基于终端直通通信的多用户计算卸载资源优化决策

doi:10.11772/j.issn.1001-9081.2021030458

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (5): 1538-1546.DOI: 10.11772/j.issn.1001-9081.2021030458

基于终端直通通信的多用户计算卸载资源优化决策

李余¹^,²(), 何希平¹^,², 唐亮贵¹^,²

^1.重庆工商大学计算机科学与信息工程学院, 重庆 400067
^2.重庆市检测控制集成系统工程实验室(重庆工商大学), 重庆 400067

收稿日期:2021-03-25 修回日期:2021-06-30 接受日期:2021-07-01 发布日期:2022-06-11 出版日期:2022-05-10
通讯作者: 李余
作者简介:李余（1989—），女，重庆人，副教授，博士，主要研究方向：终端直通通信、移动边缘计算、资源优化 liyu@ctbu.edu.cn
何希平（1968—），男，四川射洪人，教授，博士，主要研究方向：机器学习、数据分析处理、计算机视觉
唐亮贵（1973—），男，重庆人，副教授，博士，CCF会员，主要研究方向：分布式智能计算、网络计算。
基金资助:
国家自然科学基金资助项目(61901067);重庆市自然科学基金资助项目(cstc2020jcyj?msxmX0339);重庆市教育委员会科学技术研究项目(KJQN201900824);重庆工商大学科研项目(1952002)

Multi-user computation offloading and resource optimization policy based on device-to-device communication

Yu LI¹^,²(), Xiping HE¹^,², Lianggui TANG¹^,²

^1.School of Computer Science and Information Engineering，Chongqing Technology and Business University，Chongqing 400067，China
^2.Chongqing Engineering Laboratory for Detection，Control and Integrated System （Chongqing Technology and Business University），Chongqing 400067，China

Received:2021-03-25 Revised:2021-06-30 Accepted:2021-07-01 Online:2022-06-11 Published:2022-05-10
Contact: Yu LI
About author:LI Yu， born in 1989，Ph. D.，associate professor. Her researchinterests include device-to-device communication， mobile edge computing，resource optimization.
HE Xiping， Xiping，born in 1968，Ph. D.，professor. His research interests include machine learning，data analysis and processing，computer vision.
TANG Lianggui， born in 1973，Ph. D.，associate professor. Hisresearch interests include distributed intelligent computing， network computing.
Supported by:
National Natural Science Foundation of China(61901067);Natural Science Foundation of Chongqing(cstc2020jcyj-msxmX0339);Science and Technology Research Program of Chongqing Municipal Education Commission(KJQN201900824);Science Research Program of Chongqing Technology and Business University(1952002)

摘要/Abstract

摘要：

随着计算密集和时延敏感类应用的激增，移动边缘计算（MEC）被提出应用在网络边缘为用户提供计算服务。针对基站（BS）端边缘服务器计算资源有限以及网络边缘用户远距离计算卸载的时延较长等问题，提出了基于终端直通（D2D）通信的多用户计算卸载资源优化决策，将D2D融入MEC网络使用户以D2D方式直接卸载任务到相邻用户处执行，从而能够进一步降低卸载时延和能耗。首先，以最小化包括时延和能耗的系统计算总开销为优化目标，建模多用户计算卸载和多用户计算资源分配的联合优化问题；然后，将求解该问题看作是一个D2D配对过程，并提出基于稳定匹配的低复杂度的多用户计算卸载资源优化决策算法；最后，迭代求解D2D卸载的优化分配决策。通过理论证明分析了所提算法的稳定性、最优性和复杂度等特性。仿真结果表明，所提算法相较于随机匹配算法能够有效降低10%~33%的系统计算总开销，并且其性能非常接近最优的穷举搜索算法。可见，所提基于D2D卸载的决策有利于改善时延和能耗开销性能。

关键词: 移动边缘计算, 终端直通通信, 计算卸载, 资源分配, 稳定匹配

Abstract:

With the significant increase of computation-intensive and latency-intensive applications， Mobile-Edge Computing （MEC） was proposed to provide computing services for users at the network edge. In view of the limited computing resources of edge servers at the Base Stations （BSs） and the long latency of long-distance computation offloading of users at the network edge， a multi-user computation offloading and resource optimization policy based on Device-to-Device （D2D） communication was proposed. The D2D was integrated into MEC network to directly offload tasks to neighbor users for executing in D2D mode， which was able to further reduce offloading latency and energy consumption. Firstly， the joint optimization problem of multi-user computation offloading and multi-user computing resource allocation was modelled with the optimization objective of minimizing the total system computing cost including latency and energy consumption. Then， the solution of this problem was considered as a D2D pairing process， and the multi-user computation offloading and resource optimization policy algorithm was proposed based on stable matching. Finally， the optimization allocation policy of D2D offloading was solved iteratively. The characteristics such as stability， optimality and complexity of the proposed algorithm were analyzed by theoretical proof. Simulation results show that， the proposed algorithm can effectively reduce the total system computing cost by 10%-30% compared with the random matching algorithm， and the performance of the proposed algorithm is very close to the optimal exhaustive search algorithm， indicating that the proposed policy based on D2D offloading is helpful to improve latency and energy consumption performance.

Key words: Mobile Edge Computing (MEC), Device-to-Device (D2D) communication, computation offloading, resource allocation, stable matching

中图分类号:

TP389.1

李余, 何希平, 唐亮贵. 基于终端直通通信的多用户计算卸载资源优化决策[J]. 计算机应用, 2022, 42(5): 1538-1546.

Yu LI, Xiping HE, Lianggui TANG. Multi-user computation offloading and resource optimization policy based on device-to-device communication[J]. Journal of Computer Applications, 2022, 42(5): 1538-1546.

图/表 6

图1 D2D-MEC系统模型

Fig. 1 D2D-MEC system model

表1 仿真参数

Tab. 1 Simulation parameters

参数	值
带宽 $W$	0.5 MHz
D2D最大传输距离	200 m
用户设备发送功率 $P i$	23 dBm
噪声功率 $N 0$	$-$ 174 dBm/Hz
路径衰落指数 $β$	3
任务 $V i$ 输入数据量 $B i$	10~100 Kb
任务 $V i$ 所需CPU周期数 $C i$	1~10 Megacycles
用户CPU计算能力 $f j$	1~3.1 GHz
权重 $w i j t = w i j e$	0.5
常数 $ν j$	1

表1 仿真参数

Tab. 1 Simulation parameters

参数	值
带宽 $W$	0.5 MHz
D2D最大传输距离	200 m
用户设备发送功率 $P i$	23 dBm
噪声功率 $N 0$	$-$ 174 dBm/Hz
路径衰落指数 $β$	3
任务 $V i$ 输入数据量 $B i$	10~100 Kb
任务 $V i$ 所需CPU周期数 $C i$	1~10 Megacycles
用户CPU计算能力 $f j$	1~3.1 GHz
权重 $w i j t = w i j e$	0.5
常数 $ν j$	1

图2 请求卸载和服务用户数对计算总开销的影响

Fig. 2 Impact of number of request offloading user and number of service users on total computing overhead

图3 三种算法的计算总开销对比

Fig. 3 Comparison of total cost of three algorithms

图4 不同条件下三种算法的计算总开销

Fig. 4 Total cost of three algorithms under different conditions

图5 不同卸载决策的开销

Fig. 5 Costs of different offloading policies

参考文献 18

1	MAO Y Y， YOU C S， ZHANG J， et al. A survey on mobile edge computing： the communication perspective ［J］. IEEE Communications on Surveys and Tutorials， 2017， 19（4）： 2322-2358. 10.1109/comst.2017.2745201
2	HU Y C， PATEL M， SABELLA D， et al. Mobile edge computing： a key technology towards 5G： ETSI White Paper No. 11 ［R］. Sophia Antipolis： European Telecommunications Standards Institute， 2015： 1-15.
3	YOU C S， HUANG K B， CHAE H， et al. Energy-efficient resource allocation for mobile-edge computation offloading ［J］. IEEE Transactions on Wireless Communications， 2017， 16（3）： 1397-1411. 10.1109/twc.2016.2633522
4	WANG C M， YU F R， LIANG C C， et al. Joint computation offloading and interference management in wireless cellular networks with mobile edge computing ［J］. IEEE Transactions on Vehicular Technology， 2017， 66（8）： 7432-7445. 10.1109/tvt.2017.2672701
5	REN J K， YU G D， CAI Y L， et al. Latency optimization for resource allocation in mobile-edge computation offloading ［J］. IEEE Transactions on Wireless Communications， 2018， 17（8）： 5506-5519. 10.1109/twc.2018.2845360
6	KAI Y， WANG J Y， ZHU H L. Energy minimization for D2D-assisted mobile edge computing networks ［C］// Proceedings of the 2019 IEEE International Conference on Communications. Piscataway： IEEE， 2019： 1-6. 10.1109/icc.2019.8761816
7	MACH P， BECVAR Z， VANEK T. In-band device-to-device communication in OFDMA cellular networks： a survey and challenges ［J］. IEEE Communications Surveys and Tutorials， 2015， 17（4）： 1885-1922. 10.1109/comst.2015.2447036
8	HE Y H， REN J K， YU G D， et al. D2D communications meet mobile edge computing for enhanced computation capacity in cellular networks ［J］. IEEE Transactions on Wireless Communications， 2019， 18（3）： 1750-1763. 10.1109/twc.2019.2896999
9	HU G S， JIA Y J， CHEN Z C. Multi-user computation offloading with D2D for mobile edge computing ［C］// Proceedings of the 2018 IEEE Global Communications Conference. Piscataway： IEEE， 2018： 1-6. 10.1109/glocom.2018.8647906
10	XING H， LIU L， XU J， et al. Joint task assignment and resource allocation for D2D-enabled mobile-edge computing ［J］. IEEE Transactions on Communications， 2019， 67（6）： 4193-4207. 10.1109/tcomm.2019.2903088
11	FENG J， ZHAO L Q， DU J B， et al. Computation offloading and resource allocation in D2D-enabled mobile edge computing ［C］// Proceedings of the 2018 IEEE International Conference on Communications. Piscataway： IEEE， 2018： 1-6. 10.1109/icc.2018.8422776
12	KO S W， HAN K F， HUANG K B. Wireless networks for mobile edge computing： spatial modeling and latency analysis ［J］. IEEE Transactions on Wireless Communications， 2018， 17（8）： 5225-5240. 10.1109/twc.2018.2840120
13	张文柱，曹琲琲，余静华.移动边缘计算中一种多用户计算卸载方法［J］.西安电子科技大学学报，2020，47（6）：131-138.
	ZHANG W Z， CAO B B， YU J H. Multi-user computation offloading approach for mobile edge computing ［J］. Journal of Xidian University， 2020， 47（6）： 131-138.
14	CHEN X. Decentralized computation offloading game for mobile cloud computing ［J］. IEEE Transactions on Parallel and Distributed Systems， 2015， 26（4）： 974-983. 10.1109/tpds.2014.2316834
15	WEN Y G， ZHANG W W， LUO H Y. Energy-optimal mobile application execution： taming resource-poor mobile devices with cloud clones ［C］// Proceedings of the 2012 IEEE International Conference on Computer Communications. Piscataway： IEEE， 2012： 2716-2720. 10.1109/infcom.2012.6195685
16	TANG J H， TAY W P， WEN Y G. Dynamic request redirection and elastic service scaling in cloud-centric media networks ［J］. IEEE Transactions on Multimedia， 2014， 16（5）： 1434-1445. 10.1109/tmm.2014.2308726
17	XU C， GAO C X， ZHOU Z Y， et al. Social network-based content delivery in device-to-device underlay cellular networks using matching theory ［J］. IEEE Access， 2017， 5： 924-937. 10.1109/access.2016.2621010
18	GALE D， SHAPLEY L S. College admissions and the stability of marriage ［J］. The American Mathematical Monthly， 1962， 69（1）： 9-15. 10.1080/00029890.1962.11989827

[1]	曾续玲, 李陶深, 巩健, 杜利俊. 无线供能移动边缘计算系统的安全卸载优化[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1216-1224.
[2]	郭棉, 张锦友. 移动边缘计算环境中面向机器学习的计算迁移策略[J]. 计算机应用, 2021, 41(9): 2639-2645.
[3]	董文涛, 李卓, 陈昕. 基于联邦学习的在线短视频内容分发策略[J]. 计算机应用, 2021, 41(6): 1551-1556.
[4]	王艺洁, 凡佳飞, 王陈宇. 云边环境下基于博弈论的两阶段任务迁移策略[J]. 计算机应用, 2021, 41(5): 1392-1398.
[5]	毛莺池, 徐雪松, 刘鹏飞. 基于稳定匹配的多用户任务卸载策略[J]. 计算机应用, 2021, 41(3): 786-793.
[6]	邵志胜, 张国富, 苏兆品, 李磊. 基于软件体系结构和广义差分进化的测试资源动态分配算法[J]. 《计算机应用》唯一官方网站, 2021, 41(12): 3692-3701.
[7]	雷鹰, 郑万波, 魏嵬, 夏云霓, 李晓波, 刘诚武, 谢洪. 基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3302-3308.
[8]	王岱巍, 徐高潮, 李龙. 无人机辅助的移动边缘计算中的任务分配策略[J]. 计算机应用, 2021, 41(10): 2928-2936.
[9]	吴雨芯, 蔡婷, 张大斌. 移动边缘计算中基于Stackelberg博弈的算力交易与定价[J]. 计算机应用, 2020, 40(9): 2683-2690.
[10]	罗斌, 于波. 移动边缘计算中基于粒子群优化的计算卸载策略[J]. 计算机应用, 2020, 40(8): 2293-2298.
[11]	柳兴, 杨震, 王新军, 朱恒. 移动边缘计算中的内容分发加速策略[J]. 计算机应用, 2020, 40(5): 1389-1391.
[12]	黄冬艳, 付中卫, 王波. 计算资源受限的移动边缘计算服务器收益优化策略[J]. 计算机应用, 2020, 40(3): 765-769.
[13]	黄秀丽, 黄进, 于鹏飞, 缪巍巍, 杨如侠, 李怡静, 喻鹏. 电力无线专网中面向安全风险的分布式资源分配方法[J]. 计算机应用, 2020, 40(12): 3586-3593.
[14]	程文亮, 王志宏, 周虞, 过弋, 赵俊锋. 面向外汇市场监测的分布式计算框架设计[J]. 计算机应用, 2020, 40(1): 173-180.
[15]	袁培燕, 蔡云云. 移动边缘计算中一种贪心策略的内容卸载方案[J]. 计算机应用, 2019, 39(9): 2664-2668.

基于终端直通通信的多用户计算卸载资源优化决策

Multi-user computation offloading and resource optimization policy based on device-to-device communication

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 18

相关文章 15

编辑推荐

Metrics