星地网络移动边缘计算资源分配方法.pdf

《星地网络移动边缘计算资源分配方法.pdf》由会员分享，可在线阅读，更多相关《星地网络移动边缘计算资源分配方法.pdf（28页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202410017465.1(22)申请日 2024.01.05(71)申请人 中国人民解放军陆军指挥学院地址 210045 江苏省南京市浦口区龙盘路1号陆军指挥学院(72)发明人 王鹤蒙沈建华王钦超薛海鹏叶玉丹抗万生(74)专利代理机构 北京中先生知识产权代理事务所(普通合伙)16063专利代理师 窦贤宇(51)Int.Cl.G06F 9/50(2006.01)G06N 3/092(2023.01)G06N 3/088(2023.01)G06N 3/045(2023.01)H04W 28/084。

2、(2023.01)H04W 28/08(2023.01)H04W 84/06(2009.01)(54)发明名称一种星地网络移动边缘计算资源分配方法(57)摘要本发明公开了一种星地网络移动边缘计算资源分配方法，包括获取用户的计算任务，将计算任务按照预定分配比例发送给本地、地面MEC服务器和卫星MEC服务器，构建星地网络计算任务卸载的系统模型；基于系统模型，计算服务时延和系统开销；构建星地网络计算任务卸载的优化问题；基于优化问题，构建星地网络计算任务卸载的深度强化学习模型；采用QDQN算法，对深度强化学习模型进行训练，获取总回报值，重复该过程，直到收敛，执行训练好的深度强化学习模型，得出最终的计算。

3、任务分配策略。本发明有效地减少数据传输和任务计算所需的时间和资源，从而提高任务调度效率，同时降低了计算成本和通信开销。权利要求书4页 说明书18页 附图5页CN 117519995 A2024.02.06CN 117519995 A1.一种星地网络移动边缘计算资源分配方法，其特征在于，包括以下步骤：S1、获取用户的计算任务，将计算任务按照预定分配比例发送给本地、地面MEC服务器和卫星MEC服务器，构建星地网络计算任务卸载的系统模型；S2、基于系统模型，计算本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销；S3、根据本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销，计算总。

4、服务时延和总系统开销，构建星地网络计算任务卸载的优化问题；S4、基于优化问题，定义星地网络计算任务卸载的状态、动作和奖励，构建星地网络计算任务卸载的深度强化学习模型；S5、采用QDQN算法，对深度强化学习模型进行训练，获取总回报值，重复该过程，直到收敛，执行训练好的深度强化学习模型，得出最终的计算任务分配策略，其中QDQN算法为联合运用双深度Q网络、竞争网络、优先经验回放和多步学习机制的算法。2.根据权利要求1所述的星地网络移动边缘计算资源分配方法，其特征在于，步骤S1具体为：S11、获取用户的计算任务，通过终端设备向星地网络发送计算任务请求；S12、基于计算任务请求，获取星地网络的信道状态，。

5、确定本地、地面MEC服务器和卫星MEC服务器的分配比例；S13、按照分配比例，将计算任务发送给本地、地面MEC服务器和卫星MEC服务器，计算用户到地面MEC服务器和卫星MEC服务器的传输速率；S14、基于分配比例和传输速率，构建星地网络计算任务卸载的系统模型。3.根据权利要求1所述的星地网络移动边缘计算资源分配方法，其特征在于，步骤S2具体为：S21、基于系统模型，获取分配给本地的计算任务比例，计算本地的服务时延和系统开销；S22、基于系统模型，获取分配给地面MEC服务器的计算任务比例和用户到地面MEC服务器的传输速率，计算地面MEC服务器的计算时延和传输时延，相加得到地面MEC服务器的服务时。

6、延，计算地面MEC服务器的传输开销和等待开销，相加得到地面MEC服务器的系统开销；S23、基于系统模型，获取分配给卫星MEC服务器的计算任务比例和用户到卫星MEC服务器的传输速率，计算卫星MEC服务器的计算时延和传输时延，相加得到卫星MEC服务器的服务时延，计算卫星MEC服务器的传输开销和等待开销，相加得到卫星MEC服务器的系统开销；本地处理的服务时延公式为：tm0=um0 xm/cm；其中tm0表示用户m本地处理的服务时延，xm表示用户m的总计算任务量，cm表示用户m本地的计算资源量，um0表示用户m本地处理的计算任务比例，um0 0,1；本地处理的系统开销公式为：esm0=um0 xm（c。

7、m）2；其中为一个常量，esm0为用户m本地处理的用户开销；当卸载到地面MEC服务器时，用户卸载计算任务到地面MEC服务器的服务延迟公式为：tmn=umnxm/Cnm+umndm/Rnm；权利要求书1/4 页2CN 117519995 A2其中，umn表示用户m卸载到地面MEC服务器n的计算任务比例，umn 0,1，dm表示用户m的总计算任务传输数据量，Rnm表示用户m到地面MEC服务器n的传输速率，Cnm为地面MEC服务器n给用户m分配的计算资源量具体为：Cnm=umnxm/(m=1M umnxm)Cn；其中，Cn为地面MEC服务器n的计算资源量，用户集合为M,M=1,2,3，M,用户卸载至。

8、地面MEC服务器时的传输开销为：esmn，tran=p(umndm/Rnm)；其中，p为用户传输功率；用户卸载至地面MEC服务器时的等待开销为：esmn，wait=pt（umn xm/Cnm）；其中，pt为用户待机功率；因此用户卸载计算任务到地面MEC服务器的系统开销公式为：esmn=esmn，tran+esmn，wait；当卸载到卫星MEC服务器时，用户卸载计算任务到卫星MEC服务器的服务延迟公式为：tmk=umkxm/Ckm+umkxm/Rkm+（Smk/c）2；其中，umk表示用户m卸载到卫星MEC服务器k的计算任务比例，umk 0,1，Rkm表示用户m到卫星MEC服务器k的传输速率，S。

9、mk表示卫星与用户之间的距离，c为光速，Smk/c表示链路传播时延，Ckm表示卫星MEC服务器k给用户m分配的计算资源量，具体为：Ckm=umkxm/(m=1M umkxm)Ck；其中，Ck为卫星MEC服务器k的计算资源量，用户卸载至卫星MEC服务器时的传输开销为：esmk，tran=p(umkdm/Rkm)+（Smk/c）；用户卸载至卫星MEC服务器时的等待开销为：esmk，wait=pt（umk xm/Ckm）；因此用户卸载计算任务到卫星MEC服务器的系统开销公式为：esmk=esmk，tran+esmk，wait。4.根据权利要求1所述的星地网络移动边缘计算资源分配方法，其特征在于，步骤。

10、S3具体为：S31、根据本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销，计算总服务时延和总系统开销；S32、根据总服务时延和总系统开销，计算总服务时延和总系统开销的加权和，以最小化总服务时延和总系统开销的加权和为目标函数；S33、基于总服务时延和总系统开销，设定最大时延门限值和最大开销门限值，将其作为约束条件；S34、基于目标函数和约束条件，构建星地网络计算任务卸载的优化问题；用户m的总计算任务服务时延tm为本地服务时延、地面MEC服务器服务时延和卫星MEC服务器服务时延的最大值，具体表达式为：tm=max tm0，tmn，tmk，nN,kK；其中地面MEC服务器的集合为N,N=。

11、1,2,3，N,卫星MEC服务器的集合为K,K=1,2,权利要求书2/4 页3CN 117519995 A33，K ，总服务时延为所有用户的总计算任务服务时延之和，具体表示为：T=m=1M tm；用户m的总计算任务系统开销esm为本地系统开销、卸载到地面MEC服务器的系统开销和卸载到卫星MEC服务器的系统开销之和，具体表达式为：esm=esm0+N esmn+K esmk；总系统开销为所有用户的总计算任务系统开销之和，具体表示为：ES=m=1M esm；提出优化问题如下：目标函数：min（aT+bES）；约束条件：c1：i=0N+Kumi=1，mM；c2：tmtmthreshold，mM；c3。

12、：esmesmmax；其中，a和b为加权系数，a为服务时延的加权系数，b为系统开销的加权系数；约束条件c1表示保证每个用户无论通过本地、地面MEC服务器或卫星MEC服务器卸载处理，均完成了所有的计算任务，约束条件c2表示每个用户的总计算任务服务时延均应小于预先设定的最大时延门限值tmthreshold，约束条件c3表示每个用户的总计算任务系统开销均应小于预先设定的最大开销门限值esmmax。5.根据权利要求1所述的星地网络移动边缘计算资源分配方法，其特征在于，步骤S4具体为：S41、基于优化问题，获取计算任务的卸载情况，定义为星地网络计算任务卸载的状态；S42、基于优化问题，获取计算任务的分配。

13、策略，定义为星地网络计算任务卸载的动作；S43、基于优化问题，获取总服务时延和总系统开销的加权和，构建奖励收益函数，定义为星地网络计算任务卸载的奖励；S44、根据星地网络计算任务卸载的状态、动作和奖励，构建星地网络计算任务卸载的深度强化学习模型。6.根据权利要求1所述的星地网络移动边缘计算资源分配方法，其特征在于，步骤S5具体为：S51、采用优先经验回放机制获取经验数据，基于经验数据，采用多步学习机制计算估计目标值；S52、采用双深度Q网络机制，构建价值网络和目标网络，分别在价值网络和目标网络中，采用竞争网络机制，构建价值函数和优势函数，基于经验数据，计算输出Q值；S53、基于估计目标值和输出。

14、Q值构建损失函数，采用随机梯度下降法最小化损失函数，计算QDQN算法的总回报值；S54、判断总回报值是否达到预设的总回报阈值，若否，返回步骤S51，若是，结束训练，得到训练好的深度强化学习模型；S55、执行训练好的深度强化学习模型，获取状态信息，计算得出最终的计算任务分配策略。7.根据权利要求2所述的星地网络移动边缘计算资源分配方法，其特征在于，所述步骤权利要求书3/4 页4CN 117519995 A4S11中获取用户计算任务的过程还包括：步骤S111、获取计算任务并划分为多个子计算任务，并根据子计算任务的任务特征，为每个子计算任务分配优先级；步骤S112、将子计算任务的数据和代码进行压缩；。

15、步骤S113、利用SSL卸载模块，对子计算任务的数据和代码进行加密；步骤S114、根据子计算任务的目标执行方，选择预定的传输协议和格式，将子任务的数据和代码封装成数据包，添加相应的头部信息；通过终端设备向星地网络发送计算任务请求。8.根据权利要求7所述的星地网络移动边缘计算资源分配方法，其特征在于，所述步骤S14中构建星地网络计算任务卸载的系统模型，具体包括如下步骤：步骤S141、获取至少一个周期内的各个子计算任务，并读取星地网络的节点信息和网络环境信息；所述节点信息包括位置、速度、方向、能量、计算能力和通信能力；所述网络环境信息包括信道状态、干扰和延迟；步骤S142、将星地网络中的节点和边抽。

16、象为图的顶点和边，用邻接矩阵或邻接表表示图的结构，用顶点集和边集表示图的属性，构建星地网络计算任务的时空动态拓扑图；步骤S143、查找时空动态拓扑图中的相似图，计算相似度大小，将相似度大于阈值的时空动态拓扑图聚为一类。9.根据权利要求1所述的星地网络移动边缘计算资源分配方法，其特征在于，步骤S1还可以为：S1a、获取用户的计算任务，采用RSA算法对计算任务进行加密，得到密文；S1b、获取本地、地面MEC服务器和卫星MEC服务器的计算资源量，根据计算资源量确定计算任务的分配比例；S1c、将密文按照确定的分配比例发送给本地、地面MEC服务器和卫星MEC服务器，计算用户到地面MEC服务器和卫星MEC。

17、服务器的传输速率；S1d、基于分配比例和传输速率，构建星地网络计算任务卸载的系统模型。10.根据权利要求1所述的星地网络移动边缘计算资源分配方法，其特征在于，还包括：S6、基于最终的计算任务分配策略，将计算任务分别分配给本地、地面MEC服务器和卫星MEC服务器，获取计算结果，对计算结果进行评估，展示最终的计算任务分配策略的合理性。权利要求书4/4 页5CN 117519995 A5一种星地网络移动边缘计算资源分配方法技术领域0001本发明涉及星地网络资源分配技术，特别是星地网络移动边缘计算资源分配方法，比如采用基于四元深度Q网络（Quadruple DQN，QDQN）或D3QN的星地网络移动边。

18、缘计算资源分配方法。背景技术0002随着通信网络技术的不断发展，传统的地面通信已经无法满足无处不在的服务需求。卫星通信具有覆盖范围广、受自然灾害影响小等优势，因此，将卫星网络与地面通信网络相结合的星地网络已成为通信网络的发展趋势。0003计算资源分配方法是星地网络中的一个重要环节。现有的星地网络移动边缘计算资源分配方法，缺少对数据传输和任务调度的联合优化，计算任务分配不均衡，资源浪费，使得数据传输的效率和计算效率都较低。发明内容0004发明目的，提供一种星地网络移动边缘计算资源分配方法，以解决现有技术存在的上述问题。0005技术方案：一种星地网络移动边缘计算资源分配方法，包括以下步骤：S1、获。

19、取用户的计算任务，将计算任务按照预定分配比例发送给本地、地面MEC服务器和卫星MEC服务器，构建星地网络计算任务卸载的系统模型；S2、基于系统模型，计算本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销；S3、根据本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销，计算总服务时延和总系统开销，构建星地网络计算任务卸载的优化问题；S4、基于优化问题，定义星地网络计算任务卸载的状态、动作和奖励，构建星地网络计算任务卸载的深度强化学习模型；S5、采用QDQN算法，对深度强化学习模型进行训练，获取总回报值，重复该过程，直到收敛，执行训练好的深度强化学习模型，得出最终的计算任务分配策。

20、略，其中QDQN算法为联合运用双深度Q网络、竞争网络、优先经验回放和多步学习机制的算法。0006根据本申请的一个方面，步骤S1具体为：S11、获取用户的计算任务，通过终端设备向星地网络发送计算任务请求；S12、基于计算任务请求，获取星地网络的信道状态，确定本地、地面MEC服务器和卫星MEC服务器的分配比例；S13、按照分配比例，将计算任务发送给本地、地面MEC服务器和卫星MEC服务器，计算用户到地面MEC服务器和卫星MEC服务器的传输速率；S14、基于分配比例和传输速率，构建星地网络计算任务卸载的系统模型。0007根据本申请的一个方面，步骤S2具体为：说明书1/18 页6CN 11751999。

21、5 A6S21、基于系统模型，获取分配给本地的计算任务比例，计算本地的服务时延和系统开销；S22、基于系统模型，获取分配给地面MEC服务器的计算任务比例和用户到地面MEC服务器的传输速率，计算地面MEC服务器的计算时延和传输时延，相加得到地面MEC服务器的服务时延，计算地面MEC服务器的传输开销和等待开销，相加得到地面MEC服务器的系统开销；S23、基于系统模型，获取分配给卫星MEC服务器的计算任务比例和用户到卫星MEC服务器的传输速率，计算卫星MEC服务器的计算时延和传输时延，相加得到卫星MEC服务器的服务时延，计算卫星MEC服务器的传输开销和等待开销，相加得到卫星MEC服务器的系统开销；根。

22、据本申请的一个方面，步骤S3具体为：S31、根据本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销，计算总服务时延和总系统开销；S32、根据总服务时延和总系统开销，计算总服务时延和总系统开销的加权和，以最小化总服务时延和总系统开销的加权和为目标函数；S33、基于总服务时延和总系统开销，设定最大时延门限值和最大开销门限值，将其作为约束条件；S34、基于目标函数和约束条件，构建星地网络计算任务卸载的优化问题。0008根据本申请的一个方面，步骤S4具体为：S41、基于优化问题，获取计算任务的卸载情况，定义为星地网络计算任务卸载的状态；S42、基于优化问题，获取计算任务的分配策略，定义为星地。

23、网络计算任务卸载的动作；S43、基于优化问题，获取总服务时延和总系统开销的加权和，构建奖励收益函数，定义为星地网络计算任务卸载的奖励；S44、根据星地网络计算任务卸载的状态、动作和奖励，构建星地网络计算任务卸载的深度强化学习模型。0009根据本申请的一个方面，步骤S5具体为：S51、采用优先经验回放机制获取经验数据，基于经验数据，采用多步学习机制计算估计目标值；S52、采用双深度Q网络机制，构建价值网络和目标网络，分别在价值网络和目标网络中，采用竞争网络机制，构建价值函数和优势函数，基于经验数据，计算输出Q值；S53、基于估计目标值和输出Q值构建损失函数，采用随机梯度下降法最小化损失函数，计算。

24、QDQN算法的总回报值；S54、判断总回报值是否达到预设的总回报阈值，若否，返回步骤S51，若是，结束训练，得到训练好的深度强化学习模型；S55、执行训练好的深度强化学习模型，获取状态信息，计算得出最终的计算任务分配策略。0010根据本申请的一个方面，步骤S2具体为：说明书2/18 页7CN 117519995 A7本地处理的服务时延公式为：tm0=um0 xm/cm其中tm0表示用户m本地处理的服务时延，xm表示用户m的总计算任务量，cm表示用户m本地的计算资源量，um0表示用户m本地处理的计算任务比例，um0 0,1；本地处理的系统开销公式为：esm0=um0 xm（cm）2其中为一个常量。

25、，esm0为用户m本地处理的用户开销；当卸载到地面MEC服务器时，用户卸载计算任务到地面MEC服务器的服务延迟公式为：tmn=umnxm/Cnm+umndm/Rnm其中，umn表示用户m卸载到地面MEC服务器n的计算任务比例，umn 0,1，dm表示用户m的总计算任务传输数据量，Rnm表示用户m到地面MEC服务器n的传输速率，Cnm为地面MEC服务器n给用户m分配的计算资源量具体为：Cnm=umnxm/(m=1Mumnxm)Cn其中，Cn为地面MEC服务器n的计算资源量，用户集合为M,M=1,2,3，M,用户卸载至地面MEC服务器时的传输开销为：esmn，tran=p(umndm/Rnm)其中。

26、，p为用户传输功率；用户卸载至地面MEC服务器时的等待开销为：esmn，wait=pt（umnxm/Cnm）其中，pt为用户待机功率；因此用户卸载计算任务到地面MEC服务器的系统开销公式为：esmn=esmn，tran+esmn，wait当卸载到卫星MEC服务器时，用户卸载计算任务到卫星MEC服务器的服务延迟公式为：tmk=umkxm/Ckm+umkxm/Rkm+（Smk/c）2其中，umk表示用户m卸载到卫星MEC服务器k的计算任务比例，umk 0,1，Rkm表示用户m到卫星MEC服务器k的传输速率，Smk表示卫星与用户之间的距离，c为光速，Smk/c表示链路传播时延，Ckm表示卫星MEC服。

27、务器k给用户m分配的计算资源量，具体为：Ckm=umkxm/(m=1Mumkxm)Ck其中，Ck为卫星MEC服务器k的计算资源量，用户卸载至卫星MEC服务器时的传输开销为：esmk，tran=p(umkdm/Rkm)+（Smk/c）用户卸载至卫星MEC服务器时的等待开销为：esmk，wait=pt（umkxm/Ckm）因此用户卸载计算任务到卫星MEC服务器的系统开销公式为：esmk=esmk，tran+esmk，wait根据本申请的一个方面，步骤S3具体为：用户m的总计算任务服务时延tm为本地服务时延、地面MEC服务器服务时延和卫星说明书3/18 页8CN 117519995 A8MEC服务器。

28、服务时延的最大值，具体表达式为：tm=max tm0，tmn，tmk，nN,kK其中地面MEC服务器的集合为N,N=1,2,3，N,卫星MEC服务器的集合为K,K=1,2,3，K ，总服务时延为所有用户的总计算任务服务时延之和，具体表示为：T=m=1Mtm用户m的总计算任务系统开销esm为本地系统开销、卸载到地面MEC服务器的系统开销和卸载到卫星MEC服务器的系统开销之和，具体表达式为：esm=esm0+N esmn+Kesmk总系统开销为所有用户的总计算任务系统开销之和，具体表示为：ES=m=1Mesm提出优化问题如下：目标函数：min（aT+bES）约束条件：c1：i=0N+Kumi=1，。

29、mMc2：tmtmthreshold，mMc3：esmesmmax其中，a和b为加权系数，a为服务时延的加权系数，b为系统开销的加权系数；约束条件c1表示保证每个用户无论通过本地、地面MEC服务器或卫星MEC服务器卸载处理，均完成了所有的计算任务，约束条件c2表示每个用户的总计算任务服务时延均应小于预先设定的最大时延门限值tmthreshold，约束条件c3表示每个用户的总计算任务系统开销均应小于预先设定的最大开销门限值esmmax。0011根据本申请的一个方面，所述步骤S11中获取用户计算任务的过程还包括：步骤S111、获取计算任务并划分为多个子计算任务，并根据子计算任务的任务特征，为每个子。

30、计算任务分配优先级；步骤S112、将子计算任务的数据和代码进行压缩；步骤S113、利用SSL卸载模块，对子计算任务的数据和代码进行加密；步骤S114、根据子计算任务的目标执行方，选择预定的传输协议和格式，将子任务的数据和代码封装成数据包，添加相应的头部信息；通过终端设备向星地网络发送计算任务请求。0012根据本申请的一个方面，所述步骤S14中构建星地网络计算任务卸载的系统模型，具体包括如下步骤：步骤S141、获取至少一个周期内的各个子计算任务，并读取星地网络的节点信息和网络环境信息；所述节点信息包括位置、速度、方向、能量、计算能力和通信能力；所述网络环境信息包括信道状态、干扰和延迟；步骤S14。

31、2、将星地网络中的节点和边抽象为图的顶点和边，用邻接矩阵或邻接表表示图的结构，用顶点集和边集表示图的属性，构建星地网络计算任务的时空动态拓扑图；步骤S143、查找时空动态拓扑图中的相似图，计算相似度大小，将相似度大于阈值的时空动态拓扑图聚为一类。0013根据本申请的一个方面，步骤S1还可以为：说明书4/18 页9CN 117519995 A9S1a、获取用户的计算任务，采用RSA算法对计算任务进行加密，得到密文；S1b、获取本地、地面MEC服务器和卫星MEC服务器的计算资源量，根据计算资源量确定计算任务的分配比例；S1c、将密文按照确定的分配比例发送给本地、地面MEC服务器和卫星MEC服务器，。

32、计算用户到地面MEC服务器和卫星MEC服务器的传输速率；S1d、基于分配比例和传输速率，构建星地网络计算任务卸载的系统模型。0014根据本申请的一个方面，还包括：S6、基于最终的计算任务分配策略，将计算任务分别分配给本地、地面MEC服务器和卫星MEC服务器，获取计算结果，对计算结果进行评估，展示最终的计算任务分配策略的合理性。0015有益效果：本发明提出了一种星地网络移动边缘计算资源分配方法，通过最小化总服务时延和总系统开销的加权和，有效地减少数据传输和任务计算所需的时间和资源，从而提高任务调度效率，同时降低了计算成本和通信开销。附图说明0016图1为本发明的流程图。0017图2为本发明步骤S。

33、1的流程图。0018图3为本发明步骤S3的流程图。0019图4为本发明步骤S4的流程图。0020图5为本发明步骤S5的流程图。0021图6为本发明实施例提供的星地网络移动边缘计算资源分配方法的流程图。0022图7为本发明实施例提供的星地网络移动边缘计算资源分配方法的网络结构示意图。具体实施方式0023在一些场景中，由于计算任务的规模和复杂性急剧增加，而本地用户计算能力有限，已经无法满足大规模数据处理和分析的需求。因此，研究人员开始探索将计算任务卸载到位于网络边缘的计算节点上进行处理的多接入边缘计算（Multiaccess Edge Computing,MEC）。其主要目的是将分布在不同地理位置。

34、计算节点上的计算任务卸载到高性能计算中心进行处理，以有效提高计算效率和降低时延。这一过程涉及到大量的数据传输和任务调度，对计算资源和网络通信能力的要求都非常高。由于边缘计算节点相比于云计算节点更靠近用户端，其具有更低的服务时延。现有的研究主要集中于计算卸载策略和数据传输优化两个方面，仍然存在一些问题，例如如何进行数据传输和任务调度的联合优化。为此，提供如下技术方案：如图1所示，本发明提出了一种星地网络移动边缘计算资源分配方法，具体包括：S1、获取用户的计算任务，将计算任务按照预定分配比例发送给本地、地面MEC服务器和卫星MEC服务器，构建星地网络计算任务卸载的系统模型；计算任务卸载是星地网络中。

35、的一个重要环节。由于计算任务的规模和复杂性急剧增加，而本地用户计算能力有限，无法满足大规模数据处理和分析的需求。因此，将计算任说明书5/18 页10CN 117519995 A10务分配给本地、地面MEC服务器和卫星MEC服务器，即将计算任务卸载到位于网络边缘的计算节点上进行处理的多接入边缘计算（Multiaccess Edge Computing,MEC）。0024将分布在不同地理位置计算节点上的计算任务卸载到高性能计算中心进行处理，以有效提高计算效率和降低时延。这一过程涉及到大量的数据传输和任务调度，对计算资源和网络通信能力的要求都非常高。由于边缘计算节点相比于云计算节点更靠近用户端，其具。

36、有更低的服务时延。因此，在星地网络中引入边缘计算可有效提升系统性能和用户满意度。0025如图2所示，步骤S1具体包括：S11、获取用户的计算任务，通过终端设备向星地网络发送计算任务请求；S12、基于计算任务请求，获取星地网络的信道状态，确定本地、地面MEC服务器和卫星MEC服务器的分配比例；S13、按照分配比例，将计算任务发送给本地、地面MEC服务器和卫星MEC服务器，计算用户到地面MEC服务器和卫星MEC服务器的传输速率；S14、基于分配比例和传输速率，构建星地网络计算任务卸载的系统模型。0026在进一步的实施例中，系统中共有M个用户，用户集合可以用M=1,2,3，M 来表示，每个用户有计算。

37、任务需要计算，用xm表示用户m的总计算任务量，dm表示用户m的总计算任务传输数据量，用户本身具有计算能力，用cm表示用户m本地的计算能力，用户的计算任务可以卸载到地面MEC服务器和卫星MEC服务器中进行计算；系统中共有N个地面MEC服务器，用集合N=1,2,3，N 来表示，地面MEC服务器承担着整个系统中绝大部分的任务卸载工作。用户m到地面MEC服务器n地面链路的传输速率Rnm为：Rnm=Bnlog2（1+phnm/n2）；其中，Bn为地面链路信道带宽，p为用户传输功率，n2表示地面链路信道中的高斯白噪声，hnm为地面信道传输增益，通常与距离的幂次方成反比，具体可以表示为：hnm=（disnm。

38、）；其中disnm表示用户m与地面MEC服务器n之间的距离，表示路径损耗因子；系统中有K个低轨卫星组成，表示为集合K=1,2,3，K ，卫星MEC是对地面MEC的补充，可以为海上船只、沙漠、山区等人口密度较低地区的用户提供服务，用户m到卫星MEC服务器k星地链路的传输速率Rkm具体表示为：Rkm=Bklog2（1+phkm/k2）；其中，Bk为卫星信道带宽，p为用户传输功率，k2表示卫星信道中的高斯白噪声，hkm为卫星信道总传输增益，具体可以表示为：hkm=Hkm2GkLk；其中，Hkm是用户m到卫星MEC服务器k之间的莱斯信道矩阵，Gk为天线增益，Lk是星地链路的传播损耗；用户的任务拆分成多。

39、个子任务，子任务可以本地计算，卸载到地面MEC服务器或卫星MEC服务器计算，用户m分配到自身及每个MEC服务器的计算任务比例用Um表示：Um=um0，um1，.，umN+K；其中，um0 0,1 表示用户m本地处理的任务比例，umN+K表示用户m卸载到地面MEC说明书6/18 页11CN 117519995 A11服务器和卫星MEC服务器的任务比例，用户总任务卸载比例之和为1，即：i=0N+Kumi=1，mM；在进一步的实施例中，用户1的计算任务被拆分成了1:1:2的三部分，其中25%在本地处理，25%在地面MEC服务器中处理，剩余50%在卫星MEC服务器中处理，用户2同理拆分成多个部分，在本。

40、地服务器、地面MEC服务器和卫星MEC服务器中并行处理。0027为了保证计算任务的安全性和隐私性，防止计算任务在传输过程中被窃取或篡改，采用RSA算法对计算任务进行加密，具体步骤为：S1a、获取用户的计算任务，采用RSA算法对计算任务进行加密，得到密文；S1b、获取本地、地面MEC服务器和卫星MEC服务器的计算资源量，根据计算资源量确定计算任务的分配比例；S1c、将密文按照确定的分配比例发送给本地、地面MEC服务器和卫星MEC服务器，计算用户到地面MEC服务器和卫星MEC服务器的传输速率；S1d、基于分配比例和传输速率，构建星地网络计算任务卸载的系统模型。0028在进一步的实施例中，用户获取计。

41、算任务，选择一个公钥和一个私钥，将计算任务分割成若干个小块，然后对每个小块进行加密，得到密文，将密文发送给星地网络，用户获取本地的计算资源量，地面MEC服务器的计算资源量和卫星MEC服务器的计算资源量，根据计算资源量的大小，优先选择计算资源量较大的服务器，然后按照计算资源量的比例分配计算任务，用户将密文按照分配比例发送给本地、地面MEC服务器和卫星MEC服务器，计算用户到地面MEC服务器的传输速率和用户到卫星MEC服务器的传输速率，其中传输速率与信道状态和传输功率有关，可以采用香农公式或其他模型进行计算。用户将分配后的密文作为系统模型的输入，本地、地面MEC服务器和卫星MEC服务器的计算资源量。

42、作为系统模型的参数，用户到地面MEC服务器的传输速率和用户到卫星MEC服务器的传输速率作为系统模型的变量，构建星地网络计算任务卸载的系统模型。0029采用RSA算法对计算任务进行加密，不会影响计算任务的分配策略和优化问题的求解，因为加密后的计算任务仍然保持了原始计算任务的长度和比例，只是改变了计算任务的内容。由此可以在保证安全性和隐私性的同时，不影响计算任务卸载的效率和性能。0030S2、基于系统模型，计算本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销；步骤S2具体包括：S21、基于系统模型，获取分配给本地的计算任务比例，计算本地的服务时延和系统开销；S22、基于系统模型，获取分。

43、配给地面MEC服务器的计算任务比例和用户到地面MEC服务器的传输速率，计算地面MEC服务器的计算时延和传输时延，相加得到地面MEC服务器的服务时延，计算地面MEC服务器的传输开销和等待开销，相加得到地面MEC服务器的系统开销；S23、基于系统模型，获取分配给卫星MEC服务器的计算任务比例和用户到卫星MEC服务器的传输速率，计算卫星MEC服务器的计算时延和传输时延，相加得到卫星MEC服务器的服务时延，计算卫星MEC服务器的传输开销和等待开销，相加得到卫星MEC服务器的系统开销；说明书7/18 页12CN 117519995 A12在进一步的实施例中，本地处理的服务时延公式为：tm0=um0 xm。

44、/cm；其中tm0表示用户m本地处理的服务时延，xm表示用户m的总计算任务量，cm表示用户m本地的计算资源量，um0表示用户m本地处理的计算任务比例，um0 0,1；用户本地处理计算任务时的开销与其自身的计算能力以及处理的任务CPU周期总数的平方成正比，因此本地处理的系统开销公式为：esm0=um0 xm（cm）2；其中为一个常量，取1027，esm0为用户m本地处理的用户开销；当卸载到地面MEC服务器时，对于卸载至地面网络中的子任务，服务时延包括计算及传输时延两部分，用户卸载计算任务到地面MEC服务器的服务延迟公式为：tmn=umnxm/Cnm+umndm/Rnm；其中，umn表示用户m卸载。

45、到地面MEC服务器n的计算任务比例，umn 0,1，dm表示用户m的总计算任务传输数据量，Rnm表示用户m到地面MEC服务器n的传输速率，Cnm为地面MEC服务器n给用户m分配的计算资源量，MEC服务器按照计算量的比例为不同的子任务分配计算资源，具体表示为：Cnm=umnxm/(m=1Mumnxm)Cn；其中，Cn为地面MEC服务器n的计算资源量，由于计算返回结果的数据量远远小于任务本身的数据量，因此忽略下行传输带来的时延和开销。0031用户需要以恒定的功率传输子任务，当用户卸载至地面MEC服务器时的传输开销为：esmn，tran=p(umndm/Rnm)；其中，p为用户传输功率；用户需要以p。

46、t的待机功率等待MEC任务处理结束，此时的用户开销即为等待开销，用户卸载至地面MEC服务器时的等待开销为：esmn，wait=pt（umnxm/Cnm）；其中，pt为用户待机功率；因此用户卸载计算任务到地面MEC服务器的系统开销公式为：esmn=esmn，tran+esmn，wait；当卸载到卫星MEC服务器时，对于卸载至卫星网络中的子任务不考虑下行传输时延，用户m卸载计算任务到卫星MEC服务器k的服务延迟公式为：tmk=umkxm/Ckm+umkxm/Rkm+（Smk/c）2；其中，umk表示用户m卸载到卫星MEC服务器k的计算任务比例，umk 0,1，Rkm表示用户m到卫星MEC服务器k的。

47、传输速率，Smk表示卫星与用户之间的距离，c为光速，Smk/c表示链路传播时延，Ckm表示卫星MEC服务器k给用户m分配的计算资源量，MEC服务器按照计算量的比例为不同的子任务分配计算资源，具体表示为：Ckm=umkxm/(k=1Kumkxm)Ck；其中，Ck为卫星MEC服务器k的计算资源量，用户卸载至卫星MEC服务器时的传输开销为：esmk，tran=p(umkdm/Rkm)+（Smk/c）；说明书8/18 页13CN 117519995 A13用户卸载至卫星MEC服务器时的等待开销为：esmk，wait=pt（umkxm/Ckm）；因此用户卸载计算任务到卫星MEC服务器的系统开销公式为：e。

48、smk=esmk，tran+esmk，wait；S3、根据本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销，计算总服务时延和总系统开销，构建星地网络计算任务卸载的优化问题；如图3所示，步骤S3具体包括：S31、根据本地、地面MEC服务器和卫星MEC服务器的服务时延和系统开销，计算总服务时延和总系统开销；S32、根据总服务时延和总系统开销，计算总服务时延和总系统开销的加权和，以最小化总服务时延和总系统开销的加权和为目标函数；S33、根据总服务时延和总系统开销，设定最大时延门限值和最大开销门限值，将其作为约束条件；S34、基于目标函数和约束条件，构建星地网络计算任务卸载的优化问题。00。

49、32在进一步的实施例中，子任务可以并行计算，用户m的总计算任务服务时延tm为本地服务时延、地面MEC服务器服务时延和卫星MEC服务器服务时延的最大值，具体表达式为：tm=max tm0，tmn，tmk，nN,kK总服务时延为所有用户的总计算任务服务时延之和，具体表示为：T=m=1Mtm用户m的总计算任务系统开销esm为本地系统开销、卸载到地面MEC服务器的系统开销和卸载到卫星MEC服务器的系统开销之和，具体表达式为：esm=esm0+N esmn+Kesmk总系统开销为所有用户的总计算任务系统开销之和，具体表示为：ES=m=1Mesm；由于整个系统计算资源是共享的，因此用户任务分配决策之间会相。

50、互影响，对多接入边缘计算提出优化问题如下：目标函数：min（aT+bES）；约束条件：c1：i=0N+Kumi=1，mM；c2：tmtmthreshold，mM；c3：esmesmmax；其中，目标函数为最小化整个网络总服务时延和总开销加权和，a和b为加权系数，a为服务时延的加权系数，b为系统开销的加权系数；约束条件c1表示保证每个用户无论通过本地、地面MEC服务器或卫星MEC服务器卸载处理，均完成了所有的计算任务，约束条件c2表示每个用户的总计算任务服务时延均应小于预先设定的最大时延门限值tmthreshold，约束条件c3表示每个用户的总计算任务系统开销均应小于预先设定的最大开销门限值es。