一種多業務並存系統中雲業務能耗優化調度方法與流程
2023-10-23 23:29:57
本發明涉及一種多業務並存系統中雲業務能耗優化調度方法，屬於無線雲計算技術和無線資源優化
技術領域：
。
背景技術：
：網際網路流量的迅猛增長和應用的不斷創新，推動了移動雲計算技術的發展。無線雲業務通過無線網絡將應用數據上傳至雲端進行處理，降低了對移動終端的計算能力要求，同時提升了業務處理效率。然而，相比於蓬勃發展的無線應用，移動終端的電池容量不足一直是一個無法突破的瓶頸，因此，如何降低終端上傳雲業務數據時的能量消耗逐漸成為人們關注的焦點。終端上傳雲業務數據的能量消耗本質上來說就是傳輸功率在時間上的累積。傳輸功率與傳輸速率和信道狀態有關。當上傳數據總量不變時，傳輸速率越大則傳輸功率越大、傳輸時間越少。因此，對能量消耗的優化實則是對傳輸速率的調度。現有的研究順著上述思路在降低雲業務能量消耗方面做了許多努力。先後提出了在單信道和多信道場景下，優化雲業務的上傳能量，得到最優的速率調度方案，並發現雲業務的上傳能量隨著信道數的增加而減小。然而，現有所有文獻僅針對系統內具有單個雲業務的情況，而實際系統中雲業務的上傳速率除了服從「能量最優」這個調度策略之外，勢必受制於雲業務所佔有的頻譜帶寬，而一個業務所佔有的帶寬必然和系統中其他業務有關。因此，將雲業務調度策略放在多業務共存的場景下考慮才符合實際情況，目前還沒有這方面的研究。技術實現要素：本發明所要解決的技術問題是提供一種在考慮普通業務QoS和系統吞吐量的情況下，建立資源分配和雲業務速率調度雙目標優化模型，通過優化算法分別得到雲業務最優速率調度策略和信道最優分配策略的多業務並存系統中雲業務能耗優化調度方法。本發明為了解決上述技術問題採用以下技術方案：本發明設計了一種多業務並存系統中雲業務能耗優化調度方法，在普通業務和雲業務共存的系統中，實現雲業務耗能優化調度，包括如下步驟：步驟A.分別針對各個普通業務和各個雲業務，採用香農公式獲得傳輸速率與傳輸功率之間的關係，其中，信道增益服從獨立同分布，進而分別獲得各個業務傳輸速率與傳輸功率之間的關係，然後進入步驟B；步驟B.分別針對各個雲業務，根據業務傳輸速率與傳輸功率之間的關係，獲得基於業務傳輸速率、帶寬、信道增益的雲業務能耗模型，進而分別獲得各個雲業務的雲業務能耗模型，然後進入步驟C；步驟C.分別針對各個雲業務，針對雲業務所對應的各個工作時隙，首先，根據云業務的雲業務能耗模型，採用動態規劃方法，獲得雲業務按時序所對應其最後一個工作時隙的雲業務時隙能耗價值函數，然後，採用逆序遞推方法，依據當前工作時隙內的信道增益，依次獲得雲業務按時序所對應其之前各個工作時隙的雲業務時隙能耗價值函數；進而獲得各個雲業務分別所對應其各個工作時隙的雲業務時隙能耗價值函數，然後進入步驟D；步驟D.分別針對各個雲業務，針對雲業務所對應各個工作時隙的雲業務時隙能耗價值函數，獲得雲業務分別所對應各個工作時隙的最優速率，進而獲得雲業務所對應的最小全局能耗模型，由此，獲得各個雲業務所對應的最小全局能耗模型，然後進入步驟E1；步驟E1.根據當前時隙待分配的信道數量，獲得針對當前時隙待接入各個雲業務、各個普通業務所有信道分配方案，然後進入步驟E2；步驟E2.分別針對當前時隙的各個信道分配方案，根據各個雲業務所對應的最小全局能耗模型，獲得信道分配方案下、當前時隙所接入各個雲業務的最小全局能耗，同時獲得信道分配方案下、當前時隙所接入各個普通業務傳輸速率之和，即系統當前時隙吞吐量；進而獲得各個信道分配方案下，當前時隙所接入各個雲業務的最小全局能耗，以及系統當前時隙吞吐量，然後進入步驟E3；步驟E3.針對當前時隙的所有信道分配方案，排除存在雲業務所對應最小全局能耗高於預設雲業務能耗上限值的信道分配方案，並在剩餘信道分配方案中，選取系統當前時隙吞吐量最大值所對應的信道分配方案，作為當前時隙最優信道分配方案，然後進入步驟E4；步驟E4.採用當前時隙最優信道分配方案，以及各個雲業務所對應的最小全局能耗模型實現當前時隙雲業務能耗優化調度。作為本發明的一種優選技術方案：所述步驟A至步驟B，具體包括建立如下模型：maxMt,Km,tΣmMtRm,t(Km,t,gm,k,t)]]>minRi,t,KtEi(Ri,t,Ki,gi,t^)]]>s.t.Rm,t(Km,t,gm,k,t)Rm0,mMt]]>ΔtΣt=ΔTiΔTi+TiRi,t=Li]]>0≤Pi,t≤Pi,max,i,t]]>其中，為時隙t的系統吞吐量，為時隙t選中的普通業務集合，為時隙t基站分配給普通業務m(m∈Mt)的信道集，gm,k,t為時隙t分配給普通業務m的信道k的信道增益；為雲業務i在整個上傳數據時隙內消耗的手機能耗，Ri,t為雲業務i在時隙t的速率，Δt為時隙間隔，為時隙t基站分配給雲業務i的信道集，表示各信道增益的平表示均值，Ki為中信道的個數，gi,k,t為時隙t分配給雲業務i的信道k的信道增益；Pi,t為時隙t雲業務i的傳輸功率；表明信道不能重複分配；K表示系統內的信道個數，對應的信道集為K＝{1,…k,…K}；M表示系統內普通業務的個數，對應的業務集為M＝{1,…m,…M}；系統內雲業務的個數I，對應的業務集為I＝＝{1,…i,…I}，雲業務i需要上傳的數據量為Li，上傳數據的時間限制為Ti，開始上傳數據的時刻為t＝ΔTi。作為本發明的一種優選技術方案：所述步驟C至步驟D，具體包括如下操作：雲業務i的能耗優化模型如下，minRi,tΔt×Σt=1TiE(2StΔtKiB-1)×KiN0Bgt^]]>s.t.Σt=1TiSt=Li]]>St0,t]]>利用價值函數將優化模型改寫為，Jt(Lt,gt^)=min((2StΔtKiB-1)KiN0Bgt^+EJt-1(Lt-1,gt-1^)),t=T,...,2(2L1ΔtKiB-1)KiN0Bg1^,t=1]]>其中，St為決策量，指在每個階段中具體的決策，即該階段要發送的數據量；Lt為狀態變量，指每一階段內剩餘的數據量(包括本階段)；為指標函數，是衡量一個決策過程的數量指標，這裡指能耗最小指標；利用數學歸納法，最終求得雲業務i在時隙t的最優速率為，雲業務i的最小全局能耗模型為，Ei*(Ki)=Δt(Ti+1)×2Li(Ti+1)×T×KiBGi(vi,ΔTi,...,vi,Ti+ΔTi)-Δt(Ti+1)vi,Ti+ΔTi]]>其中，Gi(vi,t,...vi,ΔTi+Ti)=(Πx=tΔTi+Tivi,x)1ΔTi+Ti-t+1.]]>作為本發明的一種優選技術方案：所述步驟E1至步驟E4，具體包括利用0-1整數規划算法求解使得系統吞吐量最大的信道分配方案如下：優化問題轉化為0-1整數規劃問題，即，maxxeTX]]>s.t.[A1,...,AN]Χ＝1K1CT...0CT.........0CT...1CTX=1N]]>其中，Χ＝[Χ1,...,ΧN]T是一個大小為NC的決策列向量，Χ＝[Χ1,...,ΧN]T，Χn＝[xn,1,...,xn,C]T，xn,j∈{0,1}，xn,j為「1」時表示業務n採用分配矩陣中第j列對應的分配方案，反之表示不採用；表示一個業務可能的分配方案數；e是一個大小為N×C的權重矩陣，其元素en,j表示業務n採用分配矩陣中第j列對應的分配方案時對優化目標的貢獻程度，即ei,j=0,Ki=Kj-1000000,elsei1,...,It,j]]>ei,j=0,Ei,j*≤i-1000000,elseiIt+1,...,Itfirst,j]]>em,j=Rm,j,t,Rm,j,tRm00,Rm,j,t=0-1000000,elsemItfirst+1,...,N,j]]>An是一個大小為K×C的由元素0、1組成的信道分配矩陣，「1」表示對應的信道分配給該業務，「0」表示不分配，例如共有K＝3個信道時，則每個業務都有C＝7種可能的分配方案，業務n的信道分配矩陣為：An=010010100101110001011,nN]]>採用窮舉法求得該優化問題的最優解，即當前時隙最優信道分配方案，其中，K表示系統內的信道個數為K，對應的信道集為K＝{1,…k,…K}；M表示系統內普通業務的個數，對應的業務集為M＝{1,…m,…M}；系統內雲業務的個數I，對應的業務集為I＝{1,…i,…I}，雲業務i需要上傳的數據量為Li，上傳數據的時間限制為Ti，開始上傳數據的時刻為t＝ΔTi。本發明所述一種多業務並存系統中雲業務能耗優化調度方法採用以上技術方案與現有技術相比，具有以下技術效果：本發明設計的多業務並存系統中雲業務能耗優化調度方法，考慮普通業務QoS和系統吞吐量，建立了一個能夠同時優化多個雲業務能耗且能夠最大化系統吞吐量的頻譜資源分配的雙目標優化模型，引入雲業務上傳能量的上限值，將雲業務上傳能量的最小目標改寫為能量小於一定閾值的限制條件，使得雙目標優化問題變為單目標優化問題，然後通過逆序迭代的方法，得到最優能量消耗與當前時隙分配到的信道集之間的關係，並通過這個關係，將優化系統吞吐量和優化雲業務能量這兩個目標統一到一個時間尺度上，最後再通過所設計0-1整數規划算法進行信道的分配，在滿足雲業務能量消耗要求的前提下最大化系統吞吐量。與上述相對應，本發明所要解決的技術問題是提供一種在考慮普通業務QoS和系統吞吐量的情況下，建立資源分配和雲業務速率調度雙目標優化模型，通過優化算法分別得到雲業務最優速率調度策略和信道最優分配策略的多業務並存系統中雲業務能耗優化調度方法。本發明為了解決上述技術問題採用以下技術方案：本發明設計了一種多業務並存系統中雲業務能耗優化調度方法，在普通業務和雲業務共存的系統中，實現雲業務耗能優化調度，其中，預設雲業務能耗上限值，所述雲業務能耗優化調度方法包括如下步驟：步驟A.分別針對各個普通業務和各個雲業務，採用香農公式獲得傳輸速率與傳輸功率之間的關係，其中，信道增益服從獨立同分布，進而分別獲得各個業務傳輸速率與傳輸功率之間的關係，然後進入步驟B；步驟B.分別針對各個雲業務，根據業務傳輸速率與傳輸功率之間的關係，獲得基於業務傳輸速率、帶寬、信道增益的雲業務能耗模型，進而分別獲得各個雲業務的雲業務能耗模型，然後進入步驟C；步驟C.分別針對各個雲業務，針對雲業務所對應的各個工作時隙，首先，根據云業務的雲業務能耗模型，採用動態規劃方法，獲得雲業務按時序所對應其最後一個工作時隙的雲業務時隙能耗價值函數，然後，採用逆序遞推方法，依據當前工作時隙內的信道增益，依次獲得雲業務按時序所對應其之前各個工作時隙的雲業務時隙能耗價值函數；進而獲得各個雲業務分別所對應其各個工作時隙的雲業務時隙能耗價值函數，然後進入步驟D；步驟D.分別針對各個雲業務，針對雲業務所對應各個工作時隙的雲業務時隙能耗價值函數，獲得雲業務分別所對應各個工作時隙的最優速率，進而獲得雲業務所對應的最小全局能耗模型，由此，獲得各個雲業務所對應的最小全局能耗模型，然後進入步驟F1；步驟F1.將基於預設雲業務能耗上限值，系統最大時隙吞吐量優化問題改寫為相應的拉格朗日對偶函數，並進入步驟F2；步驟F2.通過拉格朗日對偶算法表示出原優化問題的對偶問題，原優化問題與對偶問題有相同解，通過求解對偶問題得到最終解，然後進入步驟F3；步驟F3.利用貪婪算法進行當前時隙的信道分配，分配原則為：一個信道應分配給能夠使得拉格朗日函數增量最大的業務，然後進入步驟F4；步驟F4.利用二分法求解最優的對偶係數，進而獲得當前時隙最優信道分配方案，然後進入步驟F5；步驟F5.採用當前時隙最優信道分配方案，以及各個雲業務所對應的最小全局能耗模型實現當前時隙雲業務能耗優化調度。作為本發明的一種優選技術方案：所述步驟A至步驟B，具體包括建立如下模型：maxMt,Km,tΣmMtRm,t(Km,t,gm,k,t)]]>minRi,t,KiEi(Ri,t,Ki,gi,t^)]]>s.t.Rm,t(Km,t,gm,k,t)Rm0,mMt]]>ΔtΣt=ΔTiΔTi+TiRi,t=Li]]>0≤Pi,t≤Pi,max,i,t]]>其中，為時隙t的系統吞吐量，為時隙t選中的普通業務集合，為時隙t基站分配給普通業務m(m∈Mt)的信道集，gm,k,t為時隙t分配給普通業務m的信道k的信道增益；為雲業務i在整個上傳數據時隙內消耗的手機能耗，Ri,t為雲業務i在時隙t的速率，Δt為時隙間隔，為時隙t基站分配給雲業務i的信道集，表示各信道增益的平表示均值，Ki為中信道的個數，gi,k,t為時隙t分配給雲業務i的信道k的信道增益；Pi,t為時隙t雲業務i的傳輸功率；表明信道不能重複分配；K表示系統內的信道個數，對應的信道集為K＝{1,…k,…K}；M表示系統內普通業務的個數，對應的業務集為M＝{1,…m,…M}；系統內雲業務的個數I，對應的業務集為I＝{1,…i,…I}，雲業務i需要上傳的數據量為Li，上傳數據的時間限制為Ti，開始上傳數據的時刻為t＝ΔTi。作為本發明的一種優選技術方案：所述步驟C至步驟D，具體包括如下操作：雲業務i的能耗優化模型如下，minRi,tΔt×Σt=1TiE(2StΔtKiB-1)×KiN0Bgt^]]>s.t.Σt=1TiSt=Li]]>St0,t]]>利用價值函數將優化模型改寫為，Jt(Lt,gt^)=min((2StΔtKiB-1)KiN0Bgt^+EJt-1(Lt-1,gt-1^)),t=T,...,2(2L1ΔtKiB-1)KiN0Bg1^,t=1]]>其中，St為決策量，指在每個階段中具體的決策，即該階段要發送的數據量；Lt為狀態變量，指每一階段內剩餘的數據量(包括本階段)；為指標函數，是衡量一個決策過程的數量指標，這裡指能耗最小指標；利用數學歸納法，最終求得雲業務i在時隙t的最優速率為，雲業務i的最小全局能耗模型為，Ei*(Ki)=Δt(Ti+1)×2Li(Ti+1)×T×KiBGi(vi,ΔTi,...,vi,Ti+ΔTi)-Δt(Ti+1)vi,Ti+ΔTi]]>其中，Gi(vi,t,...vi,ΔTi+Ti)=(Πx=tΔTi+Tivi,x)1ΔTi+Ti-t+1.]]>作為本發明的一種優選技術方案：所述步驟F1至步驟F4，具體包括如下：將基於預設雲業務能耗上限值，系統最大時隙吞吐量優化問題改寫為相應的拉格朗日函數為：L(Mt,Km,t,αt,βt)=ΣmMtRm,t(Km,t,gm,k,t)+ΣiItfirstαi,t×(i-Ei*(Ki))+ΣmMtβm,t×(Rm,t-Rm0)]]>其對偶函數為，f(αt,βt)=maxMt,Km,tL(Mt,Km,t,αt,βt)]]>相應的對偶問題為minαt,βtf(αt,βt)]]>s.t.αt,βt≥0解決該對偶問題，首先利用貪婪算法進行信道的分配，然後利用二分法求解最優的對偶係數，具體步驟為：i.初始化ii.令iii.對於任一業務n，遍歷其可分配到的任一信道k，對於所有業務進行如上操作，得到業務n分配到信道k時L(Mt,Km,t,αt,βt)的增量值，設為Δwn,k，滿足Δwi,k=αi,t×(i-Ei*(Ki))-αi,t×(i-Ei*(Ki∪k))i1,...,Itfirst]]>Δwm,k=Rm,t(Km∪k,gm,k,t)+βm,t×(Rm,t(Km∪k,gm,k,t)-Rm0)-Rm,t(Km,gm,k,t)-βm,t×(Rm,t(Km,gm,k,t)-Rm0)mItfirst+1,...,N]]>找到使得Δwn,k最大的(n*,k*)，將相應的k*分配給n*；iv.重複步驟iii直至所有的信道分配完；v.在上述得到的信道分配方案下，計算εi-Ei*(Ki)的值，若εi-Ei*(Ki)≥0，則對應否則計算的值，若則對應的否則重複步驟ii-v，直到對於且對於其中，δ為我們設置的常量用於控制算法的精度，δ越小，算法精確度越高，其中，K表示系統內的信道個數為K，對應的信道集為K＝{1,…k,…K}；M表示系統內普通業務的個數，對應的業務集為M＝{1,…m,…M}；系統內雲業務的個數I，對應的業務集為I＝{1,…i,…I}，雲業務i需要上傳的數據量為Li，上傳數據的時間限制為Ti，開始上傳數據的時刻為t＝ΔTi。本發明所述一種多業務並存系統中雲業務能耗優化調度方法採用以上技術方案與現有技術相比，具有以下技術效果：本發明設計的多業務並存系統中雲業務能耗優化調度方法，考慮普通業務QoS和系統吞吐量，建立了一個能夠同時優化多個雲業務能耗且能夠最大化系統吞吐量的頻譜資源分配的雙目標優化模型，引入雲業務上傳能量的上限值，將雲業務上傳能量的最小目標改寫為能量小於一定閾值的限制條件，使得雙目標優化問題變為單目標優化問題，然後通過逆序迭代的方法，得到最優能量消耗與當前時隙分配到的信道集之間的關係，並通過這個關係，將優化系統吞吐量和優化雲業務能量這兩個目標統一到一個時間尺度上，最後再通過所設計拉格朗日對偶算法進行信道的分配，在滿足雲業務能量消耗要求的前提下最大化系統吞吐量。附圖說明圖1是本發明所設計多業務並存系統中雲業務能耗優化調度方法的流程示意圖；圖2是0-1整數規划算法和拉格朗日對偶算法下系統吞吐量隨傳輸時隙變化圖；圖3是0-1整數規划算法和拉格朗日對偶算法下雲業務耗能隨截止時間變化圖；圖4是0-1整數規划算法和拉格朗日對偶算法下雲業務耗能隨數據量變化圖；圖5是0-1整數規划算法和拉格朗日對偶算法下計算複雜度對比圖。具體實施方式下面結合說明書附圖對本發明的具體實施方式作進一步詳細的說明。雲業務是指將數據上傳至雲端進行處理的一類業務，其QoS要求為在一定的截止時間內以最小的能量消耗完成相應數據量的數據傳送；普通業務是除了雲業務之外的各類業務的統稱，其QoS要求為實時速率應不小於一定的速率需求。本發明設計了一種多業務並存系統中雲業務能耗優化調度方法，在普通業務和雲業務共存的系統中，實現雲業務耗能優化調度，實際應用中，具體包括如下兩種實施例，其中，如圖1所示，第一種實施例包括如下步驟：步驟A.分別針對各個普通業務和各個雲業務，採用香農公式獲得傳輸速率與傳輸功率之間的關係，其中，信道增益服從獨立同分布，進而分別獲得各個業務傳輸速率與傳輸功率之間的關係，然後進入步驟B。步驟B.分別針對各個雲業務，根據業務傳輸速率與傳輸功率之間的關係，獲得基於業務傳輸速率、帶寬、信道增益的雲業務能耗模型，進而分別獲得各個雲業務的雲業務能耗模型，然後進入步驟C。上述步驟A至步驟B，具體包括建立如下模型：maxMt,Km,tΣmMtRm,t(Km,t,gm,k,t)]]>minRi,t,KtEi(Ri,t,Ki,gi,t^)]]>s.t.Rm,t(Km,t,gm,k,t)Rm0,mMt]]>ΔtΣt=ΔTiΔTi+TiRi,t=Li]]>0≤Pi,t≤Pi,max,i,t]]>其中，為時隙t的系統吞吐量，為時隙t選中的普通業務集合，為時隙t基站分配給普通業務m(m∈Mt)的信道集，gm,k,t為時隙t分配給普通業務m的信道k的信道增益；為雲業務i在整個上傳數據時隙內消耗的手機能耗，Rit為雲業務i在時隙t的速率，Δt為時隙間隔，為時隙t基站分配給雲業務i的信道集，表示各信道增益的平表示均值，Ki為中信道的個數，gi,k,t為時隙t分配給雲業務i的信道k的信道增益；Pi,t為時隙t雲業務i的傳輸功率；表明信道不能重複分配；K表示系統內的信道個數，對應的信道集為K＝{1,…k,…K}；M表示系統內普通業務的個數，對應的業務集為M＝{1,…m,…M}；系統內雲業務的個數I，對應的業務集為I＝{1,…i,…I}，雲業務i需要上傳的數據量為Li，上傳數據的時間限制為Ti，開始上傳數據的時刻為t＝ΔTi。步驟C.分別針對各個雲業務，針對雲業務所對應的各個工作時隙，首先，根據云業務的雲業務能耗模型，採用動態規劃方法，獲得雲業務按時序所對應其最後一個工作時隙的雲業務時隙能耗價值函數，然後，採用逆序遞推方法，依據當前工作時隙內的信道增益，依次獲得雲業務按時序所對應其之前各個工作時隙的雲業務時隙能耗價值函數；進而獲得各個雲業務分別所對應其各個工作時隙的雲業務時隙能耗價值函數，然後進入步驟D。步驟D.分別針對各個雲業務，針對雲業務所對應各個工作時隙的雲業務時隙能耗價值函數，獲得雲業務分別所對應各個工作時隙的最優速率，進而獲得雲業務所對應的最小全局能耗模型，由此，獲得各個雲業務所對應的最小全局能耗模型，然後進入步驟E1。上述步驟C至步驟D，具體包括如下操作：雲業務i的能耗優化模型如下：minRi,tΔt×Σt=1TiE(2StΔtKiB-1)×KiN0Bgt^]]>s.t.Σt=1TiSt=Li]]>St0,t]]>利用價值函數將優化模型改寫為：Jt(Lt,gt^)=min((2StΔtKiB-1)KiN0Bgt^+EJt-1(Lt-1,gt-1^)),t=T,...,2(2L1ΔtKiB-1)KiN0Bg1^,t=1]]>其中，St為決策量，指在每個階段中具體的決策，即該階段要發送的數據量；Lt為狀態變量，指每一階段內剩餘的數據量(包括本階段)；為指標函數，是衡量一個決策過程的數量指標，這裡指能耗最小指標。利用數學歸納法，最終求得雲業務i在時隙t的最優速率為，雲業務i的最小全局能耗模型為，Ei*(Ki)=Δt(Ti+1)×2Li(Ti+1)×T×KiBGi(vi,ΔTi,...,vi,Ti+ΔTi)-Δt(Ti+1)vi,Ti+ΔTi]]>其中，Gi(vi,t,...vi,ΔTi+Ti)=(Πx=tΔTi+Tivi,x)1ΔTi+Ti-t+1.]]>步驟E1.根據當前時隙待分配的信道數量，獲得針對當前時隙待接入各個雲業務、各個普通業務所有信道分配方案，然後進入步驟E2。步驟E2.分別針對當前時隙的各個信道分配方案，根據各個雲業務所對應的最小全局能耗模型，獲得信道分配方案下、當前時隙所接入各個雲業務的最小全局能耗，同時獲得信道分配方案下、當前時隙所接入各個普通業務傳輸速率之和，即系統當前時隙吞吐量；進而獲得各個信道分配方案下，當前時隙所接入各個雲業務的最小全局能耗，以及系統當前時隙吞吐量，然後進入步驟E3。步驟E3.針對當前時隙的所有信道分配方案，排除存在雲業務所對應最小全局能耗高於預設雲業務能耗上限值的信道分配方案，並在剩餘信道分配方案中，選取系統當前時隙吞吐量最大值所對應的信道分配方案，作為當前時隙最優信道分配方案，然後進入步驟E4。步驟E4.採用當前時隙最優信道分配方案，以及各個雲業務所對應的最小全局能耗模型實現當前時隙雲業務能耗優化調度。上述步驟E1至步驟E4，具體包括利用0-1整數規划算法求解使得系統吞吐量最大的信道分配方案如下：優化問題轉化為0-1整數規劃問題，即，maxxeTX]]>s.t.[A1,...,AN]Χ＝1K1CT...0CT.........0CT...1CTX=1N]]>其中，Χ＝[Χ1,...,ΧN]T是一個大小為NC的決策列向量，Χ＝[Χ1,...,ΧN]T，Χn＝[xn,1,...,xn,C]T，xn,j∈{0,1}，xn,j為「1」時表示業務n採用分配矩陣中第j列對應的分配方案，反之表示不採用；表示一個業務可能的分配方案數；e是一個大小為N×C的權重矩陣，其元素en,j表示業務n採用分配矩陣中第j列對應的分配方案時對優化目標的貢獻程度，即ei,j=0,Ki=Kj-1000000,elsei1,...,It,j]]>ei,j=0,Ei,j*≤i-1000000,elseiIt+1,...,Itfirst,j]]>em,j=Rm,j,t,Rm,j,tRm00,Rm,j,t=0-1000000,elsemItfirst+1,...,N,j]]>An是一個大小為K×C的由元素0、1組成的信道分配矩陣，「1」表示對應的信道分配給該業務，「0」表示不分配，例如共有K＝3個信道時，則每個業務都有C＝7種可能的分配方案，業務n的信道分配矩陣為：An=010010100101110001011,nN]]>採用窮舉法求得該優化問題的最優解，即當前時隙最優信道分配方案，其中，K表示系統內的信道個數為K，對應的信道集為K＝{1,…k,…K}；M表示系統內普通業務的個數，對應的業務集為M＝{1,…m,…M}；系統內雲業務的個數I，對應的業務集為I＝{1,…i,…I}，雲業務i需要上傳的數據量為Li，上傳數據的時間限制為Ti，開始上傳數據的時刻為t＝ΔTi。同樣如圖1所示，第二種實施例，預設雲業務能耗上限值，所述雲業務能耗優化調度方法，具體包括如下步驟：步驟A.分別針對各個普通業務和各個雲業務，採用香農公式獲得傳輸速率與傳輸功率之間的關係，其中，信道增益服從獨立同分布，進而分別獲得各個業務傳輸速率與傳輸功率之間的關係，然後進入步驟B。步驟B.分別針對各個雲業務，根據業務傳輸速率與傳輸功率之間的關係，獲得基於業務傳輸速率、帶寬、信道增益的雲業務能耗模型，進而分別獲得各個雲業務的雲業務能耗模型，然後進入步驟C。其中，步驟A至步驟B，具體包括建立如下模型：maxMt,Km,tΣmMtRm,t(Km,t,gm,k,t)]]>minRi,t,KtEi(Ri,t,Ki,gi,t^)]]>s.t.Rm,t(Km,t,gm,k,t)Rm0,mMt]]>ΔtΣt=ΔTiΔTi+TiRi,t=Li]]>0≤Pi,t≤Pi,max,i,t]]>其中，為時隙t的系統吞吐量，為時隙t選中的普通業務集合，為時隙t基站分配給普通業務m(m∈Mt)的信道集，gm,k,t為時隙t分配給普通業務m的信道k的信道增益；為雲業務i在整個上傳數據時隙內消耗的手機能耗，Ri,t為雲業務i在時隙t的速率，Δt為時隙間隔，為時隙t基站分配給雲業務i的信道集，表示各信道增益的平表示均值，Ki為中信道的個數，gi,k,t為時隙t分配給雲業務i的信道k的信道增益；Pi,t為時隙t雲業務i的傳輸功率；表明信道不能重複分配；K表示系統內的信道個數，對應的信道集為K＝{1,…k,…K}；M表示系統內普通業務的個數，對應的業務集為M＝{1,…m,…M}；系統內雲業務的個數I，對應的業務集為I＝{1,…i,…I}，雲業務i需要上傳的數據量為Li，上傳數據的時間限制為Ti，開始上傳數據的時刻為t＝ΔTi。步驟C.分別針對各個雲業務，針對雲業務所對應的各個工作時隙，首先，根據云業務的雲業務能耗模型，採用動態規劃方法，獲得雲業務按時序所對應其最後一個工作時隙的雲業務時隙能耗價值函數，然後，採用逆序遞推方法，依據當前工作時隙內的信道增益，依次獲得雲業務按時序所對應其之前各個工作時隙的雲業務時隙能耗價值函數；進而獲得各個雲業務分別所對應其各個工作時隙的雲業務時隙能耗價值函數，然後進入步驟D。步驟D.分別針對各個雲業務，針對雲業務所對應各個工作時隙的雲業務時隙能耗價值函數，獲得雲業務分別所對應各個工作時隙的最優速率，進而獲得雲業務所對應的最小全局能耗模型，由此，獲得各個雲業務所對應的最小全局能耗模型，然後進入步驟F1。其中，步驟C至步驟D，具體包括如下操作：雲業務i的能耗優化模型如下，minRi,tΔt×Σt=1TiE(2StΔtKiB-1)×KiN0Bgt^]]>s.t.Σt=1TiSt=Li]]>St0,t]]>利用價值函數將優化模型改寫為，Jt(Lt,gt^)=min((2StΔtKiB-1)KiN0Bgt^+EJt-1(Lt-1,gt-1^)),t=T,...,2(2L1ΔtKiB-1)KiN0Bg1^,t=1]]>其中，St為決策量，指在每個階段中具體的決策，即該階段要發送的數據量；Lt為狀態變量，指每一階段內剩餘的數據量(包括本階段)；為指標函數，是衡量一個決策過程的數量指標，這裡指能耗最小指標；利用數學歸納法，最終求得雲業務i在時隙t的最優速率為，雲業務i的最小全局能耗模型為，Ei*(Ki)=Δt(Ti+1)×2Li(Ti+1)×T×KiBGi(vi,ΔTi,...,vi,Ti+ΔTi)-Δt(Ti+1)vi,Ti+ΔTi]]>其中，Gi(vi,t,...vi,ΔTi+Ti)=(Πx=tΔTi+Tivi,x)1ΔTi+Ti-t+1.]]>步驟F1.將基於預設雲業務能耗上限值，系統最大時隙吞吐量優化問題改寫為相應的拉格朗日對偶函數，並進入步驟F2。步驟F2.通過拉格朗日對偶算法表示出原優化問題的對偶問題，原優化問題與對偶問題有相同解，通過求解對偶問題得到最終解，然後進入步驟F3。步驟F3.利用貪婪算法進行當前時隙的信道分配，分配原則為：一個信道應分配給能夠使得拉格朗日函數增量最大的業務，然後進入步驟F4。步驟F4.利用二分法求解最優的對偶係數，進而獲得當前時隙最優信道分配方案，然後進入步驟F5。步驟F5.採用當前時隙最優信道分配方案，以及各個雲業務所對應的最小全局能耗模型實現當前時隙雲業務能耗優化調度。其中，步驟F1至步驟F4，具體包括如下：將基於預設雲業務能耗上限值，系統最大時隙吞吐量優化問題改寫為相應的拉格朗日函數為：L(Mt,Km,t,αt,βt)=ΣmMtRm,t(Km,t,gm,k,t)+ΣiItfirstαi,t×(i-Ei*(Ki))+ΣmMtβm,t×(Rm,t-Rm0)]]>其對偶函數為，f(αt,βt)=maxMt,Km,tL(Mt,Km,t,αt,βt)]]>相應的對偶問題為minαt,βtf(αt,βt)]]>s.t.αt,βt≥0解決該對偶問題，首先利用貪婪算法進行信道的分配，然後利用二分法求解最優的對偶係數，具體步驟為：vi.初始化vii.令viii.對於任一業務n，遍歷其可分配到的任一信道k，對於所有業務進行如上操作，得到業務n分配到信道k時L(Mt,Km,t,αt,βt)的增量值，設為Δwn,k，滿足Δwi,k=αi,t×(i-Ei*(Ki))-αi,t×(i-Ei*(Ki∪k))i1,...,Itfirst]]>Δwm,k=Rm,t(Km∪k,gm,k,t)+βm,t×(Rm,t(Km∪k,gm,k,t)-Rm0)-Rm,t(Km,gm,k,t)-βm,t×(Rm,t(Km,gm,k,t)-Rm0)mItfirst+1,...,N]]>找到使得Δwn,k最大的(n*,k*)，將相應的k*分配給n*；ix.重複步驟iii直至所有的信道分配完；x.在上述得到的信道分配方案下，計算εi-Ei*(Ki)的值，若εi-Ei*(Ki)≥0，則對應否則計算的值，若則對應的否則重複步驟ii-v，直到對於且對於其中，δ為我們設置的常量用於控制算法的精度，δ越小，算法精確度越高，其中，K表示系統內的信道個數為K，對應的信道集為K＝{1,…k,…K}；M表示系統內普通業務的個數，對應的業務集為M＝{1,…m,…M}；系統內雲業務的個數I，對應的業務集為I＝{1,…i,…I}，雲業務i需要上傳的數據量為Li，上傳數據的時間限制為Ti，開始上傳數據的時刻為t＝ΔTi。對於本發明所設計多業務並存系統中雲業務能耗優化調度方法中最後信道的分配來說，分別具體設計採用0-1整數規划算法與拉格朗日對偶算法進行信道的分配，如圖2、圖3、圖4、圖5所示，可見兩算法在實際應用中所帶來的不同效果。本發明設計的多業務並存系統中雲業務能耗優化調度方法，考慮普通業務QoS和系統吞吐量，建立了一個能夠同時優化多個雲業務能耗且能夠最大化系統吞吐量的頻譜資源分配的雙目標優化模型，引入雲業務上傳能量的上限值，將雲業務上傳能量的最小目標改寫為能量小於一定閾值的限制條件，使得雙目標優化問題變為單目標優化問題，然後通過逆序迭代的方法，得到最優能量消耗與當前時隙分配到的信道集之間的關係，並通過這個關係，將優化系統吞吐量和優化雲業務能量這兩個目標統一到一個時間尺度上，最後再通過所設計0-1整數規划算法或拉格朗日對偶算法進行信道的分配，在滿足雲業務能量消耗要求的前提下最大化系統吞吐量。上面結合附圖對本發明的實施方式作了詳細說明，但是本發明並不限於上述實施方式，在本領域普通技術人員所具備的知識範圍內，還可以在不脫離本發明宗旨的前提下做出各種變化。當前第1頁1 2 3