王翌雪，高雪蓮，湯億則，章毅，王彥波

（1．華北電力大學(xué)電氣與電子工程學(xué)院，北京市 昌平區(qū) 102206；2．國網(wǎng)浙江省電力有限公司信息通信分公司，浙江省 杭州市 310007）

0 引言

隨著高比例新能源廣泛接入，以及分布式電源和儲(chǔ)能裝置的大規(guī)模并網(wǎng)[1-4]，配電網(wǎng)呈現(xiàn)主動(dòng)性和有源性等特點(diǎn)，其拓?fù)浣Y(jié)構(gòu)從單電源輻射狀向多分段多聯(lián)絡(luò)的環(huán)網(wǎng)結(jié)構(gòu)轉(zhuǎn)變[5]。為保障分布式能源大規(guī)模并網(wǎng)下源網(wǎng)荷儲(chǔ)的協(xié)同互動(dòng)與供需平衡，需要全方位對(duì)配電網(wǎng)運(yùn)行狀態(tài)、設(shè)備狀態(tài)等信息進(jìn)行實(shí)時(shí)監(jiān)測和預(yù)警，導(dǎo)致電力數(shù)據(jù)采集與信息交互頻次需求大幅增加，催生出分布式能源調(diào)控、負(fù)荷需求側(cè)管理、設(shè)備站視頻監(jiān)測、用電信息采集等多種業(yè)務(wù)，對(duì)配電網(wǎng)通信時(shí)延、能效等指標(biāo)提出更高要求。5G憑借大帶寬、低時(shí)延、廣連接優(yōu)勢[6-7]，高效賦能配電網(wǎng)電力信息雙向交互。此外，5G融合邊緣計(jì)算，通過將“云”的計(jì)算和存儲(chǔ)能力下沉至網(wǎng)絡(luò)邊緣[8]，在更靠近設(shè)備的數(shù)據(jù)源頭提供數(shù)據(jù)處理、分析和存儲(chǔ)服務(wù)，有效支撐配電網(wǎng)多業(yè)務(wù)的實(shí)時(shí)處理[9-10]。

考慮到配電網(wǎng)傳感設(shè)備計(jì)算、能量資源有限，任務(wù)卸載優(yōu)化成為5G配電網(wǎng)邊緣計(jì)算中的關(guān)鍵問題[11]。根據(jù)網(wǎng)絡(luò)狀態(tài)、邊緣服務(wù)器負(fù)載、可用資源等信息，設(shè)備將任務(wù)卸載到邊緣服務(wù)器進(jìn)行處理[12]，降低設(shè)備傳輸能耗和數(shù)據(jù)處理時(shí)延，保障通信、計(jì)算、能量資源的高效利用，滿足5G配電網(wǎng)多業(yè)務(wù)在能效、時(shí)延等方面的差異化服務(wù)質(zhì)量（quality of service, QoS）需求。然而，面向5G配電網(wǎng)多業(yè)務(wù)邊緣計(jì)算的任務(wù)卸載優(yōu)化仍然面臨著如下挑戰(zhàn)。

1）多設(shè)備決策耦合：由于海量設(shè)備的大規(guī)模接入，5G配電網(wǎng)邊緣計(jì)算任務(wù)卸載優(yōu)化面臨多設(shè)備決策耦合難題，即當(dāng)多個(gè)設(shè)備同時(shí)選擇一個(gè)邊緣服務(wù)器進(jìn)行任務(wù)卸載時(shí)，邊緣服務(wù)器計(jì)算能力有限，因此各設(shè)備的任務(wù)卸載性能受到其他設(shè)備的影響。

2）多QoS性能指標(biāo)耦合：配電網(wǎng)多業(yè)務(wù)在時(shí)延、能耗、吞吐量等QoS性能指標(biāo)方面具有差異化需求。然而，多QoS性能指標(biāo)間存在耦合性和矛盾性，例如，增加傳輸功率將減小傳輸時(shí)延，但會(huì)導(dǎo)致傳輸能耗增加。

3）長期約束和短期決策耦合：針對(duì)配電網(wǎng)業(yè)務(wù)差異化QoS需求所考慮的長期能效、時(shí)延等約束與短期的任務(wù)卸載決策相耦合。由于缺乏未來的信道狀態(tài)、服務(wù)器可用資源等信息，短期任務(wù)卸載決策的優(yōu)化無法保障長期約束的滿足。

匹配理論通過在具有偏好的兩側(cè)之間建立穩(wěn)定的匹配關(guān)系，為面向5G配電網(wǎng)邊緣計(jì)算的任務(wù)卸載優(yōu)化提供了有效的解決方案。文獻(xiàn)[13]提出了基于一對(duì)一匹配的車輛霧計(jì)算任務(wù)分配機(jī)制，以最小化時(shí)延為目標(biāo)，實(shí)現(xiàn)設(shè)備與車輛霧服務(wù)器之間的穩(wěn)定匹配。然而，文獻(xiàn)[13]聚焦一對(duì)一匹配，未考慮配電網(wǎng)傳感設(shè)備與邊緣服務(wù)器多對(duì)一匹配導(dǎo)致的多設(shè)備決策耦合特性。文獻(xiàn)[14]在穩(wěn)定資源分配基礎(chǔ)上利用改進(jìn)轉(zhuǎn)移匹配算法實(shí)現(xiàn)穩(wěn)定的多對(duì)一轉(zhuǎn)移匹配資源復(fù)用，降低網(wǎng)絡(luò)時(shí)延。上述文獻(xiàn)只考慮了單一的時(shí)延或能耗性能，未考慮多QoS性能指標(biāo)的耦合，無法實(shí)現(xiàn)5G配電網(wǎng)多業(yè)務(wù)差異化QoS保障。

Lyapunov優(yōu)化將通信系統(tǒng)隨機(jī)網(wǎng)絡(luò)描述為隊(duì)列集合，通過分析信道狀態(tài)、節(jié)點(diǎn)動(dòng)作等網(wǎng)絡(luò)特征對(duì)隊(duì)列狀態(tài)的影響，將隨機(jī)優(yōu)化問題轉(zhuǎn)化為隊(duì)列穩(wěn)定性的控制問題，可有效解決長期約束與短期決策的耦合。文獻(xiàn)[15]運(yùn)用Lyapunov優(yōu)化理論設(shè)計(jì)了一種邊緣計(jì)算下基于隊(duì)列狀態(tài)的實(shí)時(shí)帶寬與計(jì)算資源分配算法，最小化系統(tǒng)開銷。然而，該文獻(xiàn)未考慮多QoS性能指標(biāo)的耦合。

針對(duì)上述挑戰(zhàn)，本文提出了基于差異化QoS性能驅(qū)動(dòng)的5G配電網(wǎng)邊緣計(jì)算優(yōu)化方法。首先，構(gòu)建差異化QoS優(yōu)化問題；其次，利用Lyapunov優(yōu)化理論將長期隨機(jī)優(yōu)化問題解耦為單時(shí)隙確定性優(yōu)化問題；最后，通過配額升價(jià)匹配實(shí)現(xiàn)設(shè)備與服務(wù)器間的多對(duì)一穩(wěn)定匹配。仿真結(jié)果驗(yàn)證了所提算法在能效與時(shí)延差、業(yè)務(wù)優(yōu)先級(jí)感知等方面的性能優(yōu)勢。本文的主要?jiǎng)?chuàng)新點(diǎn)如下。

1）差異化QoS性能保障：針對(duì)能效敏感型業(yè)務(wù)與時(shí)延敏感型業(yè)務(wù)分別構(gòu)建能效優(yōu)化問題和時(shí)延優(yōu)化問題，利用QoS性能偏差進(jìn)行業(yè)務(wù)類型判定，并構(gòu)建相應(yīng)的匹配偏好列表，實(shí)現(xiàn)差異化QoS性能需求保障。

2）設(shè)備與服務(wù)器的穩(wěn)定匹配：通過在偏好列表中增加匹配價(jià)格并基于業(yè)務(wù)優(yōu)先級(jí)進(jìn)行升價(jià)迭代，解決多設(shè)備競爭同一服務(wù)器導(dǎo)致的任務(wù)卸載沖突，實(shí)現(xiàn)不同業(yè)務(wù)優(yōu)先級(jí)傳感設(shè)備與服務(wù)器之間的多對(duì)一穩(wěn)定匹配。

1 系統(tǒng)模型

1.1 系統(tǒng)結(jié)構(gòu)

本文考慮的5G配電網(wǎng)邊緣計(jì)算場景如圖1所示，主要包括三部分：5G基站、邊緣服務(wù)器、配電網(wǎng)傳感設(shè)備[16]。其中，5G基站為配電網(wǎng)傳感設(shè)備提供網(wǎng)絡(luò)覆蓋；邊緣服務(wù)器部署在5G基站附近，具備強(qiáng)大的計(jì)算能力和豐富的存儲(chǔ)資源，其集合表示為S={s1,…sj,…,sJ}。配電網(wǎng)傳感設(shè)備通過5G基站將任務(wù)數(shù)據(jù)卸載到邊緣服務(wù)器進(jìn)行處理，以降低數(shù)據(jù)處理時(shí)延和本地計(jì)算能耗，其集合表示為M={m1,…mi,…,mI}。

圖1 5G配電網(wǎng)邊緣計(jì)算場景Fig. 1 5G distribution network edge computing scene

將任務(wù)卸載優(yōu)化時(shí)間劃分為等長的T個(gè)時(shí)隙，其集合為T={1,…t,…,T}，并假設(shè)信道狀態(tài)等信息在單時(shí)隙內(nèi)恒定，在時(shí)隙間動(dòng)態(tài)變化[17]?；跁r(shí)隙構(gòu)建數(shù)據(jù)傳輸與數(shù)據(jù)處理模型。

1.2 數(shù)據(jù)傳輸與數(shù)據(jù)處理模型

定義ai,j(t)為傳感設(shè)備的任務(wù)卸載決策變量，ai,j(t)=1表示設(shè)備mi在第t時(shí)隙選擇服務(wù)器sj進(jìn)行任務(wù)卸載，否則，ai,j(t)=0。根據(jù)香農(nóng)定理[18]，在第t時(shí)隙，mi將數(shù)據(jù)傳輸至sj的傳輸速率可表示為

式中：B表示信道帶寬；γi,j(t)表示第t時(shí)隙mi與sj之間信道的信噪比，由下式給出：

式中：pi表示mi的傳輸功率；gi,j(t)表示信道增益；σ2表示噪聲功率。

邊緣服務(wù)器通過平均分配計(jì)算資源，并行處理多個(gè)配電網(wǎng)傳感設(shè)備的數(shù)據(jù)計(jì)算任務(wù)。服務(wù)器sj分配給設(shè)備mi的計(jì)算資源表示為

式中：φi,j(t)表示第t時(shí)隙sj可用的計(jì)算資源；配額ρj表示邊緣服務(wù)器最大可服務(wù)的設(shè)備數(shù)。

1.3 任務(wù)卸載時(shí)延模型

配電網(wǎng)傳感設(shè)備將數(shù)據(jù)卸載到服務(wù)器處理的總時(shí)延包括兩部分：數(shù)據(jù)傳輸時(shí)延和數(shù)據(jù)處理時(shí)延。mi將任務(wù)卸載到sj的數(shù)據(jù)傳輸時(shí)延表示為

式中：Di(t)表示mi在第t時(shí)隙卸載的任務(wù)數(shù)據(jù)量。

mi任務(wù)數(shù)據(jù)在sj上的處理時(shí)延為

式中：λi表示設(shè)備mi任務(wù)數(shù)據(jù)的計(jì)算復(fù)雜度。因此，mi將任務(wù)卸載到sj的總時(shí)延表示為

為了統(tǒng)一QoS指標(biāo)的數(shù)量級(jí)，對(duì)總時(shí)延進(jìn)行歸一化處理，即

式中：Lmax和Lmin分別為總時(shí)延的上界和下界。設(shè)備mi的歸一化總時(shí)延為

1.4 設(shè)備傳輸能效模型

由于部分傳感設(shè)備采用電池供電，電池能量有限，需要通過提高任務(wù)卸載能效延長設(shè)備生命周期。設(shè)備mi將任務(wù)卸載到sj的數(shù)據(jù)傳輸能耗表示為

定義傳輸能效（bit/(J·Hz)）為單位帶寬、單位能量下可卸載至邊緣服務(wù)器的任務(wù)數(shù)據(jù)量[19]，表示為

為了統(tǒng)一QoS指標(biāo)的數(shù)量級(jí)，對(duì)傳輸能效進(jìn)行歸一化處理，即

式中：ξmax和ξmin分別是傳輸能效的上界和下界。設(shè)備mi的歸一化傳輸能效為

1.5 問題建模

面向配電網(wǎng)多業(yè)務(wù)差異化QoS保障需求，本文同時(shí)考慮能效敏感型業(yè)務(wù)和時(shí)延敏感型業(yè)務(wù)，并構(gòu)建相應(yīng)的能效優(yōu)化問題和時(shí)延優(yōu)化問題，通過優(yōu)化配電網(wǎng)傳感設(shè)備任務(wù)卸載策略進(jìn)行求解。

1.5.1 能效敏感型業(yè)務(wù)

面向配電網(wǎng)能效敏感型業(yè)務(wù)的優(yōu)化目標(biāo)為最大化設(shè)備能效，以此為基礎(chǔ)構(gòu)建能效優(yōu)化問題P1-1為

1.5.2 時(shí)延敏感型業(yè)務(wù)

面向配電網(wǎng)時(shí)延敏感型業(yè)務(wù)的優(yōu)化目標(biāo)為最小化任務(wù)卸載總時(shí)延，以此為基礎(chǔ)構(gòu)建時(shí)延優(yōu)化問題P1-2為

2 基于差異化QoS驅(qū)動(dòng)與配額升價(jià)匹配的任務(wù)卸載算法

2.1 問題轉(zhuǎn)化

由于長期約束C3、C4與短期任務(wù)決策相耦合，P1-1和P1-2難以直接求解。本文采用Lyapunov優(yōu)化方法，將長期隨機(jī)優(yōu)化問題P1-1和P1-2轉(zhuǎn)化為單時(shí)隙確定性問題進(jìn)行求解，具體轉(zhuǎn)化過程如下。

基于虛擬隊(duì)列[20]，將長期約束轉(zhuǎn)化為虛擬隊(duì)列穩(wěn)定性約束。針對(duì)長期設(shè)備傳輸能效約束C3，構(gòu)建能效虛擬隊(duì)列為

針對(duì)長期任務(wù)卸載總時(shí)延約束C4，構(gòu)建總時(shí)延虛擬隊(duì)列為

式中：Yi(t)表示當(dāng)前能效與能效約束的偏差；Zi(t)表示當(dāng)前總時(shí)延與時(shí)延約束的偏差。當(dāng)Yi(t)和Zi(t)平均速率穩(wěn)定時(shí)，C3和C4自動(dòng)滿足[21]。

針對(duì)長期隨機(jī)優(yōu)化問題P1-1，基于Lyapunov優(yōu)化理論[22]，設(shè)為虛擬隊(duì)列Yi(t)的向量，并定義Lyapunov函數(shù)為

由于P1-1為能效最大化問題，定義漂移減獎(jiǎng)勵(lì)函數(shù)為

式中：? 為不影響優(yōu)化的常數(shù)項(xiàng)。因此問題P1-1可轉(zhuǎn)化為在每個(gè)時(shí)隙最小化的上界，即

同理，問題P1-2可以轉(zhuǎn)化為單時(shí)隙確定性問題：

2.2 差異化QoS驅(qū)動(dòng)的匹配偏好列表構(gòu)建

考慮到多設(shè)備決策耦合導(dǎo)致的高計(jì)算復(fù)雜度，可將轉(zhuǎn)化后的問題P2-1和P2-2建模為設(shè)備與服務(wù)器間的多對(duì)一配額匹配問題Φ={M,S,φt,Li(t)}進(jìn)行求解。其中，φt為第t時(shí)隙設(shè)備與服務(wù)器的匹配關(guān)系；Li(t)為設(shè)備mi在第t時(shí)隙建立的對(duì)服務(wù)器的偏好列表，基于偏好列表對(duì)服務(wù)器提出匹配請求，最終實(shí)現(xiàn)設(shè)備與服務(wù)器間的穩(wěn)定匹配。

定義第t時(shí)隙設(shè)備與服務(wù)器的多對(duì)一配額匹配關(guān)系φt為M∪S與自身之間的映射關(guān)系。在第t時(shí)隙，且；，φt(sj)∈M且。當(dāng)sj=φt(mi)且mi∈φt(sj)時(shí)，表示設(shè)備mi與服務(wù)器sj在第t時(shí)隙建立穩(wěn)定匹配，即ai,j(t)= 1。

為適配配電網(wǎng)多業(yè)務(wù)差異化QoS保障需求，提出差異化QoS驅(qū)動(dòng)的業(yè)務(wù)類型判定方法。分別計(jì)算設(shè)備mi的傳輸能效虛擬隊(duì)列積壓和任務(wù)卸載總時(shí)延虛擬隊(duì)列積壓與對(duì)應(yīng)閾值的比值，即

如果αi(t)≥βi(t)，則判定mi運(yùn)行能效敏感型業(yè)務(wù)；否則，判定mi運(yùn)行時(shí)延敏感型業(yè)務(wù)。

針對(duì)能效敏感型業(yè)務(wù)，基于mi選擇sj進(jìn)行任務(wù)卸載的傳輸能效定義mi對(duì)sj的偏好值，表示為

針對(duì)時(shí)延敏感型業(yè)務(wù)，基于mi選擇sj進(jìn)行任務(wù)卸載的任務(wù)卸載總時(shí)延定義mi對(duì)sj的偏好值，表示為

式中：κi,j(t)為mi選擇sj進(jìn)行匹配的匹配成本。將mi對(duì)服務(wù)器的偏好值按降序排列，獲得mi的偏好列表，表示為

式中：sj?misj*表示mi相對(duì)sj*更偏好sj，即mi對(duì)sj的偏好值大于mi對(duì)sj*的偏好值，表示為

設(shè)備根據(jù)偏好列表向排名第一的邊緣服務(wù)器提出匹配請求。由于邊緣服務(wù)器配額有限，當(dāng)選擇同一邊緣服務(wù)器的設(shè)備超過其配額時(shí)，可通過升價(jià)，即提高匹配成本，解決多設(shè)備間的選擇沖突問題。sj的升價(jià)過程表示為

式中：ηi表示mi所提供業(yè)務(wù)的優(yōu)先級(jí)；NΔ 表示匹配價(jià)格增長步長，為一個(gè)定值。由式（29）可知，當(dāng)mi所提供業(yè)務(wù)的優(yōu)先級(jí)ηi越大或當(dāng)前QoS偏差百分比max(αi(t),βi(t))越大時(shí)，式（ 29）等號(hào)右側(cè)第2項(xiàng)的值越小，即mi與sj進(jìn)行匹配的匹配價(jià)格相對(duì)其他設(shè)備的增長越慢，從而更容易與性能較好的邊緣服務(wù)器進(jìn)行匹配。設(shè)備根據(jù)升價(jià)后的匹配成本重新計(jì)算對(duì)服務(wù)器的偏好值，更新偏好列表并重新提出請求。

2.3 基于差異化QoS驅(qū)動(dòng)與配額升價(jià)匹配的任務(wù)卸載算法流程

本文提出的基于差異化QoS驅(qū)動(dòng)與配額升價(jià)匹配的任務(wù)卸載算法具體實(shí)施流程如下。第一階段：初始化。

初始化φt=?，?=?，Ni,j(t)= 0，?mi∈M，

?sj∈S,?t∈T。第二階段：構(gòu)建差異化QoS偏好列表。

設(shè)備mi根據(jù)式（23）和（24）分別計(jì)算αi(t)和βi(t)，并進(jìn)行當(dāng)前時(shí)隙業(yè)務(wù)類型判定。

mi根據(jù)式（2 5）（αi(t)≥βi(t)）或式（2 6）（αi(t)＜βi(t)）計(jì)算對(duì)sj,?sj∈S的偏好值，根據(jù)式（27）建立偏好列表Li(t)。

第三階段：迭代匹配。

?φi(mi)=?時(shí)，迭代執(zhí)行如下步驟：

首先，mi,?mi∈M向偏好列表中排名第一的邊緣服務(wù)器提出匹配申請。

其次，若服務(wù)器sj收到的匹配請求總數(shù)小于等于配額ρj，則sj直接與這些設(shè)備匹配。否則將sj加入集合?。若集合?不為空，則進(jìn)行如下步驟：

1）sj∈?根據(jù)式（29）提升匹配成本κi,j(t)；

2）向sj提出匹配請求的所有設(shè)備根據(jù)式（ 25）（αi(t)≥βi(t)）或式（ 26）（αi(t)＜βi(t)）更新對(duì)sj的偏好值，并重新建立偏好列表，再次向排名第一的服務(wù)器提出匹配申請；

3）重復(fù)升價(jià)過程直到sj收到的匹配申請小于等于配額ρj，sj與這些設(shè)備匹配并將sj移出?。

最后，未匹配成功的設(shè)備mi將已完成匹配的sj移出Li(t) ，并繼續(xù)向剩余服務(wù)器提出匹配請求，直到所有設(shè)備成功與服務(wù)器匹配?；谄ヅ浣Y(jié)果，設(shè)備將任務(wù)卸載到相應(yīng)的服務(wù)器進(jìn)行數(shù)據(jù)處理，根據(jù)式（15）和（16）更新Yi(t+ 1)和Zi(t+ 1)，并進(jìn)入下一個(gè)時(shí)隙。

當(dāng)t≠T時(shí)，迭代執(zhí)行第二階段和第三階段。當(dāng)t=T時(shí)，結(jié)束任務(wù)卸載優(yōu)化過程。

基于差異化QoS驅(qū)動(dòng)與配額升價(jià)匹配的任務(wù)卸載算法整體流程如圖2所示。

圖2 基于差異化QoS驅(qū)動(dòng)與配額升價(jià)匹配的任務(wù)卸載算法流程Fig. 2 Procedure of task offloading algorithm based on differentiated QoS driven and quota price matching

3 算法仿真

3.1 基本參數(shù)與對(duì)比算法

本文考慮包含能效敏感型業(yè)務(wù)和時(shí)延敏感型業(yè)務(wù)的5G配電網(wǎng)邊緣計(jì)算場景，通過大量仿真驗(yàn)證所提算法的有效性。在考慮的場景中，設(shè)備數(shù)量取值范圍為[60，120]，服務(wù)器數(shù)量取值范圍為[6，15]，每個(gè)服務(wù)器的配額取值范圍為[10，20]。時(shí)隙數(shù)量設(shè)置為100，每個(gè)時(shí)隙產(chǎn)生的數(shù)據(jù)包大小在[1.5，2.0]Mbits之間波動(dòng)，每個(gè)服務(wù)器的計(jì)算資源取值范圍為[1，4]×1010cycle/s。其余仿真參數(shù)設(shè)置如表1所示[23]。

表1 仿真參數(shù)設(shè)置Table 1 Simulation parameter settings

本文采用2種現(xiàn)有算法與所提算法進(jìn)行性能比較。第1種算法是文獻(xiàn)[24]提出的基于分布式匹配的高能效任務(wù)卸載算法（a distributed matching-based highenergy-efficiency task offloading algorithm, HETO）；

第2種算法是文獻(xiàn)[25]提出的基于升價(jià)匹配的低時(shí)延任務(wù)卸載算法（a price matching-based low-delay task offloading algorithm, LDTO）。HETO只考慮能效性能優(yōu)化，LDTO只考慮時(shí)延性能優(yōu)化，2種算法均無法根據(jù)隊(duì)列偏差進(jìn)行差異化QoS性能指標(biāo)優(yōu)化的切換。為了比較3種算法的綜合性能，本文將能效與時(shí)延差χ(t)作為評(píng)判指標(biāo)[26]，即。

3.2 仿真分析

圖3表示歸一化能效與時(shí)延差隨時(shí)隙的變化情況，仿真結(jié)果表明，當(dāng)t=100時(shí)，所提算法在能效與時(shí)延差性能上分別比HETO和LDTO提高了83.43%和67.39%。原因在于所提算法同時(shí)考慮了能效和時(shí)延虛擬隊(duì)列與對(duì)應(yīng)閾值的偏差，可以根據(jù)偏差大小進(jìn)行性能指標(biāo)優(yōu)化的動(dòng)態(tài)切換，同時(shí)降低能效與時(shí)延虛擬隊(duì)列積壓，實(shí)現(xiàn)能效和時(shí)延的聯(lián)合優(yōu)化。

圖3 歸一化能效與時(shí)延差隨時(shí)隙的變化情況（I=80，J=9，ρj=10）Fig. 3 Normalized difference between energy efficiency and delay versus time slot (I=80, J=9, ρj=10)

圖4表示歸一化能效與時(shí)延差隨配額的變化情況。仿真結(jié)果表明，隨著配額的增大，能效與時(shí)延差性能先增高后降低，并在配額等于14時(shí)達(dá)到最大，所提算法相比于HETO和LDTO性能分別提高76.19%和51.02%。隨著配額的增大，更多的傳感設(shè)備可以接入通信質(zhì)量較好的服務(wù)器。但是，當(dāng)配額進(jìn)一步增大時(shí)，服務(wù)器分配的計(jì)算資源減少，數(shù)據(jù)處理時(shí)延增大，能效與時(shí)延差性能下降。

圖4 歸一化能效與時(shí)延差隨配額的變化情況（I=80，J=9）Fig. 4 Normalized difference between energy efficiency and delay versus quota（I=80，J=9）

圖5表示歸一化能效與時(shí)延差隨業(yè)務(wù)優(yōu)先級(jí)的變化情況。仿真結(jié)果表明，優(yōu)先級(jí)為0.5的業(yè)務(wù)的歸一化能效與時(shí)延差比優(yōu)先級(jí)為0.1的業(yè)務(wù)提高了34.89%。這是因?yàn)樗崴惴紤]了業(yè)務(wù)優(yōu)先級(jí)感知，優(yōu)先級(jí)更高的業(yè)務(wù)可以優(yōu)先匹配服務(wù)質(zhì)量更好的服務(wù)器。HETO和LDTO忽略了業(yè)務(wù)優(yōu)先級(jí)感知，能效與時(shí)延差沒有明顯差異。

圖5 歸一化能效與時(shí)延差隨業(yè)務(wù)優(yōu)先級(jí)的變化情況（I=80，J=9，ρj=10）Fig. 5 Normalized difference between energy efficiency and delay versus business priority (I=80, J=9, ρj=10)

圖6表示所提算法的歸一化能效與時(shí)延差隨不同設(shè)備數(shù)以及不同服務(wù)器數(shù)的變化情況。仿真結(jié)果表明，當(dāng)服務(wù)器數(shù)量為9且設(shè)備數(shù)量從60增加到120時(shí)，能效與時(shí)延差性能降低30.43%；當(dāng)設(shè)備數(shù)量為80且服務(wù)器數(shù)量從6增加到15時(shí)，能效與時(shí)延差性能提高59.53%。這是因?yàn)?，隨著設(shè)備數(shù)量的增加，更多設(shè)備無法匹配服務(wù)質(zhì)量較好的服務(wù)器，導(dǎo)致能效與時(shí)延差下降；隨著服務(wù)器數(shù)量的增加，服務(wù)質(zhì)量好的服務(wù)器數(shù)量增多，能效與時(shí)延差提升。

圖6 歸一化能效與時(shí)延差隨設(shè)備數(shù)和服務(wù)器數(shù)的變化情況（ρj=10）Fig. 6 Normalized difference between energy efficiency and delay versus number of devices and servers (ρj=10)

圖7表示能效與時(shí)延隨配額的變化情況。仿真結(jié)果表明，當(dāng)配額從10增加到20時(shí)，能效提升6.28%；時(shí)延先減小后增大，在配額為14時(shí)達(dá)到最低。這是因?yàn)殡S著配額的增加，更多設(shè)備可以匹配服務(wù)質(zhì)量好的服務(wù)器，因此能效呈上升趨勢，時(shí)延呈下降趨勢；隨著配額進(jìn)一步增大，服務(wù)器分配的計(jì)算資源減少，數(shù)據(jù)處理時(shí)延增大，導(dǎo)致整體時(shí)延性能降低。

圖7 能效與時(shí)延隨配額的變化情況（I=80，J=9）Fig. 7 Energy efficiency and delay versus quota (I=80, J=9)

表2表示歸一化能效與時(shí)延差性能隨邊緣服務(wù)器計(jì)算資源波動(dòng)的變化情況。從表中可以看出，當(dāng)計(jì)算資源從1×1010cycles/s增加到4×1010cycles/s時(shí)，所提算法能效與時(shí)延差性能增加22.54%，HETO和LDTO分別增加12.82%和14.58%。所提算法具有更大的增幅。這是因?yàn)椋S著計(jì)算資源的增加，每個(gè)設(shè)備分配到的計(jì)算資源增大，數(shù)據(jù)處理時(shí)延下降，時(shí)延隊(duì)列偏差減少，所提算法傾向于優(yōu)化能效性能，導(dǎo)致能效與時(shí)延差性能總體增幅更大。

表2 歸一化能效與時(shí)延差隨計(jì)算資源的變化（I=80，J=9，ρj=10）Table 2 Energy efficiency and delay performance change with computing resources under different algorithms (I=80, J=9, ρj=10)

4 結(jié)論

本文針對(duì)5G配電網(wǎng)多業(yè)務(wù)邊緣計(jì)算差異化QoS需求保障難題，提出了基于差異化QoS性能驅(qū)動(dòng)與配額升價(jià)匹配的任務(wù)卸載優(yōu)化算法，利用QoS性能偏差判斷業(yè)務(wù)類型，通過升價(jià)迭代匹配實(shí)現(xiàn)不同業(yè)務(wù)優(yōu)先級(jí)傳感設(shè)備與服務(wù)器之間的多對(duì)一穩(wěn)定匹配。仿真結(jié)果表明，所提算法相較于HETO和LDTO實(shí)現(xiàn)了不同時(shí)隙、不同配額、不同業(yè)務(wù)優(yōu)先級(jí)下歸一化能效與時(shí)延差性能的大幅度提升。當(dāng)t=100時(shí)，所提算法在歸一化能效與時(shí)延差性能上分別比HETO和LDTO提高了83.43%和67.39%；當(dāng)配額等于14時(shí)，所提算法相比于HETO和LDTO性能分別提高76.19%和51.02%；所提算法還可以根據(jù)不同業(yè)務(wù)優(yōu)先級(jí)進(jìn)行針對(duì)性的任務(wù)卸載優(yōu)化，優(yōu)先級(jí)為0.5的業(yè)務(wù)性能比優(yōu)先級(jí)為0.1的業(yè)務(wù)提高了34.89%。此外，針對(duì)設(shè)備數(shù)量、服務(wù)器數(shù)量以及計(jì)算資源對(duì)歸一化能效與時(shí)延差性能的影響進(jìn)行了進(jìn)一步的仿真分析，為所提算法的實(shí)際應(yīng)用提供理論指導(dǎo)。

未來，為進(jìn)一步提高任務(wù)卸載資源利用率，還需針對(duì)面向5G配電網(wǎng)多業(yè)務(wù)邊緣計(jì)算的計(jì)算資源分配優(yōu)化進(jìn)行深入研究。