本发明属于无线通信技术领域，尤其是涉及移动边缘计算的通信系统架构下多用户的协作计算卸载。
背景技术：
随着越来越多的应用例如计算机视觉(cv)、人工智能(ai)等的发展，日常使用的移动设备由于计算能力和电池容量等限制不能提供令人满意的用户体验。移动边缘计算(mec)作为一种新兴的计算技术，近年来引起了学术界和工业界的广泛关注。mec能够在移动设备附近的蜂窝网络边缘提供计算资源。但由于mec服务器是由所有移动设备“共享”的，mec服务器上有限的计算资源并不总是足以支持其覆盖范围内的所有移动设备。并且虽然将任务卸载到计算能力更强的mec服务器可以降低任务响应延迟，但数据通过无线信道传输到mec服务器，这会导致额外的传输延迟和能量消耗。现有的多用户卸载方法，要么是基于设备本地与mec服务器的协同卸载，要么是引入d2d的协同卸载。这些卸载方法不能很好地利用整个系统内的计算资源、面对基站计算能力较弱而用户的任务计算需求较大的情况会造成较长时延和较差的用户体验。
因此，如何设计高效的计算卸载方法来提高mec系统在任务执行延迟和能量消耗两方面的性能，是mec系统的一个关键和基础问题。目前解决上述问题的方法分为三类：1)移动设备独立进行卸载决策，使用该方法一旦计算资源利用率超过mec服务器的某个阈值，即将任务卸载到远程云。由于主干网传输延迟导致任务的执行延迟增加。2)移动设备协同进行卸载决策，该方法根据优先级提供mec服务器的计算资源，在这种情况下，只有部分手机设备可以享受计算卸载的好处。3)允许设备到设备(d2d)计算卸载，移动设备可以将任务卸载到mec服务器，或者通过d2d链路将任务卸载到相邻的计算节点。但是由于d2d通信范围较短，因此d2d通信受限。
技术实现要素：
针对多用户mec系统的计算卸载问题这一技术问题，本发明提出了一种基于移动边缘计算的多用户协作计算卸载方法，根据任务到达率的变化将mec服务覆盖区域内的移动设备分为繁忙设备和空闲设备，利用空闲设备的计算资源协作计算卸载，实现整个移动通信系统的性能提升。
本发明的一种基于移动边缘计算的多用户协作计算卸载方法，该方法包括以下步骤：
步骤1、初始化区域内的设备总数量n，任务在每个时隙的开始到达各个设备，可以在本地执行、或者被卸载到mec服务器同时在mec服务器上执行、或者通过mec服务器被卸载到空闲设备并在空闲设备上执行；
步骤2、根据任务到达率将设备划分为忙碌设备j、空闲设备k；
步骤3、初始化设备参数、任务参数及通信链路参数；初始化设备的决策矩阵d为全部为本地执行；
步骤4、确定任务的切片分配给k空闲设备；
步骤5、判断设备j在时隙t到达了任务it,j.
步骤6、分别考虑任务在3个目的地的执行情况：处理这个任务所需的总cpu周期为st,j，每处理一个cpu周期消耗的能量为et,j，设备j的完整计算能力为cj，可利用的比率为βt，j；
情况一、本地执行：
本地执行所需时间表达式为：
本地执行能量消耗表达式为：
本地执行的执行负载表达式为：
其中，λ为权重比例参数；
情况二、mec卸载执行：
无线网络链路传输速率表达式为：
数据传输时间表达式为：
本地计算时间表达式为：
mec卸载执行所需时间的表达式为：
其中，qt,j为mec服务器任务排队的动态函数；
mec卸载执行能量消耗的表达式为：
mec卸载执行的执行负载的表达式为：
情况三、空闲设备卸载执行：
任务通过mec服务器卸载到多个空闲设备，为了保证任务在空闲设备上并行计算的时间最短，确定任务的切片分配给k空闲设备的方式θt,k；
任务在mec服务器被切片分给空闲设备k的时间包括数据传输时间和k计算时间：
数据传输时间的表达式为：
任务到达多个空闲设备，计算分片任务在设备k上执行的计算时间：
k计算时间的表达式为：
总时间及分配目标的表达式为：
空闲设备卸载执行所需时间的表达式为：
空闲设备卸载执行能量消耗的表达式为：
空闲设备卸载执行的执行负载的表达式为：
步骤6、依据以下条件，比较选择最小系统负载的目的地：
当
当
当
步骤7、此为设备j在时隙t的最优决策
步骤8、如果设备j决定更新决策矩阵，设备j向mec服务器发送更新决策请求消息；
步骤9、mec服务器收到更新决策的请求会发回一个确认消息，进行最优决策更新；
步骤10、其他的繁忙设备在mec服务器的帮助下也得到设备j更新决策的信息，了解当前系统的计算资源使用情况并以同样的方式根据步骤6更新决策；
当mec服务器不再接收到更新决策矩阵的请求消息时，达到系统的收敛状态；此时，决策矩阵d为最优的协作计算卸载方法。
与现有技术相比，本发明可以在单个小型基站为区域内用户提供计算资源的情况下扩大系统的计算能力，降低平均任务响应时延，使用户得到更良好的用户体验，可以更好地提升整个系统的性能
附图说明
图1为本发明的一种基于移动边缘计算的多用户协作计算卸载方法流程示意图；
图2为移动设备分布示例(繁忙设备数量为35、空闲设备数量为15)。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
如图1所示，为本发明的一种基于移动边缘计算的多用户协作计算卸载方法流程示意图，具体操作步骤如下：
步骤1、初始化区域内的设备总数量n，任务在每个时隙的开始到达各个设备，可以在本地执行、或者被卸载到mec服务器同时在mec服务器上执行、或者通过mec服务器被卸载到空闲设备并在空闲设备上执行；
步骤2、根据任务到达率将设备划分为忙碌设备j、空闲设备k(n＝j k)；
步骤3、初始化设备参数(包括设备位置、设备计算能力cn、mec服务器计算能力cm、设备功率p)、任务参数(包括计算输入数据的大小it,j、处理任务所需的总cpu周期st，j＝αit，j、部分卸载的比例系数为ω)及通信链路参数(包括信道带宽b、信道增益gn、噪声功率n0)，初始化设备的决策矩阵d为全部为本地执行；
步骤4、任务可以通过mec服务器卸载到多个空闲设备，为了保证并行计算的时间相同，确定任务的切片分配给k空闲设备；
步骤5、判断设备j在时隙t到达了任务it,j？
步骤6、分别考虑任务在3个目的地的执行情况：处理这个任务所需的总cpu周期为st,j，每处理一个cpu周期消耗的能量为et,j(取决于设备的芯片架构的有效开关电容系数η)。设备j的完整计算能力为cj，可利用的比率为βt，j；
情况一、本地执行：
本地执行所需时间表达式为：
本地执行能量消耗表达式为：
本地执行的执行负载表达式为：
其中，λ为权重比例参数；
情况二、mec卸载执行：
无线网络链路传输速率表达式为：
数据传输时间表达式为：
本地计算时间表达式为：
mec卸载执行所需时间的表达式为：
其中，qt,j为mec服务器任务排队的动态函数；
mec卸载执行能量消耗的表达式为：
mec卸载执行的执行负载的表达式为：
情况三、空闲设备卸载执行：
任务可以通过mec服务器卸载到多个空闲设备，为了保证任务在空闲设备上并行计算的时间最短，确定任务的切片分配给k空闲设备的方式θt,k。
任务在mec服务器被切片分给空闲设备k的时间包括数据传输时间和k计算时间：
数据传输时间的表达式为：
任务到达多个空闲设备，计算分片任务在设备k上执行的计算时间：
k计算时间的表达式为：
总时间及分配目标的表达式为：
空闲设备卸载执行所需时间的表达式为：
空闲设备卸载执行能量消耗的表达式为：
空闲设备卸载执行的执行负载的表达式为：
步骤6、依据以下条件，比较选择最小系统负载的目的地：
当
当
当
步骤7、此为设备j在时隙t的最优决策
步骤8、如果设备j决定更新决策矩阵，设备j向mec服务器发送更新决策请求消息；
步骤9、mec服务器收到更新决策的请求会发回一个确认消息，进行最优决策更新；
步骤10、其他的繁忙设备在mec服务器的帮助下也得到设备j更新决策的信息，了解当前系统的计算资源使用情况并以同样的方式根据步骤6更新决策；
当mec服务器不再接收到更新决策矩阵的请求消息时，达到系统的收敛状态；此时，决策矩阵d为最优的协作计算卸载方法。
1.一种基于移动边缘计算的多用户协作计算卸载方法，其特征在于，该方法包括以下步骤：
步骤1、初始化区域内的设备总数量n，任务在每个时隙的开始到达各个设备，可以在本地执行、或者被卸载到mec服务器同时在mec服务器上执行、或者通过mec服务器被卸载到空闲设备并在空闲设备上执行；
步骤2、根据任务到达率将设备划分为忙碌设备j、空闲设备k；
步骤3、初始化设备参数、任务参数及通信链路参数；初始化设备的决策矩阵d为全部为本地执行；
步骤4、确定任务的切片分配给k空闲设备；
步骤5、判断设备j在时隙t到达了任务it,j.
步骤6、分别考虑任务在3个目的地的执行情况：处理这个任务所需的总cpu周期为st,j，每处理一个cpu周期消耗的能量为et,j，设备j的完整计算能力为cj，可利用的比率为βt，j；
情况一、本地执行：
本地执行所需时间表达式为：
本地执行能量消耗表达式为：
本地执行的执行负载表达式为：
其中，λ为权重比例参数；
情况二、mec卸载执行：
无线网络链路传输速率表达式为：
数据传输时间表达式为：
本地计算时间表达式为：
mec卸载执行所需时间的表达式为：
其中，qt,j为mec服务器任务排队的动态函数；
mec卸载执行能量消耗的表达式为：
mec卸载执行的执行负载的表达式为：
情况三、空闲设备卸载执行：
任务通过mec服务器卸载到多个空闲设备，为了保证任务在空闲设备上并行计算的时间最短，确定任务的切片分配给k空闲设备的方式θt,k；
任务在mec服务器被切片分给空闲设备k的时间包括数据传输时间和k计算时间：
数据传输时间的表达式为：
任务到达多个空闲设备，计算分片任务在设备k上执行的计算时间：
k计算时间的表达式为：
总时间及分配目标的表达式为：
空闲设备卸载执行所需时间的表达式为：
空闲设备卸载执行能量消耗的表达式为：
空闲设备卸载执行的执行负载的表达式为：
步骤6、依据以下条件，比较选择最小系统负载的目的地：
当
当
当
步骤7、此为设备j在时隙t的最优决策
步骤8、如果设备j决定更新决策矩阵，设备j向mec服务器发送更新决策请求消息；
步骤9、mec服务器收到更新决策的请求会发回一个确认消息，进行最优决策更新；
步骤10、其他的繁忙设备在mec服务器的帮助下也得到设备j更新决策的信息，了解当前系统的计算资源使用情况并以同样的方式根据步骤6更新决策；
当mec服务器不再接收到更新决策矩阵的请求消息时，达到系统的收敛状态；此时，决策矩阵d为最优的协作计算卸载方法。
技术总结