一种基于C-RAN架构的任务卸载和资源分配方法

本发明属于无线通信和移动边缘计算，具体涉及一种基于c-ran架构的任务卸载和资源分配方法。

背景技术：

1、近年来，随着物联网(internet of things，iot)技术的不断发展和第5代移动网络(5th generation，5g)的使用，移动终端(如智能手机、智能手表、平板电脑等)数量呈指数级增长，产生的数据量呈爆炸式增长，用户对低时延、高带宽的网络体验的期望也越来越高。传统的无线接入网(radio access network，ran)架构将不再满足这种需求。因此，提出了云无线接入网(cloud radio access network，c-ran)的概念。c-ran将传统基站分为远程射频头(remote radio head，rrh)、基带处理单元(baseband unit，bbu)池和前传链路三个部分。在c-ran中，rrh在用户附近密集部署，与用户建立通信连接，为用户提供数据传输服务。bbu池包含多个bbu，通过前传链路与rrh相连，通过回传链路与核心网相连。网络中的大部分信号处理将在bbu池中完成。与传统的ran架构相比，c-ran架构不仅具有更高的频谱效率和更低的运行成本，而且具有低时延、绿色节能、易于维护和扩展等优点。然而，日常生活中出现的诸如人脸识别、游戏等资源密集型应用，给资源有限、电池有限的移动设备带来了很大的压力。mec能够减少传输计算任务造成的延迟，并及时解决移动设备使用者发出的计算任务。边缘云提供了由管理服务提供商(managed service provider，msp)(如中国移动)部署的资源丰富的云计算基础设施。这样，msp不仅可以利用c-ran技术处理日益增长的移动流量，还可以利用强大的边缘云增强移动设备的能力。综上所述，如何在集成mec系统的c-ran架构中进行合理的卸载决策以及资源分配是一个十分值得研究的问题。

2、在基于结合mec的c-ran架构的研究中，已有很多的深入研究，但是仍存在以下问题：

3、1)只考虑传统基站场景，没有进行新的架构的拓展。

4、2)对于可能导致mec资源供给不足或过剩的mec资源的动态性以及不同用户有不同需求的特点，并未充分考虑在内。从而无法达到用户的实际需求。

技术实现思路

1、为解决上述问题，本发明提供了一种基于c-ran架构的任务卸载和资源分配方法，包括以下步骤：

2、s1.结合mec服务器和c-ran架构构建网络模型，其中mec服务器被配置在c-ran架构的bbu池；所述网络模型还包括时间成本模型；

3、s2.基于网络模型构建任务收益模型和任务成本模型；

4、s3.基于任务收益模型和任务成本模型，以网络利润最大化为目标构建利润优化问题；

5、s4.将利润优化问题转换为卸载策略问题，采用fl-sbpso方法求解得到最优卸载策略；

6、s5.将最优卸载策略代入利润优化问题进行求解，得到联合任务卸载和资源分配策略。

7、本发明的有益效果：

8、本发明提供了一种基于c-ran架构的任务卸载和资源分配方法，针对现有的结合移动边缘计算(mobile edge computing,mec)的云无线接入网(cloud radio accessnetwork,c-ran)架构存在系统对带宽资源和计算资源分配不合理的情况，对卸载策略、带宽资源和计算资源分配进行联合优化，并以服务提供商的利润最大化作为衡量资源利用率的指标，为此提出了蛙跳-粘性二进制粒子群(fl-sbpso)方法来确定解耦后的最优卸载策略。所提出的方法具有bpso的自适应性、简单以实现的优点，并结合了蛙跳算法能够跳出局部最优解的优点，在盈利能力方面比现有的基于频谱效率的卸载算法提升了30.20％，也优于其他基准进化算法，并且执行时间也比现有的基于频谱效率的卸载算法更短。

技术特征：

1.一种基于c-ran架构的任务卸载和资源分配方法，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c-ran架构的任务卸载和资源分配方法，其特征在于，所述时间成本模型包括通信时间成本和mec执行时间成本，其中：

3.根据权利要求1所述的一种基于c-ran架构的任务卸载和资源分配方法，其特征在于，任务收益模型表示为：

4.根据权利要求1所述的一种基于c-ran架构的任务卸载和资源分配方法，其特征在于，利润优化问题表示为：

5.根据权利要求1所述的一种基于c-ran架构的任务卸载和资源分配方法，其特征在于，采用fl-sbpso方法求解得到最优卸载策略包括：

6.根据权利要求5所述的一种基于c-ran架构的任务卸载和资源分配方法，其特征在于，步骤s41初始化粒子种群包括：

7.根据权利要求6所述的一种基于c-ran架构的任务卸载和资源分配方法，其特征在于，评分值的计算公式为：

8.根据权利要求5所述的一种基于c-ran架构的任务卸载和资源分配方法，其特征在于，粒子的粘性重要程度、认知重要程度、社会重要程度的计算公式分别为：

9.根据权利要求5所述的一种基于c-ran架构的任务卸载和资源分配方法，其特征在于，粒子i执行粒子更新操作包括：

10.根据权利要求5所述的一种基于c-ran架构的任务卸载和资源分配方法，其特征在于，每一模因组内每一粒子在每一次迭代更新中的粘性更新公式为：

技术总结本发明属于无线通信和移动边缘计算技术领域，具体涉及一种基于C‑RAN架构的任务卸载和资源分配方法，包括结合MEC服务器和C‑RAN架构构建网络模型，其中MEC服务器被配置在C‑RAN架构的BBU池；所述网络模型还包括时间成本模型；基于网络模型构建任务收益模型和任务成本模型；基于任务收益模型和任务成本模型，以网络利润最大化为目标构建利润优化问题；将利润优化问题转换为卸载策略问题，采用FL‑SBPSO方法求解得到最优卸载策略；将最优卸载策略代入利润优化问题进行求解，得到联合任务卸载和资源分配策略；所提出的方法具有BPSO的自适应性、简单易实现的优点，并结合了蛙跳算法能够跳出局部最优解的优点。技术研发人员：王华华,田旭,廖福建,周玉前,王丹,陈发堂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：2024/11/4