一种基于SWIPT的MEC系统中任务卸载方法

本发明属于移动通信，具体涉及一种基于swipt的mec系统中任务卸载方法。

背景技术：

1、随着物联网技术与通信技术的飞速发展，网络算力资源和算力需求都迎来了爆炸式增长，各种包括虚拟现实、增强现实、人工智能等新兴应用层出不穷，对终端设备的计算能力以及电池容量提出更高的要求。移动终端的电池容量十分有限，传统的供电设备会造成较大的通信成本。随着万物互联时代的到来和数据的指数级增长，网络算力需求也迅速增长，边缘算力不足以及不均衡的问题依然无法有效解决。

2、移动边缘的出现，可以把基于云的服务下沉到网络边缘，在终端设备边缘提供计算、通信和存储服务。终端设备可以通过任务卸载的方式，把时延敏感型以及计算密集型任务卸载到边缘服务器，使得终端设备可以降低能源消耗和提升计算能力。受体积和硬件成本的限制，电池容量有限的传统电池供电设备在电池能量不足时无法进行任务传输和任务处理，会影响计算性能。当设备分布在偏远或有毒有害环境中时，难以通过可充电电池或传统电网进行供电。能量收集(energy harvesting,eh)技术可以支持终端设备从环境中获取能源，减少对电网或电池能源供应的依赖，进一步提升系统的能量效率，实现绿色通信。因此，将同步无线信息和功率传输(simultaneous wireless information and powertransfer，swipt)技术与mec相结合具有重要意义，swipt技术支持终端设备从基站的下行传输信号中获取能量，但与此同时也会使得基站消耗更多的能量，特别是在5g大规模基站部署的场景下，使得基站会产生大量能耗，造成整个系统的能源消耗过大。因此，研究swipt-mec系统中的能源供需平衡，在保证终端设备卸载需求和能源需求的同时保证整个系统的收益最大化是十分有必要的。

3、近年来，mec和swipt技术相结合的绿色通信也受到了广泛的关注，这对mec技术和swipt融合带来了极大启发。针对任务卸载和资源分配，一些主要的成果有：(1)swipt辅助mec网络中基于深度强化学习的计算卸载(参考文献：wan c,guo s,yang y.deepreinforcement learning based computation offloading in swipt-assisted mecnetworks[c]//2022international conference on computer communications andnetworks(icccn).ieee,2022:1-10.)：考虑了动态的mec网络以及有限资源的约束，通过联合优化动态mec网络中的卸载决策、服务器的计算频率和功率分配比来最小化所有终端设备的能耗，提出了一种基于深度确定性策略梯度的在线计算卸载算法。(2)基于swipt的mec网络中的节能计算卸载和资源分配(参考文献：xuefei e,ma z,yu k.energy-efficientcomputation offloading and resource allocation in swipt-based mec networks[j].ieee access,2020.)：在基于swipt的自适应mec网络中，为了提升网络能效提出了一个基于优化变量类别的三部分备选优化算法框架，联合优化了任务卸载策略和子信道分配。(3)用于绿色通信的同时无线信息和功率传输的混合能量资源分配(参考文献：shen lh,hung s f,feng k t.hybrid energy resource allocation for simultaneouswireless information and power transfer for green communications[j].ieeetransactions on green communications and networking,2021,5(4):2121-2138.)：考虑一个蜂窝绿色网络的swipt系统,为了满足服务质量约束以实现能源效率的最大化，提出了一种基于无线充电的联合资源分配算法，联合优化了功率分配以及卸载决策。(4)mec辅助多用户fd-swipt系统能耗优化(参考文献：fu j,hua j,wen j,et al.optimization ofenergy consumption in the mec-assisted multi-user fd-swipt system[j].ieeeaccess,2020,8:21345-21354.)：在基于mec的多用户fd-swipt系统中提出了一种包括多步优化的迭代求解算法，联合优化了通信、计算和能量资源，以最小化移动终端的能耗。

4、基于swipt的mec系统的任务卸载与资源分配研究，为了保证系统稳定持续运行，需要供电设施连续大功率传输能量，导致能源利用过于低效，成本高，碳足迹高。如果考虑终端设备的能源需求，按需获取能量，将极大的提高系统的能源效率。现有方案往往从终端设备方考虑任务卸载和能量收集的成本，而忽略基站方付出的成本，如何在满足终端设备任务卸载需求和能源需求的同时降低能源消耗，提升体统整体收益是一个挑战。因此制定一个合理的任务卸载与资源分配方案以提升系统在整体收益具有重要价值。

技术实现思路

1、为了实现系统收益的提升，本发明提出一种基于swipt的mec系统中任务卸载方法，具体包括以下步骤：

2、s1、构建具有swipt功能的swipt-mec网络，考虑终端设备与基站之间的供需关系，分别建立任务模型、通信模型、计算模型以及能量收集模型；

3、s2、将终端设备作为买方，根据自身的计算任务需求与能源需求向基站购买通信资源，采用博弈论理论，建立买方的收益最大化问题；

4、s3、将基站作为卖方，通过动态资源报价为终端设备提供不同的计算和通信资源，采用博弈论理论，建立卖方的收益最大化问题；

5、s4、利用拉格朗日乘子法和kkt条件求解买方的收益最大化问题和卖方的收益最大化问题，通过求解斯塔克尔伯格均衡，计算得到基站在训练时隙的最优下行功率和最优资源报价；

6、s5、将计算得出的最优下行功率和最优资源报价作为训练数据，训练深度强化学习模型；

7、s6、根据终端设备在待测时隙生成的计算任务，电池能量水平以及基站的资源报价，利用训练后的深度强化学习模型预测得到在待测时隙的最优任务卸载决策。

8、本发明的有益效果：

9、本发明为了在满足终端设备任务卸载需求和能源需求的同时降低系统的能耗成本，构建了基于swipt的mec系统，并考虑终端设备和基站之间的供需关系，提出了一种基于深度强化学习和买卖博弈的任务卸载方法，仿真结果表明，该方案可以有效降低系统能耗成本，提升系统总收益。

技术特征：

1.一种基于swipt的mec系统中任务卸载方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于swipt的mec系统中任务卸载方法，其特征在于，建立买方的收益最大化问题包括：

3.根据权利要求2所述的一种基于swipt的mec系统中任务卸载方法，其特征在于，求解买方的收益最大化问题包括：

4.根据权利要求1所述的一种基于swipt的mec系统中任务卸载方法，其特征在于，建立卖方收益最大化问题包括：

5.根据权利要求4所述的一种基于swipt的mec系统中任务卸载方法，其特征在于，求解卖方的收益最大化问题包括：

6.根据权利要求1所述的一种基于swipt的mec系统中任务卸载方法，其特征在于，深度强化学习模型包括利用深度强化学习算法将任务卸载建模成马尔可夫决策过程；根据在每个时隙信道条件的状态、能源队列的状态和任务队列的状态，构建出状态空间；智能体根据当前系统状态基于不同奖励所选择的不同卸载决策，确定出动作空间；根据执行卸载决策后，当前系统反馈给智能体的奖励，构建出奖励函数。

技术总结
本发明属于移动通信技术领域，涉及一种基于SWIPT的MEC系统中任务卸载方法，包括考虑由多个终端设备和多个基站构成的SWIPT‑MEC系统；分别建立任务模型、通信模型、计算模型和能量收集模型；为了求解系统收益最大化问题，建立了基于买卖博弈的供需互动优化模型；终端设备根据自身的计算需求和能源需求向基站购买通信资源，建立买方收益最大化问题；通过动态报价基站向设备提供不同的计算和通信资源，建立卖方收益最大化问题，通过拉格朗日乘子法和KKT条件计算出训练时隙的最优卸载决策；利用深度强化学习预测得到待测时隙的最优的卸载策略；本发明有效降低系统能耗成本，提升系统总收益。

技术研发人员：鲜永菊,陈万琼,左维昊,汪帅鸽
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/1/13