移动边缘计算网络中多用户场景下系统节能方法、设备

1.本发明涉及无线通信技术、移动通信、移动边缘计算等相关领域，尤其涉及移动边缘计算网络中多用户场景下边缘系统节能方法、设备。


背景技术：

2.随着iot(internet ofthings,物联网)和5g技术的进一步发展和商业化，各种计算密集型和时延敏感型的应用逐渐走进日常生活中，导致单位时间内的用户请求数据量呈爆炸式增长，这对传统的核心网络产生了巨大的压力。移动边缘计算凭借其靠近用户终端的优势，就近为用户提供计算、网络和缓存资源以满足其服务和时延需求，得到了广泛的研究。
3.现有研究大多关注移动边缘计算是如何为用户带来更低的时延和能耗，而忽略了服务提供商的需求。移动边缘计算在为终端用户带来更低时延的同时，也为边缘系统带来了更多的能耗。卸载到边缘服务器的计算任务大小决定了边缘服务器产生的计算能耗大小，卸载计算任务的速率大小影响着基站传输能耗的大小，用户读取边缘缓存的内容大小与边缘服务器的缓存能耗相关。此外，基站的分布与休眠状态影响了用户的选择和时延大小。因此，不同的卸载策略和基站休眠策略对于边缘系统产生的能耗大小至关重要。


技术实现要素：

4.本发明所要解决的技术问题在于：提供一种移动边缘计算网络中多用户场景下系统节能方法，针对不同类型的用户请求，综合考虑了计算、缓存和网络资源的分配对于边缘系统能耗的影响，选择不同的基站休眠方案，以实现系统节能的目的。
5.为了解决以上技术问题，本发明采用以下技术方案：
6.本发明提出一种移动边缘计算网络中多用户场景下系统节能方法，包括以下步骤：
7.s1、定义基站移动边缘计算的多用户场景下的用户请求、边缘系统参数以及计算卸载决策向量，具体描述如下：
8.s11、用户在宏基站覆盖的小区内随机移动，且一次只能发送一个用户请求，定义用户请求(n为用户请求总数)，di表示用户计算任务大小，ci表示处理计算任务所需的计算资源，表示用户所需的网络资源，表示计算时延要求，表示网络时延要求；
9.s12、宏基站位于小区中心，其余的小基站分布在小区各处，每个基站都有对应的边缘服务器，定义边缘基站系统bsj＝{wj,fj,bj,csj}，j∈{1,2,
…
,m}(m为基站总数)，wj表示基站可提供的信道带宽大小，fj表示服务器可提供的计算资源大小，bj表示基站可提供的网络带宽大小；csj表示服务器的缓存空间大小；
10.s13、用户根据产生计算任务的特点可以选择本地、边缘或者云端处理，定义执行
计算任务的两个决策变量集合二进制变量为1时表示用户产生的计算任务在本地终端进行处理，而二进制变量为1时表示用户产生的本地计算任务是卸载到边缘进行处理，若为0则表示用户产生的本地计算任务是卸载到云层进行处理；决策变量b
i(1)
为全0时，决策变量b
i(2)
才采用是否0或1的决策。
11.s2、分析用户的移动对于计算任务卸载方式和边缘系统资源的影响，具体描述如下：
12.s21、用户的移动会改变其与基站之间的距离，从而影响本地计算任务上传到边缘系统的速率；用户连接的基站数量也会随着其移动而发生变化，从而增加或减少用户卸载计算任务的选择；
13.s22、用户离开基站的覆盖区域后也会继续占用着基站和边缘服务器的资源，从而增加了边缘系统的整体压力，所以需要根据用户与基站之间的位置关系判断是否停止提供该用户边缘资源。
14.s3、根据基站分布的情况、边缘缓存空间的大小和本地数据库中用户请求内容的特点设计边缘缓存策略，具体描述如下：
15.s31、宏基站位于小区中心且覆盖整个小区，小基站分布在小区内各处；每个基站都有对应的边缘服务器，而小基站服务器内的缓存空间都相同且小于宏基站的；根据用户请求的时延差异，将其分为视频类、数据类以及新兴业务类；
16.s32、因传统的网络无法满足用户低时延需求而引入移动边缘计算，所以在降低边缘系统能耗的同时需要考虑用户时延；为了增加用户选择获取请求内容的方式，需要提高用户在边缘获取内容的比例；
17.s33、在基站全部处于工作状态时，边缘系统可以为用户提供本地数据库中的所有文件；当部分基站进行休眠时，其对应的边缘服务器中的缓存内容将无法被用户访问；不同的用户请求文件内容占用的缓存空间大小不同且流行度也不一样，为了避免边缘服务器中都是流行度高且占用缓存空间大的视频文件，根据用户请求类型划分多个边缘缓存空间以确保每个边缘服务器中的各类文件内容有着相同的数量；基站的休眠会关闭对应服务器的缓存功能，因此将流行度高的内容缓存在不会休眠的宏基站服务器中，其余内容平均缓存在小基站服务器中；移动用户的请求内容文件的流行度是遵循zipf分布，其表达式为：在小基站服务器中；移动用户的请求内容文件的流行度是遵循zipf分布，其表达式为：其中，pi表示每个请求内容的流行度大小，k表示可缓存内容的总数，ξ是zipf的参数，其取值一般为[0.32，0.85]。
[0018]
s4、结合用户时延、基站能耗、边缘服务器能耗模型进行基站休眠和资源分配，以实现节能的目的，具体描述如下：
[0019]
s41、用户在执行计算任务时会产生计算时延，本地计算任务可以选择本地、边缘、云层执行，而用户请求到达服务器后产生的任务只能选择在边缘或者云服务器执行；本地执行计算任务的时延为：边缘服务器执行计算任务产生的用户时延为：云服务器执行计算任务产生的用户时延为：云服务器执行计算任务产生的用户时延为：分别表示
移动终端、边缘服务器提供给用户、云服务器提供给用户的计算资源，ci表示处理计算任务所需要的计算资源，di表示用户产生的计算任务大小，ri与ri分别表示将本地计算任务上传到mec服务器和云服务器的速率，即到mec服务器和云服务器的速率，即分别表示基站、云层提供的信道带宽，pi、hi、σ2分别表示终端发射功率、信道增益、噪声功率；结合计算卸载决策变量，将不同情况下的用户计算时延定义为：
[0020]
s42、用户在请求服务器内容或者上传数据时会得到基站提供的上下行网络速率，当基站提供的资源小于用户期望值时会出现不流畅的现象，因此定义用户的期望网络带宽为基站或云层提供用户的实际网络带宽为则将网络时延定义为：
[0021]
s43、为了表示用户对于资源分配过程中产生的计算时延和网络时延的接受程度，定义用户时延忍耐度其中α、β是小于1的非负参数，用来表示不同的用户请求对于计算资源还是网络资源的偏好程度；
[0022]
s44、基站在分配带宽资源给用户的过程中会产生相应的能耗，主要包括传输计算任务的能耗和基站的基础设备能耗，即p0为每个资源块的传输功率，p1为基站的基础设备功率，η为功率放大器的能效系数，ni为用户消耗的资源块数目，t为时间大小；w0，b0分别表示一个资源块占用的信道带宽和网络传输速率；
[0023]
s45、边缘服务器在执行用户的计算任务时会产生任务计算的能耗和一些基础计算的能耗，即边缘服务器缓存用户请求内容或用户读取缓存内容时会产生相应的缓存能耗，即p2为边缘服务器的基础计算功率，pm为边缘服务器的最大计算功率，fi为用户获取的计算资源大小，fm为服务器可分配的最大计算资源，p3为缓存内容产生的功率，ec为用户读取每比特内容产生的能耗，d ie
为用户从边缘服务器中读取的内容大小；
[0024]
s46、根据基站数量和分别求解不同的基站休眠方案，在确定的基站休眠情况下以边缘系统能耗和的最小化为目标建立最优化问题，即min(e1+e2+e3)，并通过改进的智能算法进行求解；每一种基站休眠情况对应着一种边缘系统能耗最小的资源分配方案，每一种资源分配方案下对应不同用户时延忍耐度，最终选择满足用户时延忍耐度的系统能耗和最小的基站休眠和资源分配方案。
[0025]
进一步的，本发明提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本前述方法的具体步骤。
[0026]
同时，本发明还提出一种电子设备，包括存储器、处理器及存储在存储器上并可在
处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明所述方法的具体步骤。
[0027]
本发明采用以上技术方案，与现有技术相比具有以下技术效果：
[0028]
本发明根据用户请求的特点综合考虑了计算、网络、缓存资源的分配与基站休眠情况对于基站边缘系统产生的能耗的影响，建立用户移动、边缘缓存、用户时延能耗、边缘系统能耗以及用户请求数量模型，以最小化边缘系统的能耗和为目的进行资源分配和基站休眠策略，提高边缘服务器的访问率，降低用户请求的时延，实现了基站边缘系统的最佳能耗目的。
附图说明
[0029]
图1是本发明提供的宏基站和小基站重叠下的工作场景图。
[0030]
图2是本发明提供的基站休眠和资源分配的流程示意图。
具体实施方式
[0031]
下面结合附图对本发明的边缘系统节能方法的具体实施方式进行详细的说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0032]
首先，从分析角度，给出本发明实施步骤时需要考虑的主要问题：
[0033]
步骤1、根据基站边缘服务器的分布和用户请求的特点设计合适的边缘缓存策略，基于用户请求内容的流行度和本地数据库中文件类型和数量为每个边缘服务器缓存不同的内容，主要包括：
[0034]
(a)边缘缓存分析：当基站全部处于工作状态时，其对应的边缘服务器可以缓存所有的用户请求文件及相关内容；而当出现某些基站处于休眠状态时，该休眠基站对应的边缘服务器的缓存内容无法被用户访问；
[0035]
(b)用户请求分析：考虑到不同用户请求中的参数是存在差异的，所以将用户请求分为视频类、数据类以及新兴业务类；
[0036]
(c)缓存策略设计：在基站移动边缘计算的多用户场景下，宏基站为小区中心且信号覆盖整个小区，小基站分散在小区各处但覆盖范围较小；因此，为了提高用户在边缘服务的比率，选择将流行度高的内容缓存在宏基站mec服务器中，其余内容平均缓存在小基站mec服务器中。小区内的基站边缘服务器共享其缓存空间的内容，且缓存空间的内容流行度服从zipf分布。
[0037]
步骤2、分析用户移动、用户时延要求、用户请求数量对于边缘系统能耗的影响，并结合边缘系统能耗模型，将给定基站休眠场景下的最小化能耗问题转化成一个混合整数非线性规划问题；主要包括：
[0038]
(a)用户移动分析：用户的移动会使其和基站之间的联系发生变化，当其从一个基站的覆盖区域移动到多个基站的覆盖区域内时，用户获取资源的方式变得更多了；当其从基站覆盖区域内移动到基站覆盖区域外时，用户依旧占用着服务器资源；建立多基站服务器场景下的用户移动模型，以得到用户的位置信息；
[0039]
(b)用户时延分析：用户请求产生的本地计算任务可以选择在本地、边缘或者云层进行处理，本地执行计算任务产生的用户时延只包括处理时延，边缘或者云层执行计算任务产生的用户时延包括上传时延、处理时延和回传时延；用户请求获取缓存内容或数据时，基站为用户提供不同的上下行带宽从而产生不同的网络时延；
[0040]
(c)用户数量分析：移动通信系统中每个区域内的用户业务量随着时间变化并呈现出潮汐效应，一天内每个时间点下的用户请求数量也是符合潮汐效应的，用户数量的变化影响着基站休眠的数量；
[0041]
(d)系统能耗分析：边缘系统主要由基站和边缘服务器组成，在用户请求获取边缘的计算资源、带宽资源以及读取缓存内容时会产生相应的能耗；其中，基站能耗主要包括传输能耗和基础能耗，边缘服务器产生的能耗主要分为计算能耗和缓存能耗两部分。
[0042]
将用户在连续时间段下的运动转化为连续时间片下的运动，每个时间片下的用户之间的时延要求、持续时长以及位置等信息相互关联。用户的计算时延取决于其卸载计算任务的方式和计算任务的属性，用户的网络时延取决于边缘缓存的内容和网络资源需求大小。基站产生的能耗取决于用户消耗的资源块数量，边缘服务器产生的计算能耗取决于提供给用户的计算资源大小，边缘服务器产生的缓存能耗取决于缓存空间和用户读取边缘内容的大小。用户产生的计算任务分为本地终端计算任务和服务器计算任务，用户的请求网络资源分为信道带宽和上下行速率。
[0043]
步骤3、求解基站休眠的各种可能情况，并通过改进智能算法求解给定基站休眠场景下的最小化能耗问题，最终选择符合用户时延要求的基站休眠和资源分配方案；具体包括：
[0044]
(a)基站休眠分析：宏基站位于小区中心且对应的边缘服务器缓存最流行的内容，因此为了提升用户在边缘获取资源的比例，将宏基站处于工作状态并适当地休眠小基站；
[0045]
(b)系统节能分析：在确定的基站休眠情况下，以最小化边缘系统产生的能耗为目的进行资源分配并满足用户的时延要求。
[0046]
以下结合具体实施例来进一步介绍本发明的实现方案：
[0047]
实施例1:如图1、图2所示，本发明提出一种移动边缘计算网络中多用户场景下系统节能方法，主要分为基站休眠和资源分配两部分，其具体步骤包括：
[0048]
步骤s1、定义基站移动边缘计算的多用户场景下的用户请求、边缘系统参数以及计算卸载决策变量，具体描述如下：
[0049]
s11、基站移动边缘计算的多用户场景包括基站、边缘服务器和移动用户；基站分为宏基站和小基站，小区中心部署着一个宏基站，四周分散着多个小基站，且每个基站都有对应的边缘服务器；用户在小区内运动且一次只能发送一个请求，根据不同请求参数的差异，将用户请求分为视频类、数据类以及新兴业务类。
[0050]
s12、定义用户请求(n为用户请求总数)，di表示用户计算任务大小，ci表示处理计算任务所需的计算资源，表示用户所需的网络资源，表示计算时延要求，表示网络时延要求；定义边缘系统bsj＝{wj,fj,bj,csj}，j∈{1,2,
…
,m}(m为基站总数)，wj表示基站可提供的信道带宽大小，fj表示服务器可提供的计算资源大小，bj表示基站可提供的网络带宽大小；csj表示服务器的缓存空间大小；其中不同用户请求的参数差异较大，不同的小基站的参数相同但与宏基站参数不同。
[0051]
s13、用户在发送请求的过程中会产生计算任务，当在本地终端产生计算任务时，用户可以选择本地终端执行、上传到边缘服务器执行或云服务器执行；当在服务器中产生任务时，用户只能选择在服务器中执行，比如视频转码等计算任务；在不同地点处理相同的用户计算任务产生的用户时延也不同，为了表示每个用户获取资源的选择方式，定义执行计算任务的二进制决策变量二进制变量为1时表示用户的计算任务在本地终端进行处理，而二进制变量为1时表示用户的本地计算任务是卸载到边缘进行处理，若为0则表示用户产生的本地计算任务是卸载到云层进行处理，即决策变量b
i(1)
为0是决策变量b
i(2)
执行的先决条件，即判决b
i(2)
时的前提条件为b
i(1)
＝0。
[0052]
步骤s2、构建基站移动边缘计算的多用户场景下的用户运动模型，分析用户的移动对于计算任务卸载方式和边缘系统资源的影响，具体描述如下：
[0053]
s21、用户在连续时间下的运动是没有规则的，为了便于分析用户的移动状态，将连续时间分为连续的时间片，把每个时间片下的用户运动看作是有恒定方向和速度的；以小区中心的宏基站为原点建立一个平面直角坐标系，小基站分布在小区四周，将每个基站的覆盖区域近似看作一个圆，定义用户的原始坐标为(xi,yi)，运动方向与x轴的夹角为θ且速度为vi，宏基站的坐标为(0,0)，小基站bs1的坐标为(a,b)，在经过一个时间片后，移动用户的坐标变成了(xi+vi·
cosθ,yi+vi·
sinθ)。
[0054]
s22、若用户运动前只处于宏基站的覆盖区域内，经过了一个时间片的运动后，用户移动到了宏基站和小基站bs1的重合区域内，则用户在边缘卸载计算任务的选择变多了；用户与基站的距离关系着本地计算任务的上传速率，因此需要计算用户与各个基站之间的距离，用户与宏基站之间的距离为用户与小基站bs1之间的距离为
[0055]
s23、若用户的运动使其离开了基站的覆盖区域，则基站需要及时停止提供该用户相关的资源；此外，用户的无序运动导致每个基站内的用户请求数量都会发生变化，当小基站覆盖区域内的用户数量一直在较小的范围内变化，则可以考虑休眠该基站以降低边缘系统的能耗，则对应休眠基站下的用户只能向宏基站或云层请求相关资源。
[0056]
步骤s3、构建基站移动边缘计算的多用户场景下的边缘缓存策略，结合基站分布和用户请求特点，以提升边缘缓存命中率为目的，具体描述如下：
[0057]
s31、在基站移动边缘计算的多用户场景下，宏基站位于小区中心且覆盖着整个小区，其余的小基站分布在小区各处，每个基站附近部署着边缘服务器，而宏基站服务器的边缘缓存空间大于其他小基站服务器的。
[0058]
s32、在基站移动边缘计算的多用户场景下，以降低边缘系统的能耗为目的，但也不能忽略用户的时延要求，因为移动边缘计算是为了提升用户服务而引入到各种场景中；通过提升边缘服务器的缓存命中率，可以增加用户获取请求文件内容的选择方式，使得用户的时延要求得到满足。
[0059]
s33、假设全部基站都处于工作状态时，基站之间通过光纤连接且其对应的边缘服
务器共享所有缓存内容；当执行基站休眠策略时，休眠基站及其对应的边缘服务器不再提供用户资源，边缘缓存的内容也无法被用户访问，因此为了提高边缘服务器的缓存命中率，基于流行度来设计边缘缓存策略；考虑到不同的用户请求文件内容占用的缓存空间大小不同且流行度也不一样，所以为了避免边缘服务器中都是流行度高且占用缓存空间大的视频文件，根据用户请求类型划分多个边缘缓存空间以确保每个边缘服务器中的各类文件内容有着相同的数量；基站的休眠会关闭对应服务器的缓存功能，因此将流行度高的内容缓存在不会休眠的宏基站服务器中，其余内容平均缓存在小基站服务器中；移动用户的请求内容文件的流行度是遵循zipf分布，其表达式为：其中，pi表示每个请求内容的流行度大小，k表示可缓存内容的总数，ξ是zipf的参数，其取值一般为[0.32，0.85]。
[0060]
步骤s4、构建基站移动边缘计算的多用户场景下的用户时延和边缘系统能耗模型，通过算法求解不同基站休眠方案下的系统能耗和最小的情况，以实现节能的目的，具体描述如下：
[0061]
s41、假设移动用户请求是被并行处理的，因此不考虑边缘执行计算任务的排队时延；此外，考虑到用户计算任务的特点，导致用户计算任务会出现本地、边缘和云层执行的不同情况；若用户在本地终端产生计算任务，则可以选择本地、边缘或云层执行，若用户在服务器内部产生计算任务时，只能选择在服务器内部执行；移动终端设备有一定的计算资源，若选择本地执行计算任务，则产生的用户时延为若本地执行计算任务产生的用户时延过大，则可以选择将计算任务卸载到边缘服务器中，这一过程中产生的用户时延包括上传时延和任务计算时延，即若用户请求数过多导致边缘的计算资源紧张，则可以选择将计算任务卸载到云服务器中，产生的用户时延为则可以选择将计算任务卸载到云服务器中，产生的用户时延为分别表示移动终端、边缘服务器提供给用户、云服务器提供给用户的计算资源，ci表示处理计算任务所需要的计算资源，di表示用户产生的计算任务大小，ri与ri分别表示将本地计算任务上传到mec服务器和云服务器的速率，即务上传到mec服务器和云服务器的速率，即分别表示基站、云层提供的信道带宽，pi、hi、σ2分别表示终端发射功率、信道增益、噪声功率；二进制计算卸载决策变量表示用户计算任务的执行地点，因此可以将各种情况下产生的用户计算时延定义为：
[0062]
s42、用户除了上传本地计算任务到边缘服务器，也会请求边缘服务器的缓存内容和数据文件，在此过程中需要基站提供网络带宽；用户的上行业务包括视频、文件以及数据上传等，下行业务包括视频观看、网页浏览以及文件下载等，整个过程需要基站提供上下行网络带宽；假设边缘基站的带宽总和有限但可以根据实际情况调整上下行带宽的比例，而云层的带宽总和无限但只能提供每个用户有限的带宽；当基站提供的网络资源小于用户期望值时会出现不流畅的现象，定义用户的期望网络带宽为基站或云层提供用户的实际
网络带宽为则将网络时延定义为：
[0063]
s43、计算时延和网络时延的大小影响着不同用户请求接受的服务质量，为了表示用户对于资源分配过程中产生的计算时延和网络时延的最大忍受程度，引入用户时延忍耐度，将与用户请求的实际时延和时延要求进行对比，即计算时延忍耐度为网络时延忍耐度采取归一化的方法将用户对于计算时延和网络时延的整体忍耐度表示为tti＝αi·
t
ic
+βi·
t
in
，其中αi、βi是小于1的非负参数且αi+βi＝1，其取值受到具体的用户请求类型的影响，表示用户请求对于计算资源和网络资源的喜爱程度。
[0064]
s44、用户在上传本地计算任务时需要依靠基站提供的信道带宽，在收发服务器中的数据文件内容时则需要基站提供网络带宽，在这些过程中产生了系统传输能耗和基站工作时的基础能耗，即p0为每个资源块的传输功率，p1为基站的基础设备功率，η为功率放大器的能效系数，ni为边缘基站提供给用户总的资源块数目，t为时间大小；其中消耗的资源块数目为w0，b0分别表示一个资源块占用的信道带宽和网络传输速率，为边缘基站提供用户的网络带宽大小。
[0065]
s45、用户将本地计算任务上传到边缘服务器之后，边缘服务器开始处理用户的计算任务，从而产生了服务器计算能耗和一些基础计算的能耗，即用户通过基站提供的网络带宽可以读取边缘服务器中缓存的文件数据等，在此过程中也会产生相应的缓存能耗，即其中p2表示边缘服务器的基础计算功率，pm表示边缘服务器的最大计算功率，fi表示用户获取的计算资源大小，fm表示服务器可分配的最大计算资源，p3表示边缘服务器缓存内容产生的功率，ec表示用户读取每比特内容产生的能耗，d ie
表示用户从边缘服务器中读取的内容大小。
[0066]
s46、在基站移动边缘计算的多用户场景下，位于小区中心的宏基站会一直处于工作状态，在用户请求数量较少时可以通过休眠小区内的小基站来降低边缘系统的能耗；每个确定的基站休眠情况下的资源分配问题是以最小化边缘系统的能耗和为目标的，结合边缘缓存结果、用户运动情况、用户时延模型以及边缘系统能耗模型将其建模成一个单个时间片下的最优化问题，即：
[0067][0068][0069][0070]
[0071]
c4:f
ie
＜f
imax
[0072][0073][0074][0075]
其中，最优化目标中涉及的n表示当前时间片下的用户请求的总数，每个用户请求都有可能产生一定的系统能耗；c1中的两个二进制决策变量分别表示用户计算任务的执行地点，影响着用户计算时延的大小；c2中的三个变量分别表示用户从边缘系统中获取的信道带宽、计算资源以及网络带宽的大小，在用户使用本地计算资源或云层的资源时，边缘系统不会产生能耗；c3和c4分别表示用户一次获取的边缘信道带宽和计算资源的最大值；c5、c6、c7分别表示每个基站与边缘服务器可用的信道带宽、计算资源和网络资源的最大值，其中wm是基站信号能提供的最大信道资源带宽，单位是：赫兹，bm则表示基站信道能为用户所提供的最大速率，单位是：比特/秒。宏基站系统与小基站系统除了边缘缓存空间不同，其余的可用资源都相同。
[0076]
s47、由s46可知，该最优化问题是一个混合整数非线性规划问题；一般的算法很难得到其最优解，通常可以改进智能算法来进行求解其次优解；对于基站休眠情况的求解，可以通过回溯算法进行求解。因此，将回溯算法和智能算法进行改进结合来求解基站移动边缘计算的多用户场景下的基站休眠和资源分配问题：
[0077]
第一步，设定用户请求和小基站的数量分别为n和m，其中基站休眠数量ss的初始值为0。
[0078]
第二步，采取递归回溯的方法求解基站休眠数量为ss时的所有情况，在求解过程中加入剪枝操作来依次判断每种基站休眠情况是否为不合格的基站休眠方案下的进一步休眠情况，若是则放弃后续操作并回到第一步，将基站休眠数量加一。
[0079]
第三步，通过改进智能算法求解确定的基站休眠情况下的资源分配问题，即s46中的最优化问题，首先随机生成数组s＝[s1,s2,s3,
…
,sn]
t
，数组中的元素表示用户获取边缘资源的情况，将随机生成的数组s组成一个规模为m的细胞矩阵p，即p＝{[s1],[s2],
…
,[sm]}；接着把最优化问题的目标函数作为适应度值，用来判断所求解的优劣，即fitness＝e1+e2+e3；然后，通过轮盘赌法选择细胞矩阵中的数组来组成新的矩阵，每个数组被选中的概率为随机选择新矩阵中的两个数组，使用多点交叉生成新的数组，再根据变异概率随机改变一个数组元素中的和值，从而改变了相应的资源获取方式和大小，通过一定次数的迭代后可以得到最优化问题的解。
[0080]
第四步，根据最优化问题的解求取对应情况下的平均用户时延忍耐度若大于用户的期待值90％，则将对应基站休眠和资源分配方案保留，否则将其视为不合格的基站休眠方案并丢弃。
[0081]
第五步，若基站休眠数量小于m，则将基站休眠数量加一并返回第一步，否则对比所有可用基站休眠方案并选出边缘系统能耗最小的作为最终方案。
[0082]
由此，本发明提出了一种移动边缘计算网络中多用户场景下系统节能方法，整体方案分为基站休眠和资源分配两个部分，分别考虑了用户类型、基站分布、边缘缓存对于基站休眠的影响，在资源分配的过程中考虑了本地、边缘以及云层资源对于用户时延和边缘系统能耗的影响，结合用户移动、用户时延、基站能耗以及边缘服务器能耗模型，设计基站休眠和资源分配算法求解出边缘系统节能的方案。
[0083]
实施例2:本实施例提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明所述方法的步骤，在此不再赘述。
[0084]
实施例3:本实施例还提出一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。需要说明的是，所述处理器执行所述计算机程序时对应本发明实施例所提供的方法的具体步骤，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
[0085]
用于实施本技术的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0086]
在本技术的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0087]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0088]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

技术特征：
1.一种移动边缘计算网络中多用户场景下系统节能方法，其特征在于，具体步骤如下：步骤1、根据基站边缘服务器的分布、服务器缓存空间，以及本地数据库中用户请求的类型设计边缘缓存策略，基于用户请求内容的流行度和本地数据库中文件类型和数量为每个边缘服务器缓存不同的内容；步骤2、分析用户移动、用户时延要求、用户请求数量对于边缘系统能耗的影响，并结合边缘系统能耗模型，将给定基站休眠场景下的最小化能耗问题转化成一个混合整数非线性规划问题；步骤3、通过回溯剪枝算法求解基站休眠的各种可能情况，并通过智能算法求解给定基站休眠场景下的最小化能耗问题，最终选择符合用户时延要求的基站休眠和资源分配方案。2.根据权利要求1所述的一种移动边缘计算网络中多用户场景下系统节能方法，其特征在于，步骤1具体如下：s101、根据用户请求的时延差异，将其分为视频类、数据类以及新兴业务类；s102、根据用户请求类型划分多个边缘缓存空间，以确保每个边缘服务器中的各类文件内容有着相同的数量；将流行度相对较高的内容缓存在不会休眠的宏基站服务器中，其余内容平均缓存在小基站服务器中。3.根据权利要求2所述的一种移动边缘计算网络中多用户场景下系统节能方法，其特征在于，移动用户请求的文件内容的流行度是遵循zipf分布，其表达式为：i∈{1,2,
…
,k}；其中，p
i
表示每个请求内容的流行度大小，k表示可缓存内容的总数，ξ是zipf的参数，其取值范围是[0.32，0.85]。4.根据权利要求1所述的一种移动边缘计算网络中多用户场景下系统节能方法，其特征在于，步骤2中，分析用户移动、用户时延要求、用户请求数量对于边缘系统能耗的影响，具体为：s201、计算不同场景下的用户时延：(1)若选择本地执行计算任务，则产生的用户时延为(2)若本地执行计算任务产生的用户时延过大，则选择将计算任务卸载到边缘服务器中，这一过程中产生的用户时延包括上传时延和任务计算时延，即(3)若用户请求数过多导致边缘的计算资源紧张，则选择将计算任务卸载到云服务器中，产生的用户时延为其中，分别表示移动终端、边缘服务器提供给用户、云服务器提供给用户的计算资源，c
i
表示处理计算任务所需要的计算资源，d
i
表示用户产生的计算任务大小，r
i
与r
i
分别表示将本地计算任务上传到mec服务器和云服务器的速率；将各种情况下产生的用户计算时延定义为：
二进制变量为1时表示用户产生的计算任务在本地终端进行处理，而二进制变量为1时表示用户产生的本地计算任务是卸载到边缘进行处理，若为0则表示用户产生的本地计算任务是卸载到云层进行处理；决策变量b
i(1)
为全0时，决策变量b
i(2)
才发挥其意义；s202、定义用户的期望网络带宽为b
in
，基站或云层提供用户的实际网络带宽为则将网络时延定义为：s203、计算时延忍耐度为网络时延忍耐度采取归一化的方法将用户对于计算时延和网络时延的整体忍耐度表示为tt
i
＝α
i
·
t
ic
+β
i
·
t
in
，其中α
i
、β
i
是小于1的非负参数且α
i
+β
i
＝1；s204、计算系统传输能耗和基站工作时的基础能耗，即p0为每个资源块的传输功率，p1为基站的基础设备功率，η为功率放大器的能效系数，n
i
为边缘基站提供给用户总的资源块数目，t为时间大小；s205、计算服务器计算能耗和基础计算的能耗，即用户通过基站提供的网络带宽读取边缘服务器中缓存的文件数据，在此过程中产生相应的缓存能耗，即其中p2表示边缘服务器的基础计算功率，p
m
表示边缘服务器的最大计算功率，f
i
表示用户获取的计算资源大小，f
m
表示服务器可分配的最大计算资源，p3表示边缘服务器缓存内容产生的功率，e
c
表示用户读取每比特内容产生的能耗，表示用户从边缘服务器中读取的内容大小。5.根据权利要求4所述的一种移动边缘计算网络中多用户场景下系统节能方法，其特征在于，步骤s201中，征在于，步骤s201中，分别表示基站、云层提供的信道带宽，p
i
、h
i
、σ2分别表示终端发射功率、信道增益、噪声功率。6.根据权利要求5所述的一种移动边缘计算网络中多用户场景下系统节能方法，其特征在于，步骤s204中，消耗的资源块数目w0，b0分别表示一个资源块占用的信道带宽和网络传输速率，b
ie
为边缘基站提供用户的网络带宽大小。7.根据权利要求6所述的一种移动边缘计算网络中多用户场景下系统节能方法，其特征在于，步骤2中，将给定基站休眠场景下的最小化能耗问题转化成一个混合整数非线性规划问题，具体为：每个确定的基站休眠情况下的资源分配问题是以最小化边缘系统的能耗和为目标的，结合边缘缓存结果、用户运动情况、用户时延模型以及边缘系统能耗模型将其建模成一个单个时间片下的最优化问题，即：
s.t c1:c2:c3:c4:f
ie
＜f
imax
c5:c6:c7:其中，最优化目标中涉及的n表示当前时间片下的用户请求的总数，每个用户请求都有可能产生一定的系统能耗，其中w
m
是基站信号能提供的最大信道资源带宽，单位是：赫兹，b
m
则表示基站信道能为用户所提供的最大速率，单位是：比特/秒。8.根据权利要求7所述的一种移动边缘计算网络中多用户场景下系统节能方法，其特征在于，步骤3将回溯算法和智能算法进行改进结合来求解基站移动边缘计算的多用户场景下的基站休眠和资源分配问题，具体如下：s301、设定用户请求和小基站的数量分别为n和m，其中基站休眠数量ss的初始值为0；s302、采取递归回溯的方法求解基站休眠数量为ss时的所有情况，在求解过程中加入剪枝操作来依次判断每种基站休眠情况是否为不合格的基站休眠方案下的进一步休眠情况，若是则放弃后续操作并回到s301，将基站休眠数量加一；s303、通过改进智能算法求解确定的基站休眠情况下的资源分配问题：(1)随机生成数组s＝[s1,s2,s3,
…
,s
n
]
t
，数组中的元素表示用户获取边缘资源的情况，将随机生成的数组s组成一个规模为m的细胞矩阵p，即p＝{[s1],[s2],
…
,[s
m
]}；(2)把最优化问题的目标函数作为适应度值，用来判断所求解的优劣，即fitness＝e1+e2+e3；(3)通过轮盘赌法选择细胞矩阵中的数组来组成新的矩阵，每个数组被选中的概率为随机选择新矩阵中的两个数组，使用多点交叉生成新的数组，再根据变异概率随机改变一个数组元素中的和值，从而改变了相应的资源获取方式和大小，通过一定次数的迭代后可以得到最优化问题的解；(4)根据最优化问题的解求取对应情况下的平均用户时延忍耐度若大于用户的期待值90％，则将对应基站休眠和资源分配方案保留，否则将其视为不合格的基站休眠方案并丢弃；(5)若基站休眠数量小于m，则将基站休眠数量加一并返回第一步，否则对比所有可用基站休眠方案并选出边缘系统能耗最小的作为最终方案。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

技术总结
本发明公开了一种移动边缘计算网络中多用户场景下系统节能方法、设备，根据用户请求的特点综合考虑了计算、网络、缓存资源的分配与基站休眠情况对于基站边缘系统产生的能耗的影响，建立用户移动、边缘缓存、用户时延能耗、边缘系统能耗以及用户请求数量模型，以最小化边缘系统的能耗和为目的进行资源分配和基站休眠策略，并同时满足用户的时延要求，提出一个基于边缘系统能耗的基站休眠和资源分配决策算法，实现了基站边缘系统的最佳能耗目的。的。的。


技术研发人员：阳柳 邵旺 吴海龙 魏博 刘耀阳 林晓勇 孙晓玲 王明伟
受保护的技术使用者：南京邮电大学
技术研发日：2023.05.04
技术公布日：2023/7/21