王艷閣，奚建清

(1.鄭州經(jīng)貿(mào)學(xué)院 計(jì)算機(jī)與人工智能學(xué)院，河南 鄭州 451191； 2.華南理工大學(xué) 軟件學(xué)院，廣東 廣州 510640)

0 引 言

近年來(lái)移動(dòng)互聯(lián)網(wǎng)迅速崛起，加之通信技術(shù)迭代更新速度不斷加快使得萬(wàn)物互聯(lián)成為了熱點(diǎn)[1]，物互聯(lián)的體驗(yàn)感與網(wǎng)絡(luò)性能有著直接關(guān)系[2]。雖然無(wú)線設(shè)備(wireless devices，WDs)的CPU計(jì)算能力越來(lái)越強(qiáng)大，但是要在短時(shí)間內(nèi)完成這些復(fù)雜應(yīng)用的數(shù)據(jù)處理仍然是不可能的[3,4]。此外，在本地進(jìn)行數(shù)據(jù)處理也面臨著高能耗的問(wèn)題[5,6]。為了克服這些難題，有些學(xué)者嘗試建立了移動(dòng)邊緣計(jì)算(mobile edge computing，MEC)技術(shù)并且得到了廣泛關(guān)注[7-10]。

車(chē)聯(lián)網(wǎng)作為萬(wàn)物互聯(lián)網(wǎng)中最為典型的一種應(yīng)用方式，對(duì)于計(jì)算要求也相對(duì)更高，合理地在移動(dòng)邊緣計(jì)算側(cè)對(duì)車(chē)聯(lián)網(wǎng)進(jìn)行資源管理，可有效實(shí)現(xiàn)高效可靠的車(chē)聯(lián)網(wǎng)最優(yōu)運(yùn)行[11,12]。文獻(xiàn)[13]針對(duì)車(chē)聯(lián)網(wǎng)邊緣計(jì)算資源優(yōu)化問(wèn)題的非凸性和NP難性，設(shè)計(jì)了一種啟發(fā)式算法——容錯(cuò)粒子群優(yōu)化算法，用于求解具有時(shí)延約束的可靠性最大化問(wèn)題。文獻(xiàn)[14]提出了一種混合多跳邊緣計(jì)算卸載算法，重點(diǎn)研究了最優(yōu)多跳邊緣計(jì)算卸載方法。此外，還建立了一個(gè)多跳卸載開(kāi)銷(xiāo)模型來(lái)評(píng)估性能。文獻(xiàn)[15]研究了一個(gè)支持邊緣計(jì)算的云計(jì)算中心IOV框架，旨在提高車(chē)輛的服務(wù)質(zhì)量。基于蟻群優(yōu)化算法(ant colony optimization，ACO)，提出了一種聯(lián)合卸載選擇策略和計(jì)算資源分配策略的優(yōu)化方法。文獻(xiàn)[16]提出了一種僅依賴(lài)于車(chē)對(duì)車(chē)(vehicle-to-vehicle，V2V)通信的任務(wù)卸載方案。文獻(xiàn)[17]提出基于遺傳算法的卸載策略(GAOS)。探討使用了遺傳算法中的卸載策略。

上述研究工作只關(guān)注于卸載決策和資源分配的問(wèn)題，而忽略了無(wú)線設(shè)備電池容量有限的問(wèn)題。無(wú)線供能通信網(wǎng)(wireless powered communication network，WPCN)是一種聯(lián)合傳輸?shù)男问剑覍?shí)現(xiàn)了無(wú)線能量和無(wú)線信息在不同時(shí)間序列中進(jìn)行傳輸。本文研究了基于時(shí)分多址協(xié)議的多用戶(hù)無(wú)線供能移動(dòng)邊緣計(jì)算系統(tǒng)的能量效率最大化問(wèn)題，并提出了基于系統(tǒng)時(shí)間、能耗、卸載計(jì)算能力和本地計(jì)算能力多方面的聯(lián)合優(yōu)化方案。本文提出的最優(yōu)化問(wèn)題的目標(biāo)是實(shí)現(xiàn)系統(tǒng)能量效率最大化。最后，本文設(shè)計(jì)了一種基于模擬退火算法的優(yōu)化算法來(lái)解決上述最優(yōu)化問(wèn)題。在任務(wù)卸載過(guò)程中，本文采用時(shí)分多址(time-division multiple-access，TDMA)協(xié)議來(lái)協(xié)調(diào)多個(gè)車(chē)輛的任務(wù)卸載。該方法能夠大大降低與端服務(wù)器的壓力，并且能夠最大程度上的避免數(shù)據(jù)被泄露。

1 系統(tǒng)模型及問(wèn)題建模

1.1 系統(tǒng)概述

本文針對(duì)無(wú)線供能移動(dòng)邊緣計(jì)算系統(tǒng)進(jìn)行研究。如圖1所示，該系統(tǒng)包括了3個(gè)部分，分別為：移動(dòng)邊緣計(jì)算服務(wù)器、一個(gè)單天線的混合接入點(diǎn)和N個(gè)單天線的車(chē)輛。其中，混合接入點(diǎn)與移動(dòng)邊緣計(jì)算服務(wù)器集成在一起。一方面，混合接入點(diǎn)向所有的車(chē)載無(wú)線設(shè)備廣播射頻信號(hào)，從而對(duì)無(wú)線設(shè)備進(jìn)行充電。另一方面，移動(dòng)邊緣計(jì)算服務(wù)器通過(guò)混合接入點(diǎn)接收車(chē)輛端需要卸載的任務(wù)。完成計(jì)算任務(wù)后，移動(dòng)邊緣計(jì)算服務(wù)器將計(jì)算結(jié)果發(fā)送回車(chē)輛。每個(gè)車(chē)輛中集成了一個(gè)射頻-直流轉(zhuǎn)換器和一個(gè)可充電電池。車(chē)載無(wú)線設(shè)備可以通過(guò)轉(zhuǎn)換模塊將射頻信號(hào)轉(zhuǎn)換為電能，并存儲(chǔ)在電池中。在該系統(tǒng)中，移動(dòng)邊緣計(jì)算服務(wù)器集成了一個(gè)混合接入點(diǎn)(hybrid access point，HAP)，使得WP-MEC系統(tǒng)能夠?qū)崿F(xiàn)許多功能，包括混合接入點(diǎn)向所有車(chē)輛廣播射頻信號(hào)，以及移動(dòng)邊緣計(jì)算服務(wù)器可以通過(guò)混合接入點(diǎn)接收到車(chē)輛端卸載的任務(wù)。

圖1 基于時(shí)分多址協(xié)議的無(wú)線供能移動(dòng)邊緣計(jì)算系統(tǒng)

大多數(shù)物聯(lián)網(wǎng)移動(dòng)智能終端內(nèi)的即時(shí)通訊軟件在使用時(shí)的數(shù)據(jù)流向如圖2所示，終端A將信號(hào)傳輸至終端B，但是信號(hào)首先要傳輸至云端服務(wù)器，然后再經(jīng)其轉(zhuǎn)發(fā)進(jìn)而傳輸至B，與此同時(shí)云端服務(wù)器還會(huì)向A發(fā)送信號(hào)已經(jīng)傳輸至B的指令。該機(jī)制中云端服務(wù)器發(fā)揮著十分重要的樞紐作用，盡管能夠保證信號(hào)傳輸?shù)姆€(wěn)定性，但是在移動(dòng)終端快速發(fā)展的今天，云端服務(wù)器的壓力將會(huì)呈爆炸式增長(zhǎng)，對(duì)于計(jì)算能力的要求也會(huì)越來(lái)越高，這必然會(huì)導(dǎo)致數(shù)據(jù)風(fēng)險(xiǎn)快速增長(zhǎng)。

圖2 即時(shí)通訊軟件數(shù)據(jù)的流向

針對(duì)上述風(fēng)險(xiǎn)，本文建立了面向無(wú)線能量傳輸和無(wú)線信息傳輸?shù)臅r(shí)間塊模型?！笆占缓髠鬏敗眳f(xié)議應(yīng)用于每個(gè)時(shí)間塊。因此，在該模型中，車(chē)輛首先收集能量，然后在每個(gè)時(shí)間塊中執(zhí)行任務(wù)計(jì)算操作。邊緣設(shè)備有兩個(gè)功能：一是進(jìn)行數(shù)據(jù)中轉(zhuǎn)；二是對(duì)數(shù)據(jù)進(jìn)行加密處理。不僅要對(duì)接收的數(shù)據(jù)進(jìn)行加密，對(duì)于發(fā)送的數(shù)據(jù)也要進(jìn)行加密，換而言之，邊緣設(shè)備要對(duì)經(jīng)過(guò)該設(shè)備的所有數(shù)據(jù)都進(jìn)行加密處理，這種方法不僅能夠?yàn)樵贫朔?wù)器減壓，其最大優(yōu)點(diǎn)是能夠保護(hù)數(shù)據(jù)的安全性，防止泄露的發(fā)生。本文使用TΓ表示無(wú)線信息傳輸階段，T(1-Γ) 表示無(wú)線能量傳輸階段。時(shí)間塊T中的無(wú)線信息傳輸階段和無(wú)線能量傳輸階段需滿(mǎn)足式(1)所示的約束條件

T(1-Γ)+T?！躎

(1)

1.2 計(jì)算模型

gi=Ad×(di)-αi∈{1,…,N}

(2)

其中，Ad表示天線增益，α表示路徑損耗指數(shù)，di表示第i個(gè)車(chē)輛Vi和混合接入點(diǎn)之間的距離。設(shè)vi為第i個(gè)車(chē)輛Vi的傳輸功率，σ為噪聲功率，W為帶寬。那么，此時(shí)可獲得第i個(gè)車(chē)輛Vi的上行鏈路卸載速率(比特每秒)，如式(3)所示

(3)

根據(jù)式(3)可計(jì)算得出第i個(gè)車(chē)輛Vi的卸載能力，即第i個(gè)車(chē)輛Vi可卸載的比特?cái)?shù)為

Coff,i=Roff,i×tii∈{1,…,N}

(4)

考慮到移動(dòng)邊緣計(jì)算服務(wù)器的計(jì)算能力限制，任務(wù)卸載能力Coff,i也需滿(mǎn)足如下約束

Coff,i≤MCoff

(5)

其中，MCoff代表著移動(dòng)邊緣計(jì)算服務(wù)器處理車(chē)輛Vi端卸載任務(wù)時(shí)可處理的最大比特?cái)?shù)。那么，此時(shí)可獲得車(chē)輛Vi進(jìn)行任務(wù)卸載的能耗，如式(6)所示

ECoff,i=(vi×ti)+(cp×ti)i∈{1,…,N}

(6)

其中，vi表示車(chē)輛Vi的信號(hào)傳輸功率，cp表示數(shù)模轉(zhuǎn)換器的恒常功率值。

由于本地計(jì)算操作需要在時(shí)間段T內(nèi)進(jìn)行，本文使用lti表示車(chē)輛Vi的本地計(jì)算時(shí)間。其中，lti需滿(mǎn)足一定約束條件，即0

(7)

由于車(chē)輛的計(jì)算資源是有限的，本文使用MCloc,i表示車(chē)輛Vi可以處理的最大比特?cái)?shù)。那么，車(chē)輛Vi的本地計(jì)算能力Cloc,i需要滿(mǎn)足以下約束條件

Cloc,i≤MCloc,i

(8)

根據(jù)式(7)，車(chē)輛Vi本地計(jì)算速率可計(jì)算為

(9)

本地計(jì)算的能耗可以計(jì)算為

(10)

其中，li為車(chē)輛Vi處理器芯片的能效系數(shù)。

1.3 能量收集和消耗模型

本文假設(shè)所有的信道狀態(tài)信息都是已知的。那么，車(chē)輛Vi所獲得的能量就可計(jì)算為

(11)

(12)

bti是在時(shí)間塊T中，車(chē)輛Vi的電池電量水平(即剩余電池電量)。由于車(chē)輛需要維持其射頻信號(hào)接收和能量轉(zhuǎn)換的基本功能，本文設(shè)定電池電量水平bti≥0。 為了保證車(chē)輛Vi能夠連續(xù)工作，車(chē)輛Vi進(jìn)行任務(wù)卸載和進(jìn)行任務(wù)本地計(jì)算的能耗之和ECloc,i+ECoff,i不能超過(guò)車(chē)輛Vi收集的能量和車(chē)輛Vi電池中剩余的能量之和Ei+bti。 那么，車(chē)輛Vi的能耗需滿(mǎn)足以下約束

ECloc,i+ECoff,i≤Eharvest,i+bti

(13)

在此方法中，電池性能主要受兩個(gè)方面影響，即電池充電和電池電量水平。因此，本文從這兩個(gè)方面來(lái)討論電池的性能表現(xiàn)。

(2)電池電量水平：一方面，無(wú)線設(shè)備的電池電量水平與無(wú)線設(shè)備的能耗成反比關(guān)系。主要原因?yàn)?，?dāng)無(wú)線信道增益為gi， 且無(wú)線設(shè)備收集到的能量Eharvest,i為常數(shù)時(shí)，如果無(wú)線設(shè)備的能耗ECloc,i+ECoff,i越高，那么車(chē)載無(wú)線設(shè)備電池的剩余能量越低，即電池電量越低。另一方面，電池電量水平與無(wú)線設(shè)備收集到的能量成正比關(guān)系。主要原因?yàn)?，?dāng)車(chē)載無(wú)線設(shè)備的能耗ECloc,i+ECoff,i為常數(shù)時(shí)，如果無(wú)線設(shè)備收集的能量越多，那么無(wú)線設(shè)備的電池積累的能量越多，電池電量就越高。

1.4 問(wèn)題建模

本文主要研究了能量效率的最大化問(wèn)題。在針對(duì)該最優(yōu)化問(wèn)題建模時(shí)需考慮上行鏈路卸載率、本地計(jì)算速率、所有車(chē)輛的總能耗以及混合接入點(diǎn)的能耗等多個(gè)方面。設(shè)移動(dòng)邊緣計(jì)算服務(wù)器的任務(wù)量占總?cè)蝿?wù)量的比例因子為α， 本地執(zhí)行的任務(wù)量比例因子為β。 基于式(6)、式(10)以及式(12)，無(wú)線供能移動(dòng)邊緣計(jì)算系統(tǒng)的總能耗可建模為

(14)

根據(jù)式(3)和式(9)，無(wú)線供能移動(dòng)邊緣計(jì)算系統(tǒng)的計(jì)算速率為任務(wù)卸載率與本地計(jì)算速率之和，可計(jì)算為

(15)

最后，基于系統(tǒng)計(jì)算速率和系統(tǒng)能耗，本文針對(duì)系統(tǒng)最大能效問(wèn)題進(jìn)行了建模。該最優(yōu)化問(wèn)題與任務(wù)計(jì)算時(shí)間分配、車(chē)輛的本地計(jì)算能力和卸載能力、車(chē)輛獲取得到的能量以及能量消耗等多個(gè)方面有關(guān)。該系統(tǒng)能效最大化問(wèn)題可如式(16)和式(17)所示實(shí)現(xiàn)問(wèn)題模型的建立

(16)

(17)

其中，t=[t1,t2,…,tn]，lt=[lt1,lt2,…,ltn]。C1和C2分別是針對(duì)本地計(jì)算時(shí)間和任務(wù)卸載時(shí)間的約束條件，C3和C4分別是針對(duì)卸載能力和本地計(jì)算能力的時(shí)間約束條件，C5是針對(duì)能量的約束條件。

2 一種系統(tǒng)能量效率最大化算法

由于上述優(yōu)化模型的優(yōu)化目標(biāo)與約束條件之間存在非線性關(guān)系，求解較為困難，故采用模擬退火算法對(duì)優(yōu)化模型進(jìn)行求解。

2.1 建立metropolis準(zhǔn)則

(18)

其中，p為接受當(dāng)前解為最優(yōu)解的概率，可表達(dá)為

(19)

式中：φ為玻爾特茲曼常數(shù)。

2.2 算法流程

算法過(guò)程如算法1所示。

算法1：模擬退火算法

(1)初始化：高溫Tmax=100、 溫度下限Tmin=1

(2)設(shè)當(dāng)前狀態(tài)處于最高溫，即T(k)=100

(4) 將S1={α1,β1} 賦值給最佳解S*={α*,β*}

(5) 初始化當(dāng)前溫度下的迭代次數(shù)L=100

接受當(dāng)前解為最優(yōu)解，并將S′={α′,β′} 賦值給最佳解S*={α*,β*};

Else

以metropolis準(zhǔn)則中的概率p接受S′={α′,β′} 作為當(dāng)前最優(yōu)解

End if

Ifm=L

End if

Else 返回(6)

(8)T(k+1)≤αT(k)

IfT(k+1)≤Tmin

End if

Else 返回(6)

3 仿真實(shí)驗(yàn)

在這一章中，本文進(jìn)行了仿真模擬實(shí)驗(yàn)，并根據(jù)仿真模擬實(shí)驗(yàn)結(jié)果對(duì)本文提出的算法進(jìn)行了性能評(píng)估。

3.1 基準(zhǔn)算法和參數(shù)設(shè)置

以下4種算法作為該算法的基準(zhǔn)算法：

(1)全卸載模式：無(wú)線設(shè)備只能利用將計(jì)算任務(wù)卸載到移動(dòng)邊緣計(jì)算服務(wù)器進(jìn)而完成其計(jì)算任務(wù)。

(2)僅本地計(jì)算模式：無(wú)線設(shè)備僅選擇在本地執(zhí)行任務(wù)計(jì)算。

(3)文獻(xiàn)[15]提出的蟻群優(yōu)化算法(ant colony optimization，ACO)，該算法是一種聯(lián)合卸載選擇策略和計(jì)算資源分配策略的優(yōu)化方法。

(4)文獻(xiàn)[17]所嘗試的基于遺傳算法中的卸載策略。這種算法就是通過(guò)對(duì)不同車(chē)速需求、不同MEC覆蓋需求等分配不同的優(yōu)先級(jí)，再對(duì)不同優(yōu)先級(jí)設(shè)置相應(yīng)的權(quán)重，該方法經(jīng)驗(yàn)證效果較好。

本次仿真模擬實(shí)驗(yàn)的系統(tǒng)參數(shù)設(shè)置具體見(jiàn)表1。

表1 系統(tǒng)參數(shù)設(shè)置

3.2 仿真實(shí)驗(yàn)結(jié)果

3.2.1 系統(tǒng)能量效率性能對(duì)比

如圖3所示，本文通過(guò)改變N的值來(lái)研究不同的車(chē)輛數(shù)量對(duì)系統(tǒng)能量效率的影響。如圖3所示，與全卸載模式、僅本地計(jì)算模式相比，所提策略的系統(tǒng)能量效率比上述兩種模式均提高了15%以上。在3種模式中，系統(tǒng)能量效率都隨著N的增加而增加。這是因?yàn)镹的增加意味著在任務(wù)計(jì)算過(guò)程中涉及的車(chē)輛越多，從而導(dǎo)致系統(tǒng)能量效率的增加。

圖3 不同的車(chē)輛數(shù)量對(duì)系統(tǒng)能量效率的影響

如圖4所示，本文通過(guò)改變tp的值來(lái)研究不同的混合接入點(diǎn)傳輸功率tp對(duì)系統(tǒng)能量效率的影響。從圖4中可知，與全卸載模式、僅本地計(jì)算模式相比，所提策略的系統(tǒng)能量效率比上述兩種模式均提高了20%以上。此外，在3種模式中，系統(tǒng)能量效率都隨著tp的增加而增加。主要原因?yàn)椋?dāng)tp越高時(shí)，車(chē)輛Vi收集到的能量越多，使得車(chē)輛有足夠的能量來(lái)執(zhí)行任務(wù)計(jì)算，從而提高了系統(tǒng)的能量效率。

圖4 不同的混合接入點(diǎn)傳輸功率對(duì)系統(tǒng)能量效率的影響

圖5 混合接入點(diǎn)與車(chē)輛之間不同的平均距離對(duì)系統(tǒng)能量效率的影響

如圖6所示，本文通過(guò)改變tp的值來(lái)研究了不同的混合接入點(diǎn)傳輸功率tp對(duì)平均電池電量的影響。從圖6中可知，所提策略的平均電池電量比全卸載模式、僅本地計(jì)算模式的平均電池電量分別高了40%以上。在3種模式中，平均電池電量都隨著tp的增加而增加。這是因?yàn)楦鶕?jù)式(3)，當(dāng)tp的值越高時(shí)，車(chē)輛收集到的能量越多，因此車(chē)輛電池中剩余的能量也就越多。

圖6 不同的混合接入點(diǎn)傳輸功率對(duì)平均電池電量的影響

如圖7所示，本文通過(guò)改變dA的值來(lái)研究了混合接入點(diǎn)與車(chē)輛之間的平均距離dA對(duì)平均電池電量的影響。從圖7中可知，所提策略的平均電池電量比全卸載模式的平均電池電量分別高了20%以上。當(dāng)距離小于7.5 m時(shí)，所提策略的平均電池電量比僅本地計(jì)算模式高20%以上；而當(dāng)距離大于6.5 m時(shí)，鎖頭策略的平均電池電量比僅本地計(jì)算模式低10%左右。在3種模式中，平均電池電量都隨著dA的增加而降低。這主要是因?yàn)閐A的增加使得下行鏈路的能量傳輸信道情況變差。即根據(jù)式(2)和式(3)，距離的增加降低了信道增益gi， 從而使得車(chē)輛可獲得的能量減少，最終導(dǎo)致平均電池電量的降低。

圖7 不同的距離對(duì)平均電池電量的影響

3.2.2 時(shí)延性能對(duì)比

圖8描述的是不同車(chē)輛數(shù)量下幾種方法的系統(tǒng)平均時(shí)延變化情況?？梢钥吹诫S著車(chē)輛數(shù)量增加，5種方法的系統(tǒng)平均時(shí)延都在不斷增大。由于為所提策略在任務(wù)卸載過(guò)程中，采用時(shí)分多址協(xié)議來(lái)協(xié)調(diào)多個(gè)車(chē)輛的任務(wù)卸載。這種方法不僅緩解了云端服務(wù)器的通信壓力。因此相較于對(duì)比方法，所提算法系統(tǒng)時(shí)延更低。所提寫(xiě)略能夠以最優(yōu)的卸載決定和卸載率進(jìn)行任務(wù)卸載，避免了擁塞情況下的額外時(shí)延開(kāi)銷(xiāo)，有效地降低了系統(tǒng)時(shí)延。

圖8 不同車(chē)輛數(shù)量下的系統(tǒng)平均時(shí)延

4 結(jié)束語(yǔ)

提出了一種具有隱私保護(hù)的車(chē)聯(lián)網(wǎng)邊緣計(jì)算任務(wù)卸載資源分配策略。本文以移動(dòng)邊緣計(jì)算技術(shù)為基礎(chǔ)，研究了基于計(jì)算時(shí)間分配、能耗、本地計(jì)算能力和卸載計(jì)算能力多方面的聯(lián)合優(yōu)化問(wèn)題。此外，為解決這一優(yōu)化問(wèn)題，提出了一種基于模擬退火算法的最優(yōu)化算法。仿真模擬實(shí)驗(yàn)結(jié)果表明，提出的算法在能量效率方面的表現(xiàn)優(yōu)于其它基準(zhǔn)算法。提出的算法的預(yù)期用途是在無(wú)線供能移動(dòng)邊緣計(jì)算系統(tǒng)的實(shí)際應(yīng)用場(chǎng)景中提高車(chē)輛的計(jì)算性能。

今后的研究工作將繼續(xù)從以下幾個(gè)方面進(jìn)行：

(1)從更多方面對(duì)本文提出的算法進(jìn)行評(píng)估。即除了本文使用的評(píng)估指標(biāo)(系統(tǒng)能量效率)外，還將增加更多的測(cè)試評(píng)估指標(biāo)，如能耗和系統(tǒng)吞吐量等。

(2)通過(guò)將本文所提出的算法應(yīng)用于實(shí)際應(yīng)用場(chǎng)景以測(cè)試其實(shí)際性能?？梢詫⒂?jì)算任務(wù)卸載到移動(dòng)邊緣計(jì)算服務(wù)器上進(jìn)行任務(wù)處理，同時(shí)智能家居設(shè)備可以收集來(lái)自混合接入點(diǎn)的射頻能量。那么，通過(guò)以上部署可以將本文所提出的算法集成到這些網(wǎng)絡(luò)設(shè)備中，從而運(yùn)行該系統(tǒng)并測(cè)試其實(shí)際性能。