这篇是边缘计算仿真的第三篇文章，旨在完成用python仿真出边缘计算的三级卸载机制。
Energy-efficient Offloading for Mobile EdgeComputing in 5G Heterogeneous Networks
这是题目名字，遇到的问题在上一篇边缘计算仿真的博客中提到了
计划完成的任务如下
目前已完成的图中第三名的两条线的规划
就是没有分优先级的情况下，我们把边缘的能源效益的可视化做出来
已经可以看到，能源效益确实比纯本地计算好得多
还是无法解决的问题：
信道是如何分配的（这里文中介绍了，但是还是没说具体是怎么量化的，可能还得我自己假设出来吧）
还剩两级机制，后期博主会继续更新。。。。
第n次看论文的新发现
1、任务是原子级的，不可进一步划分
2、MEC服务器允许多个计算任务同时进行
3、回传的功耗是忽略的，因为回传是与其他基础设施共享的
4、SBS到底经不经过MBS，文中说的不经过（用的or），但是要回传干什么
5、功率调节机制可参照参考文献【36】
6、设备所需的总信道数应该小于MBS和SBS共有的信道数
7、选择了SBS就不能选其他的，选择本地和MBS和local也是同理
8、一个迭代阶段，一个任务只能选择一个信道传输至MBS
9.每个MBS信道的发射功率相同，不同的信道不同的只能是信道增益
# -*- coding: utf-8 -*-
"""
Created on Sun Dec 22 11:28:38 2019
@author: han
"""
import numpy as np
import matplotlib.pyplot as plt
from math import log
###正常情况无卸载机制###
el=np.random.randint(1,10,100) #一个cpu周期的本地的能耗
y=[]
cl=np.random.randint(1,10,100)#计算此任务所需的能力，能cpu周期规划
d =np.random.randint(300,800,100)#每个计算任务的大小
x = np.linspace(10,100,10,dtype=int)#x个移动设备
print(x)
for i in x:
print(i)
sum=0
for j in range(i):
sum = sum+(2*cl[j]*el[j])/100#加了个2调整系数
# print(sum)
y.append(sum);
print(y)
plt.plot(x,y,color='blue',linestyle='-')
plt.title('Handsome Programmers picture')
###########第一级卸载机制如下###############
pl=np.random.randint(1,10,100)#扩大了10倍，使用的时候请注意,本地功率
tl=[]#本地计算任务消耗时间
GR=[]#传给MEC服务器的设备集合
GL=[]#本地计算任务的集合
GO=[]#继续筛选的集合
le=[]#单个任务本地消耗的能耗
ns=[]#在小基站计算的设备数目
nm=[]#在大基站计算的设备数目
L=[]
p={}
def findMin(alist):
findMin = alist[0];
for i in range(1,len(alist)):
if alist[i] < findMin:
findMin = alist[i]
return findMin
tl = (cl*10.0)//pl# deadline和tmax的精度不对，已修正
dead=np.random.randint(5,10,100)
print(x)
for i in range(0,99):
print('this i is=====',i)
if tl[i] > dead[i]:
print('success!!!')
GR.append(i)
elif tl[i]<=dead[i]:
le = cl*el
print('wonderful!!!')
ns=d/((dead-cl/4)*log((1+40*20/100),2))#【【大基站和小基站的传输功率未知这里统一成20W】】？？背景噪声功率
nm=d/((dead-cl/4)*log((1+80*20/100),2))#【【大基站和小基站的传输功率未知这里统一成20W】】？？背景噪声功率
L=[40*ns[i],80*nm[i]] #warning!40和80的单位，而且忘记乘10000
c=findMin(L)
p[i]=c/100#调整系数
if el[i]<p[i]:
GL.append(i)
print('GL!')
elif el[i]>=p[i]:
GO.append(i)
print('2')
print('next is the answer of first Offloading')
print('GR=',GR)
print('GL=',GL)
print('GO=',GO)
###########第二级卸载机制############
#图中第二条线
len1=len(GR)
len2=len(GL)
len3=len(GO)
z=[]
sum1=0
for i in range(0,99):
#sum1=0
for j in range(len1):
if GR[j]==i:
r=log((1+40*20/100),2)
sum1 = sum1+(d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节
print('ONE SUM',sum1)
break;
for j in range(len2):
if GL[j]==i:
r=log((1+80*20/100),2)
sum1 = sum1+(2*d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节
print('TWO SUM',sum1)
break;
sum1 = sum1+(cl[j]*el[j])/100
# print('THREE SUM',sum1)
#print(sum)
if i==0 or (i+1)%10==0:
z.append(sum1);
print(z)
plt.plot(x,z,color='green',linestyle='-')
###########第二级卸载机制############
###因为不知道信道怎么根据任务大小而分配，难道和信道增益有关？
##分配好了之后，再怎么量化考虑？
###########信道数未考虑##########
#rm=[]#速率
#rs=[]#速率
#leng=len(GO)
#rm[i]=log((1+40),2)
#ct=2**(d[i]/dead[i]-rm[i])-1
#snr=#信噪比
##第三级卸载机制##
改进版如下
# -*- coding: utf-8 -*-
"""
Created on Sun Dec 22 11:28:38 2019
@author: han
"""
import numpy as np
import matplotlib.pyplot as plt
from math import log
###正常情况无卸载机制###
el=np.random.randint(1,10,100) #一个cpu周期的本地的能耗
y=[]
cl=np.random.randint(1,10,100)#计算此任务所需的能力，能cpu周期规划
d =np.random.randint(300,800,100)#每个计算任务的大小
x = np.linspace(10,100,10,dtype=int)#x个移动设备
print(x)
for i in x:
print(i)
sum=0
for j in range(i):
sum = sum+(2*cl[j]*el[j])/100#加了个2调整系数
# print(sum)
y.append(sum);
print(y)
plt.plot(x,y,color='blue',linestyle='-')
plt.title('Handsome Programmers picture')
###########第一级卸载机制如下###############
pl=np.random.randint(1,10,100)#扩大了10倍，使用的时候请注意,本地功率
tl=[]#本地计算任务消耗时间
GR=[]#传给MEC服务器的设备集合
GL=[]#本地计算任务的集合
GO=[]#继续筛选的集合
le=[]#单个任务本地消耗的能耗
ns=[]#在小基站计算的设备数目
nm=[]#在大基站计算的设备数目
L=[]
p={}
def findMin(alist):
findMin = alist[0];
for i in range(1,len(alist)):
if alist[i] < findMin:
findMin = alist[i]
return findMin
tl = (cl*10.0)//pl# deadline和tmax的精度不对，已修正
dead=np.random.randint(5,10,100)
print(x)
for i in range(0,99):
print('this i is=====',i)
if tl[i] > dead[i]:
print('success!!!')
GR.append(i)
elif tl[i]<=dead[i]:
le = cl*el
print('wonderful!!!')
ns=d/((dead-cl/4)*log((1+40*20/100),2))#【【大基站和小基站的传输功率未知这里统一成20W】】？？背景噪声功率
nm=d/((dead-cl/4)*log((1+80*20/100),2))#【【大基站和小基站的传输功率未知这里统一成20W】】？？背景噪声功率
L=[40*ns[i],80*nm[i]] #warning!40和80的单位，而且忘记乘10000
c=findMin(L)
p[i]=c/100#调整系数
if el[i]<p[i]:
GL.append(i)
print('GL!')
elif el[i]>=p[i]:
GO.append(i)
print('2')
print('next is the answer of first Offloading')
print('GR=',GR)
print('GL=',GL)
print('GO=',GO)
###########第二级卸载机制############
#图中第二条线
len1=len(GR)
len2=len(GL)
len3=len(GO)
z=[]
v=[]
sum1=0
sum2=0
for i in range(0,99):
#sum1=0
for j in range(len1):
if GR[j]==i:
r=log((1+40*20/100),2)
sum1 = sum1+(d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节
sum2 = sum2+(d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节
# print('ONE SUM',sum1)
break;
for j in range(len2):
if GL[j]==i:
r=log((1+80*20/100),2)
sum1 = sum1+(cl[i]*el[i])/100
sum2 = sum2+(d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节
# sum1 = sum1+(2*d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节,2是大基站的p
#=print('TWO SUM',sum1)
break;
sum1 = sum1+(d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节
rm=log((1+80*20/100),2)
rs=log((1+40*20/100),2)
tm = d/rm+c/4
ts = d/rs+d*0.0001+c/4
if tm[i] < ts[i]:
sum2 = sum2+(2*d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节
else:
sum2 = sum2+(d[i]/r+cl[i]*0.0001)/1000###warning 10准备调节
# print('THREE SUM',sum1)
#print(sum)
if i==0 or (i+1)%10==0:
z.append(sum1);
v.append(sum2);
print(z)
print(v)
plt.plot(x,z,color='red',linestyle='-')
plt.plot(x,v,color='gray',linestyle='-')
###########第二级卸载机制############
###因为不知道信道怎么根据任务大小而分配，难道和信道增益有关？
##分配好了之后，再怎么量化考虑？
###########信道数未考虑##########
#rm=[]#速率
#rs=[]#速率
#leng=len(GO)
#rm[i]=log((1+40),2)
#ct=2**(d[i]/dead[i]-rm[i])-1
#snr=#信噪比
##第三级卸载机制##
###########第三级卸载机制############
########第三条线#########
来源：CSDN
作者：handsome programmer
链接：https://blog.csdn.net/qq_36444039/article/details/103758220