一种可靠性感知的边缘计算方法

本发明涉及边缘计算和工业互联网技术，具体涉及一种可靠性感知的边缘计算方法。

背景技术：

1、目前，互联网的飞速发展使得智能设备已经成为人们生活中不可或缺的一部分，同时互联网时代对传输带宽、时延、能耗、应用性能和可靠性提出了更高的要求，各种复杂的应用(如智能监控、自主控制和智能医疗等)变得更加普及，并且都是计算密集型和时延敏感型任务，需要大量的带宽和处理资源。由于设备的计算能力和存储能力非常有限，一些复杂的物联网应用(例如，人脸识别、增强现实、自动驾驶)无法在本地有效处理。因此将计算任务卸载到边缘服务器处理是一大解决方法。

2、现有方案往往关注资源调度中时延、能耗等网络的系统性能，通过在时延约束下来进行节能设计。由于工业现场数据量比较庞大，无线资源稀缺、信道高度时变以及卸载策略复杂，同时，在任务卸载过程中包括通信和计算过程的耦合，并且通信和计算资源分配不当会导致资源利用率低和任务完成时延差异化。因此需要考虑任务在计算过程和通信过程中的可靠性，以满足工业互联网场景下任务的整体可靠性，如何合理分配资源以及设计高效的计算卸载策略，是边缘计算中的一大挑战因此，亟需一种可靠性感知的边缘计算卸载和资源分配方法，减少计算密集、时延敏感型任务的能量消耗。

技术实现思路

1、有鉴于此，本发明的目的在于针对工业互联网边缘计算场景中，由于工业设备数据量大，计算能效低，计算资源利用率低、任务完成时延差异化的问题，提供一种可靠性感知的边缘计算方法，考虑任务计算和通信可靠性，通过优化计算任务所产生的总能耗，减少大量任务带来的能量消耗。

2、为达到上述目的，本发明提供如下技术方案：

3、一种可靠性感知的边缘计算卸载和资源分配方法，首先，初始化发射功率、计算资源以及通信资源初始解，然后分别采用凸优化以及基于本发明提出的改进混合鲸鱼优化算法求解三个子问题。对于卸载比率分配过程，首先固定发射功率以及计算资源分配，然后通过拉格朗日理论以及凸优化求解出卸载比率；对于通信资源分配过程，首先固定卸载比率以及计算资源分配，然后通过本发明提出来的改进混合鲸鱼优化算法进行求解得出发射功率；对于计算资源分配过程，首先固定卸载比率以及发射功率，然后通过本发明所提算法进行求解得出计算资源分配，最后通过判断能耗来确定是否达到最优解。该方法具体包括以下步骤：

4、s1：根据包含多个设备和一个物联网中继器以及一个边缘服务器的边缘计算网络场景，建立可靠性边缘计算系统框架；

5、s2：在步骤s1中的系统架构下，根据任务卸载时的传输时延和传输能耗，建立通信模型；根据计算时延和计算能耗，建立计算模型；

6、s3：根据温度和信噪比，将计算模型和通信模型建立为计算可靠性模型和通信可靠性模型；

7、s4：根据计算可靠性模型和通信可靠性模型，建立以时延和可靠性为约束条件，以所有设备能耗最小化为优化目标的优化问题；

8、s5：将所述优化问题分解为卸载比率子问题、功率控制子问题和计算资源子问题，采用步骤s6～步骤s7进行交替迭代求解；

9、s6：通过凸优化理论以及拉格朗日方法求解所述卸载比率子问题，得出最优的卸载决策；

10、s7：通过改进混合鲸鱼优化算法求解功率控制子问题和计算资源子问题，得出最优的发射功率、本地计算资源分配决策和边缘计算资源分配决策。

11、本发明的有益效果在于：

12、本发明在考虑任务通信可靠性和计算可靠性下提出了一种节能边缘计算设计方案，在保证任务容忍时延以及任务整体可靠性需求下通过联合优化卸载决策、通信和计算资源分配，以最大限度地降低设备的能耗。并考虑芯片处理能力，提出了一个通过温度来衡量任务计算可靠性的模型，并将原非凸问题转化为几个子问题进行求解，同时提出了交替迭代算法以及改进混合鲸鱼优化算法。

13、本发明针对工业互联网边缘计算场景中，解决由于终端设备计算能力不足导致资源利用率低，难以实现节能性能。本发明可以在保障任务整体可靠性的同时，降低终端设备的能量消耗。

14、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

技术特征：

1.一种可靠性感知的边缘计算方法，其特征在于，该方法具体包括以下步骤：

2.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤s1中可靠性边缘计算系统框架具体包括构建具有多个时延敏感、计算密集型任务的工业物联网设备以及物联网中继器n，单个边缘服务器m；计算任务表述为其中d表示任务输入大小；c表示计算每比特任务所需cpu周期数；tmax表示任务容忍时延；当本地计算无法达到任务所需性能要求时，部分任务由本地设备上传到边缘服务器进行并行处理，计算卸载过程表述为本地设备首先将任务卸载到边缘服务器进行处理，然后待任务计算完成后，将计算结果返回终端设备。

3.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤s2具体包括：

4.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤s3具体包括：

5.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤s4中，所建立的优化问题如下所示：

6.根据权利要求5所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤s5中，将所述优化问题分解为卸载比率子问题、功率控制子问题和计算资源子问题如下：

7.根据权利要求6所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤s5中，

8.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述采用步骤s6～步骤s7进行交替迭代求解具体包括：

9.根据权利要求1或8所述的一种可靠性感知的边缘计算方法，其特征在于，所述改进混合鲸鱼优化算法具体包括利用混合鲸鱼优化算法对可行解鲸鱼种群进行初始化，初始化可行解鲸鱼群体的位置；判断是否满足终止条件，若不满足，则计算可行解鲸鱼群体的适应度值，并根据所述适应度值计算得到收敛系数a、随机系数c、区间随机系数l和随机数p；若所述随机数p小于第一预设阈值，则继续判断所述收敛系数a是否大于等于第二预设阈值，则大于等于第二预设阈值，则选择随机搜索代理后通过蝙蝠算法更新机制更新所述可行解鲸鱼个体的位置；若不大于等于第二预设阈值，则选择最优搜索代理后通过蝙蝠算法更新机制更新所述可行解鲸鱼个体的位置；若第一系数rand大于第二系数r，则更新本地的可行解鲸鱼个体的位置；若声波响度η大于第一系数rand，且当前可行解鲸鱼群体的位置的适应度值大于前一可行解鲸鱼群体的位置的适应度值，则更新脉冲发生率以及声波响度；若所述随机数不小于第一预设阈值或者在更新脉冲发生率以及声波响度后，通过螺旋环绕机制更新位置，判断当前适应度值是否小于之前的适应度值，若小于，则选择更新当前可行解鲸鱼群体的位置，否则选择之前的可行解鲸鱼群体的位置；直至确定出最终的最优的发射功率、本地计算资源分配决策和边缘计算资源分配决策可行解。

技术总结
本发明属于边缘计算和工业互联网技术领域，具体涉及一种可靠性感知的边缘计算方法。本发明首先考虑到设备芯片计算过程中会带来温度的升高降低系统性能，同时信道条件会因为衰落而影响通信能力，通过芯片计算产生的温度不超过容忍温度以及信噪比不小于最低信噪比阈值来对计算可靠性和通信可靠性进行建模。然后，通过构建本地计算模型、传输模型、边缘计算模型以及可靠性模型，设计了一个能耗最小化问题。最后，采用改进混合鲸鱼优化算法和交替迭代方法提出了可靠性感知的能效交替迭代任务卸载方法。本发明所提方法可在工业互联网可靠性场景下降低终端设备的能量消耗，显著提高资源的有效利用率。

技术研发人员：李职杜,张靖珏
受保护的技术使用者：重庆邮电大学空间通信研究院
技术研发日：
技术公布日：2024/1/14