一种混合云和边缘计算的LEO卫星网络计算卸载方法

一种混合云和边缘计算的leo卫星网络计算卸载方法
技术领域
1.本发明涉及一种混合云和边缘计算的leo卫星网络计算卸载方法，属于计算卸载技术领域。


背景技术：

2.近年来，随着空间通信网络的发展，卫星技术在商业，民用和军事服务方面取得了长足的进步，使得低地球轨道(leo)卫星变得经济且小型化。当前，许多国家已经实施了一些leo卫星项目，例如oneweb，spacex starlink和o3b，并且最新消息表明spacex将与azure合作为用户提供全球通信服务。与地面移动通信系统相比，leo卫星通信网络具有能够实现无缝的全球覆盖的优势。除此之外，移动设备的普及催生了许多计算密集型应用，leo卫星网络还需要为用户提供各种计算服务支持。
3.但受leo卫星高度的影响，leo卫星中用户的传输延迟会相对较高，难以满足地面用户的实时需求。因此将移动边缘计算(mec)技术引入leo卫星网络为地面用户提供计算服务能够降低时延。在具有mec功能的leo卫星网络中，用户能够直接将计算任务转移到leo卫星上进行实时处理，从而减少由频繁的卫星到地面链路传输和端到端服务传输引起的leo卫星与地面用户之间的时延。
4.y.wang等提出了一种具有双边缘计算能力的卫星地面综合网络，即将mec服务器同时部署在地面基站和leo卫星上，以减少用户的能源消耗和时延。y.wang等还研究了基于博弈论的卫星边缘计算(smec)网络的计算卸载策略，以减少用户的执行时延，用户的计算任务能够选择在本地进行计算或者卸载到leo卫星上。r.mijumbi等使用网络功能虚拟化技术在leo卫星覆盖范围内整合了计算资源，实现了最大程度地减少用户的感知时延，并提出了一种smec网络的协作计算卸载策略。此外，c.qiu等提出了一种软件定义的卫星地面网络，用于动态管理卫星地面网络的缓存和计算资源，并利用深度q学习方法来对建立的联合资源分配问题进行求解。
5.现有的计算卸载方法主要有oscloc、cl以及cos。在y.wang等提出的oscloc方法中，地面用户能够选择将计算任务卸载到leo卫星上或者在本地计算；在cl方法中，计算任务只能由地面用户自行计算；而c.chi等提出的cos方法则使用内点方法来寻找地面用户的计算卸载决策。
6.现有的smec网络主要研究了地面网络和leo卫星网络的两层计算网络，不仅能为没有地面通信设施支持的偏远地区用户提供通信和计算服务，还能有效降低用户的时延，但是，这样的两层计算网络的计算资源仍然有限。考虑到云服务器中具有丰富的计算资源，如何结合云服务器中的计算资源从而为地面用户提供更多的计算卸载机会，是一个具有挑战的问题。此外，对于cos方法存在的计算复杂度过高的问题以及oscloc和cl方法存在的地面用户能耗过高的问题还存在很大的改进空间。


技术实现要素：

7.本发明的目的在于针对背景技术中提到的两层计算网络的计算资源有限、现有计算卸载方法计算复杂度和地面用户能耗过高的技术缺陷，提出了一种混合云和边缘计算的leo卫星网络计算卸载方法，该方法中地面用户根据不同的计算需求选择在本地执行计算任务，或者在leo卫星上执行或者进一步卸载到云服务中处理。基于此，该方法建立了在满足leo卫星覆盖时间和计算能力的约束下，最小化地面用户总能耗的优化问题，该优化问题是一个非凸问题，本方法基于交替方向乘子法有效地求解该问题。
8.为了达到上述目的，本发明采取如下技术方案：
9.所述一种混合云和边缘计算的leo卫星网络计算卸载方法依托于一个具有三层计算架构的云
‑
边
‑
端协同计算的leo卫星网络，包括m个为地面用户提供边缘计算服务的leo卫星、提供边缘计算服务的leo卫星覆盖范围内随机分布的i个地面用户以及提供云计算服务的云服务器；
10.其中，m个leo卫星，用集合表示，且i个地面用户组成集合且
11.假设每个地面用户只有一个计算任务且计算任务不可拆分，每一个地面用户的一个计算任务只能有一个计算卸载决策；地面用户选择将计算任务放在本地、卸载到leo卫星上或通过leo卫星转发到云服务器上；
12.所述卫星网络需满足三大约束，分别是leo卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及leo卫星最长覆盖时间约束；
13.leo卫星的最大计算能力约束指计算卸载到leo卫星的计算任务算力总需求不能超过leo卫星的最大计算能力；
14.每个地面用户只有一个计算卸载决策约束指每个地面用户的计算任务只能选择本地计算、卸载到leo卫星上计算或通过leo卫星转发到云服务器上计算三种方式之一，不能同时选择两种或以上计算卸载方式；
15.leo卫星最长覆盖时间约束指每个计算任务卸载到leo卫星上或者通过leo卫星卸载到云服务器上计算所需的时间不能超过leo卫星的覆盖时间，即地面用户与leo卫星之间的最长通信时间；
16.考虑每个地面用户只能与一个leo卫星进行数据传输且多个地面用户共享同一频谱资源，地面用户之间存在相互干扰；考虑计算结果的数据量远小于输入计算数据的数据量，并且leo卫星的下行传输速率远大于地面用户的上行传输速率，所以忽略将计算结果返回给地面用户的下行传输时延；
17.所述leo卫星网络计算卸载方法，具体包括以下步骤：
18.步骤1、初始化混合云和边缘计算的leo卫星网络，具体包括如下子步骤：
19.步骤1.a：初始化停止迭代阈值；
20.步骤1.b：初始化迭代序号值t＝0并设定最大迭代次数为t；
21.步骤1.c：初始化地面用户集合中的所有地面用户的将计算任务卸载到leo卫星的全局决策向量a
i
和所有地面用户的将计算任务卸载到云服务器的全局决策向量b
i
；
22.其中，i表示地面用户集合中的第i个地面用户；a
i
表示地面用户i将计算任务卸载到leo卫星的全局决策向量，a
i
＝{a
i,1
,a
i,2
,
…
,a
i
,
m
}，a
i,m
∈{0,1}，∈{0,1}，表示leo卫星
集合中的第m颗leo卫星，a
i,m
为1时表示地面用户i将计算任务卸载到卫星m上，否则a
i,m
＝0；b
i
表示地面用户i将计算任务通过leo卫星卸载到云服务器的全局决策向量，b
i
＝{b
i,1
,b
i,2
,
…
,b
i,m
}，b
i,m
∈{0,1}，b
i,m
为1时表示地面用户i将计算任务通过leo卫星m卸载到云服务器上，否则b
i,m
＝0；
23.步骤1.d：将地面用户集合中的所有地面用户的a
i
和b
i
中的计算卸载决策值a
i,m
和b
i,m
松弛为[0,1]间的连续变量，即a
i,m
∈[0,1]，b
i,m
∈[0,1]，称此时的a
i
和b
i
为松弛的全局决策向量；
[0024]
步骤1.e：初始化第t次迭代地面用户集合中的所有地面用户的松弛的全局决策向量可行解；
[0025]
其中，该可行解，记为：表示a
i
的第t次迭代，表示b
i
的第t次迭代；变量的右上角标(t)表示变量的第t次迭代；
[0026]
步骤1.f：初始化leo卫星集合中的所有leo卫星上的缩放的拉格朗日乘数向量
[0027]
其中，u
m
表示leo卫星m上的与将计算任务卸载到leo卫星的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为替方向乘子法的缩放的拉格朗日乘数向量，表示为k表示leo卫星集合中的第k颗leo卫星，表示leo卫星m上的地面用户i将计算任务卸载到leo卫星k的决策值对应位置的缩放的拉格朗日乘数值；v
m
表示leo卫星m上的与将计算任务通过leo卫星卸载到云服务器的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为示为其中，表示leo卫星m上的地面用户i将计算任务通过leo卫星k卸载到云服务器的决策值对应位置的缩放的拉格朗日乘数值；
[0028]
步骤2、判断t是否小于最大迭代次数t，若是，则跳至步骤3，否则跳至步骤8；
[0029]
步骤3、对集合中的每一个leo卫星m，均执行更新局部决策向量中的每一个leo卫星m，均执行更新局部决策向量操作；
[0030]
其中，表示leo卫星m上的将计算任务卸载到leo卫星的局部决策向量，为全局决策向量a
i
在leo卫星m上的本地副本，表示为在leo卫星m上的本地副本，表示为k表示leo卫星集合中的第k颗leo卫星；表示leo卫星m上的将计算任务通过leo卫星卸载到云服务器的局部决策向量，为全局决策向量b
i
在leo卫星m上的本地副本，表示为在leo卫星m上的本地副本，表示为k表示leo卫星集合中的第k颗leo卫星；
[0031]
表示的第t+1次迭代；表示的第t+1次迭代；
[0032]
步骤3，具体操作为：使用原始对偶内点方法或cvx工具解得式(1)的最优解；
[0033][0034]
如果满足leo卫星的最大计算能力约束、每个地面用户只有一个计算
卸载决策约束以及leo卫星最长覆盖时间约束，则卸载决策约束以及leo卫星最长覆盖时间约束，则否则：
[0035]
表示所有地面用户的计算总能耗；
[0036]
k表示leo卫星集合中的第k颗leo卫星；表示中地面用户i将计算任务卸载到leo卫星k的决策值；表示中将计算任务卸载到leo卫星k的决策值；表示中地面用户i将计算任务通过leo卫星k卸载到的决策值；表示中将计算任务通过leo卫星k卸载到云服务器的决策值；表示的第t次迭代；表示的第t次迭代；
[0037]
ρ是交替方向乘子法中对迭代性能有重要影响的正惩罚系数，用于调整收敛速度；ε表示能量因子，其大小取决于芯片结构；||
·
||表示取绝对值；p
i
表示地面用户i的上行发射功率；r
i,m
表示地面用户i与leo卫星m之间计算卸载上行传输速率；x
i
表示完成地面用户i的计算任务所需要的cpu周期数即计算任务算力需求，单位是cpu周期/秒；d
i
表示地面用户i计算数据的数据量；f
il
表示地面用户i的本地计算能力，单位是cpu周期/秒；
[0038]
步骤4、更新松弛的全局决策向量和
[0039]
其中，表示a
i
的第t+1次迭代，表示b
i
的第t+1次迭代；
[0040]
步骤4，具体包括如下子步骤：
[0041]
步骤4.a：计算每个地面用户i第t+1次迭代的将计算任务卸载到leo卫星集合中的每个leo卫星的全局计算卸载决策值
[0042]
其中，表示的a
i,k
的第t+1次迭代；k表示leo卫星集合中的第k个leo卫星；
[0043]
地面用户i的第t+1次迭代的将计算任务卸载到leo卫星k的全局计算卸载决策值等于leo卫星集合中的所有leo卫星上的与的和求和，然后除以leo卫星的数量m；
[0044]
其中，表示的第t+1次迭代；表示的第t次迭代；
[0045]
步骤4.b：计算每个地面用户i第t+1次迭代的将计算任务通过leo卫星集合中的每个leo卫星卸载到云服务器的全局计算卸载决策值
[0046]
其中，表示的b
i,k
的第t+1次迭代；k表示leo卫星集合中的第k个leo卫星；
[0047]
地面用户i的第t+1次迭代的将计算任务通过leo卫星k卸载到云服务器的全局计算卸载决策值等于leo卫星集合中的所有leo卫星上的与的和求和，然后除以leo卫星的数量m；
[0048]
其中，表示的第t+1次迭代；表示的第t次迭代；
[0049]
步骤5、更新第t+1次迭代的缩放的拉格朗日乘数向量u
m(t+1)
和v
m(t+1)
；
[0050]
其中，u
m(t+1)
表示u
m
的第t+1次迭代，v
m(t+1)
表示v
m
的第t+1次迭代；
[0051]
u
m(t+1)
等于u
m(t)
与相加再与相减；v
m(t+1)
等于v
m(t)
与相加再与相减；
[0052]
其中，u
m(t)
表示u
m
的第t次迭代，表示的第t+1迭代，表示a
i
的第t+1次迭代；v
m(t)
表示v
m
的第t次迭代，表示的第t+1次迭代，表示b
i
的第t+1次迭代；
[0053]
步骤6、迭代序号值t加1；
[0054]
步骤7、判断对于所有的地面用户i，是否满足“和差值的欧几里得范数小于等于收敛阈值”和“和差值的欧几里得范数小于等于收敛阈值”，或t达到最大迭代次数t，若是，则跳至步骤8，若否则跳至步骤2；
[0055]
步骤8、恢复松弛的全局决策向量为二进制值；
[0056]
具体包括如下子步骤：
[0057]
步骤8.a：初始化计次序号i＝1；
[0058]
步骤8.b：对于地面用户i，执行寻找最大决策值的操作；
[0059]
其中，表示最大决策值对应的leo卫星序号；
[0060]
步骤8.c：置为1，对于其他的置a
i,k
＝0；
[0061]
步骤8.d：判断leo卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及leo卫星最长覆盖时间约束是否均被满足，若是，则跳至步骤8.e，若否则置步骤8.c中的为0，然后跳至步骤8.e；
[0062]
步骤8.e：判断i是否小于i，若是则执行i＝i+1，跳至步骤8.b，若否，则输出最优地面用户计算卸载决策向量解a
*
，结束本步骤；
[0063]
其中，
[0064]
步骤9、恢复松弛的全局决策向量为二进制值；
[0065]
具体包括如下子步骤：
[0066]
步骤9.a：初始化计次序号i＝1；
[0067]
步骤9.b：对于地面用户i，执行寻找最大决策值的操作；
[0068]
其中，表示最大决策值对应的leo卫星序号，此处的决策为通过某个leo卫星卸载到云服务器的决策；
[0069]
步骤9.c：置为1，对于其他的置b
i,k
＝0；
[0070]
步骤9.d：判断leo卫星的最大计算能力约束、每个地面用户只有一个计算卸载决策约束以及leo卫星最长覆盖时间约束是否均被满足，若是，则跳至步骤9.e，若否则置步骤
9.c中的为0，然后跳至步骤9.e；
[0071]
步骤9.e：判断i是否小于i，若是则执行i＝i+1，跳至步骤9.b，若否则输出最优地面用户计算卸载决策向量解b
*
，结束本方法；
[0072]
其中，有益效果
[0073]
本发明提出的一种混合云和边缘计算的leo卫星网络计算卸载方法，与现有技术相比，具有以下有益效果：
[0074]
1、所述方法能够充分利用云服务器、卫星边缘服务器的计算资源为地面用户提供异构计算服务，提高了运算能力；
[0075]
2、所述方法在实现云
‑
边
‑
端协同计算的同时有效降低地面用户的总能耗；
[0076]
3、所述方法与现有方法相比，降低了计算复杂度。
附图说明
[0077]
图1为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1的系统模型图；
[0078]
图2为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1整体方法流程图；
[0079]
图3为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1恢复松弛的全局决策向量为二进制值的流程图；
[0080]
图4为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1恢复松弛的全局决策向量为二进制值的流程图；
[0081]
图5为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1中地面用户总能耗与地面用户数量i关系的仿真结果图；
[0082]
图6为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法实施例1中地面用户总能耗与计算任务算力需求x
i
关系的仿真结果图；
[0083]
图7为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法实施例1中地面用户总能耗与计算数据的数据量d
i
关系的仿真结果图；
[0084]
图8为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法实施例1中地面用户总能耗与地面用户本地计算能力f
il
关系的仿真结果图。
具体实施方式
[0085]
下面结合附图和具体实施例对本发明所述的一种混合云和边缘计算的leo卫星网络计算卸载方法进行详细说明。
[0086]
实施例1
[0087]
本实施例详细阐述了本发明所述的一种混合云和边缘计算的leo卫星网络计算卸载方法具体实施时的步骤。
[0088]
图1为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1的系统模型图，由图1可见，本实施例考虑一个具有三层计算架构的混合云计算和边缘计算的
leo卫星网络，该具有三层计算架构的混合云和边缘计算leo卫星网络包括m个能够为地面用户提供边缘计算服务的leo卫星，leo卫星的集合表示为在leo卫星集合覆盖范围内随机分布的i个地面用户，地面用户的集合表示为以及提供云计算服务的云服务器；
[0089]
具体到本实施例，如果未做特殊说明，则leo卫星数量m为3，地面用户数量i为24；
[0090]
假设每个地面用户只有一个计算任务且计算任务不可拆分，每一个地面用户的一个计算任务只能有一个计算卸载决策；地面用户选择将计算任务放在本地计算、卸载到leo卫星上计算或者通过leo卫星卸载到云服务器上计算；
[0091]
leo卫星m的最大计算能力z
m
为20gcycles/s，leo卫星m的覆盖时间t
m
由(1)式得出；
[0092][0093]
其中，v
s
表示leo卫星的速度，l表示星下点和地面用户之间的长度，由(2)式得出；
[0094]
l＝2
·
(r
e
+h)
·
γ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0095]
其中，r
e
表示地球半径，h表示地面用户与leo卫星轨道之间的距离，γ表示与leo卫星覆盖区域相对应的地心角，可由(3)式计算得出；
[0096][0097]
其中，θ表示地面用户与leo卫星之间的仰角；
[0098]
具体到本实施例，leo卫星的速度v
s
为21.6km/s，地球半径r
e
取6356.77km，地面用户与leo卫星轨道之间的距离h为784km，仰角θ为10
°
，将上述变量代入(1)(2)(3)式可得l＝13523km，t
m
＝626s；
[0099]
考虑每个地面用户只能与一个leo卫星进行数据传输，且多个地面用户共享同一频谱资源，这意味着地面用户之间存在相互干扰；那么地面用户i与leo卫星m之间计算卸载上行传输速率表示为r
i,m
；
[0100][0101]
其中，g
i,m
表示地面用户i到leo卫星m的信道增益，b表示可用频谱宽度，p
i
表示地面用户i的上行发射功率，σ2表示加性高斯白噪声的功率；
[0102]
具体到本实施例，信道增益g
i,m
为大尺度衰落和阴影
‑
莱斯衰落的随机信道增益，可用频谱宽度b为20mhz，每个地面用户i的上行发射功率p
i
均取23dbm，加性高斯白噪声的功率σ2为
‑
143dbw；r
i,m
可由(4)式计算得到；
[0103]
t
il
表示地面用户i的计算任务在本地的执行时间，表示地面用户i将计算任务卸载到leo卫星m上计算所需的时间，表示地面用户i将计算任务通过leo卫星m卸载到云服务器上计算所需的时间；
[0104]
分别由(5)(6)(7)式计算：
[0105]
[0106][0107][0108]
其中，x
i
表示完成地面用户i的计算任务所需要的cpu周期数计算任务算力需求；d
i
表示地面用户i计算数据的数据量；f
il
表示地面用户i的本地计算能力，单位是cpu周期/秒；f
is
表示leo卫星分配给地面用户i的计算能力，单位是cpu周期/秒，并且假设每个leo卫星分配给地面用户i的计算能力是相等的；f
ic
表示云服务器分配给地面用户i的计算能力，单位是cpu周期/秒；s
i,m
表示地面用户i与leo卫星m之间的距离，可由(8)式计算得出；c表示光速；r表示leo卫星m与云服务器之间的传输速率；
[0109][0110]
具体到本实施例，如果未做特殊说明，完成地面用户i的计算任务所需要的cpu周期数即计算任务算力需求x
i
为1000m周期/秒，地面用户i计算数据的数据量d
i
为1000kb，地面用户i的本地计算能力f
il
为0.1g周期/秒，leo卫星分配给地面用户i的计算能力f
is
为3g周期/秒，云服务器分配给地面用户i的计算能力f
ic
为10g周期/秒，光速c取300000km/s，leo卫星m与云服务器之间的传输速率r为1
×
106bit/s；
[0111]
考虑计算结果的数据量远小于输入计算数据的数据量，并且leo卫星的下行传输速率远大于地面用户的上行传输速率，所以忽略将计算结果返回给地面用户的下行传播时延；
[0112]
图2为本发明所述的一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1整体方法流程图；
[0113]
从图2能够看出本发明所述的一种混合云和边缘计算的leo卫星网络计算卸载方法的详细流程，具体到本实施例，方法操作流程如下：
[0114]
步骤1、初始化混合云计算和边缘计算的leo卫星网络，具体包括如下子步骤：
[0115]
步骤1.a：初始化停止迭代的阈值∈
dual
为0.001；
[0116]
步骤1.b：初始化迭代序号值t＝0并设定最大迭代次数t为1000；
[0117]
步骤1.c：初始化地面用户集合中的所有地面用户的将计算任务卸载到leo卫星的全局决策向量a
i
为0向量；初始化地面用户集合中的所有地面用户的将计算任务通过leo卫星卸载到云服务器的全局决策向量b
i
为0向量；
[0118]
其中，i表示地面用户集合中的第i个地面用户；a
i
表示地面用户i将计算任务卸载到leo卫星的全局决策向量，a
i
＝{a
i,1
,a
i,2
,
…
,a
i,m
}，a
i,m
∈{0,1}，∈{0,1}，表示leo卫星集合中的第m颗leo卫星，a
i,m
为1时表示地面用户i将计算任务卸载到卫星m上，否则a
i,m
＝0；b
i
表示地面用户i将计算任务通过leo卫星卸载到云服务器的全局决策向量，b
i
＝{b
i,1
,b
i,2
,
…
,b
i,m
}，b
i,m
∈{0,1}，b
i,m
为1时表示地面用户i将计算任务通过leo卫星m卸载到云服务器上，否则b
i,m
＝0；
[0119]
步骤1.d：将地面用户集合中的所有地面用户的a
i
和b
i
中的计算卸载决策值a
i,m
和b
i,m
松弛为[0,1]间的连续变量，即a
i,m
∈[0,1]，b
i,m
∈[0,1]，称此时的a
i
和b
i
为松弛的全局决策向量；
[0120]
步骤1.e：初始化第t次迭代地面用户集合中的所有地面用户的松弛的全局决策
向量可行解；
[0121]
其中，该可行解，记为：表示a
i
的第t次迭代，表示b
i
的第t次迭代；变量的右上角标(t)表示变量的第t次迭代；
[0122]
具体到本实施例，初始化为0向量；初始化为0向量；
[0123]
步骤1.f：初始化leo卫星集合中的所有leo卫星上的缩放的拉格朗日乘数向量
[0124]
其中，u
m
表示leo卫星m上的与将计算任务卸载到leo卫星的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为替方向乘子法的缩放的拉格朗日乘数向量，表示为k表示leo卫星集合中的第k颗leo卫星，表示leo卫星m上的地面用户i将计算任务卸载到leo卫星k的决策值对应位置的缩放的拉格朗日乘数值；v
m
表示leo卫星m上的与将计算任务通过leo卫星卸载到云服务器的决策向量相对应的交替方向乘子法的缩放的拉格朗日乘数向量，表示为示为其中，表示leo卫星m上的地面用户i将计算任务通过leo卫星k卸载到云服务器的决策值对应位置的缩放的拉格朗日乘数值；
[0125]
具体到本实施例，具体操作为初始化u
m
为0向量；初始化v
m
为0向量；
[0126]
步骤2、判断迭代序号值t是否小于最大迭代次数t，若是，则跳至步骤3，若否则跳至步骤8；
[0127]
步骤3、对集合中的每一个leo卫星m，均执行更新局部决策向量中的每一个leo卫星m，均执行更新局部决策向量操作；
[0128]
其中，表示leo卫星m上的将计算任务卸载到leo卫星的局部决策向量，为全局决策向量a
i
在leo卫星m上的本地副本，表示为在leo卫星m上的本地副本，表示为k表示leo卫星集合中的第k颗leo卫星；表示leo卫星m上的将计算任务通过leo卫星卸载到云服务器的局部决策向量，为全局决策向量b
i
在leo卫星m上的本地副本，表示为在leo卫星m上的本地副本，表示为k表示leo卫星集合中的第k颗leo卫星；表示的第t+1次迭代；表示的第t+1次迭代；
[0129]
步骤3，具体操作为使用原始对偶内点方法或cvx工具解得问题(9)的最优解；
[0130][0131]
如果满足(10)式表示的leo卫星的最大计算能力约束、(11)式表示的每个地面用户只有一个计算卸载决策约束以及(12)式表示的leo卫星最长覆盖时间约束，则则否则表示所有地面用户的计算总能耗；
[0132][0133][0134][0135]
k表示leo卫星集合中的第k颗leo卫星；表示中地面用户i将计算任务卸载到leo卫星k的决策值；表示中将计算任务卸载到leo卫星k的决策值；表示中地面用户i将计算任务通过leo卫星k卸载到的决策值；表示中将计算任务通过leo卫星k卸载到云服务器的决策值；表示的第t次迭代；表示的第t次迭代；
[0136]
ρ是交替方向乘子法中对迭代性能有重要影响的正惩罚系数，用于调整收敛速度；ε表示能量因子，其大小取决于芯片结构；||
·
||表示取绝对值；p
i
表示地面用户i的上行发射功率；r
i,m
表示地面用户i与leo卫星m之间计算卸载上行传输速率；x
i
表示完成地面用户i的计算任务所需要的cpu周期数即计算任务算力需求，单位是cpu周期/秒；d
i
表示地面用户i计算数据的数据量；f
il
表示地面用户i的本地计算能力，单位是cpu周期/秒；
[0137]
具体到本实施例，如果未做特殊说明，正惩罚系数ρ取0.8；能量因子ε取1
×
10
‑
20
；地面用户i的上行发射功率p
i
取23dbm，上行传输速率r
i,m
可由(4)式得到；完成地面用户i的计算任务所需要的cpu周期数即计算任务算力需求x
i
为1000m周期/秒，地面用户i计算数据的数据量d
i
为1000kb，地面用户i的本地计算能力f
il
为0.1g周期/秒；
[0138]
步骤4、更新松弛的全局决策向量和
[0139]
其中，表示a
i
的第t+1次迭代，表示b
i
的第t+1次迭代；
[0140]
具体包括如下子步骤：
[0141]
步骤4.a：对每个地面用户i的全局决策向量中的每个元素均执行(13)式操作；
[0142][0143]
其中，表示的a
i,k
的第t+1次迭代；k表示leo卫星集合中的第k个leo卫星；表示的第t+1次迭代；表示的第t次迭代；
[0144]
步骤4.b：对每个地面用户i的全局决策向量中的每个元素均执行(14)式操作；
[0145][0146]
其中，表示的b
i,k
的第t+1次迭代；k表示leo卫星集合中的第k个leo卫星；表示的第t+1次迭代；表示的第t次迭代；
[0147]
步骤5、更新第t+1次迭代的缩放的拉格朗日乘数向量u
m(t+1)
和v
m(t+1)
；具体包括如
下子步骤：
[0148]
其中，u
m(t+1)
表示u
m
的第t+1次迭代，v
m(t+1)
表示v
m
的第t+1次迭代；
[0149]
步骤5.a：对缩放的拉格朗日乘数向量u
m(t+1)
执行(15)式操作；
[0150][0151]
其中，u
m(t)
表示u
m
的第t次迭代，表示的第t+1迭代，表示a
i
的第t+1次迭代；
[0152]
步骤5.b：对缩放的拉格朗日乘数向量v
m(t+1)
执行(16)式操作；
[0153][0154]
其中，v
m(t)
表示v
m
的第t次迭代，表示的第t+1次迭代，表示b
i
的第t+1次迭代；
[0155]
步骤6、迭代序号值t加1；
[0156]
步骤7、判断对于所有的地面用户i，是否均满足步骤7、判断对于所有的地面用户i，是否均满足或t达到最大迭代次数t，若是，则跳至步骤8，若否则跳至步骤2；
[0157]
步骤8、恢复松弛的全局决策向量为二进制值；
[0158]
图3为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1中恢复松弛的全局决策向量为二进制值的流程图；
[0159]
从图3能够看出步骤8中恢复松弛的全局决策向量为二进制值的方法，具体到本实施例，方法操作流程如下，具体包括如下子步骤：
[0160]
步骤8.a：初始化计次序号i＝1；
[0161]
步骤8.b：对于地面用户i，执行寻找最大决策值的操作；
[0162]
其中，表示最大决策值对应的leo卫星序号；
[0163]
步骤8.c：置为1，对于其他的置a
i,k
＝0；
[0164]
步骤8.d：判断约束(17)(18)(19)是否被满足，若是，则跳至步骤8.e，若否则置步骤8.c中的为0，然后跳至步骤8.e；
[0165][0166][0167][0168]
步骤8.e：判断i是否小于i，若是则执行i＝i+1，跳至步骤8.b，若否则输出结果结束本步骤；
[0169]
步骤9、恢复松弛的全局决策向量为二进制值；
[0170]
图4为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法及实施例1中松
弛的全局决策向量为二进制值的流程图；
[0171]
从图4能够看出步骤9中恢复松弛的全局决策向量为二进制值的方法，具体到本实施例，方法操作流程如下，具体包括如下子步骤：
[0172]
步骤9.a：初始化计次序号i＝1；
[0173]
步骤9.b：对于地面用户i，执行寻找最大决策值的操作；
[0174]
其中，表示最大决策值对应的leo卫星序号，此处的决策为通过某个leo卫星卸载到云服务器的决策；
[0175]
步骤9.c：置为1，对于其他的置b
i,k
＝0；
[0176]
步骤9.d：判断约束(20)(21)(22)是否被满足，若是，则跳至步骤9.e，若否则置步骤9.c中的为0，然后跳至步骤9.e；
[0177][0178][0179][0180]
步骤9.e：判断i是否小于i，若是则执行i＝i+1，跳至步骤9.b，若否则输出结果结束本步骤；
[0181]
步骤10、输出最优地面用户计算卸载决策向量解和
[0182]
其中，为步骤8.e输出的结果为步骤9.e输出的结果
[0183]
至此，经过步骤1到步骤10，完成了一种混合云和边缘计算的leo卫星网络计算卸载任务。
[0184]
图5为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法实施例1中地面用户总能耗与地面用户数量i关系的仿真结果图；
[0185]
图5横坐标为地面用户数量i，依次取值3，6，9，12，15，18，纵坐标为地面用户总能耗，单位为j，仿真实验对四种方法的能耗进行了对比分析：1)混合云计算和边缘计算的leo卫星网络计算卸载方法，即本方法；2)cos方法；3)oscloc方法；4)cl方法；
[0186]
由图5能够看出，四种方法的总能耗随着地面用户数量i的增加而增加，本方法的地面用户能耗低于oscloc方法和cl方法，与cos方法相接近，并且随着地面用户数的增加，本方法的地面用户能耗的增速低于oscloc方法和cl方法；
[0187]
图6为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法实施例1中地面用户总能耗与计算任务算力需求x
i
关系的仿真结果图；
[0188]
图6横坐标为计算任务算力需求x
i
，依次取值3g周期/秒，6g周期/秒，9g周期/秒，12g周期/秒，15g周期/秒，18g周期/秒，纵坐标为地面用户总能耗，单位为j，仿真实验对四种方法的能耗进行了对比分析：1)混合云计算和边缘计算的leo卫星网络计算卸载方法，即本方法；2)cos方法；3)oscloc方法；4)cl方法；
[0189]
由图6能够看出，四种方法的总能耗随着计算任务算力需求x
i
的增加而增加，本方法的地面用户能耗低于oscloc方法和cl方法，与cos方法的能耗相接近，并且随着计算任务算力需求x
i
的增加，本方法的地面用户能耗的增速低于oscloc方法和cl方法；
[0190]
图7为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法实施例1中地面用户总能耗与计算数据的数据量d
i
关系的仿真结果图；
[0191]
图7横坐标为计算数据的数据量d
i
，依次取值2000kb，4000kb，6000kb，8000kb，10000kb，12000kb，纵坐标为地面用户总能耗，单位为j，仿真实验对四种方法的能耗进行了对比分析：1)混合云计算和边缘计算的leo卫星网络计算卸载方法，即本方法；2)cos方法；3)oscloc方法；4)cl方法；
[0192]
由图7能够看出，本方法、oscloc方法和cos方法的总能耗随着计算数据的数据量d
i
的增加而增加，而根据式(13)，本地计算的能耗与计算数据的数据量d
i
无关，所以cl方法的总能耗不对计算数据的数据量d
i
的变化而变化，在仿真实验范围内，本方法的地面用户能耗低于oscloc方法和cl方法，与cos方法的能耗相接近，尤其是当计算任务量为2000kb时，本方法的总能耗分别比oscloc方法和cl方法低了20.3％和28.8％；
[0193]
图8为本发明一种混合云和边缘计算的leo卫星网络计算卸载方法实施例1中地面用户总能耗与地面用户本地计算能力f
il
关系的仿真结果图；
[0194]
图8横坐标为地面用户本地计算能力f
il
，依次取值1g周期/秒，2g周期/秒，3g周期/秒，4g周期/秒，5g周期/秒，6g周期/秒，7g周期/秒，8g周期/秒，纵坐标为地面用户总能耗，单位为j，仿真实验对四种方法的能耗进行了对比分析：1)混合云计算和边缘计算的leo卫星网络计算卸载方法，即本方法；2)cos方法；3)oscloc方法；4)cl方法；
[0195]
由图8能够看出，四种方法的总能耗随着地面用户本地计算能力f
il
的增加而增加，本方法的地面用户能耗低于oscloc方法和cl方法，与cos方法的能耗相接近，并且随着地面用户本地计算能力f
il
的增加，本方法的地面用户能耗的增速低于oscloc方法和cl方法。
[0196]
cos的计算复杂度为oscloc方法的计算复杂度为其中n为最大迭代长度，α为准确度需求，cl方法的每次迭代的计算复杂度为所述方法的计算复杂度为其中k为所需迭代次数，由上述分析能够看出所述方法的计算复杂度与所述方法与oscloc方法和cl方法相接近，而与cos方法相比降低了计算复杂度。
[0197]
以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。