. 基于知识库的制造业能耗优化平台技术研究[J]. 电信科学, 2022, 38(8): 178-185.
[9]	王子韧, 李毅. 5G网络中基于覆盖区域优先级的微基站休眠算法[J]. 电信科学, 2022, 38(7): 88-95.
[10]	邢文娟, 雷波, 赵倩颖. 算力基础设施发展现状与趋势展望[J]. 电信科学, 2022, 38(6): 51-61.
[11]	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.
[12]	冯晓丽, 刘晨, 张丽伟, 王晓韵. 基于5G MEC的智慧化园区解决方案[J]. 电信科学, 2022, 38(5): 54-63.
[13]	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.
[14]	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.
[15]	刘云毅, 张建敏, 冯晓丽, 张丽伟. 5G MEC系统安全能力部署方案[J]. 电信科学, 2022, 38(11): 143-152.