劉 明，龔 偉

(河北工業(yè)大學廊坊分校，河北 廊坊，065000)

1 引言

由于應用需求與終端形式的快速發(fā)展，物聯(lián)網(wǎng)也逐漸打破原有形態(tài)，被賦予更加多元的功能與存在形式。比如AR、VR和人工智能等技術的引入[1]，提升了物聯(lián)網(wǎng)的應用功能和服務領域，與此同時，大量密集型計算也對終端資源提出了更高的要求[2]。針對物聯(lián)網(wǎng)資源受限問題，當前較為可行的辦法是引入邊緣計算[3]，并結合相應的資源調(diào)度策略提供更好的應用體驗。例如，文獻[4]針對物聯(lián)網(wǎng)內(nèi)終端與業(yè)務的差異性，采用D2HM來計算任務卸載策略，并通過博弈算法實現(xiàn)資源調(diào)度。實驗結果驗證了該方法在異構任務方面的有效性，但是缺乏對時變環(huán)境的適用性。文獻[5]針對物聯(lián)網(wǎng)終端節(jié)點計算與存儲問題，設計了MEC卸載算法。該方法主要研究了任務卸載策略，沒有對資源分配和效率進行深入研究。文獻[6]針對車聯(lián)網(wǎng)應用場景，提出了任務卸載與緩存分配決策模型，并采用actor-critic算法進行求解。實驗結果驗證了該方法對車聯(lián)網(wǎng)時變特征具有較好的適應性。文獻[7]針對物聯(lián)網(wǎng)環(huán)境中參數(shù)的不確定性，引入模糊思想構造任務模型，并采用模因算法進行求解。實驗結果驗證了該方法能夠有效構建虛擬控制器，完成任務與資源的合理調(diào)度。文獻[8]針對工業(yè)應用的物聯(lián)網(wǎng)節(jié)點計算性能的不足，構造了任務處理模型，并分解成計算資源與任務卸載兩部分，以任務執(zhí)行時間作為目標，采用模擬退火計算模型最策略，實驗結果驗證了該方法具有較好的跨域卸載效果。

由于物聯(lián)網(wǎng)邊緣計算資源分配需要平衡多種因素，各種因素之間往往不是獨立的。不同約束條件得出的決策可能相互影響和干擾，因此，本文考慮了任務在本地與邊緣處執(zhí)行時，對時延、能耗和各類資源的影響，并基于此構建聯(lián)合決策模型，結合時延與資源作為物聯(lián)網(wǎng)邊緣計算的總效用，以及各種相關約束條件，求解出最優(yōu)的任務卸載策略和資源分配策略，從而提高物聯(lián)網(wǎng)邊緣計算的資源管理有效性和時延敏感性。

2 物聯(lián)網(wǎng)邊緣計算資源模型

2.1 時間模型

(1)

(2)

其中，Ti，s代表邊緣計算網(wǎng)絡中源服務器上的時延；λi，s代表源服務器上執(zhí)行的計算任務權重；pi，s代表源服務器對任務i的計算能力；Ti，d代表目標服務器上的時延；pi，d代表目標服務器對任務i的計算能力。

在一些物聯(lián)網(wǎng)應用中，節(jié)點位置并非固定不變的，這里考慮節(jié)點的移動特征。設定節(jié)點i移動的速率與距離依次是vi、si，那么任務數(shù)據(jù)傳輸至處理單元j的過程中，節(jié)點所需的移動時間表示如下

(3)

si，d=(d-1)Smax-(si-sSmax)

(4)

(5)

2.2 能耗模型

考慮到物聯(lián)網(wǎng)中節(jié)點能量有限，在節(jié)點上執(zhí)行任務i時，產(chǎn)生的計算能耗表示如下

Ei=wiTi

(6)

其中，wi代表節(jié)點計算功率。如果任務i在邊緣計算網(wǎng)絡上執(zhí)行，則需要在處理單元之間傳輸數(shù)據(jù)，此過程中產(chǎn)生的傳輸能耗表示如下

Ei，j=wtTi，j

(7)

其中，wt代表傳輸功率；Ti，j代表任務傳輸至處理單元j所需的時間。

保護生物免受核設施的輻射影響，近二三十年中才逐漸受到各國重視。歐美在該方面的研究和應用較早，不僅建立了完整的分析方法和體系，還將其編制成軟件，供其他國家和組織免費試用。近些年，隨著我國經(jīng)濟的不斷發(fā)展，國家和民眾的環(huán)保意識也不斷增強。學習和借鑒國外生物輻射影響方面的軟件和方法，可以在我國建設和使用核設施的過程中，評價其對于生物的影響，進而保護我們賴以生存的生態(tài)環(huán)境。

2.3 計算資源模型

(8)

2.4 帶寬資源模型

在分析帶寬資源時，這里基于OFDM技術分析。利用香農(nóng)定理與信道參數(shù)，推導出傳輸性能如下

vi=biln(1+wsg/wn)

(9)

其中，vi代表任務數(shù)據(jù)傳遞速度；bi代表任務i獲得的帶寬，且所有任務對帶寬的占用應符合總帶寬限制；ws、wn依次代表服務器與噪聲功率；g代表信道增益。根據(jù)任務數(shù)據(jù)量和數(shù)據(jù)傳遞速度，便可以計算得到任務卸載至邊緣處理的傳輸時延。

3 聯(lián)合決策模型

基于對時間和各類資源模型的分析，這里通過聯(lián)合模型來得到資源分配調(diào)度的最佳決策。根據(jù)任務是否在節(jié)點本地執(zhí)行，構建變量數(shù)組E=[e1，e2，…，eN]。當任務i在本地執(zhí)行，則令ei=0，否則說明任務將被卸載至邊緣處，即ei=1。在保證最小卸載的情況下，可以得到如下模型

(10)

(11)

其中，Rtotal代表邊緣網(wǎng)絡計算資源上限；Tc代表任務完成時間；B代表網(wǎng)絡總帶寬。約束關系式①對邊緣網(wǎng)絡計算資源進行限定；關系式②對卸載變量取值進行限定；關系式③對時間范圍內(nèi)的任務資源量進行限定；關系式④對計算資源進行限定；關系式⑤對卸載時間進行限定；關系式⑥對帶寬資源進行限定。由于該模型包含混合非線性規(guī)劃，在求解過程中，需要大量的時空成本支撐。于是，這里將其轉(zhuǎn)換為求解物聯(lián)網(wǎng)所有節(jié)點總效用最高的情況，可以得到如下模型

(12)

(13)

在式(12)中，節(jié)點總效用考慮了時延與資源兩個因素，λ1與λ2依次代表兩種因素的加權系數(shù)；Ti代表系統(tǒng)在任務i上的時延，它由節(jié)點本地時延與卸載時間組成；Cu代表資源單位成本。約束關系式①對任務執(zhí)行的計算資源進行限定；關系式②對任務時延進行限定；關系式③對卸載率進行限定。

針對非凸優(yōu)化，利用最速下降法對模型進行分解，結果如下

(14)

圖1 基于聯(lián)合決策模型的物聯(lián)網(wǎng)邊緣計算資源分配流程圖

4 仿真實驗與結果分析

4.1 仿真參數(shù)設置

基于Matlab搭建物聯(lián)網(wǎng)邊緣計算資源分配仿真模型，具體仿真參數(shù)設置如表1所示，節(jié)點的位置隨機產(chǎn)生，覆蓋范圍是100m。這里考慮具有移動節(jié)點的物聯(lián)網(wǎng)應用場景，能夠更好的驗證方法在物聯(lián)網(wǎng)動態(tài)時變情況下的性能。

表1 仿真參數(shù)設置

實驗從多個角度評價物聯(lián)網(wǎng)邊緣計算資源分配性能，并采用文獻[7]和文獻[8]的邊緣計算資源分配方法進行比較，從而驗證所提方法的有效性和優(yōu)越性。

4.2 仿真結果分析

首先通過仿真實驗得到任務的完成率情況。實驗過程中改變網(wǎng)絡任務數(shù)量，從而使系統(tǒng)調(diào)整邊緣計算資源。得到各方法的任務完成率，結果如圖2所示。由于文獻[8]在資源調(diào)度與任務卸載模型構造時，是基于任務執(zhí)行時延的，沒有直接考慮資源與時延的關系，所以在任務規(guī)模變化的過程中，其對應的任務完成率一直處于波動狀態(tài)。由于文獻[7]在模型中同時考慮了時間與資源，且引入了模糊理論求解，因此在任務規(guī)模為60之前，一直保持較高的任務完成率，但是在任務規(guī)模超過60之后，部分服務器出現(xiàn)過載，從而引發(fā)任務阻塞，完成率開始波動，且出現(xiàn)明顯下降。而本文方法在任務規(guī)模增加至70時，仍然保持接近100%的完成率，在超過70后出現(xiàn)微小的波動，且波動幅度不超過2%。結果表明本文方法提高了物聯(lián)網(wǎng)任務與資源調(diào)度能力，能夠有效避免任務執(zhí)行失敗的幾率。

圖2 任務完成率結果

然后通過仿真實驗得到任務執(zhí)行時間情況，結果如圖3所示。由于文獻[8]更注重任務時延，所以在任務數(shù)量較少時，確實能夠使邊緣計算資源得到合理分配，從而保證良好的執(zhí)行時間。但是當任務規(guī)模增加時，確是以完成率為代價來換取時間。文獻[7]的執(zhí)行時間較其它方法都要延長一些，沒有任何優(yōu)勢。而在任務規(guī)模增加過程中，本文方法的執(zhí)行時間表現(xiàn)出越來越明顯的優(yōu)勢，當任務規(guī)模為100時，分別比其它兩種方法用時縮短176s和76s。

圖3 執(zhí)行時間結果

再通過仿真實驗得到邊緣計算節(jié)點能耗情況，結果如圖4所示。在任務規(guī)模增加時，節(jié)點需要處理的任務隨之增加，能耗便由此增加。文獻[7]的能效優(yōu)于文獻[8]方法，這是由于文獻[7]方法在任務處理卸載過程中引入了能耗因素。而本文方法的能耗由于其它所有方法，這是由于方法建立了關于能耗模型，分析了物聯(lián)網(wǎng)節(jié)點本地與邊緣計算節(jié)點兩種情況的能耗，同時在資源分配時，能夠根據(jù)資源狀態(tài)對任務進行準確卸載，更好的平衡網(wǎng)絡能耗。

圖4 能耗結果

最后通過仿真實驗得到邊緣計算節(jié)點資源分配情況，結果如圖5所示?？梢钥闯?，在任務規(guī)模增加時，所有方法的資源分配量都會增長，但是本文方法的剩余資源顯然較其它方法的更多，尤其在規(guī)模達到60以后，資源分配經(jīng)過了聯(lián)合決策的重新調(diào)整，提升了資源分配的效果。

圖5 資源分配結果

5 結束語

本文針對具有移動節(jié)點的物聯(lián)網(wǎng)，提出了基于聯(lián)合決策模型的邊緣計算資源分配方法。將邊緣計算與物聯(lián)網(wǎng)相結合，來增強物聯(lián)網(wǎng)的計算能力和任務處理能力。結合時延、能耗、計算資源和帶寬資源的分析模型，構建了聯(lián)合決策模型，進而對物聯(lián)網(wǎng)邊緣計算資源進行合理分配。通過仿真實驗結果，表明本文方法具有較高的任務完成率，同時降低了執(zhí)行時間和能耗，有效提高了資源分配性能，且對于任務規(guī)模和節(jié)點移動具有良好的適應性。