技术特征：
1.一种移动边缘计算成本效益优化方法，其特征在于，所述移动边缘计算成本效益优化方法包括：用户个数和集合分别为n和ap个数m，每个ap所能容纳的最大用户数k，本地可行集合本地不可行集合本地用户个数和集合分别为n
loc
和mec服务器用户个数和集合分别为n
mec
和云中心用户个数和集合n
cloud
和mec服务器集合用户任务输入数据量d
n
，用户任务处理密度λ
n
，用户本地处理能力用户任务的最大可容忍时延用户信道增益g
n,m
，用户本地处理能耗系数α参数；根据本地执行的可行性以及用户任务的最大可容忍时延来进行卸载决策分配优化；对于每个用户，判断本地执行是否可行，如果可行，则用户暂时放入本地可行集合如果不可行，则用户暂时放入本地不可行集合如果n1＜mk，即本地不可行用户的数量小于mec服务器能够承受的容量，则中的所有用户卸载到mec服务器，并将mk
‑
n1个用户从本地可行集移到mec服务器使mec服务器饱和，此时中剩余的用户任务在本地执行；如果n1＞mk，即一些用户必须卸载到云中心处理，本发明挑选mk个用户卸载到mec处理，剩余的用户将被卸载到云中心，此时中所有用户任务在本地执行；进行mec接入控制和用户分簇优化：根据所定义的新参数，计算mec中所有用户的值，找到最大值所对应的用户和mec服务器，即表示此用户任务想卸载到此mec服务器，判断此mec服务器未是否已满，如果未满，则将此用户卸载到这个mec服务器，并将此用户从中去除，再进行下一次迭代；否则，则将此mec服务器从整个mec服务器集合中去除，进行下一次迭代；进行本地计算资源分配优化：对于每个在本地执行任务的用户，使其本地处理时延等于用户任务最大处理时延，即可得到本地计算资源分配；进行mec服务器功率控制优化：对于卸载任务到mec服务器处理的用户，首先，针对终端用户k，采用处理时延满足最大时延的用户功率；在确定用户k的功率后，用户k
‑
1的功率根据速率也可求出；以此类推，直到求出第一个用户的功率，即可得到用户功率分配；进行云中心功率控制优化：对于卸载任务到云中心处理的用户，采用满足处理时延等于最大时延的发射功率，即可得到云中心用户功率分配。2.如权利要求1所述移动边缘计算成本效益优化方法，其特征在于，所述接入控制和用户分簇优化，包括：(1)mec服务器用户个数n
total
，mec服务器个数g1,g2...g
m
，mec服务器集合(2)对于每个用户计算γ
n,m
＝g
n,m
f
m
，记为集合γ＝{γ
n,m
}；(3)判断是否满足n
total
≤mk，如果满足，找到(n
*
,m
*
)＝argmaxγ；如果不满足，执行步骤(5)；(4)判断是否满足如果满足，γ
n
＝{γ
n.m
}＝0，n
total
＝
n
total
+1；如果不满足将第m
*
个mec服务器从中去除并设接着执行步骤(3)；(5)算法执行结束，得到接入控制和用户分簇优化策略。3.如权利要求2所述移动边缘计算成本效益优化方法，其特征在于，步骤(2)中，信道增益最好的mec服务器会降低数据传输延迟，计算资源最多的服务器会降低任务处理延迟；结合这两个因素，定义一个新的参数γ
n,m
＝g
n,m
f
m
，γ
n,m
越大，用户n越想访问mec服务器m。4.如权利要求1所述移动边缘计算成本效益优化方法，其特征在于，所述本地计算资源分配、mec服务器和云中心功率控制优化，包括：(1)初始化参数：用户本地处理能力用户任务的最大可容忍时延用户信道增益g
n,m
，用户本地处理能耗系数α参数等；(2)对于每个用户使其满足得到本地资源分配(3)对于每个用户其功率分配按照每一个mec进行分配，对于第m个mec里的用户，使其最后一个用户满足得到接着倒数第二个用户满足得到以此类推，直到求出第一个用户功率其余的mec功率分配同上分配；(4)对于每个用户使其满足得到功率分配(5)算法执行结束，得到本地计算资源分配、mec服务器和云中心功率控制策略；其中，在步骤(2)中，取满足的本地资源分配是因为任务处理时延越大，所需的本地计算资源就越少，本地处理能耗就越少；在步骤(3)和步骤(4)中，亦是趋于mec能耗减小和云中心成本减小的方向进行。5.如权利要求1所述移动边缘计算成本效益优化方法，其特征在于，所述移动边缘计算成本效益优化方法包括以下步骤：步骤一，初始化参数：用户个数和集合分别为n和ap个数m，每个ap所能容纳的最大用户数k，本地可行集合本地不可行集合本地用户个数和集合分别为n
loc
和mec服务器用户个数和集合分别为n
mec
和云中心用户个数和集合n
cloud
和步骤二，判断每个用户是否满足如果满足，则将用户暂时放入本地可行集合如果不满足，则将用户放在本地不可行集合步骤三，判断是否满足n1＜mk，如果满足，则将中的所有用户卸载到mec服务器，并将mk
‑
n1个用户从本地可行集卸载到mec服务器，记为mec服务器用户集合卸载决策记为y
n
＝1；此时中剩余的用户记为本地用户集合卸载决策记为x
n
＝1；如果不满足，则在中挑选mk个用户卸载到mec处理，记为mec服务器用户集合卸载决策记为y
n
＝1，中剩余的用户将被卸载到云中心，记为云中心用户集合卸载决策记为z
n
＝1，此时中所有用户记为本地用户集合
步骤四，算法执行结束，得到用户卸载决策优化策略。6.如权利要求5所述移动边缘计算成本效益优化方法，其特征在于，步骤三中，从本地可行集中取mk
‑
n1个用户卸载到mec，所取用户的方法包括：(1)对于每个用户计算(2)定义一个新参数(3)将g
n
升序排列取最后的mk
‑
n1个用户卸载到mec。7.一种实施权利要求1～6任意一项所述移动边缘计算成本效益优化方法的移动边缘计算成本效益优化系统，其特征在于，所述移动边缘计算成本效益优化系统包括：初始化模块，用于初始化用户个数，ap个数，每个ap所能容纳的最大用户数，本地可行集合，本地不可行集合，本地用户集合，mec服务器用户集合，云中心用户集合，mec服务器集合，用户任务输入数据量，用户任务处理密度，用户本地处理能力，用户任务的最大可容忍时延；卸载决策模块，用于根据本地执行的可行性以及用户任务的最大可容忍时延来进行卸载决策分配优化；接入控制和用户分簇模块，用于根据用户的喜好选择接入mec服务器来实现接入控制和用户分簇；分配优化模块，用于进行本地计算资源分配优化、mec服务器功率控制优化以及云中心功率控制优化。8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：用户个数和集合分别为n和ap个数m，每个ap所能容纳的最大用户数k，本地可行集合本地不可行集合本地用户个数和集合分别为n
loc
和mec服务器用户个数和集合分别为n
mec
和云中心用户个数和集合n
cloud
和mec服务器集合用户任务输入数据量d
n
，用户任务处理密度λ
n
，用户本地处理能力用户任务的最大可容忍时延用户信道增益g
n,m
，用户本地处理能耗系数α参数；根据本地执行的可行性以及用户任务的最大可容忍时延来进行卸载决策分配优化；对于每个用户，判断本地执行是否可行，如果可行，则用户暂时放入本地可行集合如果不可行，则用户暂时放入本地不可行集合如果n1＜mk，即本地不可行用户的数量小于mec服务器能够承受的容量，则中的所有用户卸载到mec服务器，并将mk
‑
n1个用户从本地可行集移到mec服务器使mec服务器饱和，此时中剩余的用户任务在本地执行；如果n1＞mk，即一些用户必须卸载到云中心处理，本发明挑选mk个用户卸载到mec处理，剩余的用户将被卸载到云中心，此时中所有用户任务在本地执行；进行mec接入控制和用户分簇优化：根据所定义的新参数，计算mec中所有用户的值，找
到最大值所对应的用户和mec服务器，即表示此用户任务想卸载到此mec服务器，判断此mec服务器未是否已满，如果未满，则将此用户卸载到这个mec服务器，并将此用户从中去除，再进行下一次迭代；否则，则将此mec服务器从整个mec服务器集合中去除，进行下一次迭代；进行本地计算资源分配优化：对于每个在本地执行任务的用户，使其本地处理时延等于用户任务最大处理时延，即可得到本地计算资源分配；进行mec服务器功率控制优化：对于卸载任务到mec服务器处理的用户，首先，针对终端用户k，采用处理时延满足最大时延的用户功率；在确定用户k的功率后，用户k
‑
1的功率根据速率也可求出；以此类推，直到求出第一个用户的功率，即可得到用户功率分配；进行云中心功率控制优化：对于卸载任务到云中心处理的用户，采用满足处理时延等于最大时延的发射功率，即可得到云中心用户功率分配。9.一种需要大容量、低能耗的物联网场景控制系统，其特征在于，所述需要大容量、低能耗的物联网场景控制系统执行如权利要求1～6任意一项所述移动边缘计算成本效益优化方法。10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述移动边缘计算成本效益优化系统。
技术总结
本发明属于通信技术领域，公开了一种移动边缘计算成本效益优化方法、系统及应用，所述移动边缘计算成本效益优化方法包括：初始化用户个数和集合；根据本地执行的可行性以及用户任务的最大可容忍时延进行卸载决策分配优化；进行MEC接入控制和用户分簇优化；分别进行本地计算资源分配优化、MEC服务器功率控制优化以及云中心功率控制优化。本发明通过协同优化卸载决策、接入控制和用户分簇、本地计算资源分配和功率控制，在保证用户任务处理时延的QoS需求的条件下，减小系统总成；将非正交多址引入移动边缘计算系统中，允许多个用户使用相同的信道同时卸载他们自己的任务，提高计算卸载的性能和系统容纳的用户数，进一步提高系统的频谱效率。的频谱效率。的频谱效率。
技术研发人员：杜剑波 孙艳 李树磊 孙爱晶 卢光跃 姜静 和煦 程远征 任德锋
受保护的技术使用者：西安邮电大学
技术研发日：2021.06.08
技术公布日：2021/10/26