邊緣計算網(wǎng)絡(luò)中低能耗算法分析

龍 舉 雷 燕 李子清 潘夢琪 薛 丹

（重慶郵電大學(xué)通信與信息工程學(xué)院 重慶 400065）

一、引言

邊緣計算（Mobile Edge Computing， MEC） 技術(shù)是當(dāng)前計算領(lǐng)域研究的熱點(diǎn)之一，在移動網(wǎng)絡(luò)中邊緣計算的研究對于移動網(wǎng)絡(luò)的發(fā)展也起著非常重要的作用。近年來電子技術(shù)的不斷發(fā)展使得智能移動終端發(fā)展迅速，應(yīng)用也越來越廣泛。然而移動終端的計算能力是有限的，這就會導(dǎo)致在單個移動終端上在大量計算，并且要求時間短的情況下較難完成。而邊緣計算卻可以利用網(wǎng)絡(luò)中的資源完成相應(yīng)的計算，從而提升網(wǎng)絡(luò)性能[1]。

移動節(jié)點(diǎn)中如何降低能耗是非常有意義的，因此在邊緣計算網(wǎng)絡(luò)中，如何設(shè)計低能耗的算法，降低節(jié)點(diǎn)的能耗就是非常有意義的課題，目前針對邊緣計算網(wǎng)絡(luò)中降低能耗的技術(shù)很多，對這些問題進(jìn)行分析研究，對這些技術(shù)中的優(yōu)略進(jìn)行分析，這對邊緣計算技術(shù)的發(fā)展就成為一個有意義的工作。

二、低能耗卸載算法分析

針對低能耗的卸載算法可以分為三類：基于微蜂窩卸載任務(wù)低能耗算法、基于DNNs結(jié)構(gòu)能耗優(yōu)化算法、多核服務(wù)器最優(yōu)任務(wù)卸載算法。接下來將對這三類技術(shù)進(jìn)行對比研究。

（一）微蜂窩基站間任務(wù)卸載模型

移動邊緣計算中，智能移動設(shè)備（SMD）可選擇將部分本地任務(wù)上傳到云端處理，以降低SMD本身的能耗，提高任務(wù)處理的實時性。通過微蜂窩基站間任務(wù)卸載模型在靠近用戶的區(qū)域內(nèi)布置微蜂窩基站為SMD提供任務(wù)卸載服務(wù)。

該類技術(shù)的優(yōu)點(diǎn)是：該算法有效降低微蜂窩基站處理任務(wù)的能耗，能夠確定卸載任務(wù)分量，聯(lián)合微蜂窩基站無線通訊范圍內(nèi)的其他基站協(xié)作處理任務(wù)，有效降低整個處理任務(wù)的能量消耗[2]。

該類技術(shù)的缺點(diǎn)：單位任務(wù)處理時限會對微蜂窩基站協(xié)作任務(wù)處理能耗產(chǎn)生影響。單位任務(wù)處理量處理時間的時限要求越大，任務(wù)在微蜂窩基站上處理的運(yùn)算頻率就越低。

（二）基于DNNs結(jié)構(gòu)低能耗優(yōu)化算法

首先根據(jù)DNNs結(jié)構(gòu)對其計算機(jī)任務(wù)進(jìn)行建模，以神經(jīng)網(wǎng)絡(luò)層為單位，對計算任務(wù)之間的依賴關(guān)系進(jìn)行描述，然后說明神經(jīng)網(wǎng)絡(luò)層計算任務(wù)的負(fù)載模型。根據(jù)DNNs結(jié)構(gòu)，將以神經(jīng)網(wǎng)絡(luò)層為單位拆分的計算機(jī)任務(wù)建模為一個DAG，表示為G=(V∪{ }，E)。其中：V=（ ）代表頂點(diǎn)集合， 代表DNNs層總數(shù)。不同頂點(diǎn)表示不同神經(jīng)網(wǎng)絡(luò)層的計算任務(wù)，各神經(jīng)網(wǎng)絡(luò)層的計算任務(wù)是不可分割的，只能在同一個計算資源上處理。添加輸入頂點(diǎn) 和輸出終點(diǎn) 表示DNNs的起點(diǎn)和終點(diǎn)。E代表有向邊集合，每條邊 =（ ）代表各DNNs層計算任務(wù)的依賴關(guān)系。

基于DNNs特點(diǎn)，提出移動邊緣計算環(huán)境中基于多重資源任務(wù)卸載的粒子群優(yōu)化調(diào)度算法MRPSO。MRPSO算法先初始化調(diào)度方案、粒子搜索速度以及任務(wù)卸載決策，且計算每個粒子對應(yīng)的初始調(diào)度方案的總時間、總能耗和適應(yīng)度值，然后進(jìn)入算法迭代，更新所以粒子對應(yīng)任務(wù)卸載決策與調(diào)度方案。

本類技術(shù)的優(yōu)點(diǎn)：對于DNNs來說，只要網(wǎng)絡(luò)結(jié)構(gòu)確定，在不實際執(zhí)行神經(jīng)網(wǎng)絡(luò)的情況下能估計出其執(zhí)行的時間。使用粒子群調(diào)度算法（MRPSO算法），可以將DNNs各層的計算任務(wù)動態(tài)分配給相應(yīng)的執(zhí)行資源。與已有算法相比，MPRSO算法所得適應(yīng)度最低，在用戶時間約束下，終端設(shè)備能耗最少。

本類缺點(diǎn)：本節(jié)計算機(jī)速度和網(wǎng)絡(luò)帶寬都是固定值，而在實際過程中計算機(jī)速度和網(wǎng)絡(luò)帶寬都會有波動，會對DNNs真實執(zhí)行時間造成影響

（三）多核服務(wù)器邊緣計算卸載調(diào)度

本節(jié)研究的是單用戶多核服務(wù)器的MEC系統(tǒng)。該系統(tǒng)有一個用戶和具有多核處理能力的MEC服務(wù)器。用戶側(cè)有多個獨(dú)立可卸載的計算機(jī)任務(wù)，并且這些任務(wù)可并行地卸載和執(zhí)行。MEC服務(wù)器是運(yùn)營商部署在無線接入點(diǎn)附近的小型數(shù)據(jù)中心，因此其可通過無線信道與移動設(shè)備連接，執(zhí)行移動設(shè)備卸載的計算任務(wù)。首先，基于混合流水車間調(diào)度模型對系統(tǒng)任務(wù)的卸載調(diào)度進(jìn)行了建模，獲得了系統(tǒng)時延的計算表達(dá)式，并在此基礎(chǔ)上對系統(tǒng)能耗進(jìn)行了建模；其次，利用混合編碼方式的遺傳算法，對系統(tǒng)時延和能耗的加權(quán)和最小化問題進(jìn)行了求解，確定了最優(yōu)的任務(wù)卸載調(diào)度策略和系統(tǒng)時延與能耗間的權(quán)衡關(guān)系。

優(yōu)點(diǎn)：采用該任務(wù)卸載策略可以顯著地減少系統(tǒng)時延，并且通過系統(tǒng)能耗和時延成反比地關(guān)系，在不斷增加時延的條件下找到了一種節(jié)能的方式[3]。

缺點(diǎn)：由于系統(tǒng)能耗與網(wǎng)絡(luò)時延成反比，在找到最低能耗時，網(wǎng)絡(luò)時延未必最低，做不到兩者兼顧。

三、結(jié)束語

邊緣計算中的能耗是其中的關(guān)鍵問題之一，從能耗的角度出發(fā)，對現(xiàn)有的三種最具代表性的算法與模型進(jìn)行理論分析，通過分析得出，基于微蜂窩低能運(yùn)算卸載算法中，微蜂窩基站數(shù)目對節(jié)能效果有影響；基于DNNs神經(jīng)網(wǎng)絡(luò)低能耗卸載算法快與否也與神經(jīng)網(wǎng)絡(luò)層次劃分密切相關(guān)；而在多核服務(wù)器邊緣計算卸載算法中，系統(tǒng)能耗與系統(tǒng)時延有很大關(guān)系。這為上述三類邊緣計算應(yīng)用提供了指導(dǎo)與參考。