基于SWIPT的D2D通信輔助移動(dòng)邊緣計(jì)算任務(wù)卸載策略*

杜利俊,李陶深,2**,黃翊芯,漆治君

(1.廣西大學(xué)計(jì)算機(jī)與電子信息學(xué)院,廣西南寧 530004;2.南寧學(xué)院,中國-東盟綜合交通國際聯(lián)合實(shí)驗(yàn)室,廣西南寧 530200)

在傳統(tǒng)的蜂窩網(wǎng)絡(luò)中,隨著計(jì)算密集型移動(dòng)應(yīng)用的激增,用戶的服務(wù)請求隨之增加。為了有效滿足移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)高速發(fā)展所需的高回傳帶寬、低能耗的要求,業(yè)界提出了移動(dòng)邊緣計(jì)算(Mobile Edge Computation,MEC)技術(shù)[1]。MEC技術(shù)的特點(diǎn)是將遠(yuǎn)端云的網(wǎng)絡(luò)資源下沉至網(wǎng)絡(luò)邊緣,使用戶可以近距離地使用邊緣節(jié)點(diǎn)的網(wǎng)絡(luò)資源。在一些應(yīng)用場景(如增強(qiáng)/虛擬現(xiàn)實(shí)、動(dòng)態(tài)內(nèi)容交付、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)等)中,人們在蜂窩網(wǎng)絡(luò)邊緣部署MEC服務(wù)器,將移動(dòng)設(shè)備中的計(jì)算任務(wù)卸載到MEC服務(wù)器上進(jìn)行存儲(chǔ)、計(jì)算,從而解決移動(dòng)設(shè)備在資源存儲(chǔ)、計(jì)算性能以及能效等方面的不足。任務(wù)卸載作為MEC中關(guān)鍵技術(shù)之一,可以將資源受限的移動(dòng)設(shè)備部分或者全部任務(wù)交給云計(jì)算環(huán)境處理,從而降低能耗,提高任務(wù)執(zhí)行效率。

目前,MEC任務(wù)卸載重點(diǎn)研究3種卸載決策:本地執(zhí)行、完全卸載和部分卸載。其中,本地執(zhí)行是移動(dòng)設(shè)備在本地執(zhí)行任務(wù),需要消耗設(shè)備本身資源和能量;完全卸載即二進(jìn)制卸載則是將任務(wù)全部卸載到資源充足的服務(wù)器或移動(dòng)設(shè)備上;部分卸載是按照一定的策略將一部分任務(wù)卸載到服務(wù)器執(zhí)行,一部分則在本地執(zhí)行。已有研究提出以降低能量消耗為目標(biāo)的卸載策略[2-5]。You等[2,3]考慮了由多個(gè)用戶組成的MEC卸載系統(tǒng)的資源分配問題,并進(jìn)一步研究了基于時(shí)分多址(Time Division Multiple Access,TDMA)和正交頻分多址(Orthogonal Frequency Division Multiple Access,OFDMA)的多用戶MEC卸載系統(tǒng)的資源分配問題,采用優(yōu)先級與閾值相比較的方法決定卸載策略。Ali等[4]基于深度學(xué)習(xí)的智能決策算法,提出了一種新穎的、基于高效節(jié)能深度學(xué)習(xí)的卸載方案。薛建彬等[5]針對一對多的廣播系統(tǒng)任務(wù)分配問題,設(shè)計(jì)了一種基于拉格朗日乘子法的任務(wù)分配優(yōu)化算法,對用戶本身和不同參數(shù)的接入點(diǎn)進(jìn)行合理的任務(wù)分配,以聯(lián)合優(yōu)化任務(wù)分配和執(zhí)行時(shí)延,實(shí)現(xiàn)系統(tǒng)開銷最小化。

MEC任務(wù)卸載使得任務(wù)執(zhí)行性能增強(qiáng),但是當(dāng)多個(gè)移動(dòng)用戶設(shè)備同一時(shí)刻卸載任務(wù)到服務(wù)器時(shí),MEC服務(wù)器上可能會(huì)發(fā)生資源爭用的問題;同時(shí),當(dāng)移動(dòng)設(shè)備遠(yuǎn)離基站時(shí),設(shè)備自身資源不足,任務(wù)也不能卸載到基站。設(shè)備間(Device to Device,D2D)通信技術(shù)被認(rèn)為是應(yīng)對上述問題有效的技術(shù)。D2D通信技術(shù)是指通信網(wǎng)絡(luò)中鄰近設(shè)備之間直接交換信息的技術(shù),可以降低通信系統(tǒng)中核心網(wǎng)絡(luò)的數(shù)據(jù)壓力,提高頻譜效率和吞吐量。近年來,D2D通信技術(shù)和MEC技術(shù)的結(jié)合應(yīng)用在提高蜂窩網(wǎng)絡(luò)頻譜效率和能源效率方面得到了廣泛的研究。Chai等[6]研究了一個(gè)蜂窩-D2D-MEC系統(tǒng)任務(wù)執(zhí)行代價(jià)最小化問題,提出一個(gè)聯(lián)合任務(wù)管理體系來實(shí)現(xiàn)高效的信息交互和任務(wù)管理?？紤]利用鄰近策略來支持高速移動(dòng)計(jì)算和高速數(shù)據(jù)通信,He等[7]結(jié)合MEC和D2D通信技術(shù)來提高蜂窩網(wǎng)絡(luò)的計(jì)算能力,最大限度地提高支持設(shè)備任務(wù)執(zhí)行的數(shù)量。Kai等[8]研究了D2D通信輔助MEC網(wǎng)絡(luò)中計(jì)算聯(lián)合資源管理問題,通過D2D通信顯著增加了MEC網(wǎng)絡(luò)中執(zhí)行的任務(wù)數(shù),且大大降低了每個(gè)執(zhí)行任務(wù)的能耗。上述研究專注于移動(dòng)設(shè)備的能效,并未考慮利用無線攜能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)技術(shù)同時(shí)給移動(dòng)設(shè)備傳輸信息和提供能量的特點(diǎn),從而在滿足移動(dòng)設(shè)備所需能源供應(yīng)的同時(shí)提高實(shí)時(shí)計(jì)算能力。

由于移動(dòng)設(shè)備電池容量有限,在沒有電源的情況下移動(dòng)設(shè)備無法長時(shí)間工作。傳統(tǒng)的移動(dòng)設(shè)備由普通的電池供電,在使用中需要頻繁更換電池或充電,使得這些設(shè)備在無線通信過程中常常發(fā)生任務(wù)處理中斷,一方面給設(shè)備通信帶來不必要的麻煩,另一方面會(huì)產(chǎn)生昂貴的電池更換成本,給環(huán)境帶來巨大的污染?；谏漕l(Radio Frequency,RF)信號的SWIPT技術(shù)可以對RF信號進(jìn)行能量收集(Energy Harvesting,EH),具有更高的可控性和穩(wěn)定性[9]?；赟WIPT技術(shù)的EH設(shè)備有兩種接收機(jī)模式,即時(shí)間切換(Time Switching,TS)和功率分流(Power Splitting,PS)[10]。TS模式下的EH和信息解碼(Information Decoding,ID)處于不同時(shí)隙;PS模式則將接收到的信號分成不同功率信號,同時(shí)進(jìn)行EH和ID。這兩種接收模式使SWIPT技術(shù)能夠應(yīng)用于各種MEC網(wǎng)絡(luò),克服網(wǎng)絡(luò)中移動(dòng)用戶的電池性能瓶頸。目前已有將SWIPT技術(shù)應(yīng)用到MEC系統(tǒng)中的研究,Wen等[11]提出了一個(gè)基于多輸入多輸出(Multiple Input Multiple Output,MIMO)全雙工中繼的SWIPT-MEC系統(tǒng),在保證移動(dòng)用戶能量充足的情況下降低系統(tǒng)總能耗。與之不同的是,Chen等[12]提出的框架中沒有中繼節(jié)點(diǎn),將資源分配作為一個(gè)聯(lián)合的非線性優(yōu)化問題,以期達(dá)到最小化系統(tǒng)總能耗的目標(biāo)。Fu等[13,14]針對車聯(lián)網(wǎng)和衛(wèi)星物聯(lián)網(wǎng)兩個(gè)場景,模擬單個(gè)部署有MEC服務(wù)器的基站與多個(gè)用戶之間的無線通信過程,其中車聯(lián)網(wǎng)場景的研究目標(biāo)是最小化設(shè)備的能耗,而衛(wèi)星物聯(lián)網(wǎng)場景則是最大化終端的上行傳輸速率。上述研究主要考慮將任務(wù)卸載到MEC服務(wù)器,然而,隨著應(yīng)用場景的不斷豐富,在最大可容忍時(shí)延約束下MEC服務(wù)器的計(jì)算資源將無法滿足大量的計(jì)算需求。

目前將MEC技術(shù)和SWIPT技術(shù)結(jié)合,可在一定范圍內(nèi)實(shí)現(xiàn)通信網(wǎng)絡(luò)系統(tǒng)的增益,解決通信系統(tǒng)中移動(dòng)用戶計(jì)算能力不足以及無線資源缺乏問題,提高系統(tǒng)的計(jì)算能力和續(xù)航能力?？紤]到大量計(jì)算密集型任務(wù)卸載到MEC服務(wù)器可能會(huì)發(fā)生資源爭用,可以借助D2D通信將任務(wù)卸載給鄰近設(shè)備,從而緩解MEC服務(wù)器的計(jì)算壓力。本文構(gòu)建一個(gè)基于SWIPT的多用戶D2D通信輔助的MEC系統(tǒng)模型,采用SWIPT技術(shù)將基站的RF信號傳輸給移動(dòng)用戶,移動(dòng)用戶均配置PS接收機(jī)對接收的RF信號進(jìn)行信息解碼和能量收集;同時(shí),提出一種D2D-MEC聯(lián)合任務(wù)卸載策略,該策略采用二進(jìn)制卸載模式,移動(dòng)用戶可以選擇本地執(zhí)行、MEC卸載和D2D卸載3種策略中的任意1種,擬通過聯(lián)合優(yōu)化功率分配和任務(wù)卸載問題,實(shí)現(xiàn)請求用戶總能耗最小化的目標(biāo)。

1 系統(tǒng)模型

圖1 基于SWIPT的多用戶D2D通信輔助的MEC系統(tǒng)

系統(tǒng)中每個(gè)請求用戶RUi(i=1,2,…,N)既可以與基站建立蜂窩鏈路,也可以與一個(gè)且僅一個(gè)鄰近的服務(wù)用戶SUj(j=1,2,…,M)建立D2D通信鏈路。RUs既可以通過蜂窩鏈路將計(jì)算任務(wù)卸載到MEC服務(wù)器,也可以通過D2D通信鏈路將計(jì)算任務(wù)卸載到某些性能相對較高且空閑的SUs上,SUs為鄰近的請求用戶提供D2D卸載服務(wù)。總的來說,RUi可以在3種模式下執(zhí)行任務(wù),即本地執(zhí)行、MEC卸載、D2D卸載,不能接收其他用戶的任務(wù)進(jìn)行求解。為了保證執(zhí)行任務(wù)的安全性,假設(shè)RUi的任務(wù)不可拆分,每個(gè)任務(wù)只能選擇一種計(jì)算模式執(zhí)行。由于MEC服務(wù)器的計(jì)算資源豐富,任務(wù)優(yōu)先選擇MEC卸載模式,只有當(dāng)MEC服務(wù)器在最大可容忍時(shí)延內(nèi)執(zhí)行的任務(wù)達(dá)到上限時(shí),再考慮選擇D2D卸載模式;當(dāng)所有服務(wù)用戶都被占用時(shí),最后考慮在本地執(zhí)行。

BS配有多輸入多輸出天線、強(qiáng)大的計(jì)算芯片和充電設(shè)備[15]。在該系統(tǒng)中,為了最大限度地?cái)U(kuò)大蜂窩網(wǎng)絡(luò)待執(zhí)行計(jì)算密集型任務(wù)的設(shè)備范圍,它需要在最大可容忍時(shí)延下處理RUs上傳的所有計(jì)算任務(wù),然后通過子信道返回計(jì)算結(jié)果和能量。

1.1 能量收集模型

為了保證系統(tǒng)中每個(gè)移動(dòng)用戶(Mobile Users,MUs)不會(huì)因能量不足而造成任務(wù)執(zhí)行中斷,假設(shè)每個(gè)MU都配備了一個(gè)PS接收機(jī),PS接收機(jī)將基站傳輸?shù)纳漕l信號按照一定的比率分成兩個(gè)不同的功率流,接收信號的ρ部分用于能量收集,(1-ρ)部分用于信息解碼[16],功率分流架構(gòu)如圖2所示。為了保證終端的功率不被消耗,本文采用下行最大功率向終端傳輸能量。

圖2 SWIPT中的功率分流架構(gòu)

MUk(k=1,2,…,N+M)接收到的最大能量[6]可以表示為

(1)

1.2 任務(wù)執(zhí)行模型

為了降低請求用戶總能耗,RUi可以采取3種任務(wù)執(zhí)行模式中的任意1種,任務(wù)執(zhí)行模型如圖3所示。

圖3 任務(wù)執(zhí)行模型

1.2.1 本地執(zhí)行

(2)

式(2)中,Di表示完成任務(wù)所需的計(jì)算資源量,Fi表示RUi的計(jì)算能力(1≤i≤N)。本文中,RUi、SUj和MEC服務(wù)器的計(jì)算能力被定義為設(shè)備或服務(wù)器的CPU運(yùn)行頻率。

RUi本地執(zhí)行任務(wù)消耗的能量為[13]

(3)

式(3)中,κ表示與設(shè)備的CPU性能相關(guān)的有效開關(guān)電容。

1.2.2 MEC卸載執(zhí)行

在MEC卸載模式下執(zhí)行任務(wù),完成任務(wù)的總時(shí)間包括任務(wù)上傳時(shí)延、MEC服務(wù)器中任務(wù)執(zhí)行時(shí)延以及基站將計(jì)算結(jié)果回傳給RUi的時(shí)延。

(4)

(5)

(6)

(7)

式(7)中,θi∈[0,1],表示任務(wù)卸載到MEC服務(wù)器時(shí)分配給RUi的計(jì)算能力系數(shù),Fmec為MEC服務(wù)器的計(jì)算能力。

RUi在MEC卸載模式下的傳輸能耗可以用上行傳輸功率與輸入數(shù)據(jù)的大小的乘積與數(shù)據(jù)傳輸速率之比表示:

(8)

本文假設(shè)RUi自身由于信號處理而產(chǎn)生的能量消耗可以忽略,這里只研究RUi將其任務(wù)傳輸?shù)組EC服務(wù)器而產(chǎn)生的能量消耗。

1.2.3 D2D卸載執(zhí)行

(9)

(10)

(11)

(12)

RUi上傳任務(wù)到SUj的傳輸能耗為

(13)

SUj執(zhí)行RUi上傳任務(wù)所消耗的能量為

(14)

2 問題描述與優(yōu)化求解

在上述系統(tǒng)模型的基礎(chǔ)上,本文提出一種具有一系列必要約束條件的聯(lián)合優(yōu)化功率分配和任務(wù)卸載的請求用戶總能耗最小化問題。

2.1 優(yōu)化約束

為了解決聯(lián)合優(yōu)化功率分配和任務(wù)卸載問題,使得請求用戶總能耗最小,需要考慮一系列優(yōu)化約束條件。

(15)

受傳輸和計(jì)算資源的限制,本文假設(shè)一個(gè)請求用戶只能向一個(gè)服務(wù)用戶發(fā)送D2D卸載服務(wù),即

(16)

(17)

(18)

(19)

為了提高用戶的續(xù)航能力,所有移動(dòng)用戶通過SWIPT技術(shù)收集的能量必須大于其自身消耗的能量[18],具體約束表示為

(20)

(21)

在最大可容忍時(shí)延內(nèi)所有RUs同時(shí)進(jìn)行計(jì)算,系統(tǒng)總時(shí)延不超過Tmax,即

(22)

2.2 問題描述

本文的目標(biāo)是在最大可容忍時(shí)延內(nèi),確保全部請求用戶的計(jì)算任務(wù)能夠成功計(jì)算的情況下,最小化請求用戶總能耗。每個(gè)RU的能耗可能包括本地執(zhí)行能耗、MEC卸載傳輸能耗、D2D卸載傳輸能耗。為了求解該數(shù)學(xué)問題,通過數(shù)學(xué)表達(dá)式得到目標(biāo)函數(shù)Etotal為

(23)

根據(jù)上述目標(biāo)函數(shù)和優(yōu)化約束條件,基于請求用戶能耗最小化的聯(lián)合任務(wù)卸載和功率分配優(yōu)化問題可以表述為

(24)

2.3 問題求解

針對優(yōu)化問題P1,本文求解的思路如下:首先根據(jù)整數(shù)變量和實(shí)數(shù)變量將原問題解耦為兩個(gè)子問題,即功率分配子問題和任務(wù)卸載子問題,然后再分別求解。

2.3.1 求解功率分配子問題

(25)

上述問題是一個(gè)非線性分?jǐn)?shù)規(guī)劃問題,是非凸的,同樣很難直接獲得最優(yōu)解。本文利用典型的Dinkelbach方法[17]對非線性分?jǐn)?shù)規(guī)劃問題進(jìn)行求解,提出最優(yōu)的功率分配方案。為了方便后文分析,記為

(26)

(27)

令F(pmec,μ)=f(pmec)-μg(pmec),其中μ為一個(gè)正的參數(shù)因子,pmec為總傳輸功率?；趦?yōu)化問題P2.1a,形成一個(gè)新的優(yōu)化問題:

(28)

根據(jù)Ghazi等[19]給定的定理,通過實(shí)現(xiàn)F(μ)=0,可以證明優(yōu)化目標(biāo)P2.1a可以等價(jià)于P2.1a*。f(pmec),g(pmec)是連續(xù)函數(shù)和實(shí)值函數(shù),且g(pmec)通常大于0;pmec∈S,其中S是優(yōu)化問題P2.1a和P2.1a*中參數(shù)pmec的定義域。下面給出使用Dinkelbach方法的具體過程。

基于Dinkelbach方法求解功率分配子問題的算法步驟如下。

步驟2:決定

μig(pmec)}}。

(29)

其中l(wèi)b表示以2為底的對數(shù)。

子問題P2.1a*的最優(yōu)解決方案能夠通過解決如下非約束的最小值問題來估計(jì):

minΨv(pmec)=-vF(pmec,μ)+φ(pmec),

(30)

(31)

2.3.2 求解任務(wù)卸載子問題

(32)

鑒于任務(wù)的不可拆分性,任務(wù)只能選擇3種卸載模式中的1種。為了減少RUs的能耗,優(yōu)先考慮卸載計(jì)算。注意這里一個(gè)服務(wù)用戶只能與一個(gè)請求用戶建立D2D通信鏈接進(jìn)行卸載計(jì)算。式(32)中的優(yōu)化問題就可以變成二部圖中的一對一匹配問題,可以用匈牙利算法[21]求解。

為了解決問題P2.2,本文將優(yōu)化問題P2.1(包含P2.1a和P2.1b兩個(gè)子問題)映射為一個(gè)完全加權(quán)二部圖G0=(V1,V2,E,W),V1和V2表示頂點(diǎn)集合,其中V1表示由還未確定卸載模式的剩余RUs組成的集合,V2表示由各種任務(wù)卸載模式組成的集合。E={e(v1,v2)}表示V1中的一個(gè)頂點(diǎn)v1到V2中的一個(gè)頂點(diǎn)v2之間邊的集合,W={w(v1,v2)}表示邊e(v1,v2)∈E的權(quán)重,即給定不同卸載模式下RUs能量消耗的最小值。

基于匈牙利算法求解任務(wù)卸載子問題的算法步驟如下。

步驟1:找到一個(gè)初始可行頂點(diǎn)標(biāo)記為l(v1)。

步驟3:如果H是最優(yōu)匹配,則求解式(32)中的優(yōu)化問題;否則,在Gl0中選擇H未被分配的標(biāo)簽。令P=V1,T=ψ,ψ表示空集。

(33)

步驟5:用l′(v1)替換l(v1),返回步驟2。

能耗最小化任務(wù)卸載算法的具體過程描述如下:

算法1能耗最小化任務(wù)卸載算法

輸入:Wb,Wd,σ2

Etotal,*

3. 將P1轉(zhuǎn)化為P2.1a;

4. 根據(jù)Dinkelbach方法,將P2.1a轉(zhuǎn)化為

P2.1a*;

7. 將P1轉(zhuǎn)化為P2.1b;

9.end if

3 仿真實(shí)驗(yàn)與結(jié)果分析

設(shè)置3個(gè)基準(zhǔn)策略與本文所提策略進(jìn)行對比實(shí)驗(yàn),即本地執(zhí)行、MEC卸載策略和D2D卸載策略(圖中簡稱MEC卸載和D2D卸載)。MEC卸載策略表示任務(wù)執(zhí)行僅依靠本地執(zhí)行和MEC卸載模式執(zhí)行;D2D卸載策略表示任務(wù)執(zhí)行僅依靠本地執(zhí)行和D2D卸載模式執(zhí)行;而本文所提策略則是本地執(zhí)行、MEC卸載、D2D卸載3種模式聯(lián)合執(zhí)行。分別給出不同的請求用戶數(shù)量、噪聲功率、BS的信道帶寬等,觀察本文策略以及3個(gè)基準(zhǔn)策略RUs總能耗的變化情況,分析本文所提出的任務(wù)卸載策略的性能及有效性。

第一個(gè)實(shí)驗(yàn)是觀察不同的請求用戶數(shù)量N對RUs總能耗的影響,實(shí)驗(yàn)結(jié)果如圖4所示。在該仿真中,考慮服務(wù)用戶數(shù)量M分別為4、6、8的情況。從圖4可以看出,隨著RUs數(shù)量N的增多,所有卸載策略RUs的總能耗也隨之增加。當(dāng)N≤10時(shí),本文提出的策略與MEC卸載策略中RUs的總能耗保持不變,且耗能很少,這是因?yàn)楸疚募僭O(shè)MEC服務(wù)器只能同一時(shí)刻執(zhí)行10個(gè)移動(dòng)用戶的任務(wù),當(dāng)RUs不大于10時(shí),這兩個(gè)策略都是將任務(wù)卸載到MEC服務(wù)器上執(zhí)行。當(dāng)N>10時(shí),本文策略由于可以將任務(wù)卸載到鄰近的服務(wù)用戶SUs執(zhí)行,所以RUs的總能耗增長緩慢,且總能耗均低于其他2個(gè)基準(zhǔn)策略。針對不同的SUs數(shù)量M,從本文策略與D2D卸載策略RUs的總能耗變化趨勢來看,SUs的數(shù)量越多,RUs的總能耗越低,當(dāng)RUs的數(shù)量高于SUs時(shí),總能耗按照相同的斜率增長?？偟膩碚f,將任務(wù)全部卸載到MEC服務(wù)器的策略的執(zhí)行優(yōu)于全部進(jìn)行D2D卸載的策略,而本文策略的性能優(yōu)于MEC卸載策略和D2D卸載策略。

圖4 不同SUs數(shù)量M下RUs的數(shù)量N與RUs總能耗的關(guān)系

圖5 不同σ2下輸入數(shù)據(jù)大小與RUs總能耗的關(guān)系

圖6 不同Wb下輸入數(shù)據(jù)大小與RUs總能耗的關(guān)系

圖7給出了本地執(zhí)行、MEC卸載、D2D卸載和本文所提策略等4種策略在不同RUs所需的CPU周期數(shù)下RUs的總能耗,該實(shí)驗(yàn)中設(shè)置RUs=20,SUs=5。從圖7可以看出,隨著請求用戶RUs的CPU周期數(shù)的增大,消耗的總能量也隨之增大。本文所提策略的RUs總能耗明顯低于其他3個(gè)基準(zhǔn)策略,這表明本文所提策略能夠較好地提高系統(tǒng)性能。這是因?yàn)楸疚乃岵呗詢?yōu)先選擇MEC卸載,當(dāng)MEC服務(wù)器中資源競爭加劇時(shí),又考慮D2D卸載,可合理利用附近空閑的設(shè)備。從圖7還可以看出,MEC卸載和D2D卸載的RUs總能耗要低于本地執(zhí)行的能量消耗,這得益于MEC服務(wù)器和服務(wù)用戶的高效資源利用。MEC卸載策略比D2D卸載策略消耗的能量更加少,主要是MEC服務(wù)器為移動(dòng)設(shè)備任務(wù)的執(zhí)行提供更多可用的資源和能量,而D2D卸載雖然在一定程度上能夠減少本地資源的使用,但是資源還是不如MEC服務(wù)器充足。

圖7 不同RUs所需的CPU周期數(shù)下的RUs總能耗

圖8給出了在不同的D2D鏈路帶寬Wd下隨著BS的帶寬Wb增大對RUs總能耗的影響結(jié)果。如圖8所示,隨著Wb的增大,請求用戶消耗的總能量隨之降低;隨著D2D鏈路帶寬Wd的增大,請求用戶消耗的總能量隨之減小,是因?yàn)閃d與D2D數(shù)據(jù)傳輸速率Rd2d有關(guān),且呈正比關(guān)系。當(dāng)請求用戶傳輸任務(wù)到服務(wù)用戶時(shí),數(shù)據(jù)傳輸速率越大,能量消耗越小。從實(shí)驗(yàn)結(jié)果來看,本文所提策略整體優(yōu)于MEC卸載策略,這是由于本文所提策略比MEC卸載策略多了一種D2D卸載方式,請求用戶可以考慮優(yōu)先將任務(wù)卸載到鄰近的空閑設(shè)備。

圖8 不同Wd下BS的帶寬與RUs總能耗的關(guān)系

綜合以上實(shí)驗(yàn)結(jié)果可知,針對由SWIPT技術(shù)供電后移動(dòng)用戶功率分配和任務(wù)卸載問題,本文所提策略是在MEC卸載策略的基礎(chǔ)上聯(lián)合D2D卸載策略,使得MEC資源爭用問題得以解決,也避免了本地計(jì)算資源不足的問題,保證了移動(dòng)用戶的任務(wù)執(zhí)行過程不會(huì)產(chǎn)生中斷,避免對計(jì)算結(jié)果造成影響。因此,本文策略優(yōu)于其他幾種對比策略。

4 結(jié)論

本文在保證通信服務(wù)質(zhì)量的條件下,構(gòu)建了一個(gè)基于SWIPT的多用戶D2D通信輔助的MEC系統(tǒng)模型,并基于該模型分別建立能量收集和任務(wù)執(zhí)行兩個(gè)數(shù)學(xué)模型;考慮任務(wù)卸載和功率分配對目標(biāo)函數(shù)和約束條件的影響,建立了一個(gè)非線性混合整數(shù)規(guī)劃問題模型,提出了一種基于SWIPT的多用戶D2D通信輔助MEC任務(wù)卸載策略。該策略以請求用戶總能耗最小為目標(biāo),通過數(shù)學(xué)變化將原非線性混合整數(shù)規(guī)劃問題轉(zhuǎn)換為任務(wù)卸載和功率分配兩個(gè)子問題:首先,利用Dinkelbach方法將目標(biāo)函數(shù)轉(zhuǎn)換為非分式規(guī)劃問題,并用障礙函數(shù)法將目標(biāo)子問題轉(zhuǎn)化為一系列不帶約束的最小化問題來求解功率分配子問題;然后,基于匈牙利算法將任務(wù)卸載子問題轉(zhuǎn)化為二部圖中的一對一匹配問題進(jìn)行求解。仿真實(shí)驗(yàn)結(jié)果表明,在相同的SWIPT技術(shù)為移動(dòng)設(shè)備供電的情況下,本文所提策略在最小化系統(tǒng)請求用戶總能耗方面具有良好的性能。