申请/专利权人：南京信息工程大学滨江学院;中科怡海高新技术发展有限公司

申请日：2020-11-23

公开（公告）日：2024-04-23

公开（公告）号：CN112468568B

主分类号：H04L67/10

分类号：H04L67/10;H04W4/70;H04W28/084;H04W40/22

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.07.20#专利申请权的转移;2021.03.26#实质审查的生效;2021.03.09#公开

摘要：本发明公开了一种移动边缘计算网络的任务中继卸载方法，包括集成了毫米波和频率低于6GHz电磁波Sub‑6GHz的移动边缘计算网络，Sub‑6GHz实现用户设备的全覆盖，设置基站和用户设备预先执行了波束训练和对齐机制，因此能够在建立数据连接时配置适当的波束。由于每个用户设备都是独立的个体，因此，采用平均场博弈MFG的框架最大程度的减少功耗，针对MFG优化方法的限制，将公式化的MFG简化为马尔可夫决策过程MDP，利用MDP优化问题求得MFG的均衡解，即通过采用强化学习框架，最大化CUs的价值函数，在强化学习的指导下得到均衡解，实现任务的成功卸载，并减少系统能耗。

主权项：1.一种移动边缘计算网络的任务中继卸载方法，其特征在于，包括以下步骤：步骤s1：构建一个毫米波和频率低于6GHz电磁波Sub-6GHz的移动边缘计算网络，其中，Sub-6GHz实现用户设备的全覆盖，毫米波实现用户部分覆盖；所述移动边缘计算网络中共有U个用户设备在Sub-6GHz的覆盖范围内，n个中心用户设备CU可以直接将计算任务卸载到移动边缘计算MEC服务器中，m个拓展用户设备EU不在毫米波的覆盖范围内，CUs为毫米波覆盖范围内的所有CU，每个用户设备有一个长度为J的队列用于储存任务，不在毫米波覆盖范围内的用户通过D2D中继链路完成数据卸载；步骤s2：CUn中继EUm中需要卸载的任务，在通信范围内，CUn和处于毫米波覆盖范围内的其他CUs交换任务数据，处理队列中的任务；步骤s3：根据CUn处理队列中的任务导致的系统能量消耗建立代价函数，列出平均场博弈MFG中的FPK方程和HJB方程；所述步骤s3中包括：an是CUn的动作空间，表示为其中dn,m为二进制索引{0,1}，如果CUn选择EUm的任务进行中继，则dn,m＝1，否则为0；cn∈{0,1}，当CUn选择本地计算，则cn＝1，否则为0；和分别表示CUn需要处理的中继任务数据和自身任务数据；sn为CUn的状态空间，表示为sn＝{in，hn}，其中In表示CUn队列中的任务大小，hn表示CUn和接入点AP之间信道的增益；r是奖励函数，定义为系统能耗的负值，表示为其中dn,m∈{0,1}，cn∈{0,1}，时隙t中CUn的状态空间离散化为w个状态，表示为其中表示在时隙t时CUn队列中的任务大小，表示时隙t时CUn和接入点AP之间信道的增益；CUn获得的奖励取决于CUs在每个状态的分布；在时隙t中CUs在状态中的分布表示为其中表示在状态中CUs的比例，对CUn建立前向FPK方程，表示为其中表示在时隙t中中的CUn转换为的概率，取决于CUn的动作，表示时隙t中状态空间sn中的第i个状态，表示时隙t中状态空间sn中的第j个状态；在时隙t中CUn的价值函数，称为后向HJB方程，定义为：其中μ表示在状态下选择动作an的策略，r[an|sn]表示时隙t中CUn在状态sn采取动作an后得到的奖励，表示在时隙t+1遵循策略μ获得的预期累计奖励，为折扣因子；步骤s4：将公式化的MFG转换为马尔可夫决策过程MDP，通过采用强化学习框架最大化CUn的价值函数，求得MFG的均衡解。

全文数据：

权利要求：

百度查询： 南京信息工程大学滨江学院;中科怡海高新技术发展有限公司 一种移动边缘计算网络的任务中继卸载方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD