基于MEC的任务卸载和资源分配联合优化方案

doi:10.3969/j.issn.1001-506X.2020.06.24

系统工程与电子技术 ›› 2020, Vol. 42 ›› Issue (6): 1386-1394.doi: 10.3969/j.issn.1001-506X.2020.06.24

基于MEC的任务卸载和资源分配联合优化方案

黄晓舸(), 崔艺凡(), 张东宇(), 陈前斌()

重庆邮电大学通信与信息工程学院, 重庆 400065

收稿日期:2019-09-11 出版日期:2020-06-01 发布日期:2020-06-01
作者简介:黄晓舸(1982-),女,副教授,博士,主要研究方向为移动通信技术、认知无线电动态频谱分配。E-mail:huangxg@cqupt.edu.cn|崔艺凡(1996-),女,硕士研究生,主要研究方向为移动通信技术、小蜂窝网络。E-mail:cuiyifan1118@foxmail.com|张东宇(1993-),男,硕士,主要研究方向为认知无线电网络、无线通信和小蜂窝网络。E-mail:zhangdongyu@outlook.com|陈前斌(1967-),男,教授,博士研究生导师,博士,研究方向为新一代移动通信系统、未来网络和LTE-Advanced异构小蜂窝网络。E-mail:chenqb@cqupt.edu.cn
基金资助:
国家自然科学基金重点项目(61831002);重庆市科委重庆市基础研究与前沿探索项目(cstc2018jcyjAx0383)

Joint optimization scheme of task offloading and resource allocation based on MEC

Xiaoge HUANG(), Yifan CUI(), Dongyu ZHANG(), Qianbin CHEN()

School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China

Received:2019-09-11 Online:2020-06-01 Published:2020-06-01
Supported by:
国家自然科学基金重点项目(61831002);重庆市科委重庆市基础研究与前沿探索项目(cstc2018jcyjAx0383)

摘要/Abstract

摘要：

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明，所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。

关键词: 资源分配, 移动边缘计算, 时延敏感度, 卸载决策

Abstract:

Faced with multiple users with different delay sensitivities, how to effectively use transmission resources and computing resources in limited edge nodes to ensure the delay and energy requirements of users becomes a key issue. To this end, a joint optimization scheme based on mobile edge computing (MEC) for task offloading and resource allocation is proposed. Firstly, to minimize the total computation time of the offloading tasks at MEC, each user is assigned with the optimal MEC computing resource. Secondly, a resource block (RB) distribution algorithm based on the delay-sensitive, satisfaction degree and quality of RBs is introduced in a distributed manner. Finally, each user makes the offloading decision by comparing the local computational overhead with the offloading computational overhead. The simulation results show that the proposed algorithm achieves the minimum system overhead by effectively allocating transmission resources and computing resources under the premise of meeting the requirements of high-latency sensitive users.

Key words: resource allocation, mobile edge computing (MEC), delay-sensitive, offloading decision

中图分类号:

TN929.5

黄晓舸, 崔艺凡, 张东宇, 陈前斌. 基于MEC的任务卸载和资源分配联合优化方案[J]. 系统工程与电子技术, 2020, 42(6): 1386-1394.

Xiaoge HUANG, Yifan CUI, Dongyu ZHANG, Qianbin CHEN. Joint optimization scheme of task offloading and resource allocation based on MEC[J]. Systems Engineering and Electronics, 2020, 42(6): 1386-1394.

图/表 15

图1

图2

表1

表2

表3

表4

图3

图4

图5

图6

图7

图8

图9

图10

图11

参考文献 18

1	KOLIOS P , PANAYIOTOU C , ELLINAS G . Extract: expediting offloading transfers through intervehicle communication transmissions[J]. IEEE Trans.on Intelligent Transportation Systems, 2015, 16 (3): 1238- 1248. doi: 10.1109/TITS.2014.2357221
2	HUANG X M , YU R , KANG J W , et al. Software defined networking with pseudonym systems for secure vehicular clouds[J]. IEEE Access, 2016, 4, 3522- 3534. doi: 10.1109/ACCESS.2016.2560902
3	QIAO G H, LENG S P, ZHANG Y, et al. Joint multi-RATs and cloud-service matching scheme in wireless heterogeneous networks[C]//Proc.of the IEEE International Conference on Communications, 2016.
4	YU R , DING J , MAHARJAN S , et al. Decentralized and optimal resource cooperation in geo-distributed mobile cloud computing[J]. IEEE Trans.on Emerging Topics in Computing, 2018, 6 (1): 72- 84. doi: 10.1109/TETC.2015.2479093
5	ZHANG K , MAO Y M , LENG S P , et al. Energy-efficient offloading for mobile edge computing in 5G heterogeneous networks[J]. IEEE Access, 2016, 4, 5896- 5907. doi: 10.1109/ACCESS.2016.2597169
6	HU Y C , PATEL M , SABELLA D , et al. Mobile edge computing a key technology towards 5G[M]. France: European Telecommunications Standards Institute, 2015.
7	ZHANG Y Q, HE J B, GUO S T. Energy-efficient dynamic task offloading for energy harvesting mobile cloud computing[C]//Proc.of the International Conference on Networking, Architecture and Storage, 2018. DOI: 10.1109/NAS.2018.8515736.
8	YU H Y, WANG Q Y, GUO S T. Energy-efficient task offloading and resource scheduling for mobile edge computing[C]//Proc.of the IEEE International Conference on Networking, Architecture and Storage, 2018. DOI: 10.1109/NAS.2018.8515731.
9	WANG C, DONG C W, QIN J H, et al. Energy-efficient offloading policy for resource allocation in distributed mobile edge computing[C]//Proc.of the Symposium on Computers and Communications, 2018: 366-372.
10	WU Y , NI K J , ZHANG C , et al. NOMA-assisted multi-access mobile edge computing: a joint optimization of computation offloading and time allocation[J]. IEEE Trans.on Vehicular Technology, 2018, 67 (12): 12244- 12258. doi: 10.1109/TVT.2018.2875337
11	WEI X. MVR: an architecture for computation offloading in mobile edge computing[C]//Proc.of the International Confe-rence on Edge Computing, 2017: 232-235.
12	KO K, SON Y X, KIM S X, et al. Disco: a distributed and concurrent offloading framework for mobile edge cloud computing[C]//Proc.of the 9th International Conference on Ubiquitous and Future Networks, 2017: 763-766.
13	WEI F , CHEN S X , ZOU W X . A greedy algorithm for task offloading in mobile edge computing system[J]. China Communications, 2018, 15 (11): 149- 157. doi: 10.1109/CC.2018.8543056
14	LIU Y J, WANG S G, YANG F C. Poster abstract: a multi-user computation offloading algorithm based on game theory in mobile cloud computing[C]//Proc.of the IEEE/ACM Symposium on Edge Computing, 2016: 93-94.
15	HUANG X G , ZHANG D Y , TANG S , et al. Fairness-based distributed resource allocation in two-tier heterogeneous networks[J]. IEEE Access, 2019, 7, 40000- 40012. doi: 10.1109/ACCESS.2019.2905038
16	张东宇. 5G蜂窝异构网络资源分配及任务卸载方案研究[D].重庆:重庆邮电大学, 2019.
	ZHANG D Y. Research on resource allocation and task unloading scheme of 5G cellular heterogeneous network[D]. Chongqing: Chongqing University of Posts and Telecommunications, 2019.
17	DIAO X B , ZHENG J C , WU Y , et al. Joint computing resource, power and channel allocations for D2D-assisted and NOMA-based mobile edge computing[J]. IEEE Access, 2019, 7, 9243- 9257. doi: 10.1109/ACCESS.2018.2890559
18	3GPP TS 23.203. Technical specification group services and system aspects; policy and charging control architecture[S]. Valbonne, France: 3GPP Organizational Parners (ARIB, ATIS, CCSA, ETSI, TSDSI, TTA, TTC), 2017.

UE类型	时延需求
实时游戏	50
视频通话	100
在线直播视频	150
任务关键数据	200
交互类在线缓存视频	300

初始状态			分组后状态
UE优先级	UE	时延需求	UE优先级	UE	优先级组	时延需求
第2级	1	d₂	第1级	3	G₁	d₁
第5级	2	d₅	第1级	5	G₁	d₁
第1级	3	d₁	第2级	1	G₂	d₂
第3级	4	d₃	第3级	4	G₃	d₃
第1级	5	d₁	第3级	7	G₃	d₃
第4级	6	d₄	第4级	6	G₄	d₄
第3级	7	d₃	第5级	2	G₅	d₅
⋮	⋮	⋮	⋮	⋮	⋮	⋮

RB ID	RB质量
5	Q_{u_s, 5}
3	Q_{u_s, 3}
7	Q_{u_s, 7}
1	Q_{u_s, 1}
⋮	⋮

仿真参数	设定值
网络总带宽/MHz	20
UE传输功率/mW	100
高斯白噪声/(dBm/Hz)	-100
权重γ_{u_s}^T=γ_{u_s}^E	0.5
任务数据量/kB	[100, 1 000]
任务所需CPU周期/兆周	[250, 2 500]
UE_{u_s}的计算能力/GHz	0.7
MEC的计算能力/GHz	100

[1]	董博志, 朱江, 张海波. 放大转发中继系统中基于SCMA的能效资源分配方案[J]. 系统工程与电子技术, 2022, 44(6): 2035-2042.
[2]	邹虹, 白陈阳, 何鹏, 崔亚平, 王汝言, 吴大鹏. 基于分布式深度学习的边缘服务放置策略[J]. 系统工程与电子技术, 2022, 44(5): 1728-1737.
[3]	张源原, 高阳, 朱鹏, 刘锦涛, 谷树山. 基于着色Petri网的无人机侦察战术规划[J]. 系统工程与电子技术, 2022, 44(3): 900-907.
[4]	陈善学, 吴生金, 谷博文. 基于时间反演的上行NOMA系统能效优化算法[J]. 系统工程与电子技术, 2022, 44(3): 1007-1013.
[5]	余雪勇, 朱烨, 邱礼翔, 朱洪波. 基于无人机辅助边缘计算系统的节能卸载策略[J]. 系统工程与电子技术, 2022, 44(3): 1022-1029.
[6]	张育芝, 孙彦景, 王斌, 刘洋. 基于反馈信道状态信息的水声自适应OFDMA[J]. 系统工程与电子技术, 2021, 43(8): 2321-2331.
[7]	闫珍珍, 李波, 杨懋, 闫中江. 基于遗传算法的混叠式非正交多址接入方法[J]. 系统工程与电子技术, 2021, 43(3): 832-838.
[8]	陈发堂, 张志豪, 李贺宾, 梅志强. 802.11ax系统中基于OFDMA调度接入的公平性资源分配算法[J]. 系统工程与电子技术, 2021, 43(11): 3352-3359.
[9]	蒋春启, 郑娜娥, 左宗, 王盛, 陈翔. 突出重点目标跟踪的分布式MIMO雷达阵元选取[J]. 系统工程与电子技术, 2021, 43(10): 2860-2868.
[10]	程万里, 张晶, 王慧. 超密集网络中基于聚类的资源分配方案[J]. 系统工程与电子技术, 2020, 42(7): 1623-1629.
[11]	李正杰, 谢军伟, 张浩为, 张昭建. 基于集中式MIMO雷达的功率带宽联合分配算法[J]. 系统工程与电子技术, 2020, 42(5): 1041-1049.
[12]	袁建国, 张芳, 王竟鑫, 王永, 林金朝, 庞宇. 基于公平度和惩罚函数的OFDMA自适应资源分配[J]. 系统工程与电子技术, 2018, 40(2): 427-434.
[13]	胡子军, 翟海涛. 基于任务驱动的机载相控阵雷达TAS调度算法[J]. 系统工程与电子技术, 2017, 39(3): 536-541.
[14]	廖梦琛, 孙鹏, 张杰勇, 武君胜. 基于m-best算法与rollout策略的平台任务关系优化设计方法#br#[J]. 系统工程与电子技术, 2017, 39(12): 2721-2728.
[15]	陈雷, 王洪玉, 牛芳琳. 基于OFDMA的无线协作多播网络资源分配算法[J]. 系统工程与电子技术, 2015, 37(9): 2129-2134.

基于MEC的任务卸载和资源分配联合优化方案

Joint optimization scheme of task offloading and resource allocation based on MEC

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 18

相关文章 15

编辑推荐

Metrics

本文评价