智 慧，房小彤

(安徽大學(xué) 計(jì)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230601)

隨著無(wú)線通信技術(shù)的發(fā)展，蜂窩網(wǎng)絡(luò)中移動(dòng)終端的數(shù)量呈爆炸式增長(zhǎng)，各種計(jì)算密集型應(yīng)用(如VR、互動(dòng)游戲、視頻電話等)也隨之增加，這些應(yīng)用對(duì)傳輸時(shí)延和能量消耗有較高要求[1].移動(dòng)邊緣計(jì)算(mobile edge computing, 簡(jiǎn)稱(chēng)MEC)是移動(dòng)通信網(wǎng)絡(luò)的關(guān)鍵技術(shù)之一[2]，作為移動(dòng)云計(jì)算的補(bǔ)充，可將計(jì)算資源、緩存等下沉到網(wǎng)絡(luò)邊緣，減輕蜂窩網(wǎng)絡(luò)的傳輸壓力，降低計(jì)算任務(wù)的傳輸時(shí)延、終端設(shè)備的能耗[3].

科研人員對(duì)MEC中任務(wù)卸載決策及計(jì)算資源分配進(jìn)行了研究.文獻(xiàn)[4]以系統(tǒng)能量消耗最小為目標(biāo)，在時(shí)延約束下優(yōu)化了卸載決策和計(jì)算資源的分配.文獻(xiàn)[5]為了任務(wù)卸載時(shí)移動(dòng)設(shè)備能耗最小，分別對(duì)卸載決策、計(jì)算資源分配進(jìn)行了優(yōu)化.文獻(xiàn)[6]提出了一種時(shí)延改進(jìn)機(jī)制，以降低卸載的時(shí)延.文獻(xiàn)[7]使用坐標(biāo)下降法制定卸載決策優(yōu)化方案，采用改進(jìn)的匈牙利算法和貪婪算法對(duì)子信道進(jìn)行分配，滿足了用戶(hù)時(shí)延的要求，但每個(gè)邊緣服務(wù)器周?chē)豢紤]了一個(gè)用戶(hù).文獻(xiàn)[8]構(gòu)建了一種適應(yīng)度函數(shù)，根據(jù)函數(shù)值制定任務(wù)卸載方案，但僅考慮了單用戶(hù)多任務(wù)情況.文獻(xiàn)[9]以低時(shí)延低能耗為目標(biāo)，對(duì)卸載決策和資源分配進(jìn)行了聯(lián)合優(yōu)化.

目前，已有的卸載決策均僅考慮系統(tǒng)中的基站卸載.安裝了MEC服務(wù)器的基站，可近距離為終端用戶(hù)提供計(jì)算.但是，當(dāng)覆蓋區(qū)域的用戶(hù)數(shù)較大時(shí)，資源有限的MEC服務(wù)器就難以支持所有用戶(hù)完成卸載；而且，蜂窩網(wǎng)絡(luò)有很多空閑用戶(hù)，這些空閑用戶(hù)的計(jì)算資源卻沒(méi)有被充分利用.將部分計(jì)算任務(wù)通過(guò)D2D(device-to-device)卸載至鄰近的終端設(shè)備，利用鄰近的終端設(shè)備的空閑資源，可減輕蜂窩網(wǎng)絡(luò)中基站的計(jì)算壓力[10-12].無(wú)論上行鏈路還是下行鏈路，D2D均可有效支持計(jì)算任務(wù)的傳遞，不會(huì)對(duì)基站卸載造成影響，還可提高任務(wù)卸載的速度和服務(wù)質(zhì)量[13].已有的計(jì)算資源分配算法均是為了獲得卸載決策及資源分配聯(lián)合優(yōu)化問(wèn)題的最優(yōu)解，該最優(yōu)解是一種靜態(tài)解.基站的子信道數(shù)(計(jì)算資源)是動(dòng)態(tài)變化的，當(dāng)分配算法不能隨著基站計(jì)算資源變化而動(dòng)態(tài)調(diào)整時(shí)，會(huì)出現(xiàn)計(jì)算資源分配不均衡的問(wèn)題.因此，有必要提出一種根據(jù)基站計(jì)算資源使用情況自適應(yīng)任務(wù)卸載的蜂窩網(wǎng)絡(luò)計(jì)算資源分配算法.

與D2D任務(wù)卸載有關(guān)的研究中，文獻(xiàn)[14]以系統(tǒng)容量最大化為目標(biāo)，研究了D2D用戶(hù)數(shù)大于蜂窩用戶(hù)數(shù)情況下的資源分配問(wèn)題.文獻(xiàn)[15]根據(jù)用戶(hù)的距離進(jìn)行路徑選擇，當(dāng)距離小于D2D的最大距離時(shí)，則將其視為D2D用戶(hù).文獻(xiàn)[16]針對(duì)含有多個(gè)用戶(hù)和霧計(jì)算節(jié)點(diǎn)(fog computing nodes, 簡(jiǎn)稱(chēng)FCNs)的網(wǎng)絡(luò)，提出了基于基尼系數(shù)的FCNs選擇算法 (Gini coefficient-based FCNs selection algorithm, 簡(jiǎn)稱(chēng)GCFSA).分析文獻(xiàn)[14-16]可看出，這些研究均沒(méi)有考慮D2D卸載與基站卸載的結(jié)合，沒(méi)有充分利用網(wǎng)絡(luò)中的空閑資源，且資源分配的靈活性不高.因此，該文擬將D2D卸載與基站卸載相結(jié)合，根據(jù)基站計(jì)算資源使用情況自適應(yīng)為用戶(hù)選擇最優(yōu)卸載決策，增加計(jì)算資源分配的靈活性.

1 系統(tǒng)模型

圖1為多用戶(hù)多基站的系統(tǒng)示意圖.由于邊緣服務(wù)器的計(jì)算資源是有限的，為降低密集計(jì)算任務(wù)對(duì)基站的壓力，該文在基站卸載的基礎(chǔ)上添加了D2D卸載.

圖1 多用戶(hù)多基站的系統(tǒng)示意圖

假設(shè)如下：每個(gè)用戶(hù)均有一個(gè)不可分解的時(shí)延敏感型任務(wù)Zu；基站集合NB={1,2,…,B}，用戶(hù)集合NU={1,2,…,U}；S={suu′,u′∈NU,u∈NU}為用戶(hù)u，u′間使用D2D進(jìn)行卸載決策的矢量，其中suu′∈{0,1}，suu′=1表示用戶(hù)u將計(jì)算任務(wù)卸載至提供計(jì)算資源的鄰近用戶(hù)u′；A={aub,u∈NU,b∈NB}表示用戶(hù)u與基站b間采用基站進(jìn)行卸載決策的矢量，其中aub∈{0,1}，aub=1表示用戶(hù)u將計(jì)算任務(wù)卸載至基站b.基站及用戶(hù)服從隨機(jī)分布，所有鏈路均為瑞利信道，小尺度衰落服從均差為0、方差為β的圓對(duì)稱(chēng)復(fù)高斯分布[17].

2 任務(wù)卸載和計(jì)算資源分配的聯(lián)合優(yōu)化問(wèn)題

任務(wù)卸載的權(quán)重和與時(shí)延及能耗有關(guān)，時(shí)延及能耗越小，權(quán)重和越小.將任務(wù)卸載時(shí)實(shí)際計(jì)算的權(quán)重和與本地計(jì)算的權(quán)重和的差定義為效用增益.D2D卸載、基站卸載和本地計(jì)算的效用增益表達(dá)式分別為

(1)

(2)

(3)

(4)

使得

C1:Tub

C2:suu′={0,1},u∈NU,u′∈NU;

C3:aub={0,1},u∈NU,b∈NB;

C4:suu′+aub≤1;

C9:K=min{K,|Ub|};

C10:P2>P1;

(5)

其中：gb表示基站b可分配的計(jì)算資源；Tth為任務(wù)卸載允許的最大時(shí)延；Tub,Tuu′分別為基站、D2D卸載的傳輸時(shí)延；K為基站可同時(shí)連接的最大用戶(hù)數(shù)；P1,P2分別為D2D、基站用戶(hù)的最大發(fā)射功率；Ub為基站b可連接的用戶(hù)集合.約束條件C1保證任務(wù)卸載能在規(guī)定時(shí)間內(nèi)完成.C2，C3分別限制suu′，aub的取值范圍.C4限制每個(gè)用戶(hù)只能選擇一種卸載模式.C5限制基站的計(jì)算資源容量.C6限制每個(gè)基站可連接的用戶(hù)數(shù).C7限制每個(gè)基站用戶(hù)只能將當(dāng)前任務(wù)卸載至某一基站.C8限制每個(gè)D2D用戶(hù)只能將當(dāng)前任務(wù)卸載至某一鄰近用戶(hù).C9限制基站連接的用戶(hù)數(shù).C10限制基站用戶(hù)的最大發(fā)射功率大于D2D用戶(hù)的最大發(fā)射功率.

3 基于自適應(yīng)任務(wù)卸載的蜂窩網(wǎng)絡(luò)計(jì)算資源分配算法

針對(duì)蜂窩網(wǎng)絡(luò)中密集型任務(wù)的卸載模式選擇、卸載決策、計(jì)算資源分配，該文提出基于自適應(yīng)任務(wù)卸載的蜂窩網(wǎng)絡(luò)計(jì)算資源分配算法(adaptive cellular network computing resource allocation algorithm based on task offloading, 簡(jiǎn)稱(chēng)ACNCRAA)，以求解優(yōu)化問(wèn)題(5).

3.1 卸載模式選擇

卸載模式有如下3種：D2D卸載、基站卸載和本地計(jì)算.選擇最優(yōu)任務(wù)卸載模式的步驟如下：

(1) 用戶(hù)u向周?chē)朽徑脩?hù)優(yōu)先發(fā)送計(jì)算資源請(qǐng)求.設(shè)εu為回復(fù)用戶(hù)u的有計(jì)算資源的鄰近用戶(hù)集合.根據(jù)集合εu中用戶(hù)的信干噪比SINRuu′，篩選出有計(jì)算資源且連接穩(wěn)定的鄰近用戶(hù)集合ψu(yù).在集合ψu(yù)中選取權(quán)重和最低的鄰近用戶(hù)u″進(jìn)行D2D卸載.若|ψu(yù)|=0，說(shuō)明沒(méi)有支持D2D卸載的鄰近用戶(hù)，則執(zhí)行步驟(2).

3.2 自適應(yīng)計(jì)算資源分配

用戶(hù)選擇本地計(jì)算或D2D卸載后，直接將計(jì)算結(jié)果反饋至用戶(hù)，因此只需對(duì)基站卸載進(jìn)行計(jì)算資源分配.基站卸載時(shí)的計(jì)算資源分配步驟如下：

步驟1 用戶(hù)及基站的排序.

步驟2 根據(jù)排序結(jié)果，為每個(gè)用戶(hù)自適應(yīng)選擇最優(yōu)卸載決策.

(1) 初始化，且令τu=1.

步驟3 根據(jù)卸載決策結(jié)果分配計(jì)算資源.

4 仿真結(jié)果及分析

整個(gè)邊緣計(jì)算網(wǎng)絡(luò)由多用戶(hù)多基站組成，每個(gè)基站的覆蓋半徑r=50 m.具體仿真參數(shù)設(shè)置如表1所示.

表1 仿真參數(shù)設(shè)置

將該文提出的ACNCRAA與SA(selection algorithm),AOA (all offloading algorithm)，ROA (randomly offloading algorithm)，GCFSA進(jìn)行比較.

圖2(a)為5種算法的系統(tǒng)效用增益隨基站數(shù)變化的情況.由圖2(a)可知，隨著基站數(shù)的增加，5種算法的系統(tǒng)效用增益均有所提高，但ACNCRAA的系統(tǒng)效用增益高于其他4種算法.圖2(b)為5種算法的時(shí)延隨基站數(shù)變化的情況.由圖2(b)可知：隨著基站數(shù)的增加，ACNCRAA的時(shí)延快速下降后變緩，ROA的時(shí)延一直保持很低，但是當(dāng)基站數(shù)量超過(guò)7時(shí)，ACNCRAA的時(shí)延低于ROA.可見(jiàn)，該文算法在保持低時(shí)延的同時(shí)，系統(tǒng)效用增益也最高.

圖2 5種算法的系統(tǒng)效用增益和時(shí)延隨基站數(shù)變化的情況(用戶(hù)數(shù)為40)

圖3為5種算法的系統(tǒng)效用增益隨用戶(hù)數(shù)變化的情況.由圖3可知：隨著用戶(hù)數(shù)的增加，5種算法的系統(tǒng)效用增益均增加，但ACNCRAA的系統(tǒng)效用增益最大；ACNCRAA的系統(tǒng)效用增益增長(zhǎng)變緩，這是因?yàn)榛緮?shù)固定的情況下，用戶(hù)數(shù)的增加使基站的計(jì)算資源不足以支持部分用戶(hù)完成卸載；ROA的系統(tǒng)效用增益最小.

圖3 5種算法的系統(tǒng)效用增益隨用戶(hù)數(shù)變化的情況(基站數(shù)為4)

圖4為ACNCRAA的系統(tǒng)效用增益隨權(quán)重系數(shù)λT和λE變化的3維圖.由圖4可知：當(dāng)λT一定時(shí)，系統(tǒng)效用增益隨λE增大而增大；當(dāng)λE一定時(shí)，系統(tǒng)效用增益隨λT的增大而減?。划?dāng)λT/λE大于等于2時(shí)，系統(tǒng)效用增益為零.可見(jiàn)，相對(duì)于時(shí)延，任務(wù)卸載時(shí)的能耗對(duì)系統(tǒng)效用增益的影響更大.

圖4 ACNCRAA的系統(tǒng)效用增益隨權(quán)重系數(shù)λT和λE變化的3維圖(用戶(hù)數(shù)為40，基站數(shù)為4)

綜上可知：在多基站多用戶(hù)的網(wǎng)絡(luò)系統(tǒng)中，相對(duì)于另外4種算法，該文提出的ACNCRAA無(wú)論自變量是基站數(shù)還是用戶(hù)數(shù)，其系統(tǒng)效用增益均為最高.

5 結(jié)束語(yǔ)

該文提出了基于自適應(yīng)任務(wù)卸載的蜂窩網(wǎng)絡(luò)計(jì)算資源分配算法.該算法根據(jù)用戶(hù)周?chē)Y源的分布和干擾情況，為用戶(hù)選擇最優(yōu)的卸載模式，根據(jù)基站計(jì)算資源的使用情況自適應(yīng)調(diào)整任務(wù)卸載決策及分配計(jì)算資源，增加了計(jì)算資源分配的靈活性，提高了網(wǎng)絡(luò)資源的利用率.仿真結(jié)果表明：在多基站多用戶(hù)的網(wǎng)絡(luò)系統(tǒng)中，與其他4種算法相比，該文算法的系統(tǒng)效用增益最大.