移動邊緣計(jì)算中基于粒子群優(yōu)化的計(jì)算卸載策略
發(fā)布時(shí)間:2021-11-15 14:40
計(jì)算卸載作為移動邊緣計(jì)算(MEC)中降低時(shí)延與能耗的手段之一,通過合理的卸載決策能夠降低工業(yè)成本。針對工業(yè)生產(chǎn)線中部署MEC服務(wù)器后時(shí)延變長和能耗增高的問題,提出了一種基于粒子群優(yōu)化(PSO)算法的計(jì)算卸載策略PSAO。首先,將實(shí)際問題建模為時(shí)延模型與能耗模型。由于是針對時(shí)延敏感型的應(yīng)用,因此將模型轉(zhuǎn)化為在能耗約束條件下的最小化時(shí)延問題,使用懲罰函數(shù)來平衡時(shí)延與能耗。其次,根據(jù)PSO算法優(yōu)化后得到計(jì)算卸載決策向量,通過集中控制的方式使每一個(gè)計(jì)算任務(wù)合理分配到對應(yīng)的MEC服務(wù)器。最后,通過仿真實(shí)驗(yàn),對比分析了本地卸載策略、MEC基準(zhǔn)卸載策略、基于人工魚群算法(AFSA)的卸載策略以及PSAO的時(shí)延數(shù)據(jù),PSAO的平均總時(shí)延遠(yuǎn)遠(yuǎn)低于其他三種卸載策略,PSAO比原來系統(tǒng)總代價(jià)降低了20%。實(shí)驗(yàn)結(jié)果表明,PSAO策略能夠降低MEC中的時(shí)延,均衡MEC服務(wù)器的負(fù)載。
【文章來源】:計(jì)算機(jī)應(yīng)用. 2020,40(08)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
多設(shè)備多MEC系統(tǒng)模型
圖2為不同能耗約束下不同卸載策略的系統(tǒng)總代價(jià)對比,設(shè)置設(shè)備數(shù)K=50,MEC服務(wù)器的個(gè)數(shù)N=10,每一項(xiàng)任務(wù)數(shù)據(jù)量大小Bi=3 Mb?梢杂^察到,隨著能耗約束的增大,四種卸載策略系統(tǒng)總代價(jià)降低。當(dāng)能耗(單位:J)約束為0時(shí),本地卸載策略的系統(tǒng)總代價(jià)遠(yuǎn)遠(yuǎn)高于其他三種卸載策略,這是由于本地設(shè)備處理任務(wù)將會產(chǎn)生較高的能耗;能耗約束為750 J時(shí),本地卸載策略代價(jià)開始低于MEC基準(zhǔn)卸載策略,這是由于能耗約束的增大,模型對能耗約束的敏感度降低,因此需要選擇合適的能耗約束。PSAO卸載策略在不同的能耗約束下都優(yōu)于其他MEC基準(zhǔn)卸載策略和本地卸載策略,當(dāng)能耗約束大于750 J時(shí),基于AFSA的卸載策略與PSAO卸載策略優(yōu)化效果相差不大。圖3對PSAO卸載策略的收斂性進(jìn)行評估,設(shè)置設(shè)備數(shù)K=50,MEC服務(wù)器的個(gè)數(shù)N=10,每一項(xiàng)任務(wù)數(shù)據(jù)量大小Bi=3 Mb,通過改變迭代次數(shù)來觀察所有任務(wù)的平均總時(shí)延。
圖3對PSAO卸載策略的收斂性進(jìn)行評估,設(shè)置設(shè)備數(shù)K=50,MEC服務(wù)器的個(gè)數(shù)N=10,每一項(xiàng)任務(wù)數(shù)據(jù)量大小Bi=3 Mb,通過改變迭代次數(shù)來觀察所有任務(wù)的平均總時(shí)延。由圖3可以觀察到,算法在前25次迭代過程中收斂較快,迭代50次后系統(tǒng)總代價(jià)保持不變,找到全局最優(yōu)解。PSAO具有很強(qiáng)的全局優(yōu)化能力,在算法的前期不斷尋找全局的最優(yōu)解,且在后期具有良好的全局搜索能力。PSO算法優(yōu)化后平均總時(shí)延從原來的303.33 ms降低至241.824 ms,并在后期迭代過程中保持不變,相比原來系統(tǒng)的總時(shí)延降低了20%。
【參考文獻(xiàn)】:
期刊論文
[1]超密集網(wǎng)絡(luò)中基于移動邊緣計(jì)算的任務(wù)卸載和資源優(yōu)化[J]. 張海波,李虎,陳善學(xué),賀曉帆. 電子與信息學(xué)報(bào). 2019(05)
[2]5G在垂直行業(yè)中的應(yīng)用[J]. 陸平,李建華,趙維鐸. 中興通訊技術(shù). 2019(01)
[3]移動邊緣計(jì)算卸載技術(shù)綜述[J]. 謝人超,廉曉飛,賈慶民,黃韜,劉韻潔. 通信學(xué)報(bào). 2018(11)
[4]基于離散粒子群優(yōu)化的可重構(gòu)系統(tǒng)任務(wù)調(diào)度算法[J]. 祁曉峰,張興明,高彥釗. 小型微型計(jì)算機(jī)系統(tǒng). 2018(03)
[5]面向移動互聯(lián)網(wǎng)的“SIP over MQTT”優(yōu)化傳輸機(jī)制研究[J]. 楊海波,馬榮榮,張偉,于同偉,李喜旺. 小型微型計(jì)算機(jī)系統(tǒng). 2017(04)
碩士論文
[1]面向節(jié)能的移動邊緣計(jì)算的卸載策略研究[D]. 周曉敏.北京郵電大學(xué) 2019
[2]超密集網(wǎng)絡(luò)中基于移動邊緣計(jì)算的卸載策略研究[D]. 郭俊.北京郵電大學(xué) 2018
本文編號:3496973
【文章來源】:計(jì)算機(jī)應(yīng)用. 2020,40(08)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
多設(shè)備多MEC系統(tǒng)模型
圖2為不同能耗約束下不同卸載策略的系統(tǒng)總代價(jià)對比,設(shè)置設(shè)備數(shù)K=50,MEC服務(wù)器的個(gè)數(shù)N=10,每一項(xiàng)任務(wù)數(shù)據(jù)量大小Bi=3 Mb?梢杂^察到,隨著能耗約束的增大,四種卸載策略系統(tǒng)總代價(jià)降低。當(dāng)能耗(單位:J)約束為0時(shí),本地卸載策略的系統(tǒng)總代價(jià)遠(yuǎn)遠(yuǎn)高于其他三種卸載策略,這是由于本地設(shè)備處理任務(wù)將會產(chǎn)生較高的能耗;能耗約束為750 J時(shí),本地卸載策略代價(jià)開始低于MEC基準(zhǔn)卸載策略,這是由于能耗約束的增大,模型對能耗約束的敏感度降低,因此需要選擇合適的能耗約束。PSAO卸載策略在不同的能耗約束下都優(yōu)于其他MEC基準(zhǔn)卸載策略和本地卸載策略,當(dāng)能耗約束大于750 J時(shí),基于AFSA的卸載策略與PSAO卸載策略優(yōu)化效果相差不大。圖3對PSAO卸載策略的收斂性進(jìn)行評估,設(shè)置設(shè)備數(shù)K=50,MEC服務(wù)器的個(gè)數(shù)N=10,每一項(xiàng)任務(wù)數(shù)據(jù)量大小Bi=3 Mb,通過改變迭代次數(shù)來觀察所有任務(wù)的平均總時(shí)延。
圖3對PSAO卸載策略的收斂性進(jìn)行評估,設(shè)置設(shè)備數(shù)K=50,MEC服務(wù)器的個(gè)數(shù)N=10,每一項(xiàng)任務(wù)數(shù)據(jù)量大小Bi=3 Mb,通過改變迭代次數(shù)來觀察所有任務(wù)的平均總時(shí)延。由圖3可以觀察到,算法在前25次迭代過程中收斂較快,迭代50次后系統(tǒng)總代價(jià)保持不變,找到全局最優(yōu)解。PSAO具有很強(qiáng)的全局優(yōu)化能力,在算法的前期不斷尋找全局的最優(yōu)解,且在后期具有良好的全局搜索能力。PSO算法優(yōu)化后平均總時(shí)延從原來的303.33 ms降低至241.824 ms,并在后期迭代過程中保持不變,相比原來系統(tǒng)的總時(shí)延降低了20%。
【參考文獻(xiàn)】:
期刊論文
[1]超密集網(wǎng)絡(luò)中基于移動邊緣計(jì)算的任務(wù)卸載和資源優(yōu)化[J]. 張海波,李虎,陳善學(xué),賀曉帆. 電子與信息學(xué)報(bào). 2019(05)
[2]5G在垂直行業(yè)中的應(yīng)用[J]. 陸平,李建華,趙維鐸. 中興通訊技術(shù). 2019(01)
[3]移動邊緣計(jì)算卸載技術(shù)綜述[J]. 謝人超,廉曉飛,賈慶民,黃韜,劉韻潔. 通信學(xué)報(bào). 2018(11)
[4]基于離散粒子群優(yōu)化的可重構(gòu)系統(tǒng)任務(wù)調(diào)度算法[J]. 祁曉峰,張興明,高彥釗. 小型微型計(jì)算機(jī)系統(tǒng). 2018(03)
[5]面向移動互聯(lián)網(wǎng)的“SIP over MQTT”優(yōu)化傳輸機(jī)制研究[J]. 楊海波,馬榮榮,張偉,于同偉,李喜旺. 小型微型計(jì)算機(jī)系統(tǒng). 2017(04)
碩士論文
[1]面向節(jié)能的移動邊緣計(jì)算的卸載策略研究[D]. 周曉敏.北京郵電大學(xué) 2019
[2]超密集網(wǎng)絡(luò)中基于移動邊緣計(jì)算的卸載策略研究[D]. 郭俊.北京郵電大學(xué) 2018
本文編號:3496973
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3496973.html
最近更新
教材專著