發(fā)布時(shí)間：2021-10-31 09:36

　　面對(duì)5G與工業(yè)互聯(lián)網(wǎng)中日益增長(zhǎng)的數(shù)據(jù)傳輸與計(jì)算需求,移動(dòng)邊緣計(jì)算已逐漸成為一種新興的解決方法,可有效應(yīng)對(duì)工業(yè)互聯(lián)網(wǎng)設(shè)備自身計(jì)算能力的不足,并充分緩解網(wǎng)絡(luò)擁塞等問題.然而,當(dāng)數(shù)量龐大的設(shè)備同時(shí)發(fā)送計(jì)算請(qǐng)求時(shí),往往會(huì)超出邊緣計(jì)算服務(wù)器的計(jì)算負(fù)載.此外,工業(yè)互聯(lián)網(wǎng)設(shè)備通常僅裝配有限的能量供給,無法承受能源消耗過多的任務(wù),且龐大的設(shè)備數(shù)量還決定了網(wǎng)絡(luò)連接、數(shù)據(jù)計(jì)算等系統(tǒng)開銷.因此,面向工業(yè)互聯(lián)網(wǎng)場(chǎng)景中機(jī)器類型通信設(shè)備的計(jì)算任務(wù)卸載問題,提出一種基于Q-learning的計(jì)算任務(wù)卸載決策方法,綜合考慮任務(wù)卸載過程中的網(wǎng)絡(luò)環(huán)境和服務(wù)器狀態(tài),并聯(lián)合優(yōu)化卸載過程產(chǎn)生的時(shí)延、能耗和經(jīng)濟(jì)開銷.仿真結(jié)果表明,所提優(yōu)化框架可有效減少計(jì)算任務(wù)卸載系統(tǒng)的時(shí)延、能耗和經(jīng)濟(jì)的總開銷. 

【文章來源】：北京工業(yè)大學(xué)學(xué)報(bào). 2020,46(11)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

系統(tǒng)單項(xiàng)開銷與任務(wù)數(shù)據(jù)量關(guān)系

圖6分別展示了本文所提基于Q-learning的計(jì)算任務(wù)卸載策略產(chǎn)生的任務(wù)平均時(shí)延、能耗和經(jīng)濟(jì)開銷受加權(quán)系數(shù)的影響,任務(wù)的復(fù)雜度為固定值1 300兆輪. 上文中提到,總開銷Asum由時(shí)延、能耗和經(jīng)濟(jì)開銷分別與各自加權(quán)系數(shù)Wd、We、Wm相乘后相加得到,且各權(quán)值系數(shù)相加值為1. 如圖6所示,各權(quán)值參數(shù)Wd、We、Wm分別設(shè)置為0.33、0.50和0.80,受此影響,卸載系統(tǒng)對(duì)各指標(biāo)的優(yōu)化程度均有顯著差異. 權(quán)值參數(shù)越高,對(duì)于對(duì)應(yīng)指標(biāo)的優(yōu)化程度越顯著. 當(dāng)匹配更高的權(quán)值參數(shù)時(shí),同樣的系統(tǒng)開銷會(huì)被放大,agent因此會(huì)偏向于對(duì)該指標(biāo)的優(yōu)化.以圖6中任務(wù)平均經(jīng)濟(jì)開銷為例,當(dāng)權(quán)值達(dá)到0.80時(shí),系統(tǒng)卸載策略甚至傾向于將全部任務(wù)置于本地處理,以減少其產(chǎn)生的經(jīng)濟(jì)開銷. 但可預(yù)見,在提高某一項(xiàng)權(quán)值參數(shù)進(jìn)行補(bǔ)償優(yōu)化時(shí),其開銷雖明顯減少,但其余種類開銷將有所增加. 因此,在實(shí)際場(chǎng)景中,需根據(jù)實(shí)際需求和限制調(diào)整各指標(biāo)所對(duì)應(yīng)的權(quán)值參數(shù).綜上所述,相比于無優(yōu)化的5種已有卸載決策方法,本文框架可有效減少任務(wù)處理時(shí)產(chǎn)生的加權(quán)總開銷,并可根據(jù)實(shí)際需求調(diào)整對(duì)應(yīng)的權(quán)值參數(shù),著重優(yōu)化時(shí)延、能耗、經(jīng)濟(jì)開銷中的某一特定開銷.

本文所提工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò)結(jié)構(gòu)模型如圖1所示. 此場(chǎng)景下包含N個(gè)用戶和M個(gè)WiFi節(jié)點(diǎn). 同時(shí),小區(qū)內(nèi)還部署1個(gè)裝配有MEC服務(wù)器的基站. 假設(shè)用戶需處理一批計(jì)算密集型任務(wù),可選擇于本地處理,也可選擇卸載至MEC服務(wù)器或中心云服務(wù)器處理. MEC服務(wù)器的最大計(jì)算負(fù)載量為L(zhǎng). 用戶上傳任務(wù)數(shù)據(jù)時(shí),既可選擇通過移動(dòng)網(wǎng)絡(luò)傳輸,也可通過WiFi網(wǎng)絡(luò)傳輸.本文暫不考慮移動(dòng)網(wǎng)絡(luò)與WiFi網(wǎng)絡(luò)的相互干擾. 在上傳任務(wù)數(shù)據(jù)時(shí),每個(gè)用戶都擁有相同的信道帶寬. 當(dāng)用戶通過移動(dòng)網(wǎng)絡(luò)傳輸時(shí),擁有固定的傳輸速率rb. 當(dāng)用戶通過WiFi網(wǎng)絡(luò)傳輸時(shí),首先在一定范圍內(nèi)獲取區(qū)域內(nèi)WiFi節(jié)點(diǎn)的傳輸功率pw1,pw2,…,pwm,…,pwM,根據(jù)

【參考文獻(xiàn)】：
期刊論文
[1]Energy-Efficient Computation Offloading and Resource Allocation in Fog Computing for Internet of Everything[J]. Qiuping Li,Junhui Zhao,Yi Gong,Qingmiao Zhang.  中國(guó)通信. 2019(03)
[2]強(qiáng)化學(xué)習(xí)研究綜述[J]. 馬騁乾,謝偉,孫偉杰.  指揮控制與仿真. 2018(06)
[3]基于車聯(lián)網(wǎng)和移動(dòng)邊緣計(jì)算的時(shí)延可容忍數(shù)據(jù)傳輸[J]. 李萌,司鵬搏,孫恩昌,張延華.  北京工業(yè)大學(xué)學(xué)報(bào). 2018(04)



本文編號(hào)：3467892