李誠(chéng)成，張亞生，孫晨華

(中國(guó)電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081)

0 引言

衛(wèi)星網(wǎng)絡(luò)相對(duì)于其他通信方式，具有覆蓋面積大、不受地形限制等優(yōu)勢(shì)。隨著低軌衛(wèi)星互聯(lián)網(wǎng)的發(fā)展[1-2]，衛(wèi)星網(wǎng)絡(luò)具備了全球無(wú)縫覆蓋和寬帶業(yè)務(wù)能力，必然會(huì)成為5G/6G移動(dòng)通信系統(tǒng)不可或缺的部分[3]。低軌衛(wèi)星互聯(lián)網(wǎng)[4-6]以寬帶業(yè)務(wù)為主要特征，以通信為主，可搭載部分感知類載荷，以支持傳統(tǒng)通信向支持陸、海、空、天用戶接入方向發(fā)展，尤其是支持天基用戶接入，使其具有了中繼星座的功能，因此星上部署計(jì)算能力十分必要。

另一方面，云計(jì)算技術(shù)已經(jīng)成為現(xiàn)代信息技術(shù)領(lǐng)域的基礎(chǔ)技術(shù)之一，且越來(lái)越多的服務(wù)基于云計(jì)算提供，在低軌衛(wèi)星互聯(lián)網(wǎng)中引入云計(jì)算技術(shù)，可以有效支撐天基用戶的遙感數(shù)據(jù)處理等計(jì)算密集型業(yè)務(wù)。亞馬遜公司旗下的云計(jì)算服務(wù)平臺(tái)AWS已經(jīng)推出了衛(wèi)星云計(jì)算服務(wù)，用于存儲(chǔ)和處理數(shù)據(jù)，應(yīng)用包括縮短自然災(zāi)害圖像和天氣預(yù)測(cè)的數(shù)據(jù)處理和分析時(shí)間，以及處理合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)圖像，供急救人員在主動(dòng)搜索、救援中使用。

在低軌衛(wèi)星互聯(lián)網(wǎng)中引入云計(jì)算能夠擴(kuò)展網(wǎng)絡(luò)應(yīng)用場(chǎng)景和領(lǐng)域，而且隨著云計(jì)算的應(yīng)用越來(lái)越普及，或許還需要支撐用戶的云計(jì)算業(yè)務(wù)。但是，由于云計(jì)算中心通常部署在地面，直接引入云計(jì)算會(huì)帶來(lái)諸多問(wèn)題，比如衛(wèi)星網(wǎng)絡(luò)用戶在獲取云計(jì)算服務(wù)時(shí)，會(huì)占用大量星地/星間鏈路帶寬，且用戶感知的服務(wù)時(shí)延較高等。

為了解決云計(jì)算引入帶來(lái)的新問(wèn)題，本文考慮在低軌衛(wèi)星互聯(lián)網(wǎng)中引入邊緣計(jì)算。低軌衛(wèi)星互聯(lián)網(wǎng)的每顆衛(wèi)星都是網(wǎng)絡(luò)的接入節(jié)點(diǎn)(網(wǎng)絡(luò)邊緣)，顯然將邊緣計(jì)算資源部署在衛(wèi)星上能夠真正發(fā)揮邊緣計(jì)算技術(shù)優(yōu)勢(shì)，使用戶能夠在全球任何位置就近獲得計(jì)算存儲(chǔ)服務(wù)，快速響應(yīng)用戶的業(yè)務(wù)處理需求，為用戶提供低時(shí)延云計(jì)算服務(wù)，并減少衛(wèi)星網(wǎng)絡(luò)鏈路帶寬消耗，提升網(wǎng)絡(luò)性能和用戶服務(wù)體驗(yàn)。

星載邊緣計(jì)算有很多應(yīng)用場(chǎng)景，本文針對(duì)計(jì)算卸載場(chǎng)景開展研究。在低軌星座邊緣計(jì)算系統(tǒng)中，最簡(jiǎn)單的計(jì)算卸載方式就是用戶終端將計(jì)算任務(wù)直接卸載給其接入衛(wèi)星(過(guò)頂衛(wèi)星)。然而，在整個(gè)星座范圍內(nèi)，每顆衛(wèi)星下計(jì)算任務(wù)需求具有不均衡特點(diǎn)。比如，城市區(qū)域的用戶終端可以通過(guò)移動(dòng)通信接入網(wǎng)絡(luò)，因此不需要將計(jì)算任務(wù)卸載給衛(wèi)星；而邊境區(qū)域和海上可能部署了大量的用戶終端，這些終端只能通過(guò)衛(wèi)星進(jìn)行計(jì)算卸載。

因此，如果每個(gè)用戶終端都簡(jiǎn)單地將計(jì)算任務(wù)卸載到接入衛(wèi)星，則會(huì)出現(xiàn)不同衛(wèi)星負(fù)載不均衡的情況，且對(duì)于卸載需求量大的衛(wèi)星來(lái)說(shuō)，可能會(huì)由于執(zhí)行大量計(jì)算任務(wù)，導(dǎo)致電量消耗過(guò)快，降低正常運(yùn)行時(shí)長(zhǎng)。所以，本文認(rèn)為應(yīng)該考慮將計(jì)算任務(wù)在整個(gè)系統(tǒng)內(nèi)進(jìn)行合理分配，從而提高系統(tǒng)的負(fù)載均衡程度，并延長(zhǎng)整個(gè)系統(tǒng)正常工作時(shí)長(zhǎng)。

本文通過(guò)將低軌星座邊緣計(jì)算系統(tǒng)中的計(jì)算卸載建模為一個(gè)最優(yōu)化問(wèn)題，并求解該最優(yōu)化問(wèn)題，從而做出最優(yōu)的計(jì)算卸載決策。經(jīng)過(guò)仿真評(píng)估，本文所提計(jì)算卸載算法在負(fù)載均衡和系統(tǒng)流量開銷方面都有較好的性能。

1 相關(guān)研究工作

星載邊緣計(jì)算正在越來(lái)越多地受到國(guó)內(nèi)外機(jī)構(gòu)的關(guān)注和重視。2018年4月，美國(guó)國(guó)防高級(jí)研究計(jì)劃局(Defense Advanced Research Projects Agency，DARPA)啟動(dòng)了“黑杰克”項(xiàng)目，目前已授出超過(guò)8 100萬(wàn)美金的研發(fā)合同，其星上載荷能夠自主地向戰(zhàn)區(qū)內(nèi)的軍事用戶和平臺(tái)生成戰(zhàn)術(shù)相關(guān)信息；支持功能軟件定義，可通過(guò)增加軟件來(lái)實(shí)現(xiàn)增加任務(wù)能力。在“黑杰克”星座內(nèi)，星上的Pit Boss主要功能包括自主在軌邊緣處理、數(shù)據(jù)管理、健康監(jiān)控和位置保持等，它可快速自主地進(jìn)行任務(wù)分派、處理和向有人控制和無(wú)人控制的用戶單元分發(fā)戰(zhàn)術(shù)相關(guān)的信息。

中國(guó)科學(xué)院軟件研究所于2018年11月發(fā)射了第一顆在軌試驗(yàn)衛(wèi)星“天智一號(hào)”，這是一顆以軟件為主的衛(wèi)星，同時(shí)也具備智能計(jì)算能力，可以通過(guò)上注應(yīng)用軟件或是在地面訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，在軌實(shí)時(shí)執(zhí)行一些智能任務(wù)，例如智能目標(biāo)檢測(cè)識(shí)別、智能云判讀、基于強(qiáng)化學(xué)習(xí)的智能姿態(tài)控制等。

2021年12月，北京郵電大學(xué)等單位發(fā)射了天算星座，該星座擬構(gòu)建空天計(jì)算在軌實(shí)驗(yàn)開放開源服務(wù)平臺(tái)，驗(yàn)證了基于KubeEdge的云邊協(xié)同計(jì)算平臺(tái)，以在軌處理照片為例，展示了星載邊緣計(jì)算在降低星地?cái)?shù)傳帶寬消耗方面的潛在優(yōu)勢(shì)。

目前，在衛(wèi)星網(wǎng)絡(luò)邊緣計(jì)算方向的學(xué)術(shù)研究工作還比較少,接下來(lái)本文對(duì)最新的相關(guān)研究工作進(jìn)行介紹。

Cheng等人[7]提出了一個(gè)空、天、地一體化網(wǎng)絡(luò)的邊緣/云計(jì)算架構(gòu)，用于卸載計(jì)算密集任務(wù)，同時(shí)考慮了遠(yuǎn)端的能量和計(jì)算資源約束，在這個(gè)架構(gòu)中，無(wú)人機(jī)提供靠近用戶的邊緣計(jì)算服務(wù)，衛(wèi)星提供對(duì)云計(jì)算的接入?？梢?，該文獻(xiàn)并未考慮利用衛(wèi)星提供邊緣計(jì)算服務(wù)，與本文的問(wèn)題場(chǎng)景不同。

Zhang等人[8]分析了衛(wèi)星移動(dòng)邊緣計(jì)算的可選部署方案，并且提出了協(xié)作式計(jì)算卸載，即衛(wèi)星邊緣計(jì)算服務(wù)器互相協(xié)作，以完成用戶的計(jì)算任務(wù)。本文考慮將邊緣計(jì)算節(jié)點(diǎn)部署于低軌衛(wèi)星上，與該文獻(xiàn)中的協(xié)作式計(jì)算卸載的系統(tǒng)架構(gòu)不同。

Wang等人[9]提出了一個(gè)帶有雙層邊緣計(jì)算的星地網(wǎng)絡(luò)，來(lái)為偏遠(yuǎn)地區(qū)提供計(jì)算服務(wù)，并設(shè)計(jì)了一個(gè)策略，來(lái)解決星地網(wǎng)絡(luò)中分布式邊緣服務(wù)器的高效調(diào)度問(wèn)題，以提供更好的邊緣計(jì)算服務(wù)。該文獻(xiàn)考慮的場(chǎng)景包括通過(guò)衛(wèi)星回傳的基站，但是在諸如海上、災(zāi)難等場(chǎng)景中，不具備部署基站的條件，因此本文考慮直接利用衛(wèi)星提供邊緣計(jì)算服務(wù)。

Wang等人[10]提出了一個(gè)星載邊緣計(jì)算中的基于博弈論的計(jì)算卸載策略優(yōu)化方法，對(duì)星載邊緣計(jì)算中的計(jì)算卸載問(wèn)題進(jìn)行了建模，考慮了由于衛(wèi)星高速移動(dòng)帶來(lái)的星地鏈路間歇性連通情況。但是，該文獻(xiàn)只考慮將計(jì)算任務(wù)卸載給接入衛(wèi)星，無(wú)法更高效地利用多顆衛(wèi)星的計(jì)算資源。

Xie等人[11]提出了一個(gè)名為星地一體化邊緣計(jì)算網(wǎng)絡(luò)(STECN)的架構(gòu)，該架構(gòu)中計(jì)算資源存在于多層異構(gòu)邊緣計(jì)算集群中(包括衛(wèi)星)，使任意位置的用戶都可以獲得計(jì)算服務(wù),但是該文獻(xiàn)并沒有提出具體的計(jì)算卸載策略。

2 應(yīng)用場(chǎng)景設(shè)計(jì)

接下來(lái)給出幾種低軌衛(wèi)星互聯(lián)網(wǎng)邊緣計(jì)算的應(yīng)用場(chǎng)景，第一個(gè)應(yīng)用場(chǎng)景就是信息服務(wù)前置場(chǎng)景，如圖 1所示。傳統(tǒng)服務(wù)獲取模式中，衛(wèi)星網(wǎng)絡(luò)中的用戶從地面獲取服務(wù)，需要建立用戶終端與遠(yuǎn)端地面云之間的連接，并且在這個(gè)連接上傳輸信息。采用這種模式，一方面用戶獲取服務(wù)所需時(shí)延大且不穩(wěn)定，另一方面耗費(fèi)了大量的饋電鏈路和星間鏈路帶寬。如果基于低軌星座邊緣計(jì)算技術(shù)，可以預(yù)先將服務(wù)放置在星載邊緣計(jì)算節(jié)點(diǎn)上，用戶只需要與衛(wèi)星建立連接即可獲取服務(wù)，一方面降低了時(shí)延，另一方面減少帶寬消耗。尤其是當(dāng)大量用戶需要該服務(wù)時(shí)，這種邊緣信息分發(fā)模式帶寬節(jié)省更明顯。

圖1 服務(wù)前置場(chǎng)景Fig.1 Edge-based service scenario

第二個(gè)應(yīng)用場(chǎng)景是基于低軌邊緣計(jì)算的計(jì)算卸載場(chǎng)景，如圖 2所示，以無(wú)人機(jī)為例，無(wú)人機(jī)可以將視頻或圖像數(shù)據(jù)發(fā)送給衛(wèi)星，由衛(wèi)星進(jìn)行目標(biāo)識(shí)別，并將識(shí)別結(jié)果返回給無(wú)人機(jī)，完成OODA環(huán)。

圖2 計(jì)算卸載場(chǎng)景Fig.2 Computation offloading scenario

隨著計(jì)算密集型應(yīng)用越來(lái)越多，用戶終端對(duì)計(jì)算卸載的需求越來(lái)越大[12]。尤其是對(duì)于資源受限、電量寶貴的用戶終端，顯然需要將數(shù)據(jù)分析任務(wù)卸載到網(wǎng)絡(luò)中[13]，而不應(yīng)由終端自己處理。然而，如果通過(guò)衛(wèi)星網(wǎng)絡(luò)將計(jì)算任務(wù)卸載給遠(yuǎn)端云計(jì)算中心，存在通信時(shí)延大、流量開銷高等問(wèn)題[14]。因此，本文認(rèn)為應(yīng)該將計(jì)算平臺(tái)直接部署在衛(wèi)星上，提供星載邊緣計(jì)算能力，用戶終端將計(jì)算任務(wù)卸載給衛(wèi)星執(zhí)行，從而避免通信路徑長(zhǎng)的問(wèn)題，就近為用戶終端提供計(jì)算卸載服務(wù)。

第三個(gè)應(yīng)用場(chǎng)景是天基遙感處理與分發(fā)，如圖 3所示。傳統(tǒng)的遙感信息應(yīng)用模式采用的是“獲取數(shù)據(jù)-下傳數(shù)據(jù)-地面處理數(shù)據(jù)-信息生成-地面分發(fā)”的工作流程，一方面用戶獲取信息所需時(shí)間較長(zhǎng)，另一方面大量的遙感數(shù)據(jù)下傳對(duì)星地鏈路帶來(lái)了很大壓力。而基于低軌星座邊緣計(jì)算，遙感衛(wèi)星可以將未處理的遙感數(shù)據(jù)(比如SAR回波數(shù)據(jù))發(fā)送給星載邊緣計(jì)算節(jié)點(diǎn)，由后者進(jìn)行處理并解譯信息后(比如目標(biāo)位置信息)，直接將信息分發(fā)給用戶，從而有效提高整個(gè)信息支援的時(shí)效性，并降低星地?cái)?shù)傳鏈路壓力。

圖3 天基信息支援Fig.3 Space-based information support scenario

以遙感圖像高效壓縮場(chǎng)景為例。隨著星載遙感設(shè)備的能力越來(lái)越強(qiáng)，產(chǎn)生的圖像尺寸和分辨率也越來(lái)越高，尤其是隨著高光譜遙感技術(shù)的發(fā)展，產(chǎn)生的數(shù)據(jù)量呈現(xiàn)爆炸式增長(zhǎng)。如果將這些遙感圖像數(shù)據(jù)只進(jìn)行簡(jiǎn)單的壓縮編碼就下傳給地面應(yīng)用中心，會(huì)給星地?cái)?shù)傳鏈路帶來(lái)巨大壓力。而基于低軌星座邊緣計(jì)算，可以對(duì)遙感數(shù)據(jù)進(jìn)行有效壓縮(比如對(duì)圖像中的云進(jìn)行識(shí)別并去掉云區(qū)域)[15]，從而提升有效信息所占比例，更高效地利用星地?cái)?shù)傳鏈路。

3 問(wèn)題模型

低軌星座邊緣計(jì)算系統(tǒng)由低軌邊緣計(jì)算節(jié)點(diǎn)、用戶終端和信關(guān)站組成。其中，低軌邊緣計(jì)算節(jié)點(diǎn)是低軌衛(wèi)星上的計(jì)算載荷，包括硬件和基礎(chǔ)軟件，可用于執(zhí)行用戶卸載的計(jì)算任務(wù)。用戶終端將任務(wù)卸載到低軌邊緣計(jì)算節(jié)點(diǎn)。信關(guān)站中部署低軌邊緣計(jì)算控制器，對(duì)系統(tǒng)行為進(jìn)行監(jiān)視和控制。

在低軌星座邊緣計(jì)算系統(tǒng)中，用戶終端的計(jì)算能力或電量較低，無(wú)法執(zhí)行計(jì)算密集型任務(wù)，因此需將計(jì)算任務(wù)卸載給低軌衛(wèi)星執(zhí)行，以達(dá)到降低電量消耗、增加計(jì)算任務(wù)執(zhí)行速度的目標(biāo)。低軌星座邊緣計(jì)算系統(tǒng)組成如圖4所示。

圖4 低軌星座邊緣計(jì)算系統(tǒng)組成Fig.4 LEO Edge Computing System

對(duì)于低軌星座邊緣計(jì)算來(lái)說(shuō)，用戶終端在全球范圍內(nèi)分布是不均衡的，如果直接將用戶終端或者地面關(guān)口站的計(jì)算任務(wù)卸載到其過(guò)頂衛(wèi)星，勢(shì)必出現(xiàn)衛(wèi)星之間負(fù)載不均衡的情況。根據(jù)能量消耗的相關(guān)理論，如果某些衛(wèi)星的計(jì)算任務(wù)過(guò)多，也會(huì)導(dǎo)致這些衛(wèi)星功耗過(guò)高，可能影響衛(wèi)星的工作時(shí)長(zhǎng)。

因此，本文認(rèn)為應(yīng)該充分利用低軌星座邊緣計(jì)算系統(tǒng)中的其他節(jié)點(diǎn)，不局限于用戶終端的接入衛(wèi)星，從而避免系統(tǒng)出現(xiàn)負(fù)載不均衡以及某些衛(wèi)星能量消耗過(guò)快的情況。

參考其他研究工作[16-18]，本文中的系統(tǒng)模型是分時(shí)隙的，所提算法的目標(biāo)是優(yōu)化單個(gè)時(shí)隙內(nèi)的計(jì)算任務(wù)卸載策略。

假設(shè)系統(tǒng)內(nèi)存在S個(gè)星載邊緣計(jì)算節(jié)點(diǎn)，對(duì)于衛(wèi)星i來(lái)說(shuō)，fi表示其計(jì)算能力，Ri表示當(dāng)前時(shí)隙內(nèi)可用于計(jì)算卸載的計(jì)算資源，可見Ri≤fi。Pi表示衛(wèi)星i在當(dāng)前時(shí)隙的能量消耗上限，gi表示通過(guò)衛(wèi)星i接入網(wǎng)絡(luò)的所有用戶終端的需卸載計(jì)算任務(wù)數(shù)量總和，dij表示衛(wèi)星i與衛(wèi)星j之間的跳數(shù)。

對(duì)于衛(wèi)星i，假設(shè)其需要執(zhí)行ai個(gè)計(jì)算任務(wù)，則執(zhí)行這些任務(wù)需消耗的能量為Ei=ε·fi2·J·ai[20]，該衛(wèi)星的負(fù)載可以用Li=ai·J表示。

為方便閱讀，將本文涉及到的主要數(shù)學(xué)符號(hào)及其含義列表,如表1所示。

表1 本文數(shù)學(xué)符號(hào)與對(duì)應(yīng)含義Tab.1 Notations and Meanings

4 最優(yōu)化建模

本文將計(jì)算卸載策略建模為一個(gè)最優(yōu)化問(wèn)題，優(yōu)化目標(biāo)包括兩方面：一方面是均衡各衛(wèi)星的負(fù)載；另一方面是減少由計(jì)算卸載引起的星間數(shù)據(jù)流量開銷。

本文對(duì)計(jì)算卸載策略的最優(yōu)化問(wèn)題P建模如下所示：

minbφ+γ·C，

(1)

subject toEi≤Pi,?i∈S，

(2)

Li≤Ri,?i∈S，

(3)

(4)

(5)

其中，γ為目標(biāo)函數(shù)中的權(quán)重，用于調(diào)整流量開銷的重要性。

接下來(lái)對(duì)該最優(yōu)化問(wèn)題建模進(jìn)行解釋。目標(biāo)函數(shù)(1)同時(shí)考慮了降低φ和C，即保證負(fù)載均衡和降低流量開銷。約束條件(2)確保了做出計(jì)算任務(wù)卸載決策后，每個(gè)衛(wèi)星i執(zhí)行這些計(jì)算任務(wù)消耗的能量不會(huì)超過(guò)當(dāng)前時(shí)隙允許消耗的能量上限；約束條件(3)確保了做出計(jì)算任務(wù)卸載決策后，每個(gè)衛(wèi)星i的計(jì)算負(fù)載不會(huì)超過(guò)其計(jì)算資源上限；約束條件(4)給出了每個(gè)衛(wèi)星i上的計(jì)算任務(wù)數(shù)量與計(jì)算卸載決策變量之間的關(guān)系，即每個(gè)衛(wèi)星i需執(zhí)行的計(jì)算任務(wù)數(shù)量等于所有衛(wèi)星下的用戶終端卸載到該衛(wèi)星的任務(wù)總和；約束條件(5)確保了每個(gè)衛(wèi)星i下的用戶終端任務(wù)全部被卸載。

5 計(jì)算卸載算法

利用φ和Li的定義，可以推出目標(biāo)函數(shù)中的φ與決策變量bij的關(guān)系如下：

(6)

可見φ是bij的線性函數(shù)。

利用C和Cij的定義，可以推出目標(biāo)函數(shù)中的C與決策變量bij的關(guān)系如下：

(7)

可見C是bij的線性函數(shù)。

利用Ei和ai的定義，可以推出Ei與決策變量bij的關(guān)系如下：

(8)

可見Ei是bij的線性函數(shù)。

根據(jù)Li和ai的定義，可以推出Li與決策變量bij的關(guān)系如下：

(9)

可見Li是bij的線性函數(shù)。

根據(jù)以上分析，最優(yōu)化問(wèn)題P的目標(biāo)函數(shù)和約束條件都是線性的。因此，該問(wèn)題是一個(gè)線性規(guī)劃問(wèn)題。考慮到已經(jīng)存在開源的線性規(guī)劃求解器OPTI，本文利用OPTI求解最優(yōu)化問(wèn)題P。

本文所提算法通過(guò)求解最優(yōu)化問(wèn)題P，得到最優(yōu)決策變量bij，然后從衛(wèi)星i收到的用戶終端的所有計(jì)算任務(wù)中，選取bij個(gè)任務(wù)，分配到衛(wèi)星i處。

6 性能評(píng)估

6.1 仿真場(chǎng)景

為了評(píng)估本文所提的計(jì)算卸載算法的性能優(yōu)勢(shì)，本文對(duì)所提算法進(jìn)行了計(jì)算機(jī)仿真。作為對(duì)比，對(duì)基準(zhǔn)算法也進(jìn)行了仿真。在基準(zhǔn)算法中，每個(gè)衛(wèi)星下的用戶終端先將計(jì)算任務(wù)卸載到自己的接入衛(wèi)星(過(guò)頂衛(wèi)星)；如果接入衛(wèi)星的資源或者功率不足以滿足計(jì)算任務(wù)的需求，則將剩余的計(jì)算任務(wù)隨機(jī)卸載到其他衛(wèi)星。

在仿真中，假設(shè)在每個(gè)時(shí)隙內(nèi)，每個(gè)衛(wèi)星下的所有用戶終端卸載的計(jì)算任務(wù)數(shù)量為1～5之間的隨機(jī)數(shù)，每個(gè)計(jì)算任務(wù)的輸入數(shù)據(jù)量為I=30 MB，計(jì)算所需要的轉(zhuǎn)數(shù)J=2 M次。每個(gè)衛(wèi)星的計(jì)算能力fi在每秒2～6G次之間取隨機(jī)數(shù)，而可用的計(jì)算資源Ri=α×fi，其中α是(0,1)之間的隨機(jī)數(shù)，能耗系數(shù)ε=10-25，每個(gè)衛(wèi)星的功耗上限在20～50 W之間，目標(biāo)函數(shù)中的權(quán)重γ分別取值1～10。

6.2 結(jié)果分析

首先，對(duì)所提算法和基準(zhǔn)算法在流量代價(jià)值方面進(jìn)行對(duì)比。如圖 5所示，在權(quán)重γ分別等于1～10時(shí)，本文所提算法的代價(jià)值都低于基準(zhǔn)算法，也就是說(shuō)所提算法在網(wǎng)內(nèi)產(chǎn)生的流量開銷更小。這是因?yàn)楸疚乃崴惴ㄔ谀繕?biāo)函數(shù)中考慮了流量開銷，并且通過(guò)最優(yōu)化求解，降低了流量開銷。

圖5 在權(quán)重γ分別等于1～10時(shí)，本文所提算法和 基準(zhǔn)算法的代價(jià)值Fig.5 Cost value when using the proposed algorithm and the baseline algorithm with different value ofγ

然后，對(duì)所提算法和基準(zhǔn)算法在負(fù)載均衡方面進(jìn)行對(duì)比。如圖 6所示，在權(quán)重γ分別等于1～10時(shí)，本文所提算法的負(fù)載均衡指標(biāo)值都低于基準(zhǔn)算法，說(shuō)明所提算法在負(fù)載均衡方面表現(xiàn)更好。這是因?yàn)樗崴惴ㄊ峭ㄟ^(guò)求解建模的最優(yōu)化問(wèn)題來(lái)做出計(jì)算卸載決策的，而最優(yōu)化問(wèn)題的目標(biāo)函數(shù)中考慮了降低負(fù)載均衡指標(biāo)。

圖6 在權(quán)重γ分別等于1～10時(shí)，本文所提算法和 基準(zhǔn)算法的負(fù)載均衡指標(biāo)值Fig.6 Metric of load balancing when using the proposed algorithm and the baseline algorithm with different value ofγ

接下來(lái)，對(duì)所提算法和基準(zhǔn)算法的目標(biāo)函數(shù)值進(jìn)行對(duì)比。如圖 7所示，在權(quán)重γ分別等于1～10時(shí)，本文所提算法的目標(biāo)函數(shù)值都低于基準(zhǔn)算法，這說(shuō)明本文所提算法在負(fù)載均衡和流量代價(jià)兩方面的性能都比較好。這是因?yàn)?，本文所提算法求出了所建模?wèn)題的最優(yōu)解。

圖7 在權(quán)重γ分別等于1～10時(shí)，本文所提算法和 基準(zhǔn)算法的目標(biāo)函數(shù)值Fig.7 Objective value when using the proposed algorithm and the baseline algorithm with different value ofγ

綜上所述，本文所提算法在流量代價(jià)和負(fù)載均衡方面的性能都更好。

7 結(jié)論

本文以低軌衛(wèi)星互聯(lián)網(wǎng)邊緣計(jì)算中的計(jì)算卸載問(wèn)題為研究對(duì)象，分析了將計(jì)算任務(wù)在系統(tǒng)內(nèi)的各衛(wèi)星間進(jìn)行合理分配的必要性，并對(duì)計(jì)算卸載問(wèn)題進(jìn)行了最優(yōu)化建模，根據(jù)最優(yōu)化問(wèn)題求解結(jié)果指導(dǎo)計(jì)算卸載決策，并對(duì)所提算法進(jìn)行了仿真分析，驗(yàn)證了所提算法在流量代價(jià)和負(fù)載均衡方面的性能優(yōu)勢(shì)。在未來(lái)的研究中，一方面，擬考慮不同用戶終端的差異化性能需求，研究更精細(xì)化的計(jì)算卸載策略；另一方面，擬遵循云邊協(xié)同理念，考慮云邊協(xié)同場(chǎng)景下的計(jì)算卸載策略。