高 云， 郭艷艷， 衛(wèi) 霞

(山西大學(xué) 物理電子工程學(xué)院， 山西 太原 030006)

0 引 言

隨著通信技術(shù)的高速發(fā)展， 移動設(shè)備有限的計算能力、 存儲空間和電池壽命等難以滿足復(fù)雜移動應(yīng)用的低時延、 高可靠性需求[1]. 近年來興起的移動邊緣計算(Mobile Edge Computing, MEC)技術(shù)能夠?qū)⒁苿討?yīng)用中的計算任務(wù)轉(zhuǎn)移到鄰近設(shè)備的網(wǎng)絡(luò)邊緣， 有效地降低本地服務(wù)器的處理壓力， 并避免回傳和核心網(wǎng)絡(luò)中的延遲[2]. 然而， 由于通信過程中無線環(huán)境的復(fù)雜性， 致使計算任務(wù)通過無線鏈路上傳到MEC服務(wù)器時容易造成無線資源利用率低和丟包等問題. 因此， 如何在保證應(yīng)用需求的前提下， 找到一種最優(yōu)的卸載決策和資源分配策略， 具有重要的研究價值.

近年來， 已有許多學(xué)者圍繞MEC系統(tǒng)中卸載策略和資源優(yōu)化問題進(jìn)行了相關(guān)研究. 文獻(xiàn)[3-5]中， 通過近似最優(yōu)迭代資源分配算法得到系統(tǒng)能耗最小化的卸載決策和資源分配策略； 文獻(xiàn)[6-7]， 為解決移動設(shè)備端的任務(wù)隊列動態(tài)數(shù)據(jù)包卸載問題， 采用李雅普諾夫優(yōu)化方法獲得系統(tǒng)穩(wěn)定性與長期卸載收益兼顧的卸載策略. 近年來， 深度強(qiáng)化學(xué)習(xí)(Deep Reinforcement Learning, DRL)被廣泛地應(yīng)用到MEC網(wǎng)絡(luò)中， 用于解決卸載決策和資源分配問題. 文獻(xiàn)[8-10]中， 將發(fā)射功率離散化后采用深度Q學(xué)習(xí)(Deep Q-network, DQN)算法進(jìn)行功率分配， 而文獻(xiàn)[11]中采用深度確定性策略梯度(Deep Deterministic Policy Gradient, DDPG)算法解決連續(xù)功率變量分配問題. 然而， 現(xiàn)有的MEC卸載決策和資源分配研究中， 在建立優(yōu)化模型并對相關(guān)參數(shù)進(jìn)行聯(lián)合優(yōu)化時， 沒有考慮這些參數(shù)之間的內(nèi)在聯(lián)系， 導(dǎo)致優(yōu)化模型復(fù)雜， 實現(xiàn)困難.

針對上述問題， 本文在多種移動設(shè)備、 單個移動邊緣計算服務(wù)器場景下， 考慮計算任務(wù)隊列穩(wěn)定和時延限制、 移動設(shè)備的最大發(fā)射功率限制等條件， 構(gòu)建以系統(tǒng)長期平均能耗最小化為目標(biāo)的優(yōu)化模型. 然后， 將計算任務(wù)的卸載決策、 計算資源分配、 上行信道分配和設(shè)備發(fā)射功率分配的優(yōu)化問題簡化為上行信道和發(fā)射功率分配的聯(lián)合優(yōu)化問題. 由于信道狀態(tài)和任務(wù)隊列變化的馬爾可夫?qū)傩訹12]， 將動態(tài)MEC網(wǎng)絡(luò)中系統(tǒng)平均能耗最小化的問題轉(zhuǎn)化為長期獎勵值最大化的問題， 利用DQN算法獲取最優(yōu)的資源分配策略， 進(jìn)而得到計算任務(wù)抵達(dá)率與系統(tǒng)能效及數(shù)據(jù)處理率之間的內(nèi)在關(guān)系.

1 系統(tǒng)模型和問題構(gòu)建

1.1 系統(tǒng)模型

本文構(gòu)建的MEC網(wǎng)絡(luò)模型包括1個MEC服務(wù)器、 1個基站及N個不同類型的移動設(shè)備. 基站和移動設(shè)備均配置單個天線， 且兩者之間采用正交頻分多址接入方式， 在K個信道進(jìn)行數(shù)據(jù)傳輸， 基站與MEC服務(wù)器之間通過光纖連接， 所以忽略它們之間的傳輸延時. 移動設(shè)備的計算任務(wù)可以在本地處理， 也可以通過基站卸載到MEC服務(wù)器上處理.

Bn(t)=max{Bn(t-1)+Ln(t)-

νn(t)-Dn(t),0}，

(1)

(2)

1.2 系統(tǒng)能耗優(yōu)化問題構(gòu)建

MEC系統(tǒng)能耗包括設(shè)備本地處理數(shù)據(jù)能耗、 設(shè)備上傳數(shù)據(jù)所需能耗和MEC服務(wù)器處理數(shù)據(jù)能耗. 在時隙t內(nèi)， 移動設(shè)備n本地處理數(shù)據(jù)的能耗

(3)

式中：ξ1是常數(shù)因子， 由移動設(shè)備的處理能力決定[13]. 上傳數(shù)據(jù)所需能耗

(4)

(5)

在時隙t內(nèi)， 系統(tǒng)總能耗為

(6)

為了最小化系統(tǒng)長期平均能量消耗并保持?jǐn)?shù)據(jù)隊列穩(wěn)定， 該系統(tǒng)的優(yōu)化模型為

(7)

2 基于DQN的無線資源優(yōu)化算法

2.1 DQN原理

DQN的目標(biāo)是找到最優(yōu)的策略， 使長期獎勵最大化[16]. 基于當(dāng)前的狀態(tài)，s(t)選擇動作a(t)=π(s(t))， 得到即時獎勵r(t)， 同時狀態(tài)s(t)轉(zhuǎn)移到下一狀態(tài)s(t+1)， 再基于新的狀態(tài)繼續(xù)與環(huán)境進(jìn)行交互， 持續(xù)該過程以得到最大的長期獎勵.t時隙累計衰減獎勵的表達(dá)式為

(8)

式中：E[·]表示均值；λ∈[0,1]為獎勵衰減因子. 最優(yōu)策略π*的表達(dá)式為

(9)

在MEC網(wǎng)絡(luò)中， 數(shù)據(jù)隊列的變化和無線信道的衰落均具有馬爾可夫?qū)傩? 根據(jù)馬爾可夫的性質(zhì)， 下一時刻的狀態(tài)僅與當(dāng)前狀態(tài)相關(guān)， 而與之前時刻的狀態(tài)無關(guān)， 所以式(8)以遞歸方式更新值函數(shù)Q， 其表達(dá)式為

Q(s(t),a(t))=Q(s(t),a(t))+δ(r(t)+

λmaxQ(s(t+1),a(t+1))-Q(s(t),a(t)))，

(10)

式中：δ為學(xué)習(xí)率.

2.2 DQN結(jié)構(gòu)

DQN包含兩個結(jié)構(gòu)相同的深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)， DNN包含一層隱藏層， 兩層全連接層. 其中一個DNN為評估Q網(wǎng)絡(luò)， 用于擬合值函數(shù)Q， 其表達(dá)式為

Q(s(t),a(t);θ)≈Q*(s(t),a(t))，

(11)

式中：θ為評估Q網(wǎng)絡(luò)的權(quán)重參數(shù). 另一個DNN為目標(biāo)Q網(wǎng)絡(luò)， 用于獲得目標(biāo)Q值.目標(biāo)網(wǎng)絡(luò)的Q值定義為

λmaxQ(s(t+1),a(t+1);θ-)，

(12)

式中：θ-為目標(biāo)Q網(wǎng)絡(luò)的權(quán)重參數(shù).

在學(xué)習(xí)階段， 將每次和環(huán)境交互得到的獎勵與狀態(tài)更新情況以(s(t),a(t),r(t),s(t+1))的形式存放在經(jīng)驗池中[17]， 當(dāng)經(jīng)驗池中存儲的樣本量大于隨機(jī)抽樣的樣本量時開始訓(xùn)練.在訓(xùn)練階段， 從經(jīng)驗池中隨機(jī)抽取小批樣本(si,ai,ri,si+1)， 將si作為評估Q網(wǎng)絡(luò)的輸入， (ri,si+1)作為目標(biāo)Q網(wǎng)絡(luò)的輸入. 每一步訓(xùn)練中， DQN通過最小化損失函數(shù)來更新神經(jīng)網(wǎng)絡(luò)的參數(shù)， 損失函數(shù)的表達(dá)式為

(13)

根據(jù)當(dāng)前從經(jīng)驗池中抽取的樣本來計算評估網(wǎng)絡(luò)參數(shù)θ的梯度?θ， 再使用自適應(yīng)估計(Adaptive Moment Estimation， Adam)算法更新評估Q網(wǎng)絡(luò)的參數(shù)θ.目標(biāo)Q網(wǎng)絡(luò)的參數(shù)θ-是通過每隔一段時間將評估Q網(wǎng)絡(luò)的參數(shù)θ直接賦值的方式更新.

3 仿真分析

3.1 仿真參數(shù)設(shè)置

仿真中主要的環(huán)境參數(shù)設(shè)置見表 1.

表 1 參數(shù)配置

神經(jīng)網(wǎng)絡(luò)隱藏層數(shù)為1， 該層含256個節(jié)點， 使用線性整流函數(shù)(Rectified Linear Unit， ReLU) 作為非線性激活函數(shù)；ε-貪心策略中的ε線性選擇從0～0.9； 神經(jīng)網(wǎng)絡(luò)的參數(shù)更新過程中， 學(xué)習(xí)率δ為8e-5， 經(jīng)驗池的大小為900， 從經(jīng)驗池中每批次采樣128個樣本， 學(xué)習(xí)間隔步長為5， 目標(biāo)網(wǎng)絡(luò)參數(shù)更新的頻率為30. 訓(xùn)練步長為200個回合， 每回合包括500個時隙.

1.2 性能分析

圖 1 顯示了DQN算法的迭代收斂過程. 在該仿真過程中， 用戶數(shù)N=5, 從圖 1 中可以看出， 該算法在經(jīng)過30 000多次迭代后逐漸收斂， 證明該算法在保持隊列穩(wěn)定約束條件下合理分配資源是可行的.

圖 1 DQN算法損失函數(shù)系Fig.1 The convergence speeds of the DQN algorithm

本文將DQN算法與“本地執(zhí)行”和“隨機(jī)選擇”算法進(jìn)行比較. “本地執(zhí)行”是指計算任務(wù)的數(shù)據(jù)隊列只能在設(shè)備本地處理； “隨機(jī)選擇”是指計算任務(wù)的數(shù)據(jù)隊列隨機(jī)選擇在設(shè)備本地處理， 或者M(jìn)EC端處理. 圖 2 描述了計算任務(wù)的數(shù)據(jù)平均抵達(dá)率與系統(tǒng)平均能效和數(shù)據(jù)量處理率之間的關(guān)系.

圖 2 系統(tǒng)平均能效和數(shù)據(jù)處理率與平均抵達(dá)率關(guān)系Fig.2 Average energy-efficiency and packet computingratio against packet arrival ratio

圖 3 描述了計算任務(wù)的平均抵達(dá)率為 1.5 kb/Ts， 系統(tǒng)平均能效和用戶數(shù)之間的關(guān)系. 從圖中可以看出， 隨著用戶數(shù)的增加， 3種算法的系統(tǒng)平均能效均在增加， 而本文提出的DQN算法的系統(tǒng)平均能效優(yōu)于其他兩種算法.

圖 3 系統(tǒng)平均能效和用戶數(shù)關(guān)系Fig.3 Average energy-efficiency versus the number of users

4 結(jié) 論

本文將MEC網(wǎng)絡(luò)中計算任務(wù)的卸載決策及資源分配問題轉(zhuǎn)化為無線信道和功率分配的聯(lián)合優(yōu)化問題， 在保證移動設(shè)備的計算任務(wù)隊列穩(wěn)定和時延限制、 最大發(fā)射功率限制等約束條件下， 通過DQN算法實現(xiàn)了使系統(tǒng)平均能耗最小的資源分配策略. 仿真結(jié)果表明， 與本地執(zhí)行和隨機(jī)選擇算法相比， 本文所提出的算法可以有效地提高系統(tǒng)的能效及數(shù)據(jù)量處理率.