计算卸载-论文05-双层优化(无线充电与卸载)

该论文探讨了一种无线移动边缘计算系统,其中服务提供商为设备所有者提供计算资源和能量。通过分层控制的双层优化算法,旨在最大化服务提供商和设备所有者的收益。优化问题包括计算资源和能源的定价、任务处理模式选择以及功率和资源分配。文章详细介绍了能量收集模型、本地执行和边缘执行的计算时延和能量损耗,以及双方的收益函数,并阐述了解决MINLP问题的优化方法。
摘要由CSDN通过智能技术生成

标题:《A Divide-and-Conquer Bilevel Optimization Algorithm for Jointly Pricing Computing Resources and Energy in Wireless Powered MEC》

期刊:IEEE TRANSACTIONS ON CYBERNETICS,2022

一、理论梳理

问题:相比于移动云计算(Mobile Cloud Computing, MCC),移动边缘计算(Mobile Edge Computing,MEC)服务器收到资源限制,有效的资源管理对MEC特别重要。

模型:该论文考虑了计算卸载中无线充电的问题。本文研究了一个无线移动边缘计算(MEC)系统,其中服务提供商(Service Provider, SP)为设备所有者(Device Owner, DO)提供计算资源和能量,以执行物联网设备的任务。在这个系统中,SP首先设定计算资源和能源的价格,而DO则根据给定的价格做出最优响应。(联合计算资源和能源进行定价)

目标:最大化各自的收益(SP优化计算资源能源的出价,DO优化任务处理模式广播功率资源分配)

算法:分层控制的双层优化算法

二、模型公式

2.1、能量收集

我们假设SP接入点在固定时隙T^h内将n个无线波束指向n个DO,并广播能量。SP接入点与DO i 之间信道增益服从自由空间路径损耗模型:

h_i=4.11(\frac{3e+8}{4\pi f_c d_i})^2

其中f_c表示载波频率,d_i表示SP接入点与DO i 之间的距离。

\textbf{p}^b=[p_1^b,p_2^b,...,p_n^b]表示分配给每个DO的广播功率,DO i 从SP处获取的能源为:

E_i^h=\mu T^hh_ip_i^b

其中\mu表示功率转换效率。

2.2、本地执行

对于本地执行模式,计算时延能量损耗可以表示为:


T_i^l=\frac{C_i}{r_i^l}

E_i^l=k_0(r_i^l)^3T_i^l

其中r_i^l表示DO i 的计算能力,k_0表示有效电容系数。

2.3、边缘执行

DO i 的传输速率可以表示为:

R_i=Blog_2(1+\frac{p_i^t h_i}{N_0})

其中B表示信道带宽,N_0表示高斯噪声,p_i^t表示DO i 的传输功率。

DO的传输时延和能量损耗为:

T_i^t=\frac{D_i}{R_i}

E_i^t=\frac{p_i^tD_i}{R_i}

\textbf{r}^c=[r_1^c,r_2^c,...,r_n^c]表示每个DO分配到的计算资源。因此,边缘端的计算时延和能耗为:

T_i^c=\frac{C_i}{r_i^c}

E_i^c=k_1D_i

其中k_1表示MEC服务器的有效电容系数。

DO i 总的计算时延为:

2.4、SP与DO收益

DO的收益为:

 DO的总收益为:

SP的收益为:

SP的总收益为:

三、优化目标

SP与DO之间的交互,制定为一个双层优化问题。公式如下:
 

由上述优化问题可知,优化目标中的下层问题为MINLP问题,这较难求解,需要进行转化。

求解的思路是:先求出最优的\textbf{p}^b\textbf{r}^c,再求解\textbf{m}。转化为下面问题:

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值