邻域感知的分布式智能边缘计算卸载和资源分配算法

随着大量计算密集型和时延敏感型任务的出现,利用移动边缘计算(mobile edge computing,MEC)来提高用户体验并降低系统能耗已成为研究热点.然而,在密集部署的MEC网络场景下,无线网络状态复杂的空间相关性和动态性给卸载方案的制定带来了严峻挑战.本文针对多基站多用户MEC网络场景,研究了一种智能协作的计算卸载和资源分配算法.首先,提出了卸载决策、信道分配、传输功率分配和计算资源分配的联合优化问题,旨在用户时延约束下最小化系统的能耗.其次,由于该问题是一个混合整数非线性规划问题,本文提出了一种基于图注意力网络的混合动作多智能体强化学习算法(graph attention network-based hybrid-action multi-agent reinforcement learning, Gat-HMARL),将基站作为智能体并配置该算法. Gat-HMARL算法通过图注意力网络捕捉无线网络状态之间潜在的空间相关性,使基站有选择性地关注邻域中其他基站的无线网络状态信息,从而学习更优的计算卸载和资源分配策略.最后,仿真结果表明Gat-HMARL与基准算法相比在性能上有...     

6G重叠区域中基于博弈论的任务卸载策略

为实现6G网络基站服务范围重叠区域内复杂任务的高效计算，对重叠区域的任务卸载问题展开研究。在综合考虑任务时延约束、系统能耗、社会效应以及经济激励的基础上，构建多基站多物联网设备的多接入边缘计算网络模型，联合优化基站定价策略、物联网设备基站选择策略和任务卸载策略，实现基站利润和物联网设备效用的最大化。为解决重叠区域中物联网设备基站选择的问题，构建了多对一匹配博弈模型，提出基于交换匹配的基站选择算法优化物联网设备的基站选择策略。引入斯坦伯格博弈理论建立基站与物联网设备间定价和任务卸载交互的两阶段博弈模型，通过反向归纳法证明斯坦伯格均衡的存在性和唯一性。提出了基于博弈论的最优价格最佳响应算法(Optimal pricing and Best response algorithm based on Game Theory, OBGT),以获得基站和物联网设备的均衡策略。仿真实验和对比实验表明，OBGT算法可以在短时间内达到收敛，有效提高基站利润和物联网设备效用。     

基于博弈论和启发式算法的超密集网络边缘计算卸载

超密集网络与边缘计算相结合时,高密度的基站分布可能会对同一用户重复覆盖,该用户选择不同基站进行卸载将会对系统性能产生不同影响,由此引出卸载对象选取问题。同时边缘计算可以将部分任务卸载到边缘服务器进行处理,选择合适的卸载比例能够显著降低所需的时延和能耗,由此引出卸载比例选取问题。提出一种超密集网络环境中基于博弈论和启发式算法的边缘计算卸载策略。针对卸载对象选取问题,根据边缘服务器到用户之间的距离和工作负载定义偏好度指标,各用户根据偏好度进行博弈后选择卸载对象,并对用户进行分组,将原问题分解为若干个并行的子问题。针对卸载比例选取问题,基于萤火虫群优化算法对各用户的卸载比例进行优化,得到适当的卸载比例。与全本地处理（ALP）策略、全卸载策略（AOS）和基于粒子群优化（PSO）算法的卸载策略进行对比,实验结果表明,ALP和AOS策略在总能耗和平均时延上具有一定的局限性,相比基于PSO的卸载策略,所提策略的时延降低22%,能耗降低20%,可以有效减少系统损失。     

超密集边缘计算网络中面向能耗优化的任务卸载方法

传统网络架构部署下的边缘服务器难以满足大规模用户设备的接入和通信质量要求。为增加网络容量,提高频谱利用率,通过密集化基站的部署,构建一种面向超密集边缘计算网络的任务卸载优化模型。面对信道状态的变化、移动设备的动态需求以及服务器和频谱资源的有限性对任务卸载带来的挑战,结合任务类型和服务器的计算能力,并考虑信道状态变化、移动设备的动态需求以及干扰约束对卸载策略的影响,提出一种基于自适应模拟退火遗传（AGASA）算法的任务卸载方法,在满足任务截止期限的同时,对任务卸载能耗进行优化。同时,为得到最优上传功率,采用黄金分割算法解决功率控制问题,从而降低传输能耗。实验结果表明,AGASA算法在信道状态变化时可保证通信质量和计算效率,相比混合遗传粒子群算法,能够在满足截止期约束的同时使卸载能耗降低15.56%。     

移动边缘计算不确定性任务持续卸载及资源分配方法

移动边缘计算场景中任务的不确定性增加了任务卸载及资源分配的复杂性和难度.鉴于此,提出一种移动边缘计算不确定性任务持续卸载及资源分配方法.首先,构建一种移动边缘计算不确定性任务持续卸载模型,通过基于持续时间片划分的任务多批次处理技术应对任务的不确定性,并设计多设备计算资源协同机制提升对计算密集型任务的承载能力.其次,提出一种基于负载均衡的自适应策略选择算法,避免计算资源过度分配导致信道拥堵进而产生额外能耗.最后,基于泊松分布实现了对不确定任务场景模型的仿真,大量实验结果表明时间片长度减小能够降低系统总能耗.此外,所提算法能够更有效地实现任务卸载及资源分配,相较于对比算法,最大可降低能耗11.8%.     

基于移动基站和路由策略WSN寿命的算法

针对无线传感器网络的特点,提出了一种基于移动基站和路由策略优化无线传感器网络寿命的方法.首先给出场景中传感器传输相同信息能耗最小的最佳基站位置,进一步分析了不同基站位置对传感器节点能耗的影响,证明网络中传感器节点传输相同信息的总能耗越小则网络寿命越大.为降低移动基站计算的复杂度以提高采集信息的实时性,应用拉格朗日对偶分解和牛顿法简化均衡节点能量过程中的线性规划问题.当场景中有节点因能量耗尽而无法向基站继续传输信息时,根据场景中的拓扑结构自适应调整基站位置以减少节点的能耗,然后采用简化的线性规划最大最小节点寿命,以提高基站收集信息的有效性.理论分析和仿真研究表明:应用拉格朗日-牛顿法简化线性规划问题能够在保证算法快速收敛的同时大幅度地降低计算量.提出的移动基站策略能够大幅度的延长网络寿命,从而实现增加基站接收信息的数量和提高节点能量使用效率的目的.     

小蜂窝云中功率与负载的联合优化分配算法

移动终端资源有限及本地服务基站资源不足会引起移动终端体验质量降低、卸载任务时延长的问题。为此,提出一种新的联合优化分配算法。基于小蜂窝信道质量和剩余可用计算资源建立小蜂窝云(SCC),按照信道质量和剩余可用计算资源分配负载(卸载任务)到SCC,并采用启发式算法求解发送功率的次优解。仿真结果表明,该算法在小蜂窝云计算场景中能提高无线与计算资源的利用率,同时提升用户的体验质量。     

基于DP-HAFS算法的移动边缘计算卸载策略

针对移动边缘计算的计算资源有限、系统处理任务总开销过高的问题,提出一种基于动态感知—混合人工鱼群(DP-HAFS)算法的卸载策略。首先,构建本地—边缘—云端三层网络架构,采用基于细粒度的部分卸载模式;然后,针对一个终端设备被多个基站覆盖的场景,提出基站选择策略进行最优基站的选择;最后,采用DP-HAFS算法对卸载决策进行动态修正,得到最优卸载策略。仿真结果表明,所提卸载策略在任务数量较多的场景下能有效降低系统总开销。     

面向5G网络的Stackelberg博弈缓存优化策略

为提高5G网络中的内容缓存效率并降低网络能耗,提出一种基于Stackelberg博弈的缓存优化算法。将网络服务商和内容提供商建模为一个多主多从的Stackelberg博弈模型,内容提供商从网络服务商处购买基站存储空间,以缓存流行和热门内容。构建博弈双方的策略空间和利润函数,并证明给定一组网络服务商的基站租用价格时内容提供商之间存在纳什均衡点。在此基础上,利用分布式迭代算法对博弈模型进行求解,得到网络服务商的基站最优定价和内容提供商的基站最优租用比例。仿真结果表明,与用户QoS优先算法、果蝇算法和全局最优算法相比,该算法能够提高缓存命中率和网络收益,降低网络能耗。     

基于稳定匹配的多用户任务卸载策略

随着许多计算密集型应用的出现,移动设备因其有限的计算能力无法满足用户时延、能耗等需求。移动边缘计算（MEC）通过无线信道将用户的任务计算卸载到MEC服务器,从而显著减少任务响应时延和能耗。针对多用户任务卸载问题,提出了基于稳定匹配的多用户任务卸载策略（MUTOSA）,在保证用户的时延要求下达到能耗最小化。首先,在综合考虑时延与能耗的基础上,对独立任务场景下的多用户任务卸载问题进行建模;然后,基于博弈论的稳定匹配中的延迟接收思想,提出了一种调整策略;最后,通过不断迭代,解决了多用户任务卸载问题。实验结果表明,该策略相较于基准策略和启发式策略能够满足更多用户的时延要求,平均提高约10%的用户满意度,并能减少约50%的用户设备总能耗。所提策略在保证用户时延要求的同时有效地减少了能耗,可以有效地提高用户对于时延敏感型应用的体验。     

Energy efficient and robust allocation of interdependent tasks on mobile ad hoc computational grid

A mobile ad hoc computational grid is a distributed computing infrastructure that allows mobile nodes to share computing resources in a mobile ad hoc environment. Compared to traditional distributed systems such as grids and clouds, resource allocation in mobile ad hoc computational grids is not straightforward because of node mobility, limited battery power and an infrastructure‐less network environment. The existing schemes are either based on a decentralized architecture that results in poor allocation decisions or assume independent tasks. This paper presents a scheme that allocates interdependent tasks and aims to reduce task completion time and the amount of energy consumed in transmission of data. This scheme comprises two key algorithms: resource selection and resource allocation. The resource selection algorithm is designed to select nodes that remain connected for a longer period, whereas the resource assignment or allocation algorithm is developed to allocate interdependent tasks to the nodes that are accessible at the minimum transmission power. The scheme is based on a hybrid architecture that results in effective allocation decisions, reduces the communication cost associated with the exchange of control information, and distributes the processing burden among the nodes. The paper also investigates the relationship between the data transfer time and transmission energy consumption and presents a power‐based routing protocol to reduce data transfer costs and transmission energy consumption. Copyright © 2014 John Wiley & Sons, Ltd.     

考虑任务依赖的卫星边缘计算资源分配与卸载决策算法

针对高低轨卫星网络协同边缘计算的卸载决策问题,提出了一种考虑任务依赖的联合计算资源、无线资源分配与任务调度的卫星网络边缘计算卸载决策算法。首先,将任务卸载问题建模为最小化任务延迟和能量消耗的联合优化问题;然后,将能源消耗和时延引入子任务优先级定义中,基于动态优先级进行启发式卸载策略搜索。该算法保证了子任务之间的依赖性并同时考虑了无线资源分配。仿真结果表明,与已有研究相比,该算法能缩短高低轨卫星协同计算的任务执行延迟,且能够降低低轨卫星功耗。     

基于能效的异构无线网络联合切换调度和资源分配算法

在宏蜂窝和微蜂窝并存的异构无线网络中,为了提高系统能效,提出了一种联合切换调度和资源分配(JSRA)算法。首先,利用基于微基站睡眠的集中式切换调度算法(CUSA)来确定用户的关联基站,CUSA将微基站用户全部切换到宏基站是否能减少功耗作为判断微基站睡眠的准则;然后,基站采用基于最优信道质量的子载波分配调整(BCSA)算法为用户分配子载波和传输功率,BCSA算法通过调整最大能效用户和最小能效用户之间的子载波分配,保证网络能效逼近最优解。理论分析和实验仿真表明,同单独考虑用户切换或资源分配的三种算法相比,JSRA算法复杂度偏高,但是在用户数为120时网络功耗最多降低44.4%,用户总速率只比一种对比算法略有下降,最多提升80%,网络能效最多提升200%。实验结果表明,JSRA算法能够有效提高异构无线网络的网络能效。     

电力无线专网中面向安全风险的分布式资源分配方法

针对电力无线专网中强干扰、高故障风险等场景下保障终端通信的问题,提出了一种面向安全风险的高能效分布式资源分配方法。首先,分析基站的能耗组成,建立系统能效最大化的资源分配模型;然后,采用K-means++算法对网络中的基站进行分簇,从而将整个网络划分成多个独立区域,并在各个簇内单独处理高风险基站;其次,在每个簇内,基于基站的风险值对高风险基站进行休眠,并把高风险基站下的用户转移连接到同一簇内的其他基站;最后,在各个簇内进一步优化正常工作基站的传输功率。理论分析和仿真实验结果表明,基站分簇操作大幅降低了基站休眠和功率优化分配的复杂度,并且在关闭了高风险基站之后,整体网络的能效从0.158 9 Mb/J提升至0.195 4 Mb/J。所提的分布式资源分配方法能够有效提高系统的能量效率。     

电力无线专网中面向安全风险的分布式资源分配方法

针对电力无线专网中强干扰、高故障风险等场景下保障终端通信的问题，提出了一种面向安全风险的高能效分布式资源分配方法。首先，分析基站的能耗组成，建立系统能效最大化的资源分配模型；然后，采用K-means++算法对网络中的基站进行分簇，从而将整个网络划分成多个独立区域，并在各个簇内单独处理高风险基站；其次，在每个簇内，基于基站的风险值对高风险基站进行休眠，并把高风险基站下的用户转移连接到同一簇内的其他基站；最后，在各个簇内进一步优化正常工作基站的传输功率。理论分析和仿真实验结果表明，基站分簇操作大幅降低了基站休眠和功率优化分配的复杂度，并且在关闭了高风险基站之后，整体网络的能效从0.158 9 Mb/J提升至0.195 4 Mb/J。所提的分布式资源分配方法能够有效提高系统的能量效率。     

无人机无线网络中基于队列稳定的无线与计算资源分配优化

无人机(UAV)无线网络中,UAV承载基站设备,可灵活提供无线通信服务,支持在高质量的无线信道状态下进行数据传输;另一方面,将边缘计算服务器部署到基站侧,计算资源更靠近用户,通过任务卸载,能够直接在基站侧进行计算处理,缓解无线网络的去程链路压力;但是,考虑到能耗受限问题,如何通过资源优化来降低网络能耗并保证用户到基站的数据传输和任务处理的稳定性依然是研究的难题;针对UAV无线网络中用户向UAV基站发送数据并卸载计算任务的场景,研究了在数据传输和任务处理稳定性约束下进行无线与计算资源优化的能耗最小化问题,构建数据队列与任务队列,采用李雅普诺夫优化理论对问题进行转化和分解,获得能耗与队列的折中关系,并通过仿真分析评估了所提解决方案的有效性。     

WSN中基于博弈论的节点功率控制算法

针对如何降低无线传感器网络中节点传输的能量消耗,延长网络生存周期,本文将博弈论引入WSN功率控制中,综合考虑节点的剩余能量、发射功率等因素构建效用函数,将剩余能量较大的节点作为下一跳节点,连接其他节点并承载较多的传输任务.节点在通信过程中以功率博弈算法作为策略方案,不断调整各自的策略,提高信息传输的准确率,并证明该算法纳什均衡的存在.仿真结果表明,与传统分布式功率控制算法相比,该算法通过控制节点传输功率实现了降低能耗的目的,能更快迭代出最优发射功率,并得到较大的信干比.     

一种能耗均衡的WSN分布式拓扑博弈算法

无线传感器网络（wireless sensor network,WSN）中通常节点能量受限,节点间能耗不均衡会导致网络生命周期缩短.针对该问题,综合考虑节点的能量效率和能耗均衡,通过引入阿特金森指数设计了一种改进优化的综合效用函数;基于此,建立了一种能耗均衡的拓扑博弈模型,并证明了该拓扑博弈模型是序数势博弈且存在帕累托最优;提出了一种能耗均衡的WSN分布式拓扑博弈算法（DTCG）.通过仿真实验及对比分析表明,相较于其它基于博弈理论的拓扑控制算法,DTCG算法能在保证网络连通性和鲁棒性的前提下,降低节点发射功率,拥有更好的能量均衡性和能量效率,可以有效延长网络生命周期.     

An Energy-Efficient Resource Allocation Scheme for Mobile Ad Hoc Computational Grids

Due to recent advancements in mobile computing and communication technologies, mobile ad hoc computational Grids are emerging as a new computing paradigm, enabling innovative applications through sharing of computing resources among mobile devices without any pre-existing network infrastructure. Energy-efficient resource allocation is one of the key issues in mobile ad hoc computational Grids due to limited battery life of mobile nodes. To reduce energy consumption, we propose a hybrid power-based resource allocation scheme for allocation of interdependent tasks to nodes within mobile ad hoc computational Grid. The basic idea is to exploit dependencies and task type, and allocate interdependent tasks to nodes accessible at minimum transmission power. We also propose a power-based algorithm to search a group of closest nodes to allocate a set of interdependent tasks. Compared to traditional algorithms, complexity of proposed algorithm depends on number of transmission power levels rather than number of nodes within a Grid. The scheme is validated in a simulation environment using various workloads and parameters.     

基于演化博弈的用户接入机制

用户接入问题就是无线终端选择接入某个服务基站的问题。用户接入可以看作无线资源管理的第一步,对于网络性能有着重要的影响,在实现负载均衡、控制干扰、提高频谱和能量效率等方面起着非常重要的作用。针对包含宏基站和全双工小基站的多层异构网络特点,考虑了分离多接入机制,即允许一个终端在上行和下行接入到不同的多个基站,从而实现性能的提升。在此基础上,将异构网络中的上行下行分离多接入的用户接入问题建模成一个演化博弈问题,其中用户是博弈方,相互之间进行资源的竞争,基站的接入选择就是博弈中的策略,每个用户希望能通过策略的选择实现自身效用的最大化。此外,基于演化博弈和强化学习设计了低复杂度自组织用户接入算法,用户可以根据当前的策略选择收益来进行策略调整,并最终达到均衡状态,实现了用户公平性。最后通过大量的仿真实验验证了所提方法的有效性。