一种工业物联网中基于多跳传输的任务卸载方法

摘要

本发明公开了一种工业物联网中基于多跳传输的任务卸载方法，涉及工业物联网领域，通过构建通信带宽分配、计算资源分配、路径决策模型、进行非线性优化，通过松弛处理将优化问题转化为凸优化问题并求解，求得近似最优策略。本发明能够在工业网络多跳任务卸载中求得近似最优策略，且复杂度较低，具有降低任务延迟，保证任务的服务质量的效果。

说明书

技术领域

本发明涉及工业物联网领域，尤其涉及一种工业物联网中基于多跳传输的任务卸载方法。

背景技术

随着现代信息技术的快速发展，工业物联网在规模和智能化程度上都有了很大的提升。海量的工业设备被接入工业网络中，并且产生了密集的数据流量。同时，由于用户的需求，出现了一批工业应用，例如故障预测和诊断、数据分析、实时监控等，这些工业应用通常对计算量的需求较大，并且是时延敏感型的。然而，由于工业设备自身计算能力和能量供给的限制，在给定的时延要求内处理这些任务是比较困难的，因此亟需一种任务处理策略，来有效地处理工业应用的计算任务。

计算架构的革新为海量数据的处理提供了有力的支撑。从云计算到边缘计算，计算资源与用户的距离逐步拉近，而这不仅带来了更低的传输时延，同时将云计算的能力延伸到网络边缘，能够提供丰富的计算资源，这样就进一步减轻了网络负载的压力，给计算任务提供更高质量的服务。正是由于边缘计算高带宽、低时延、本地化的特点，解决了数据处理时延过大、数据流量过高的问题，使其适用于对实时性和计算能力要求较高的工业场景。同时，结合计算任务卸载技术，将任务从资源受限的工业设备传输到边缘服务器上进行处理。所以，采用基于边缘计算的任务卸载，可以为工业应用下的计算任务提供低时延和更加灵活的计算。

在一般的边缘计算系统中，终端用户可以把计算任务卸载到部署在网络边缘的边缘服务器上。然而，由于工业生产环境的复杂，对通信传输过程存在无法避免的干扰，工业设备和边缘服务器之间的通信质量可能会受到影响，甚至导致连接间断。因此，在这种场景下，单跳的计算任务卸载是不可靠的。通过在网络中部署无线接入节点，工业设备与无线接入节点之间进行合作，将任务数据通过多跳传输的方式卸载到边缘服务器上，这种卸载方式称为多跳任务卸载。在这一过程中，工业设备将任务传输到无线接入节点，由于不同工业设备产生的计算任务需求不同，需要对传输带宽进行分配；其次，任务在无线接入节点之间进行多跳传输时，需要选择合适的传输路径以减小传输过程中的时延；最后，当任务卸载到边缘服务器进行计算时，需要对每个任务分配合理的计算资源以提高计算的效率。

现有技术存在的问题在于，缺乏一种有效的优化策略，同时考虑这三个方面，联合优化通信资源、计算资源和多跳传输路径的决策，得到任务卸载的最优策略。

因此，本领域的技术人员致力于开发一种工业物联网中基于多跳传输的任务卸载方法，在工业物联网场景下，结合边缘计算和任务卸载技术，寻找一种有效的任务处理策略，优化网络资源的分配与任务传输路径的决策，以最大化系统的效用函数，从而满足工业应用的服务要求。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种工业物联网中通信资源、计算资源分配和多跳路径规划的任务卸载方法。该方法在满足设备通信资源以及计算能力约束的要求下，通过分配设备的通信带宽、边缘服务器的计算资源以及多跳路径决策等方式，实现系统效用函数的最大化。

为实现上述目的，本发明提供了一种工业物联网中基于多跳传输的任务卸载方法，在软件定义接入网络中包含M台工业设备、P个无线接入节点和N台SDN交换机，无线接入节点之间、无线接入节点与SDN交换机之间、无线接入节点与其覆盖范围内的工业设备之间通过无线方式进行通信；SDN交换机旁部署有边缘计算服务器；每个工业设备会产生一个计算任务，计算任务可在工业设备本身计算，也可以通过无线接入节点和SDN交换机卸载到边缘计算服务器进行计算；包括如下步骤：

步骤一：系统建模，计算任务为Q

步骤二：构建无线接入节点的通信带宽分配、边缘服务器的计算资源分配、计算任务的路由路径决策模型，构建混合整数非线性优化问题，优化系统总体的效用函数；

步骤三：处理步骤二中建立的优化问题，引入辅助变量代替优化问题中耦合的优化变量，利用线性化重构技术，用线性约束代替优化问题中包含耦合变量的约束；对优化问题中的二进制变量进行松弛处理，将优化问题转化为凸优化问题；

步骤四：求解所述步骤三中构建的凸优化问题，利用交替向量乘子法，定义优化变量的本地副本，构建增广拉格朗日函数，通过迭代更新本地变量、全局变量和对偶变量来求解问题，最后对松弛处理的二进制变量进行恢复，得到通信带宽分配、计算资源分配和路由路径的联合优化策略。

进一步地，在工业设备本身计算的模型为：

其中，

进一步地，工业设备将计算任务传输到无线接入节点的模型为：

与工业设备i相关联的无线接入节点为χ(i)＝k，连接到无线接入节点k的设备的集合为Ω

其中，工业设备与无线接入节点之间的无线通信速率r

其中，P

计算任务Q

进一步地，多跳路径中的单跳通信模型为：

无线接入节点的块错误率用η来表示，传输块大小为

出现传输块错误的块进行重传，出现k次块错误，则传输时延为

根据概率，传输时延为

进一步地，计算任务在边缘计算服务器计算的模型为：

计算任务Q

其中

进一步地，步骤二的模型为：

采用路径向量路由机制，工业设备i需要将计算任务Q

定义工业设备i的一组计算选择变量，

定义任务的卸载决策向量为

进一步地，所步骤三具体为：

引入辅助变量

利用线性化重构技术，用线性约束代替优化问题中包含耦合变量的约束c5和c6；

进一步地，对优化问题中的二进制变量进行松弛处理

将优化问题转化为凸优化问题

进一步地，步骤四具体为：

定义变量x

其中ξ表示

构建问题P4的增广拉格朗日函数：

通过迭代更新本地变量、全局变量和对偶变量来求解问题，最后对松弛处理的变量进行恢复，得到通信带宽分配、计算资源分配和路由路径选择的联合优化策略。

本发明还公开了一种工业物联网系统，包括工业设备、无线接入节点、SDN交换机、边缘计算服务器，按照上述的方法，得到通信带宽分配、计算资源分配和路由路径的联合优化策略，进行多跳传输的任务卸载。

本发明基于工业物联网中的多跳任务卸载，构建了工业网络中的多跳任务卸载模型，最大化系统的效用函数，以满足工业应用对计算密集型任务的低时延要求。本发明中考虑了通信带宽分配、边缘服务器计算资源分配和多跳路径选择问题，建立了混合整数非线性规划问题，为了求解该优化问题，首先引入辅助变量并利用线性化重构技术，松弛二进制变量，将问题转化为凸优化问题。而随着网络设备数量增大，变量维度会激烈增长，采用了基于交替向量乘子法的分布式求解方法，能够获得较大的系统效用收益，并且具有降低的时间复杂度。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明的基于ADMM的分布式求解算法流程图；

图2是本发明的基于多跳传输的任务卸载模型示意图。

其中：1-工业设备，2-无线接入节点，3-SDN交换机，4-边缘计算服务器。

具体实施方式

以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。

在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。

如图2所示，为本发明的基于多跳传输的任务卸载模型示意图，包括工业设备1、无线接入节点2、SDN交换机3、边缘计算服务器4。

如图1所示，本发明一种工业物联网中基于多跳传输的任务卸载方法，包括以下步骤：

(1)系统建模：在软件定义接入网络中包含M台工业设备、P个无线接入节点和N台SDN交换机，无线接入节点之间、无线接入节点与SDN交换机之间通过无线方式进行通信；无线接入节点与工业设备通过无线方式进行通信，且有一定的无线通信范围，在所属的无线通信范围内，工业设备只能与无线接入节点进行通信。无线接入节点的通信范围之间没有覆盖。SDN交换机旁部署有一台边缘计算服务器，边缘计算服务器的计算能力为

(2)构建无线接入节点的通信带宽分配、边缘服务器的计算资源分配、计算任务的路由路径决策模型，构建混合整数非线性优化问题，优化系统总体的效用函数。

(3)处理步骤(2)中建立的规划问题，构建的问题是一个涉及整数和二进制变量的非线性组合规划问题，并且是非凸的，难以在合理的时间内求解到最优值。卸载决策变量为整数，并且与带宽分配变量和计算资源分配变量相互耦合，因此引入辅助变量代替优化问题中耦合的优化变量，并进一步利用线性化重构技术，分别用一组线性约束来代替优化问题中包含耦合变量的两个约束。由于卸载决策变量为整数导致变量可行集非凸，对卸载决策变量进行松弛处理，松弛为[0,1]上的连续整数，将步骤(2)中建立的规划问题转化为凸优化问题。

(4)求解步骤(3)中构建的凸优化问题，利用交替向量乘子法，定义优化变量的本地副本，构建增广拉格朗日函数，通过迭代更新本地变量、全局变量和对偶变量来求解问题，最后对松弛处理的二进制变量进行恢复，得到通信带宽分配、计算资源分配和路由路径选择的联合优化策略。

步骤(1)具体为：

一个软件定义接入网络(Software defined access network)，由M个工业设备(Industrial Device，ID)，N个SDN交换机(SDN switch)和P个无线接入节点(WirelessAccess Point，WAP)组成。把工业设备的集合表示为

(1)本地计算

任务Q

定义本地计算的效用函数为

其中，f

(2)卸载计算

若设备i选择将任务卸载到边缘服务器处理，那么设备需要先将任务Q

1)设备传输任务到无线接入节点

与设备i相关联的无线接入节点为χ(i)＝k，无线接入节点k总的无线带宽为B

根据香农公式，设备i与节点k之间的无线通信速率r

其中，P

因此，定义任务Q

2)无线接入节点多跳传输到SDN交换机

接下来，描述从接入节点k到SDN交换机j的多跳传输过程。定义二进制变量

首先构建单跳通信模型，由于多径衰落和阴影效应，无线信道产生的波动可能会导致数据传输失败，因此通信设备调制和编码方案根据信道质量动态调整，以保持块错误率(BLER)恒定。无线接入节点的块错误率用η来表示，任务i的数据量大小为d

则出现k个块错误的概率为

只有出现传输块错误的块需要进行重传，假设重传块的成功率为1。出现k次块错误，则传输时延为

根据概率，单跳传输时延为

分成两部分求和：

1.

2.

∴

因此，单跳传输时延为

则任务Q

3)任务在边缘服务器计算

任务通过多跳传输到达SDN交换机j，交予边缘服务器j计算。边缘服务器j的计算能力定义为

定义任务Q

同时任务Q

根据上述的公式，处理设备i上产生的任务Q

步骤(2)具体为：

根据步骤(1)建立的通信和计算模型，构建任务卸载和资源分配优化问题以最大化处理任务的效用函数。定义任务的卸载决策向量为

步骤(3)具体为：

问题P1的目标函数中包含乘积项

在引入辅助变量后，问题P1的目标函数可以转化为

其中

约束c2可以转化为

约束c3可以转化为

因此，问题P1可以转化为

然而，约束c5,c6还是使得问题难以求解，因此采用重构线性化技术，用一些线性约束来代替c5和c6。

其中，B

由于二进制变量Π的存在，问题P2依旧是非线性的。为了解决这个问题，将二进制变量x

松弛的二进制决策变量可以解释为计算任务被部分卸载了，一部分在本地计算，另一部分在边缘服务器上计算。所以问题P2可以重新写为

问题P3是一个凸优化问题，现有很多凸优化方法可以用来处理线性规划问题，例如内点法、对偶分解等。然而针对这个问题设计集中式求解算法比较困难，随着网络设备数量增大，变量维度激烈增长，会给问题求解带来巨大的计算复杂度。因此，接下来提出一个基于分布式算法的求解方法。

步骤(4)具体为：

定义变量x

则设备i’的本地变量的可行集为

因此，问题P3的目标函数可以表示为

对于每一个设备，相关的本地效用函数可以表示为

其中ξ表示

定义问题P4的增广拉格朗日函数

其中，

在很多分析中，通过将增广拉格朗日函数中的线性项和二次项结合起来并缩放对偶变量，可以将ADMM写成带标度的形式，这种形式通常更加方便。

其中，

ADMM算法通过迭代更新本地变量、全局变量和对偶变量来求解问题，接下来分别给出求解的步骤。

a)本地变量更新

根据问题分解，问题P4被转化为M个子问题，可以用分布式方法求解。很显然，(4)是一个二次函数，并且本地变量的可行集是凸的。因此本地变量可以利用原始-对偶内点法或者凸优化工具，例如CPLEX求解。

b)全局变量更新

在得到本地变量在t+1次迭代的值

式(5),(6),(7),(8)是在无约束的情况下，求二次函数的最小值问题。因此，分别对x,y,u,v一阶导数可以得到

接下来，可得

在第t次迭代时，令对偶变量为0，即

c)乘子更新

根据已有的证明，原始残差和对偶残差随着迭代次数增加会收敛到零。因此，为了满足停止迭代的条件，原始残差应该足够小。

同样的，第t+1次迭代的对偶可行性条件残差也应该足够小，即满足如下条件：

‖x

‖u

二进制变量恢复：

为了将原问题转化为凸优化问题，在前面把二元变量x和y松弛为连续变量，所以在ADMM过程收敛后需要恢复二进制变量。以变量x

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。