python画随机函数(三)

不羁岁月 提交于 2020-01-25 02:59:08

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
在这里插入图片描述

# -*- 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##





















在这里插入图片描述

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#########












易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!