1.本发明涉及移动边缘计算网络中基于二部图匹配的用户接入控制方法，属于移动边缘计算技术领域。
背景技术：2.近年来无线通信技术发展迅速，用户设备的应用程序功能越来越多，旨在丰富用户的网络生活，提高用户的网络体验。然而用户设备的计算能力通常是有限的，很难处理一些计算量需求大和时延敏感的任务。为了弥补用户设备的计算能力不足，提出了移动边缘计算概念，在移动边缘计算中，用户设备可以将计算任务卸载至邻近的移动边缘计算服务器(mec服务器)上，在网络的边缘进行计算，提高用户设备的计算能力，同时也避免了传统卸载方式中将数据卸载至远端云导致的高时延问题。另一方面，mec的计算资源是有限的，计算任务卸载至mec服务器虽然节省了用户设备的计算资源和能耗，但也增加了数据的传输能耗。为了最大化信道中的用户数量，使更多的用户设备能将数据传输到mec服务器，计算任务在卸载至mec服务器之前，预先对用户的传输数据比例进行优化，最大化信道中的用户数量。
技术实现要素：3.本发明所要解决的技术问题是克服现有技术的缺陷，提供一种移动边缘计算网络中基于二部图匹配的用户接入控制方法，在满足截止时间之前完成计算任务的条件下，对接入mec服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，使得能完成计算任务的用户设备数量最大化。
4.为达到上述目的，本发明提供移动边缘计算网络中基于二部图匹配的用户接入控制方法，包括：
5.采用的移动边缘计算网络中配置一个基站和k个用户设备；
6.所述基站配置了最大计算能力为f个cpu周期的mec服务器，在满足截止时间之前完成计算任务的条件下，对接入mec服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，使得能完成计算任务的用户设备数量最大化。
7.优先地，满足在截止时间之前完成计算任务的条件下，对接入mec服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，通过以下步骤实现：
8.步骤一：建立用户接入控制优化问题模型；
9.步骤二：将优化问题模型转化为优化信道分配的二部图匹配问题；
10.使用匈牙利算法求解优化信道分配的二部图匹配问题，获得最大匹配值；
11.步骤三：根据最大匹配值，得到用户接入控制决策。
12.优先地，步骤一，具体包括：
13.建立用户接入控制优化问题模型p1：
14.p1：
15.约束c1:
16.约束c2:
17.约束c3:
18.约束c4:
19.约束c5:0≤αk≤1,k＝1,....,k,
20.约束c6:β
k,n
∈{0，1},k＝1,...k,n＝1,...n；
21.其中，为能满足在截止时间之前完成计算任务的接入的用户设备集合，dk为计算任务的数据大小，ck为完成1bit的计算任务所需要的cpu周期数，fk为完成1bit的计算任务的本地计算频率；f表示mec服务器的最大计算能力；所述基站具有n个带宽为b的正交信道资源，n≥k；
22.为信道的集合，αk为用户设备k计算任务的卸载比例；β
k,n
为用户设备k和信道n的分配因子，β
k,n
＝1表示信道n分配给用户设备k，β
k,n
＝0表示信道n没有分配给用户设备k；dk表示计算任务的数据大小；ck表示完成1bit的计算任务所需要的cpu周期数；fk表示完成1bit的计算任务的本地计算频率；
23.表示用户设备k在信道n上的卸载速率，pk为用户设备k的发送功率；h
n,k
为用户k在信道n上到基站的信道增益；
24.n0为信道噪声功率谱密度；b为信道带宽。
25.优先地，步骤二,具体包括：
26.步骤2-1：令
27.步骤2-2：建立问题p2：
28.p2：
29.约束c2:
30.约束c3:
31.约束c4:
32.约束c5:0≤αk≤1,k＝1,....,k,
33.约束c6:β
k,n
∈{0，1},k＝1,...k,n＝1,...n；
34.步骤2-3：由约束c3、c4和c6，将约束c2转化为如下约束：
35.约束c7:
36.令每个用户设备k本地完成计算任务的执行时间为截止时间，得到tk为用户设备k完成一个计算任务的截止时间，k∈[1,k]；
[0037]
步骤2-4：将问题p2中优化{β
k,n
}的问题转化为优化信道分配的二部图匹配问题：
[0038]
步骤2-5：通过匈牙利算法找到二部图的最大匹配值。
[0039]
优先地，步骤2-4，通过以下步骤实现：
[0040]
将用户设备的集合中的每一个用户设备看成一组顶点，将信道的集合的每一条信道看作另一组顶点；
[0041]
当不等式成立时，用户设备k的顶点和信道n的顶点之间存在一条边，表明用户设备接入mec服务器。
[0042]
优先地，步骤三，通过以下步骤实现：
[0043]
步骤3-1：若在最大配置值时用户设备k接入了mec服务器，则把信道n分配给该用户设备k，即令信道分配系数β
k,n
＝1；
[0044]
若在最大匹配值时用户设备k未接入mec服务器，令β
k,n
＝0；
[0045]
步骤3-2：计算的值，若的值比f大，则移除用户集中上传数据量最大的用户设备k：
[0046]
令其中表示用户集中上传数据量最大的用户设备，此时户设备，此时为当α
kdkck
为最大值时k的取值；
[0047]
步骤3-3，循环执行步骤3-2，直至的值小于或等于f；
[0048]
步骤3-4：若用户设备k所有的β
k,n
值都为零，则将该用户设备k移出集合得到新的接入用户集
[0049]
将新的接入用户集作为用户接入控制决策。
[0050]
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
[0051]
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述方法的步骤。
[0052]
本发明所达到的有益效果：
[0053]
(1)本发明提出的移动边缘计算网络中基于二部图匹配的用户接入控制方法，提出了一种新的最大化利用mec计算资源的方法，在满足截止时间之前完成计算任务的条件下，对接入mec服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，使得能完成计算任务的用户设备数量最大化；
[0054]
(2)本发明中基于二部图匹配的用户接入控制方法，步骤二：将优化问题模型转化为优化信道分配的二部图匹配问题，其以最小化所需mec服务器计算能力为目标，验证给定的用户设备集合是否可接入；
[0055]
使用匈牙利算法求解优化信道分配的二部图匹配问题，获得最大匹配值，验证每个用户设备是否可接入及其可能分配的信道；
[0056]
步骤三：根据最大匹配值，得到用户接入控制决策，实现在满足截止时间之前完成计算任务条件下的用户设备数量最大化；
[0057]
与传统方法和本地计算方法相比，该方法获得了更高的完成计算任务的用户数量。
附图说明
[0058]
图1是移动边缘计算系统模型图；
[0059]
图2是本发明的流程图；
[0060]
图3是描绘了本发明所提方法、传统方法和本地计算方法中ck对满足计算任务所需求的用户数量的影响曲线图；
[0061]
图4是描绘了本发明所提方法、传统方法和本地计算方法中tk＝t对满足计算任务所需求的用户数量的影响曲线图；
[0062]
图5是描绘了本发明所提方法、传统方法和本地计算方法中mec最大计算能力f对满足计算任务所需求的用户数量的影响曲线图。
具体实施方式
[0063]
以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0064]
实施例一
[0065]
本实施例提供移动边缘计算网络中基于二部图匹配的用户接入控制方法，包括：
[0066]
采用的移动边缘计算网络中配置一个基站和k个用户设备；
[0067]
所述基站配置了最大计算能力为f个cpu周期的mec服务器，在满足截止时间之前完成计算任务的条件下，对接入mec服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，使得能完成计算任务的用户设备数量最大化。
[0068]
进一步地，本实施例中满足在截止时间之前完成计算任务的条件下，对接入mec服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，通过以下步骤实现：
[0069]
步骤一：建立用户接入控制优化问题模型；
[0070]
步骤二：将优化问题模型转化为优化信道分配的二部图匹配问题；
[0071]
使用匈牙利算法求解优化信道分配的二部图匹配问题，获得最大匹配值；
[0072]
步骤三：根据最大匹配值，得到用户接入控制决策。
[0073]
进一步地，本实施例中步骤一，具体包括：
[0074]
建立用户接入控制优化问题模型p1：
[0075]
p1：
[0076]
约束c1:
[0077]
约束c2:
[0078]
约束c3:
[0079]
约束c4:
[0080]
约束c5:0≤αk≤1,k＝1,....,k,
[0081]
约束c6:β
k,n
∈{0，1},k＝1,...k,n＝1,...n；
[0082]
其中，为能满足在截止时间之前完成计算任务的接入的用户设备集合，dk为计算任务的数据大小，ck为完成1bit的计算任务所需要的cpu周期数，fk为完成1bit的计算任务
的本地计算频率；f表示mec服务器的最大计算能力；所述基站具有n个带宽为b的正交信道资源，n≥k；
[0083]
为信道的集合，αk为用户设备k计算任务的卸载比例；β
k,n
为用户设备k和信道n的分配因子，β
k,n
＝1表示信道n分配给用户设备k，β
k,n
＝0表示信道n没有分配给用户设备k；dk表示计算任务的数据大小；ck表示完成1bit的计算任务所需要的cpu周期数；fk表示完成1bit的计算任务的本地计算频率；
[0084]
表示用户设备k在信道n上的卸载速率，pk为用户设备k的发送功率；h
n,k
为用户k在信道n上到基站的信道增益；
[0085]
n0为信道噪声功率谱密度；b为信道带宽；
[0086]
约束c1表示分配给mec服务器处理的计算任务所需的计算能力不大于mec服务器的最大计算能力；
[0087]
约束c2中表示用户设备本地完成计算任务所花费的时间，表示用户设备k利用信道n将部分计算任务上传到mec服务器所花费的时间，表示用户设备k将部分计算任务上传到mec服务器所花费的时间，c2表示每个用户设备完成本地的计算任务和卸载计算任务执行的时间都必须小于截止时间tk；
[0088]
c3、c4表示每个用户设备只能被分配一个信道，每个信道只能分配给一个用户设备；c5表示用户设备的计算任务卸载比例在区间[0,1]之间。
[0089]
进一步地，本实施例中步骤二,具体包括：
[0090]
步骤2-1：令
[0091]
步骤2-2：建立问题p2：
[0092]
p2：
[0093]
约束c2:
[0094]
约束c3:
[0095]
约束c4:
[0096]
约束c5:0≤αk≤1,k＝1,....,k,
[0097]
约束c6:β
k,n
∈{0，1},k＝1,...k,n＝1,...n；
[0098]
步骤2-3：由约束c3、c4和c6，将约束c2转化为如下约束：
[0099]
约束c7:
[0100]
令每个用户设备k本地完成计算任务的执行时间为截止时间，得到tk为用户设备k完成一个计算任务的截止时间，k∈[1,k]；
[0101]
步骤2-4：将问题p2中优化{β
k,n
}的问题转化为优化信道分配的二部图匹配问题：
[0102]
步骤2-5：通过匈牙利算法找到二部图的最大匹配值。
[0103]
进一步地，本实施例中步骤2-4，通过以下步骤实现：
[0104]
将用户设备的集合中的每一个用户设备看成一组顶点，将信道的集合的每一条信道看作另一组顶点；
[0105]
当不等式成立时，用户设备k的顶点和信道n的顶点之间存在一条边，表明用户设备接入mec服务器。
[0106]
进一步地，本实施例中步骤三，通过以下步骤实现：
[0107]
步骤3-1：若在最大配置值时用户设备k接入了mec服务器，则把信道n分配给该用户设备k，即令信道分配系数β
k,n
＝1；
[0108]
若在最大匹配值时用户设备k未接入mec服务器，令β
k,n
＝0；
[0109]
步骤3-2：计算的值，若的值比f大，则移除用户集中上传数据量最大的用户设备k：
[0110]
令其中表示用户集中上传数据量最大的用户设备，此时户设备，此时为当α
kdkck
为最大值时k的取值；
[0111]
步骤3-3，循环执行步骤3-2，直至的值小于或等于f；
[0112]
步骤3-4：若用户设备k所有的β
k,n
值都为零，则将该用户设备k移出集合得到新的接入用户集
[0113]
将新的接入用户集作为用户接入控制决策。
[0114]
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
[0115]
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述方法的步骤。
[0116]
基站、用户设备和mec服务器上述部件在现有技术中可采用的型号很多，本领域技术人员可根据实际需求选用合适的型号，本实施例不再一一举例。
[0117]
实施例二
[0118]
对本发明算法进行仿真，对比本发明所提方法、传统方法和本地计算方法，得到本发明所提方法优越性，具体步骤如下：
[0119]
假设网络中的所有节点都位于二维平面上，假设20个ue在mec服务器周围随机分布在一个内半径为100m、外半径为200m的环中。共有20个信道，每个信道具有1mhz带宽和噪声功率谱密度-170dbm/hz。信道模型建模为10-4d2.5
e，其中d是距离，e是具有单位平均值的指数分布随机变量。假设参数ck、dk和tk分别均匀分布在[200,400]
×
106个cpu周期数/mbit、[0.5,2]mbit和[1,2]s内。参数fk是从{1，
…
，9}
×
108个cpu周期数/秒的集合中随机选择的。此外，还设置了f＝10
10
个cpu周期数，pk＝26dbm。本发明所提方法同两种方法进行对比，一种为传统的接入控制算法，其为了满足时间限制的要求，通过顺序选择信道功率增益最大的用户接入，直到需的mec计算资源超过mec计算容量。另一种为本地计算方法，即用户的任务只在本地进行计算。
[0120]
图3描绘了ck对满足计算任务所需求的用户设备数量的影响。结果表明，随着ck的增加，满足计算任务需求的用户数减少。这是因为更高的ck使得计算任务完成时间增加，导
致在时间限制内，任务难以完成。它还显示，本发明所提方法相比于传统方法和本地计算方法，能够满足更多计算任务需求的用户数，特别是ck值很大的情况下。
[0121]
图4描绘了tk＝t对满足计算任务所需求的用户设备数量的影响。当t增加时，满足计算任务需求的用户数也增加。这是因为更大的t可以使得任务的时间限制更加容易被满足。它表明，本发明所提方法相比于传统方法和本地计算方法，能够满足更多计算任务需求的用户数，特别是t值很大的情况下。
[0122]
图5描绘了mec最大计算能力f对满足计算任务所需求的用户设备数量的影响。当f增加时，满足计算任务所需求的用户数也增加。这是因为更大f可以使得更多的任务被卸载到mec服务器上。它表明，本发明所提算法所提方法相比于传统方法和本地计算方法，能够满足更多计算任务需求的用户数，特别是f值很大的情况下。当f值很小的情况下，所有方法中满足计算任务需求的用户数几乎相同，这是因为当f值很小时，没有任务能被卸载到mec服务器上。
[0123]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0124]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0125]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0126]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
技术特征：1.移动边缘计算网络中基于二部图匹配的用户接入控制方法，其特征在于，包括：采用的移动边缘计算网络中配置一个基站和k个用户设备；所述基站配置了最大计算能力为f个cpu周期的mec服务器，在满足截止时间之前完成计算任务的条件下，对接入mec服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，使得能完成计算任务的用户设备数量最大化。2.根据权利要求1所述的移动边缘计算网络中基于二部图匹配的用户接入控制方法，其特征在于，满足在截止时间之前完成计算任务的条件下，对接入mec服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，通过以下步骤实现：步骤一：建立用户接入控制优化问题模型；步骤二：将优化问题模型转化为优化信道分配的二部图匹配问题；使用匈牙利算法求解优化信道分配的二部图匹配问题，获得最大匹配值；步骤三：根据最大匹配值，得到用户接入控制决策。3.根据权利要求2所述的移动边缘计算网络中基于二部图匹配的用户接入控制方法，其特征在于，步骤一，具体包括：建立用户接入控制优化问题模型p1：p1:约束c1:约束c2:约束c3:约束c4:约束c5:0≤α
k
≤1,k＝1,
…
,k,约束c6:β
k,n
∈{0，1},k＝1,
…
k,n＝1,
…
n；其中，为能满足在截止时间之前完成计算任务的接入的用户设备集合，d
k
为计算任务的数据大小，c
k
为完成1bit的计算任务所需要的cpu周期数，f
k
为完成1bit的计算任务的本地计算频率；f表示mec服务器的最大计算能力；所述基站具有n个带宽为b的正交信道资源，n≥k；为信道的集合，α
k
为用户设备k计算任务的卸载比例；β
k,n
为用户设备k和信道n的分配因子，β
k,n
＝1表示信道n分配给用户设备k，β
k,n
＝0表示信道n没有分配给用户设备k；d
k
表示计算任务的数据大小；c
k
表示完成1bit的计算任务所需要的cpu周期数；f
k
表示完成1bit的计算任务的本地计算频率；表示用户设备k在信道n上的卸载速率，p
k
为用户设备k的发送功率；h
n,k
为用户k在信道n上到基站的信道增益；n0为信道噪声功率谱密度；b为信道带宽。4.根据权利要求2所述的移动边缘计算网络中基于二部图匹配的用户接入控制方法，其特征在于，步骤二,具体包括：步骤2-1：令
步骤2-2：建立问题p2：p2:约束c2:约束c3:约束c4:约束c5:0≤α
k
≤1,k＝1,
…
,k,约束c6:β
k,n
∈{0，1},k＝1,
…
k,n＝1,
…
n；步骤2-3：由约束c3、c4和c6，将约束c2转化为如下约束：约束c7:令每个用户设备k本地完成计算任务的执行时间为截止时间，得到t
k
为用户设备k完成一个计算任务的截止时间，k∈[1,k]；步骤2-4：将问题p2中优化{β
k,n
}的问题转化为优化信道分配的二部图匹配问题：步骤2-5：通过匈牙利算法找到二部图的最大匹配值。5.根据权利要求4所述的移动边缘计算网络中基于二部图匹配的用户接入控制方法，其特征在于，步骤2-4，通过以下步骤实现：将用户设备的集合中的每一个用户设备看成一组顶点，将信道的集合的每一条信道看作另一组顶点；当不等式成立时，用户设备k的顶点和信道n的顶点之间存在一条边，表明用户设备接入mec服务器。6.根据权利要求4所述的移动边缘计算网络中基于二部图匹配的用户接入控制方法，其特征在于，步骤三，通过以下步骤实现：步骤3-1：若在最大配置值时用户设备k接入了mec服务器，则把信道n分配给该用户设备k，即令信道分配系数β
k,n
＝1；若在最大匹配值时用户设备k未接入mec服务器，令β
k,n
＝0；步骤3-2：计算的值，若的值比f大，则移除用户集中上传数据量最大的用户设备k：令其中表示用户集中上传数据量最大的用户设备，此时为当α
k
d
k
c
k
为最大值时k的取值；步骤3-3，循环执行步骤3-2，直至的值小于或等于f；步骤3-4：若用户设备k所有的β
k,n
值都为零，则将该用户设备k移出集合得到新的接入用户集将新的接入用户集作为用户接入控制决策。7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6中任一项所述方法的
步骤。8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
技术总结本发明公开了移动边缘计算网络中基于二部图匹配的用户接入控制方法，包括：采用的移动边缘计算网络中配置一个基站和K个用户设备；所述基站配置了最大计算能力为F个CPU周期的MEC服务器；建立用户接入控制优化问题模型；步骤二：将优化问题模型转化为优化信道分配的二部图匹配问题；使用匈牙利算法求解优化信道分配的二部图匹配问题，获得最大匹配值；步骤三：根据最大匹配值，得到用户接入控制决策。在满足截止时间之前完成计算任务的条件下，对接入MEC服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，使得能完成计算任务的用户设备数量最大化。的用户设备数量最大化。的用户设备数量最大化。
技术研发人员：徐鼎 葛睿杰 朱晓荣 李群
受保护的技术使用者：南京邮电大学
技术研发日：2022.07.20
技术公布日：2022/11/1
