一种RIS辅助无线通信的三端融合任务调度模型与方法

技术领域

本发明属于移动边缘计算任务调度、RIS辅助无线通信领域，具体说是涉及一种RIS辅助无线通信的三端融合任务调度模型与方法。

背景技术

随着人工智能和智能终端设备等软硬件的蓬勃发展，物联网和人工智能的高度融合催生了6G时代“智慧物联网”的蓝图。智能工业互联网、智慧交通、智能电网、智慧城市等概念纷纷涌出，各种新型应用也在逐渐地改变人们的生活方式。未来6G时代应用形态更加丰富化，网络数据更加巨量化都会对现在的无线基础设施是一个巨大的挑战。

移动边缘计算架构通过在网络边缘部署MEC服务器为用户提供计算和存储服务，相较于云计算架构，由于MEC服务器在地理位置上更靠近用户，从而很大程度上减少了数据传输的延迟和能耗。随着数据量和用户体验需求矛盾、新型应用的计算量与时延敏感度之间的矛盾不断的加剧。一个高效的边缘计算任务调度策略在对时延有严格要求的场景下发挥着十分重要的作用。鉴于MEC计算资源的有限性、异构性、用户信道干扰以及能耗限制等特点，对计算迁移优化形成了新的挑战；并且，用户与边缘基站之间的无线通信容易受到天气、障碍物等多环境因素的不确定性阻碍，从而使得边缘计算迁移技术的作用受到影响。

CN2022107236791公开了一种工业互联网中边缘计算任务调度方法和系统，提供了一种基于改进遗传算法的任务调度策略算法(Improved Genetic Algorithm-basedTask Scheduling Policy Algorithm, IGA-TSPA)，可以根据延迟约束和资源约束有效地选择合适的任务调度位置。该发明通过建立任务缓存、区块链和任务调度的联合优化模型，将区块链技术与工业设备、边缘计算和云计算的三层架构相结合，在降低任务消耗的同时提高了任务调度过程中的数据安全性。

CN202310553022X公开了一种基于RIS辅助的NOMA边缘计算动态任务传输功率分配方法，包括：构建RIS-NOMA边缘计算任务传输系统，在队列长度约束下成立UE端总成本表达式，但该发明未考虑用户任务的可划分性，并且以传输功率为优化目标，仅考虑了无线通信的质量优化，采用的DDQN算法，需要大量的计算资源训练模型，未考虑到边缘资源的有限性和边缘场景的实时变化导致的网络参数训练问题。

CN2022102318494公开了一种工业互联网中边缘计算任务调度方法，忽略了无线通信信道的质量问题，而在现实场景中，无线信道极易受到环境影响而动态变化。

发明内容

为了解决上述技术问题，本发明提供了一种RIS辅助无线通信的三端融合任务调度模型与方法，通过构建RIS辅助边缘计算无线通信模型，解决无线通信容易受到天气、障碍物等多环境因素的不确定性问题，利用基于分布式博弈论和交替优化的方法（AODSO）解决任务调度时延优化问题。

为了达到上述目的，本发明是通过以下技术方案实现的：

本发明提供了一种RIS辅助无线通信的三端融合任务调度模型，所述三端融合任务调度模型主要包括

所述RIS端包括RIS辅助无线通信模型，所述RIS辅助无线通信模型为具有N个反射单元的RIS，所述RIS辅助无线通信模型包括RIS端数据传输模块、RIS参数优化模块和控制模块，所述控制模块内设置有RIS控制器，所述RIS端的数据传输模块接收到MEC端和用户端发送的信息，获取用户端和MEC端提供计算资源的MEC服务器之间通信的信道情况，RIS参数优化模块根据信道信息来自适应改变RIS的参数信息，所述控制模块通过所述RIS控制器来控制RIS的相位、相移的参数；

所述用户端包括MEC任务调度决策模型，所述MEC任务调度决策模型包括任务划分模块、用户端数据传输模块和任务调度决策模块，所述任务划分模块将计算任务划分为多个子任务，所述用户端数据传输模块根据得到的信道情况得到用户的调度决策，所述任务调度决策模块将得到的调度决策发送到所述用户端数据传输模块，所述用户端数据传输模块将调度决策广播到RIS端和MEC端；

所述MEC端包括MEC端数据传输模块、竞争决策模块和资源统计模块，用于解决多用户共同竞争所有服务器资源。

本发明的进一步改进在于：RIS辅助无线通信模型表示为：

，

为RIS的N个反射单元的相移向量，

本发明的进一步改进在于：在RIS端，所述RIS参数优化模块根据信道信息来自适应改变RIS的参数信息，具体包括如下步骤：

步骤1.1、当每个用户将自己的调度决策广播后，所述RIS端数据传输模块接受到用户的调度决策信息，并且将调度决策信息发送到所述RIS参数优化模块；

步骤1.2、所述RIS参数优化模块获取到调度决策信息后，使用AOPO方法优化RIS参数；

步骤1.3、所述RIS参数优化模块得到最优参数后，将参数发送给所述控制模块；

步骤1.4、所述控制模块根据得到的RIS参数调整RIS的反射元件的相位与相移；

步骤1.5、所述数据传输模块将目前的RIS参数和波束成形优化参数发送到MEC端。

本发明的进一步改进在于：在用户端中，利用所述MEC任务调度决策模型的任务调度方法包括如下步骤：

步骤2.1、当用户发布计算任务后，所述任务划分模块将所述计算任务划分为多个有依赖关系的子任务，且将任务建模为一个

步骤2.2、所述用户端数据传输模块获取到MEC端的MEC服务器广播的信道信息和MEC服务器资源的使用信息；

步骤2.3、根据所述数据传输模块得到的通信资源和计算资源信息，所述任务调度决策模块使用TSO方法得到用户的调度决策，并将其发送到用户端数据传输模块；

步骤2.4：任务调度决策模块将得到的调度决策发送到用户端数据传输模块；

步骤2.5：用户端数据传输模块将调度决策广播到RIS端和MEC端。

本发明公开了一种RIS辅助无线通信的三端融合任务调度方法，该方法包括以下步骤：

步骤1、MEC端数据传输模块接收到用户端和RIS端发送的调度决策

步骤2：根据服务器资源和调度决策构建多用户竞争博弈模型：

，

其中，

步骤3、所述MEC端的资源统计模块基于空闲时隙插入策略和调度决策

步骤4、根据每个用户的任务完成时间

步骤5、采用一种基于交替优化和分布式博弈的方法（AODSO）达到三个单独的RIS端、用户端以及MEC端的均衡状态，以实现联合优化无线通信质量和系统平均时延；

步骤6：最终每个用户根据的用户自己的调度决策

本发明的进一步改进在于：在步骤5中，一种基于交替优化和分布式博弈的方法（AODSO）具体包括如下步骤：

步骤5.1、用户端产生新的任务后，将任务划分为多个子任务，任务调度决策模块使用TSO方法生成用户的调度决策，将调度决策发送到RIS端；

步骤5.2、RIS端收到用户发送的调度决策后，采用AOPO方法计算得到最优的RIS参数

步骤5.3、MEC端接收到来自RIS端的参数后，根据调度决策，竞争决策模块根据基于空闲时隙插入策略进行计算得到每个用户的任务完成时间和整个系统的平均时延；

步骤5.4、选择使得平均时延低即平均时延最好的设备的调度决策

步骤5.5、根据调度决策

步骤5.6、MEC端的数据传输模块将本次选择的调度决策

步骤5.7、重复以上步骤5.1-5.6，直到所有的用户不再做出改变，此时基于交替优化和分布式博弈的方法达到了均衡状态。

本发明的进一步改进在于：在步骤5.3中，基于空闲时隙插入的策略具体包括如下步骤：

步骤5.3.1、对于每一个子任务，MEC端提供的计算资源的MEC服务器查询自己的任务队列；

步骤5.3.2、MEC服务器计算已在排队的任务队列中的子任务之间的空闲时间

步骤5.3.3、如果该子任务的计算时间

步骤5.3.4、如果该子任务的计算时间

步骤5.3.5、重复步骤5.3.1-步骤5.3.4直接计算出所有MEC服务器的任务执行时间。

本发明的进一步改进在于：在所述步骤5.1中，所述TSO方法具体包括如下步骤：

步骤5.1.1、输入所有参数信息，包括计算任务

步骤5.1.2、根据用户任务的DAG图，将任务排列成优先级队列

；

步骤5.1.3、根据

步骤5.1.4、对于每一个可选择的MEC，根据传入的RIS参数，计算用户与MEC的传输速率，计算用户

；

步骤5.1.5、设

，

步骤5.1.6、计算子任务的执行结束时间

；

步骤5.1.7、重复步骤5.1.4至步骤5.1.6，直到所有可选择的可行模式计算完成，选择使得

步骤5.1.8、重复步骤5.1.3至步骤5.1.7，直到所有的子任务都得到其调度决策，最后得到整个任务的调度决策

本发明的进一步改进在于：在步骤5.2中，使用AOPO方法优化RIS参数具体包括如下步骤：

具体包括如下步骤：

步骤5.2.1、根据用户的调度决策

，

其中：

步骤5.2.2、根据

步骤5.2.3、根据公式

步骤5.2.4、获取用户与基站之间的传输速率

步骤5.2.5、采用黎曼共轭梯度（RCG）算法计算RIS的相移参数

，

其中，

步骤5.2.6、根据得到的RIS的相移参数

，

其中：

步骤5.2.7、根据波束成形向量

步骤5.2.8、重复步骤5.2.5到步骤5.2.7，直到WSR达到最大值；

步骤5.2.9、输出RIS相移参数

本发明的有益效果是：

针对无线信道的不稳定性和基础设施易受到自然环境的影响，甚至部分被摧毁的问题，本发明提出了引入RIS辅助边缘计算网络通信，基础设施故障、恶劣的天气质量等都极易影响到边缘网络的覆盖率和用户通信质量，为了应对通信的不稳定性和提高用户的服务质量，本发明提出了智能超表面（RIS）辅助无线通信的MEC通信模型，本发明公开智能超表面（RIS）辅助无线通信的MEC通信模型可以有效的增强信道增益，改善通信质量。

本发明提出了将用户的计算任务拆分成多个依赖关系约束的任务，并且根据用户任务和信道情况构建三端（MEC端、用户端、RIS端）融合的任务调度模型，利用无线通信质量和系统平均时延的联合优化，创造性地提出了一种基于交替优化和分布式博弈的任务调度和RIS参数联合优化方法（AODSO）来解决联合优化问题，AODSO方法分为两个个子模块：TSO和AOPO，用户端使用TSO方法来得到用户的任务调度决策，并将其发送到MEC端和RIS端，RIS端使用AOPO方法来优化无线通信质量，最后，AODSO方法采用交替优化策略来实现调度决策和通信质量的联合优化。本发明公开的方法可以有效改善边缘任务调度不合理导致的服务器资源浪费问题，从而降低用户的平均时延。

本发明是一个交替迭代的过程，在一次迭代中，用户端在本地得到调度决策，RIS端和MEC端接收到调度决策后，RIS端和MEC端通过上述的方法得出本此迭代的最优RIS参数和波束成形向量，并将其发送回用户端，重复以上步骤，直到达到整个系统的最低平均时延。

附图说明

图1 是本发明端融合任务调度模型的结构示意图。

图2 是本发明RIS辅助无线通信的三端融合任务调度方法的示意图。

图3 是本发明RIS辅助无线通信的三端融合任务调度方法的流程图。

图4 是使用本发明的AODSO方法与DTSO-无RIS和DTSO-RIS的收敛状态对比图。

具体实施方式

以下将以图式揭露本发明的实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。

如图1-2所示，考虑了RIS辅助车载场景下，本发明是一种RIS辅助无线通信的三端融合任务调度模型与方法，具体包括如下步骤：

步骤1、当车辆进入到基站覆盖范围内，用户发布导航计算任务，任务划分模块根据数据流将导航任务划分为多个有依赖关系的子任务。具体划分：

子任务1、用户在导航应用中输入目的地，导航设备激活控制器模块获得用户当前的位置。

子任务2、获取目的地的所有可选路径。

子任务3、获取路径的沿途交通状况，例如实时红绿灯情况、交通拥堵状况等。

子任务4、根据返回的结果与导航面板进行交互，展示导航方案。

任务划分模块将上述子任务建模为一个

步骤2、用户端数据传输模块获取到MEC服务器广播的信道情况和MEC服务器资源的使用情况。

步骤3、根据用户端数据传输模块得到的通信资源和计算资源情况，车辆控制器的任务调度决策模块使用TSO方法得到用户的调度决策，并将其发送到用户端数据传输模块。

TSO方法具体步骤如下：

步骤3.1：输入所有参数信息，包括计算任务

步骤3.2：根据用户任务的DAG图，将任务排列成优先级队列

，

步骤3.3：根据优先级队列，选择优先级最高未被调度的子任务，获取任务可以选择的所有MEC情况。

步骤3.4：对于每一个可以选择的MEC，根据传入的RIS参数，计算用户与MEC的传输速率，计算用户

，

步骤3.5：设

，

步骤3.6：计算子任务的执行结束时间

，

步骤3.7：重复步骤3.4-3.6，直到所有可以选择的可行模式计算完成。选择使得

步骤3.8：重复步骤3.3-步骤3.7，直到所有的子任务都得到其调度决策。最后得到整个任务的调度决策

步骤4：任务调度决策模块将得到的调度决策发送到数据传输模块。

步骤5：数据传输模块将调度决策广播到RIS端和MEC端。

RIS端主要包括RIS端数据传输模块、RIS参数优化模块和控制模块。RIS端数据传递模块可以接收到MEC端和用户端发送的信息。获取用户和MEC服务器之间通信的信道情况。参数调节模块可以根据信道信息来自适应改变RIS的参数信息。控制模块功能是通过RIS控制器来控制RIS的相位、相移等参数。具体步骤如下：

步骤6:当每个车辆用户将自己的调度决策广播后，RIS端数据传输模块接受到用户的调度决策信息。并且将信息发送到RIS参数优化模块。

步骤7: RIS参数优化模块获取到决策信息后，使用AOPO方法来优化RIS参数，AOPO方法具体步骤如下：

步骤7.1: 根据

步骤7.2: 根据

步骤7.3：根据公式

步骤7.4：获取用户与基站之间的传输速率

步骤7.5：采用黎曼共轭梯度（RCG）算法计算RIS的相移参数

步骤7.6：根据得到的

步骤7.7：根据波束成形向量

步骤7.8：重复步骤2.5-步骤2.7，直到WSR达到最大值。

步骤7.9：输出RIS相移参数

步骤8：RIS参数优化模块得到最优参数后，将参数发送给控制模块。

步骤9：控制模块根据得到的RIS参数值调整RIS的反射元件的相位与相移。

步骤10：RIS端数据传输模块将目前的RIS参数和波束成形优化参数发送到MEC端。

在MEC端，主要包括MEC端数据传输模块、竞争决策模块和资源统计模块。

步骤11：MEC端数据传输模块通过路侧单元（RSU）接收到车辆用户和RIS发送的调度决策

步骤12：竞争决策模块基于空闲时隙插入策略和调度决策

步骤13：根据每个

步骤14：选择使得平均时延低即平均时延最好的设备的调度决策

步骤15：数据传输模块将本次选择的调度决策

步骤16：最后，采用一种基于交替优化和分布式博弈的方法（AODSO）达到三个单独的RIS端、MEC端和用户端的均衡状态，以实现联合优化无线通信质量和系统平均时延。这是一个交替迭代的过程，在一次迭代中，用户端在本地得到调度决策，RIS端和MEC端接收到调度决策后，RIS端和MEC端通过上述的方法得出本此迭代的最优RIS参数和波束成形向量，并将其发送回用户端，重复以上步骤，直到达到整个系统的最低平均时延。

本发明为了验证所提出的RIS辅助MEC通信模型和AODSO方法的有效性，进行对比实验：

1）DTSO-无RIS：一个用分布式博弈的TSO方法解决无RIS辅助MEC任务调度优化模型。

2）DTSO-RIS：一个用分布式博弈的TSO方法解决RIS辅助MEC任务调度优化模型，但是不包含RIS参数的交替优化策略AOPO。

3）AODSO：本发明公开的一种基于交替优化和分布式博弈的方法。

如图4所示，本发明方法可以稳定达到收敛状态。首先，本发明验证了RIS模块引入的作用，与DTSO-无RIS相比，本发明提出的RIS辅助MEC通信模型使得所用用户的平均时延降低4.8%。

进一步，本发明验证了RIS参数优化模块的作用，采用交替优化融合三端的AODSO方法相较于DTSO-无RIS和DTSO-RIS分别使得所有用户的平均时延降低了32ms（18.1%）和24ms(13.8%)。

本发明通过构建RIS辅助边缘计算无线通信模型，解决无线通信容易受到天气、障碍物等多环境因素的不确定性问题，利用基于分布式博弈论和交替优化的方法（AODSO）解决任务调度时延优化。

以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。