一种数字孪生辅助的边缘计算任务卸载方法

本发明属于计算任务卸载领域，尤其涉及一种数字孪生辅助的边缘计算任务卸载方法。

背景技术：

1、随着物联网技术的快速发展，越来越多的移动设备被接入到互联网。由于移动设备电池容量、计算能力以及存储容量的限制，一些计算任务无法在本地完成计算，因此云计算被提出，它帮助用户完成卸载到云服务器的计算任务。但是，大量的移动设备产生的计算任务和数据，将给云计算中心带来巨大的压力。同时，一些应用程序需要在短时间内完成响应，受限于网络带宽和距离，云计算也不能很好的满足移动物联网设备的计算需求。因此，边缘计算被提出，边缘计算通过部署在更靠近用户端的边缘节点更快的完成用户卸载的计算任务，提升了计算效率。任务卸载是指用户将计算任务传输给边缘服务器，边缘服务器将计算结果返回给用户设备。

2、尽管不考虑策略的将所有任务全部卸载到边缘服务器进行计算，可以降低移动设备能耗，但会使边缘服务器发生过高负载，进而会造成传输和计算的延迟。因此高效的任务卸载策略，是边缘计算过程中的重要问题。最近，数字孪生技术已成为世界战略技术趋势之一，越来越受到业界和学术界的关注。

技术实现思路

1、发明目的：本发明的目的在于提供一种数字孪生辅助的边缘计算任务卸载方法。通过改进的二进制海洋捕食者算法用于求解数字孪生辅助边缘计算任务卸载问题。本发明针对数字孪生辅助边缘计算过程中在时间约束下的能耗问题，提出一种数字孪生辅助任务卸载的模型，并将原始的海洋捕食者算法进行二进制改进以适合二进制卸载问题，进一步提升优化性能。

2、技术方案：本发明的一种数字孪生辅助的边缘计算任务卸载方法，包括如下步骤：

3、步骤1、通过用户设备、边缘服务器、资源设备和数字孪生体构建数字孪生辅助边缘计算任务卸载模型；

4、步骤2、基于数字孪生辅助边缘计算任务卸载模型，通过设计时间约束下的能耗优化目标函数，来优化模型在边缘计算任务卸载时的能耗问题；

5、步骤3、在模型的能耗问题优化后，通过改进的二进制海洋捕食者算法来提升模型的任务卸载效率和成功率。

6、进一步的，步骤1具体为：通过用户设备、边缘服务器、资源设备和数字孪生体构建数字孪生辅助边缘计算任务卸载模型，用户设备将任务参数模型传输至边缘服务器，由边缘服务器内的数字孪生体对任务分析，产生卸载策略，并通过资源设备将策略下发至用户设备，用户设备根据策略将任务卸载到边缘服务器，服务器为其分配计算资源完成计算。

7、进一步的，步骤2具体为：

8、本地执行计算时，第i个用户设备的第m个计算任务在本地执行的数字孪生体模拟计算时间定义为：

9、；

10、式中为数字孪生模拟的任务的计算量，为计算所需的cpu周期数，为任务所分得的计算频率，数字孪生体模拟计算时间的误差定义为：

11、；

12、式中，为数字孪生模拟计算的误差，为模拟分得的计算频率误差，第i个用户设备的第m个计算任务本地计算的真实时间：

13、；

14、本地执行计算过程中，能耗由本地设备计算过程产生，则第i个用户设备的第m个计算任务的本地执行能耗定义为：

15、；

16、其中为芯片的电容参数；

17、第i个用户的第m个任务的卸载执行的数字孪生体模拟卸载传输时间被定义为：

18、；

19、式中，为需要传输的数据量，为模拟用户设备的带宽大小，数字孪生体模拟卸载传输时间的误差被定义为：

20、；

21、式中，为模拟的数据量误差，为模拟的带宽误差，系统中，第i个用户卸载传输的总的真实时间为：

22、；

23、对于卸载到边缘服务器管理的资源设备的任务，其能耗由卸载过程传输产生，同样的，对于第i个用户设备的第m个任务，它的卸载过程的传输能耗被定义为：

24、；

25、式中，为用户传输的功率，第i个用户的第m个任务卸载执行数字孪生模拟计算时间被定义为：

26、；

27、式中，为模拟资源设备分配的计算频率，模拟计算时间的误差被定义为：

28、；

29、式中，为模拟资源设备分配的计算频率误差，卸载执行的真实计算时间被定义为：

30、；

31、数字孪生在校正误差更新的时间开销如下：

32、；

33、式中，为模型更新传输的数据，为用户的带宽；

34、在边缘计算系统中，任务的卸载状态分别是本地执行和卸载执行，任务计算状态被定义为：

35、；

36、式中的取值，决定该任务是否卸载到边缘端进行计算；

37、用户在执行计算过程中总的开销是传输能耗和计算能耗，第个用户的执行过程的总开销被定义为：

38、；

39、最后，考虑时间等约束下的能耗最小化的问题，具体的优化目标为所有用户任务卸载过程中的总开销，定义为：

40、；

41、其中，为任务分得的计算频率约束，为任务分得的时间约束。

42、进一步的，步骤3具体包括如下步骤：

43、步骤3.1、初始化用户任务和服务器资源状态，将初始参数编码生成捕食者和猎物，设置种群个数和最大迭代次数，并对种群p进行初始化；

44、步骤3.2、如果达到最大迭代次数则执行步骤3.8，否则执行步骤3.3；

45、步骤3.3、如果或  ， t表示当前迭代次数， t max表示最大迭代次数，则执行步骤3.4，否则执行步骤3.5；

46、步骤3.4、如果，其中为常数， rand表示[0,1]之间的随机数，根据以下公式

47、；

48、更新猎物和捕食者的位置，其中，与分别表示当前迭代第只猎物与顶级捕食者个体，为移动步长，为取值范围[0,1]的均匀随机数向量，为莱维飞行算子，为布朗运动算子；

49、如果,根据以下公式

50、；

51、更新位置，执行步骤3.6；

52、步骤3.5、如果,根据以下公式

53、；

54、更新猎物和捕食者的位置；

55、如果，根据以下公式，

56、；

57、更新位置，其中，cf是一个根据迭代更新的参数，用于控制步长，执行步骤3.6；

58、步骤3.6、计算个体适应度值，若位置由于原先位置，则更新种群位置；

59、步骤3.7、执行涡流和鱼类聚集效应，更新个体位置，对位置进行二进制转化，重复执行步骤3.2；

60、步骤3.8、输出最优的任务卸载方案。

61、进一步的，步骤3.1具体为：将初始参数编码生成捕食者和猎物，设置种群个数，最大迭代次数，并使用公式进行种群p的初始化，其中， rand表示[0,1]之间的随机数。

62、进一步的，步骤3.6具体为：

63、根据公式计算个体适应度值，以概率r执行以下公式

64、，

65、并再次计算适应度值，位置优于原位置时，则更新的种群位置，其中 r 1 、r 2 、r 3 、r 4为[0,1]之间的随机数。

66、进一步的，步骤3.7具体为：

67、根据以下公式

68、，

69、执行涡流和鱼类聚集效应，其中，为随机生成二进制向量的二进制数组；为[0,1]范围内的均匀随机数；与表示猎物种群中随机抽取的两只猎物， fads取0.2，更新个体位置，并使用以下公式

70、，

71、对位置进行二进制转化，重复执行步骤3.2。

72、有益效果：与现有技术相比，本发明具有如下显著优点：

73、（1）本发明采用以上技术方案，与现有技术相比，具有的优点是，通过数字孪生辅助边缘计算任务卸载和采用改进二进制海洋捕食者算法，减少了任务卸载过程的能耗，提升了任务卸载的成功率。

74、（2）数字孪生技术可以为边缘计算创建全局视角，有效提高边缘计算的效率。研究人员通过建立边缘计算的数字孪生模型，并对边缘设备进行模拟，数据收集，以实现更高效的边缘计算。

75、（3）本发明针对数字孪生辅助边缘计算过程中在时间约束下的能耗问题，提出一种数字孪生辅助任务卸载的模型，并将原始的海洋捕食者算法进行二进制改进以适合二进制卸载问题，进一步提升优化性能。