《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 基于自適應(yīng)遺傳算法的MEC任務(wù)卸載及資源分配
基于自適應(yīng)遺傳算法的MEC任務(wù)卸載及資源分配
2020年電子技術(shù)應(yīng)用第8期
閆 偉，申 濱，劉笑笑
重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶400065
摘要： 移動(dòng)邊緣計(jì)算(Mobile Edge Computing，MEC)是指將具有計(jì)算和存儲(chǔ)能力的云服務(wù)器部署在移動(dòng)網(wǎng)絡(luò)邊緣，從而為用戶(hù)帶來(lái)低能耗、低時(shí)延的優(yōu)勢(shì)。針對(duì)單小區(qū)-多用戶(hù)場(chǎng)景下的計(jì)算任務(wù)卸載問(wèn)題，設(shè)計(jì)系統(tǒng)總開(kāi)銷(xiāo)優(yōu)化函數(shù)，并提出任務(wù)卸載決策和資源分配的聯(lián)合優(yōu)化問(wèn)題。首先采用自適應(yīng)遺傳算法制定卸載決策及后續(xù)的更新操作，在每一次卸載決策更新的情況下將原問(wèn)題分解為功率分配和計(jì)算資源分配兩個(gè)子問(wèn)題；然后根據(jù)凸優(yōu)化及準(zhǔn)凸優(yōu)化理論，利用二分搜索法和拉格朗日乘子法分別求出功率分配和計(jì)算資源分配的最優(yōu)解。仿真結(jié)果表明，所提出的方案在保證用戶(hù)時(shí)延約束的同時(shí)，降低了系統(tǒng)總開(kāi)銷(xiāo)，有效地提升系統(tǒng)的性能及用戶(hù)服務(wù)質(zhì)量。
中圖分類(lèi)號(hào)： TN929.5
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.200113
中文引用格式： 閆偉，申濱，劉笑笑. 基于自適應(yīng)遺傳算法的MEC任務(wù)卸載及資源分配[J].電子技術(shù)應(yīng)用，2020，46(8)：95-100.
英文引用格式： Yan Wei，Shen Bin，Liu Xiaoxiao. Offloading and resource allocation of MEC based on adaptive genetic algorithm[J]. Application of Electronic Technique，2020，46(8)：95-100.
Offloading and resource allocation of MEC based on adaptive genetic algorithm
Yan Wei，Shen Bin，Liu Xiaoxiao
School of Communication and Information Engineering，Chongqing University of Posts and Telecommunications， Chongqing 400065，China
Abstract： Mobile Edge Computing(MEC) provides its users with low energy consumption and low latency by providing IT service environment and cloud computing capabilities at the edge of mobile networks. This paper addresses the computing tasks offloading in a single-cell MEC scenario, and designs the optimization function of system total cost, and proposes a joint optimization problem of offloading decision and resource allocation. Firstly, the adaptive genetic algorithm is used to make the offloading decision and subsequent update operations. Based on updating the offloading decision, the two sub-problems of power allocation and computing resource allocation are solved correspondingly. The binary search method and the Lagrange multiplier method are used to obtain the optimal solutions for power allocation and computation resource allocation, respectively. Simulation results show that the proposed scheme can meet the goal of minimizing total system overhead for users under the requirement of delay constraints, and effectively improve system performance and user service quality.
Key words : mobile edge computing(MEC)；adaptive genetic algorithm；task offloading；resource allocation

0 引言

    近年來(lái)，隨著移動(dòng)互聯(lián)網(wǎng)和智能終端的快速發(fā)展，越來(lái)越多的新型應(yīng)用出現(xiàn)在人們的日常生活當(dāng)中，例如，人臉識(shí)別、虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)等[1-2]。然而，由于移動(dòng)設(shè)備的計(jì)算能力和電池續(xù)航能力有限，難以有效地處理這些應(yīng)用。若將計(jì)算任務(wù)卸載到距離用戶(hù)較遠(yuǎn)的云服務(wù)器可能會(huì)產(chǎn)生更高的時(shí)延從而影響任務(wù)的執(zhí)行效率。針對(duì)以上問(wèn)題，業(yè)界提出了移動(dòng)邊緣計(jì)算的概念。移動(dòng)邊緣計(jì)算(Mobile Edge Computing，MEC)是將具有存儲(chǔ)和計(jì)算能力的網(wǎng)絡(luò)設(shè)備實(shí)體部署在移動(dòng)網(wǎng)絡(luò)邊緣，從而為移動(dòng)網(wǎng)絡(luò)提供IT服務(wù)環(huán)境和計(jì)算能力[3]。MEC的關(guān)鍵技術(shù)主要包括任務(wù)卸載和資源分配兩個(gè)方面，任務(wù)卸載是指將計(jì)算密集型或延遲敏感型任務(wù)卸載到資源相對(duì)豐富的計(jì)算機(jī)或服務(wù)器中執(zhí)行，以解決移動(dòng)設(shè)備在存儲(chǔ)、計(jì)算等方面存在的缺陷[4-5]。此外，在多個(gè)用戶(hù)將其各自的計(jì)算任務(wù)從本地卸載到MEC服務(wù)器進(jìn)行處理時(shí)，由此涉及有限的MEC服務(wù)器資源在各個(gè)用戶(hù)之間的分配問(wèn)題。因此，MEC服務(wù)器的資源分配致力于解決移動(dòng)設(shè)備在實(shí)現(xiàn)卸載后如何高效公平地分配資源以實(shí)現(xiàn)任務(wù)處理的問(wèn)題。

    針對(duì)MEC的任務(wù)卸載和資源分配問(wèn)題，文獻(xiàn)[6]考慮了云服務(wù)器計(jì)算資源受限的約束，提出了多用戶(hù)場(chǎng)景下基于在線(xiàn)和離線(xiàn)的任務(wù)卸載決策算法，對(duì)計(jì)算任務(wù)進(jìn)行云端處理和本地處理的劃分，并分別處理。文獻(xiàn)[7]提出了一種考慮前向鏈路和后向鏈路聯(lián)合優(yōu)化的卸載決策問(wèn)題，并通過(guò)改進(jìn)的人工魚(yú)群算法對(duì)任務(wù)卸載過(guò)程中所產(chǎn)生的能量消耗進(jìn)行優(yōu)化。文獻(xiàn)[8]分別研究了在單小區(qū)和多小區(qū)場(chǎng)景下的任務(wù)卸載和資源分配問(wèn)題，設(shè)計(jì)了系統(tǒng)總開(kāi)銷(xiāo)函數(shù)(時(shí)延-能耗加權(quán)和)，并將用戶(hù)設(shè)備的電池剩余能耗引入到加權(quán)因子當(dāng)中，通過(guò)凸優(yōu)化理論與迭代搜索相結(jié)合方式的尋找最優(yōu)解。然而文獻(xiàn)[6]、[7]僅關(guān)注用戶(hù)任務(wù)卸載決策，缺少優(yōu)化資源分配或者考慮資源約束；文獻(xiàn)[8]只考慮了本地設(shè)備計(jì)算資源及無(wú)線(xiàn)資源的分配，而忽略了MEC服務(wù)器有限計(jì)算資源對(duì)任務(wù)卸載的影響。因此，無(wú)法完全保證能夠高效地利用MEC服務(wù)場(chǎng)景的對(duì)于眾多用戶(hù)而言仍顯得稀缺有限的無(wú)線(xiàn)資源和計(jì)算資源。

    針對(duì)上述問(wèn)題，本文提出首先采用自適應(yīng)遺傳算法獲取卸載決策及后續(xù)的更新操作。在每一次卸載決策更新的情況下，將原問(wèn)題分解為上行鏈路功率分配和計(jì)算資源分配兩個(gè)子問(wèn)題，然后根據(jù)凸優(yōu)化和準(zhǔn)凸優(yōu)化理論，利用二分搜索法和拉格朗日乘子法分別求出功率分配和計(jì)算資源分配的最優(yōu)解。最后，通過(guò)迭代求解得到最優(yōu)的卸載決策和資源分配結(jié)果。仿真結(jié)果表明，所提出的方案在保證用戶(hù)時(shí)延約束的同時(shí)，降低了系統(tǒng)總開(kāi)銷(xiāo)，有效地提升系統(tǒng)的性能。




本文詳細(xì)內(nèi)容請(qǐng)下載:http://theprogrammingfactory.com/resource/share/2000002958




作者信息:

閆  偉，申  濱，劉笑笑

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶400065)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。