為了實現(xiàn)移動邊緣計算環(huán)境中移動設(shè)備能耗與任務(wù)執(zhí)行延時的同步優(yōu)化,提出基于能效的任務(wù)卸載決策算法�？紤]受限移動設(shè)備電量和延時敏感型應(yīng)用的情況下,算法聯(lián)合優(yōu)化了通信資源和計算資源分配,并將移動設(shè)備的剩余電量引入到能耗與延時優(yōu)化的權(quán)重因子設(shè)置中,通過迭代搜索方法求解了最優(yōu)任務(wù)卸載均衡決策解。結(jié)果證明,與基準算法相比,均衡卸載決策算法在總體開銷方面更低,并能夠使移動設(shè)備更加合理地使用電池剩余能量。 

【文章來源】：信息技術(shù). 2020年10期

【文章頁數(shù)】：6 頁

【部分圖文】：

移動邊緣計算環(huán)境

本節(jié)通過基于MATLAB的仿真實驗構(gòu)建一個移動邊緣計算環(huán)境以評估算法的性能。設(shè)置邊緣服務(wù)器的計算能力為4GHz/cycle,每個移動設(shè)備擁有一個待執(zhí)行任務(wù),任務(wù)的數(shù)據(jù)量隨機生成于[300,1200]kB之間,任務(wù)完成的CPU周期數(shù)隨機生成于[0.1,1]GHz之間,任務(wù)的截止時間約束隨機生成于[0.5,5]s之間,移動設(shè)備的CPU頻率隨機生成于[0.2,1]GHz之間,設(shè)備的最大傳輸功率為23dBm,且假設(shè)現(xiàn)有10條無線信道,帶寬為0.2MHz。如圖2是不同移動設(shè)備數(shù)量下任務(wù)執(zhí)行的總體代價、能耗和延時情況。其中,本文算法所指為在計算總體開銷時將移動設(shè)備剩余能量引入權(quán)重因子的計算方法,即w′i=wi×r i E 。另外三種算法為權(quán)重因子固定取值為0.2、0.5和0.8時得到的實驗結(jié)果�？梢钥吹�,若所有任務(wù)均在本地設(shè)備上執(zhí)行,其導(dǎo)致的移動設(shè)備能耗是最多的。而如果將所有任務(wù)卸載至邊緣服務(wù)器上執(zhí)行,則將導(dǎo)致更高的執(zhí)行延時,帶來較差的用戶體驗。從移動設(shè)備的角度看,移動設(shè)備的開銷主要取決于其傳輸功率和CPU頻率,本文設(shè)計的卸載決策算法聯(lián)合考慮了計算資源和通信資源的分配,更好地降低了能耗開銷和執(zhí)行延時。而權(quán)重因子的設(shè)計則考慮了移動設(shè)備的剩余能量,能耗更好地實現(xiàn)性能均衡�？梢钥吹�,本文算法比固定設(shè)置權(quán)重因子wi=0.8時節(jié)省了更多的能耗,也同時比wi=0.2時降低了更多的執(zhí)行延時。綜合圖2的結(jié)果,本文算法能夠獲得更低的總體代價。

圖3觀察在不同的權(quán)重因子下選取10個任務(wù)時最終的執(zhí)行性能。可以看到,當剩余能量較為充足時,本文算法會偏好將任務(wù)在本地執(zhí)行,如任務(wù)4、6、7、8和9,與wi=0.8時類似。然而,當wi=0.2時,算法仍將任務(wù)卸載至邊緣服務(wù)器執(zhí)行,這樣導(dǎo)致了更多的任務(wù)執(zhí)行延時。當移動設(shè)備的剩余能量不足時,本文算法會偏好將任務(wù)卸載至邊緣服務(wù)器上執(zhí)行。然而,對于wi=0.8時,任務(wù)5和10仍在本地執(zhí)行。wi=0.8表明系統(tǒng)偏好于降低任務(wù)執(zhí)行延時,這表明需要消耗更多能耗。對于wi=0.5,更多任務(wù)被卸載至邊緣服務(wù)器執(zhí)行,由于此時本地執(zhí)行能耗比起傳輸時間將更多。表1進一步觀察權(quán)重因子對移動設(shè)備剩余電量的影響,選擇兩個電池容量為3000mAh的移動設(shè)備作為實驗?zāi)繕�。假設(shè)一個移動設(shè)備剩余80%電量,另一個剩余20%電量。根據(jù)表1,對于兩個移動設(shè)備,隨著其利用率的增加,本文設(shè)計的基于剩余能量的權(quán)重因子設(shè)置方法得到的能耗均小于固定權(quán)重因子方法。原因,根據(jù)w′i=wi×r i E ,權(quán)重因子w′i會隨著利用率的增加而降低,而1- w′i將增加。此外,如果采用隨機權(quán)重因子,擁有80%剩余能量的移動設(shè)備將會節(jié)省更多能耗,而相反擁有20%剩余能量的移動設(shè)備則會消耗更多能耗,而對于剩余能量更少的移動設(shè)備而言,顯然節(jié)省能耗是更加重要的。


本文編號：2945932