CN107249217A - 自组织移动云网络的联合任务卸载和资源分配方法 - Google Patents
自组织移动云网络的联合任务卸载和资源分配方法 Download PDFInfo
- Publication number
- CN107249217A CN107249217A CN201710377887.XA CN201710377887A CN107249217A CN 107249217 A CN107249217 A CN 107249217A CN 201710377887 A CN201710377887 A CN 201710377887A CN 107249217 A CN107249217 A CN 107249217A
- Authority
- CN
- China
- Prior art keywords
- mrow
- node
- msub
- msubsup
- task
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
- H04W84/20—Master-slave selection or change arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种自组织移动云网络的联合任务卸载和资源分配方法该方法。首先将联合任务卸载和资源分配建立为一个买家‑卖家的博弈问题，然后根据Stackelberg均衡策略分别最大化买卖双方的效用函数，通过拉格朗日对偶和KKT(Karush‑Kuhn‑Tucker)条件获得最优定价，同时，根据买家的优化函数获得最优的任务卸载和资源分配结果，最后，通过分布式的激励机制，使得买卖双方快速达到均衡状态。
Description
技术领域
本发明涉及无线通信领域，尤其涉及一种自组织移动云网络的联合任务卸载和资源分配方法。
背景技术
随着移动互联网的发展，为了满足移动终端复杂应用的数据处理需求，移动云计算(Mobile Cloud Computing，MCC)被视为可为远程设备提供处理能力强、服务成本低的技术。由于用户的移动特性，移动设备与云层的连接存在间歇性。因而，对于任务的卸载和资源的分配往往是一个动态的决策过程。此外，在无线异构网络场景中，由于时延和成本的约束，远程的公共云难以为基站或AP附近的移动设备提供实时的计算服务。为了克服常规MCC存在的问题，自组织移动云网络(Ad hoc mobile cloud networks，AHMCN)可以在不借助基础设施的情形下，使得每个移动设备可以将其数据卸载到邻居设备，从而使用其可用资源。同时，考虑到设备移动性、任务卸载与分配、网络选择、能量受限等因素的影响，当移动设备与邻居设备距离较近时，其可通过诸如WiFi等短距离无线通信技术进行组网；当移动设备与邻居设备距离较远时，将使用蜂窝网络进行连接。传统的协议和机制主要针对云资源的分配，而未针对AHMCN频谱、功率受限等特点，联合任务卸载，对云资源和无线资源进行合理分配。
在AHMCN中，用户之间的数据交互均会占用一定的无线资源。同时，考虑到用户的移动性，同一个用户在不同时刻会处于不同的网络环境中，因此如何分配蜂窝网络的无线资源，完成主节点的任务卸载和分配是个复杂的问题。此外，当临近的从节点较多、主从节点移动较快时，集中式算法的复杂度将会大幅增加，寻找最优的任务卸载和资源分配策略将变得更为困难。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种自组织移动云网络的联合任务卸载和资源分配方法，该方法通过建立买家-卖家博弈的问题，采用分布式的激励机制，从而得到Stackelberg均衡，即满足买卖各方的收益最大化条件下的任务卸载和资源分配方案。
技术方案：本发明所述的自组织移动云网络的联合任务卸载和资源分配方法，包括：
(1)当主节点产生任务时，搜索预设范围内是否存在WiFi从节点；若存在，执行(2)，否则，执行(7)；其中，主节点是有任务需要处理的移动用户，WiFi从节点是能够提供云资源的WiFi移动设备；
(2)将主节点和预设范围内的WiFi从节点组成Ad hoc网络，并建立通信链路；
(3)判断WiFi从节点的资源是否能够完成任务，若是，则执行(4)，若否，执行(7)；
(4)WiFi从节点考虑自身的能量消耗、计算能力和通信成本，以最大化其收益为目标，给出云资源的售价；
(5)主节点针对给出的售价，分配卸载到WiFi从节点的任务量并进行卸载；
(6)WiFi从节点分配云资源，并执行主节点的任务；
(7)主节点向所在蜂窝网络的基站请求无线频谱资源，基站考虑功耗和带宽约束，以最大化其收益为目标，给出无线频谱资源的最优定价；
(8)接入基站的主节点和蜂窝从节点根据定价购买相应的无线频谱资源；其中，蜂窝从节点是与主节点同处于一个蜂窝小区的移动设备；
(9)蜂窝从节点根据自身的能量消耗、计算能力和通信成本，以最大化其收益为目标，给出云资源的售价；
(10)主节点针对给出的售价，分配卸载到蜂窝从节点的任务量并进行卸载；
(11)蜂窝从节点分配云资源，并执行主节点的任务。
优选的，还可以包括步骤：
(12)对WiFi从节点进行任务状态监测，若监测到主节点的任务未完成之前，WiFi从节点离开之前的Ad hoc网络，则返回执行(3)。
其中，步骤(4)具体包括：
(4-1)建立WiFi从节点的收益为：
式中，ps1表示WiFi从节点s1处理单位长度任务的售价，Lin,s1为WiFi从节点s1分得的任务量在处理前的长度，为WiFi从节点s1的计算所消耗的成本，b为处理单位长度信息所需的单位成本，Zs1为WiFi从节点s1的计算能力，λw为Ad hoc网络单位时间的通信成本， 为WiFi从节点s1与主节点之间的通信速率；
(4-2)以最大化收益为目标建立的目标函数为：
C3:ps1≥0
式中，约束条件C1为WiFi从节点用于通信和处理任务总的能耗约束，其中为WiFi从节点s1向主节点传输数据的发射功率，为处理任务所需的能耗，λs1为WiFi从节点s1单位时间计算所消耗的能量，Qth,s1为WiFi从节点s1总的能耗阈值；C2为WiFi从节点发射功率约束；C3为任务处理单价的非负性；
(4-3)根据建立目标函数和任务的最优分配得到最优售价ps1 *为
式中，[·]+＝max{·,0}，ρs1＝Lin,s1/Lout,s1，为WiFi从节点s1的发射功率，γ和τs1为拉格朗日乘子。
其中，步骤(9)具体包括：
(9-1)建立蜂窝从节点的收益为：
式中，ps2表示蜂窝从节点s2处理单位长度任务的售价，Lin,s2为蜂窝从节点s2分得的任务量在处理前的长度，为蜂窝从节点s2的计算所消耗的成本，b为处理单位长度信息所需的单位成本，Zs2为蜂窝从节点s2的计算能力，λc为蜂窝网络中的通信成本，Lout,s2为从节点s2分得的任务量在处理后的长度，为基站与从节点s2之间上行信道，pB为蜂窝网络通信中单位带宽的售价，为蜂窝网中从节点s2与基站之间的信道带宽；
(9-2)以最大化收益为目标建立的目标函数为：
C3:ps2≥0
式中，约束条件C1为蜂窝从节点用于通信和处理任务总的能耗约束，其中为蜂窝从节点s2向主节点传输数据的发射功率，为处理任务所需的能耗，λs2为蜂窝从节点s2单位时间计算所消耗的能量，Qth,s2为蜂窝从节点s2总的能耗阈值；C2为蜂窝从节点发射功率约束；C3为任务处理单价的非负性；
(9-3)根据建立目标函数和任务的最优分配得到最优定价ps2 *和最优带宽为：
式中，
为蜂窝网中主节点上行链路的发射功率，为蜂窝网中主节点上行链路的信道容量，ρs2＝Lin,s2/Lout,s2，表示任务处理前后的长度比，α、γ和μs2分别为拉格朗日乘子，为从节点s2与基站之间的信道增益，No为白噪声功率，为主节点集合，为蜂窝从节点集合。
其中，步骤(7)具体包括：
(7-1)主节点向所在蜂窝网络的基站请求无线频谱资源；
(7-2)建立基站的收益为
式中，pB为蜂窝网络通信中单位带宽的售价，为节点i的信道带宽；
(7-3)建立基站收益最大化的目标函数为：
式中，约束条件C1为基站的能耗预算，为基站向主节点发送时消耗的能量，为基站向蜂窝从节点发送时消耗的能量，Qth,B为能耗阈值，C2为总带宽的预算，Bmax为总带宽阈值，C3为基站发送的功率预算，为基站向节点i发送功率，基站发功率阈值，C4表示功率的非负性；
(7-4)通过拉格朗日函数和KKT条件，获得最优定价pB *为
其中，
式中，υ和κ为拉格朗日乘子。
有益效果：本发明与现有技术相比，其显著优点是：
本发明在AHMCN中，以最大化主、从节点和基站各自的效用函数为目标，在考虑能量消耗、计算能力、通信成本等因素的情况下，建立买方-卖方博弈问题。采用Stackelberg均衡，实现动态的联合任务卸载和资源分配，通过分布式的激励机制，可以快速达到均衡状态。
附图说明
图1是AHMCN场景图；
图2是AHMCN中的资源分配图；
图3是基于买卖博弈的联合任务卸载和资源分配方法示意图；
图4是本发明的流程示意图。
具体实施方式
如图1所示，AHMCN主要包含由移动用户设备组成的WiFi网络和蜂窝网络，当某个用户需要完成一项任务(如高清视频的压缩)时，由于受到自身的移动设备上的电池和云资源的限制，需要借助网络中其他用户的资源来完成，但同时会消耗提供服务设备的通信、云资源。换句话说，当该用户分配任务给其他用户时，需要考虑支付成本。为了平衡收益和成本，该用户需要对所需要卸载任务进行决策和分配。特别地，当在任务完成之前，若从节点运动离开WiFi网络，需要使用蜂窝网络进行通信，因此相应的通信成本也会有所增加。如图2所示，在AHMCN中的从节点为主节点提供云资源，在蜂窝网中，基站为主、从节点提供无线资源。如图3所示，主节点为买家，而从节点和基站为卖家，分别出售云资源和无线资源，同时借助蜂窝通信的从节点作为无线资源的买家，需要向基站支付一定的报酬。通过主节点、从节点、基站三方的博弈，决定买家需要向卖家提供补偿的多少，从而激励云资源和无线资源的使用。如图4所示，该过程的具体步骤：
(1)当主节点产生任务时，搜索预设范围内是否存在WiFi从节点；若存在，执行(2)，否则，执行(7)；其中，主节点是有任务需要处理的移动用户，WiFi从节点是能够提供云资源的WiFi移动设备；
(2)将主节点和预设范围内的WiFi从节点组成Ad hoc网络，并建立通信链路；
(3)判断WiFi从节点的资源是否能够完成任务，若是，则执行(4)，若否，执行(7)；
(4)WiFi从节点考虑自身的能量消耗、计算能力和通信成本，以最大化其收益为目标，给出云资源的售价；
(5)主节点针对给出的售价，分配卸载到WiFi从节点的任务量并进行卸载；
(6)WiFi从节点分配云资源，并执行主节点的任务；
(7)主节点向所在蜂窝网络的基站请求无线频谱资源，基站考虑功耗和带宽约束，以最大化其收益为目标，给出无线频谱资源的最优定价；
(8)接入基站的主节点和蜂窝从节点根据定价购买相应的无线频谱资源；其中，蜂窝从节点是与主节点同处于一个蜂窝小区的移动设备；
(9)蜂窝从节点根据自身的能量消耗、计算能力和通信成本，以最大化其收益为目标，给出云资源的售价；
(10)主节点针对给出的售价，分配卸载到蜂窝从节点的任务量并进行卸载；
(11)蜂窝从节点分配云资源，并执行主节点的任务。
优选的，还可以包括步骤：
(12)对WiFi从节点进行任务状态监测，若监测到主节点的任务未完成之前，WiFi从节点离开之前的Ad hoc网络，则返回执行(3)。
结合相关公式，对本发明方案设计作进一步的具体分析和描述。主节点集合为个数为从节点集合为个数为采用蜂窝通信的从节点集合为个数为其余从节点通过WiFi与主节点组成Ad hoc网络，其集合为个数为则考虑单主节点，即M＝1的情形。假设xs为从节点s分得的任务量，Lin,s为任务xs处理前的长度，Lout,s为任务xs处理后的长度，假设Lin,s/Lout,s＝ρs,ρs任务xs处理前后的长度比。为蜂窝网中主节点的信道带宽，和分别为蜂窝网中主节点上行和下行链路的发射功率。为蜂窝网中从节点s的信道带宽，和分别为从节点上行和下行链路的发射功率。
在WiFi网络中，主、从节点采用共享信道进行连接，通常采用媒体访问控制协议载波侦听多路访问(Carrier Sense Multiple Access，CSMA)，则节点i传输数据时占用的无线信道容量为
其中，Ri是节点i在成功地获取信道时可以实现的数据速率，Wi>0表示用户在信道竞争/共享中的权重，具有较大的权重Wi意味着节点i在捕获信道中占优势。
蜂窝网络中，定义基站与节点之间上行信道为
其中，为节点i与基站之间的信道增益，No为白噪声功率。定义基站与主节点之间下行信道为
其中，为基站与节点i之间的信道增益。
考虑一个主节点与多个从节点的情形。主节点可以被定义为买方，其需要购买从节点的任务处理资源，并且提供资源以满足买方要求的从节点将被定义为卖方。特别地，当主从节点需要借助蜂窝网络通信时，两者均需要购买基站的无线资源。因此，联合任务卸载和无线资源分配的目标就是在考虑效用函数和成本的基础上，买方想要最大化其的回报，同时，通过支付报酬激励卖家，以便最大化他们的收益。
首先，定义主节点的收益为
其中，为主节点将任务分配给从节点s从中获得的效益，其定义为Zs为从节点s的计算能力。ps为从节点s处理单位长度任务的售价。为主节点通过Ad hoc网络卸载任务所需要的代价：λw为Ad hoc网络单位时间的通信成本。为主节点通过蜂窝网络通信所需要的代价：λc为蜂窝网络中的通信成本，通常λw<λc。此外，主节点需要给基站支付无线资源使用费用，pB为蜂窝网络通信中单位带宽的售价。因此，建立主节点的优化问题为
式(5)中，目标函数表示最大化主节点的收益；约束条件C1为主节点通信的能耗约束；C2和C3表示主节点所需卸载任务总量，以及各个从节点所分得任务量的非负性；C4表示主节点总的发射功率预算不大于最大值C5和C6表示功率的非负性。
由于主节点效用函数为凹函数，约束条件为仿射或为凸的。因此，通过主节点的拉格朗日函数
和KKT条件，可以获得任务和带宽的最优分配Lin,s *(ps)和为
其中，α和η为拉格朗日乘子，[·]+＝max{·,0}。
由于wifi从节点可能移动离开Ad hoc云网络，这将影响任务的卸载和下载。在任务完成前，当某个节点离开Ad hoc网络时，将采用蜂窝通信代替之前的通信链路。此时，将会存在两类卖方，提供云资源的从节点和提供无线资源的基站。
对于WiFi从节点计算最大化效益的步骤具体为：
(4-1)设置WiFi从节点的收益为：
式中，ps1表示WiFi从节点s1处理单位长度任务的售价，Lin,s1为WiFi从节点s1分得的任务量在处理前的长度，为WiFi从节点s1的计算所消耗的成本，b为处理单位长度信息所需的单位成本，Zs1为WiFi从节点s1的计算能力，λw为Ad hoc网络单位时间的通信成本， 为WiFi从节点s1与主节点之间的通信速率；
(4-2)以最大化收益为目标建立的目标函数为：
式中，约束条件C1为WiFi从节点用于通信和处理任务总的能耗约束，其中为WiFi从节点s1向主节点传输数据的发射功率，为处理任务所需的能耗，λs1为WiFi从节点s1单位时间计算所消耗的能量，Qth,s1为WiFi从节点s1总的能耗阈值；C2为WiFi从节点发射功率约束；C3为任务处理单价的非负性；
(4-3)将(7)代入WiFi从节点的优化函数中，通过从节点的拉格朗日函数
和KKT条件，可以获得最优售价ps1 *为
式中，[·]+＝max{·,0}，ρs1＝Lin,s1/Lout,s1，为WiFi从节点s1的发射功率，γ和τs1为拉格朗日乘子。
另外，蜂窝从节点的效益最大化的步骤具体包括：
(9-1)设置蜂窝从节点的收益为：
式中，ps2表示蜂窝从节点s2处理单位长度任务的售价，Lin,s2为蜂窝从节点s2分得的任务量在处理前的长度，为蜂窝从节点s2的计算所消耗的成本，b为处理单位长度信息所需的单位成本，Zs2为蜂窝从节点s2的计算能力，λc为蜂窝网络中的通信成本，Lout,s2为从节点s2分得的任务量在处理后的长度，为基站与从节点s2之间上行信道，pB为蜂窝网络通信中单位带宽的售价，为蜂窝网中从节点s2与基站之间的信道带宽；
(9-2)以最大化收益为目标建立的目标函数为：
式中，约束条件C1为蜂窝从节点用于通信和处理任务总的能耗约束，其中为蜂窝从节点s2向主节点传输数据的发射功率，为处理任务所需的能耗，λs2为蜂窝从节点s2单位时间计算所消耗的能量，Qth,s2为蜂窝从节点s2总的能耗阈值；C2为蜂窝从节点发射功率约束；C3为任务处理单价的非负性；
(9-3)将(8)代入蜂窝网络从节点的目标函数中，通过从节点的拉格朗日函数
和KKT条件，获得最优定价ps2 *和最优带宽为：
式中，
为蜂窝网中主节点上行链路的发射功率，为蜂窝网中主节点上行链路的信道容量，ρs2＝Lin,s2/Lout,s2，表示任务处理前后的长度比，α、γ和μs2分别为拉格朗日乘子，为从节点s2与基站之间的信道增益，No为白噪声功率，为主节点集合，为蜂窝从节点集合。
计算基站的收益最大化的步骤具体包括：
(7-1)建立基站的收益为
式中，pB为蜂窝网络通信中单位带宽的售价，为节点i的信道带宽；
(7-2)建立基站收益最大化的目标函数为：
式中，约束条件C1为基站的能耗预算，为基站向主节点发送时消耗的能量，为基站向蜂窝从节点发送时消耗的能量，Qth,B为能耗阈值，C2为总带宽的预算，Bmax为总带宽阈值，C3为基站发送的功率预算，为基站向节点i发送功率，基站发功率阈值，C4表示功率的非负性；
(7-3)通过拉格朗日函数和KKT条件，获得最优定价pB *为
其中，
式中，υ和κ为拉格朗日乘子。
通过买家-卖家之间的信息交互和迭代，最终达到均衡状态。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (5)
1.一种自组织移动云网络的联合任务卸载和资源分配方法，其特征在于该方法包括：
(1)当主节点产生任务时，搜索预设范围内是否存在WiFi从节点；若存在，执行(2)，否则，执行(7)；其中，主节点是有任务需要处理的移动用户，WiFi从节点是能够提供云资源的WiFi移动设备；
(2)将主节点和预设范围内的WiFi从节点组成Ad hoc网络，并建立通信链路；
(3)判断WiFi从节点的资源是否能够完成任务，若是，则执行(4)，若否，执行(7)；
(4)WiFi从节点考虑自身的能量消耗、计算能力和通信成本，以最大化其收益为目标，给出云资源的售价；
(5)主节点针对给出的售价，分配卸载到WiFi从节点的任务量并进行卸载；
(6)WiFi从节点分配云资源，并执行主节点的任务；
(7)主节点向所在蜂窝网络的基站请求无线频谱资源，基站考虑功耗和带宽约束，以最大化其收益为目标，给出无线频谱资源的最优定价；
(8)接入基站的主节点和蜂窝从节点根据定价购买相应的无线频谱资源；其中，蜂窝从节点是与主节点同处于一个蜂窝小区的移动设备；
(9)蜂窝从节点根据自身的能量消耗、计算能力和通信成本，以最大化其收益为目标，给出云资源的售价；
(10)主节点针对给出的售价，分配卸载到蜂窝从节点的任务量并进行卸载；
(11)蜂窝从节点分配云资源，并执行主节点的任务。
2.根据权1所述的自组织移动云网络的联合任务卸载和资源分配方法，其特征在于还包括步骤：
(12)对WiFi从节点进行任务状态监测，若监测到主节点的任务未完成之前，WiFi从节点离开之前的Ad hoc网络，则返回执行(3)。
3.根据权1所述的自组织移动云网络的联合任务卸载和资源分配方法，其特征在于：步骤(4)具体包括：
(4-1)设置WiFi从节点的收益为：
式中，ps1表示WiFi从节点s1处理单位长度任务的售价，Lin,s1为WiFi从节点s1分得的任务量在处理前的长度，Cs1＝bLin,s1/Zs1为WiFi从节点s1的计算所消耗的成本，b为处理单位长度信息所需的单位成本，Zs1为WiFi从节点s1的计算能力，λw为Ad hoc网络单位时间的通信成本， 为WiFi从节点s1与主节点之间的通信速率；
(4-2)以最大化收益us1为目标建立目标函数为：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mn>1</mn>
<mo>:</mo>
<msubsup>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
<mi>w</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
<mo>,</mo>
<mi>M</mi>
</mrow>
<mi>w</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
<mi>p</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>t</mi>
<mi>h</mi>
<mo>,</mo>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>C</mi>
<mn>2</mn>
<mo>:</mo>
<mn>0</mn>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
<mo>,</mo>
<mi>M</mi>
</mrow>
<mi>w</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
<mi>max</mi>
</msubsup>
</mrow>
C3:ps1≥0
式中，约束条件C1为WiFi从节点用于通信和处理任务总的能耗约束，其中为WiFi从节点s1向主节点传输数据的发射功率，为处理任务所需的能耗，λs1为WiFi从节点s1单位时间计算所消耗的能量，Qth,s1为WiFi从节点s1总的能耗阈值；C2为WiFi从节点发射功率约束；C3为任务处理单价的非负性；
(4-3)根据建立目标函数和任务的最优分配得到最优售价ps1 *为
<mrow>
<msup>
<msub>
<mi>p</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>*</mo>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msqrt>
<mrow>
<mfrac>
<msub>
<mi>Z</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mi>ln</mi>
<mn>2</mn>
</mrow>
</mfrac>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mi>w</mi>
</msub>
<msubsup>
<mi>C</mi>
<mrow>
<mi>M</mi>
<mo>,</mo>
<mi>s</mi>
<mn>1</mn>
</mrow>
<mi>w</mi>
</msubsup>
</mfrac>
<mo>+</mo>
<mi>&gamma;</mi>
<mo>+</mo>
<mfrac>
<mi>b</mi>
<msub>
<mi>Z</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>&rho;</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>w</mi>
</msub>
</mrow>
<msubsup>
<mi>C</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
<mo>,</mo>
<mi>M</mi>
</mrow>
<mi>w</mi>
</msubsup>
</mfrac>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>1</mn>
<mo>,</mo>
<mi>M</mi>
</mrow>
<mi>w</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</msqrt>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mrow>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mi>w</mi>
</msub>
<msubsup>
<mi>C</mi>
<mrow>
<mi>M</mi>
<mo>,</mo>
<mi>s</mi>
<mn>1</mn>
</mrow>
<mi>w</mi>
</msubsup>
</mfrac>
<mo>+</mo>
<mi>&gamma;</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
</msup>
</mrow>
式中，[·]+＝max{·,0}，ρs1＝Lin,s1/Lout,s1，为WiFi从节点s1的发射功率，γ和τs1为拉格朗日乘子。
4.根据权1所述的自组织移动云网络的联合任务卸载和资源分配方法，其特征在于：步骤(9)具体包括：
(9-1)设置蜂窝从节点的收益为：
式中，ps2表示蜂窝从节点s2处理单位长度任务的售价，Lin,s2为蜂窝从节点s2分得的任务量在处理前的长度，cs2＝bLin,s2/Zs2为蜂窝从节点s2的计算所消耗的成本，b为处理单位长度信息所需的单位成本，Zs2为蜂窝从节点s2的计算能力，λc为蜂窝网络中的通信成本，Lout,s2为从节点s2分得的任务量在处理后的长度，为基站与从节点s2之间上行信道，pB为蜂窝网络通信中单位带宽的售价，为蜂窝网中从节点s2与基站之间的信道带宽；
(9-2)以最大化收益为目标建立的目标函数为：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mn>1</mn>
<mo>:</mo>
<msubsup>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
<mi>c</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
<mi>p</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>t</mi>
<mi>h</mi>
<mo>,</mo>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>C</mi>
<mn>2</mn>
<mo>:</mo>
<mn>0</mn>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
<mi>max</mi>
</msubsup>
</mrow>
C3:ps2≥0
式中，约束条件C1为蜂窝从节点用于通信和处理任务总的能耗约束，其中为蜂窝从节点s2向基站传输数据的发射功率，为处理任务所需的能耗，λs2为蜂窝从节点s2单位时间计算所消耗的能量，Qth,s2为蜂窝从节点s2总的能耗阈值；C2为蜂窝从节点发射功率约束；C3为任务处理单价的非负性；
(9-3)根据建立目标函数和任务的最优分配得到最优定价ps2 *和最优带宽为：
<mrow>
<msup>
<msub>
<mi>p</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>*</mo>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<mfrac>
<msub>
<mi>Z</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mi>l</mi>
<mi>n</mi>
<mn>2</mn>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mi>c</mi>
</msub>
<msubsup>
<mi>C</mi>
<mrow>
<mi>M</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
</mfrac>
<mo>+</mo>
<mi>&gamma;</mi>
<mo>+</mo>
<mfrac>
<mi>b</mi>
<msub>
<mi>Z</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>c</mi>
</msub>
<msub>
<mi>&rho;</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
<msubsup>
<mi>C</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
</mfrac>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</msqrt>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mi>c</mi>
</msub>
<msubsup>
<mi>C</mi>
<mrow>
<mi>M</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
</mfrac>
<mo>+</mo>
<mi>&gamma;</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
</msup>
</mrow>
2
<mrow>
<msup>
<msubsup>
<mi>B</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
<mi>c</mi>
</msubsup>
<mo>*</mo>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
<mo>)</mo>
<msub>
<mi>&rho;</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
<msub>
<mi>A</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
</mfrac>
<mfrac>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mo>,</mo>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>p</mi>
<mi>B</mi>
</msub>
</mfrac>
</mrow>
</msqrt>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
</msup>
</mrow>
式中，
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mo>,</mo>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<msub>
<mi>Z</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mi>l</mi>
<mi>n</mi>
<mn>2</mn>
</mrow>
</mfrac>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msubsup>
<mi>&alpha;P</mi>
<mrow>
<mi>M</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msubsup>
<mi>C</mi>
<mrow>
<mi>M</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
<mi>c</mi>
</msubsup>
<mo>+</mo>
<mi>&gamma;</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
</msup>
<mo>,</mo>
</mrow>
为蜂窝网中主节点上行链路的发射功率，为蜂窝网中主节点上行链路的信道容量，ρs2＝Lin,s2/Lout,s2，表示任务处理前后的长度比，α、γ和μs2分别为拉格朗日乘子，为从节点s2与基站之间的信道增益，No为白噪声功率，为主节点集合，为蜂窝从节点集合。
5.根据权4所述的自组织移动云网络的联合任务卸载和资源分配方法，其特征在于：步骤(7)具体包括：
(7-1)主节点向所在蜂窝网络的基站请求无线频谱资源；
(7-2)设置基站的收益为
式中，pB为蜂窝网络通信中单位带宽的售价，为节点i的信道带宽；
(7-3)建立基站收益最大化的目标函数为：
式中，约束条件C1为基站的能耗预算，为基站向主节点发送时消耗的能量，为基站向蜂窝从节点发送时消耗的能量，Qth,B为能耗阈值，C2为总带宽的预算，Bmax为总带宽阈值，C3为基站发送的功率预算，为基站向节点i发送功率，基站发功率阈值，C4表示功率的非负性；
(7-4)通过拉格朗日函数和KKT条件，获得最优定价pB *为
其中， υ和κ为拉格朗日乘子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710377887.XA CN107249217A (zh) | 2017-05-25 | 2017-05-25 | 自组织移动云网络的联合任务卸载和资源分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710377887.XA CN107249217A (zh) | 2017-05-25 | 2017-05-25 | 自组织移动云网络的联合任务卸载和资源分配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107249217A true CN107249217A (zh) | 2017-10-13 |
Family
ID=60016975
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710377887.XA Pending CN107249217A (zh) | 2017-05-25 | 2017-05-25 | 自组织移动云网络的联合任务卸载和资源分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107249217A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108777852A (zh) * | 2018-05-16 | 2018-11-09 | 国网吉林省电力有限公司信息通信公司 | 一种车联网内容边缘卸载方法、移动资源分配系统 |
| CN109104743A (zh) * | 2018-07-09 | 2018-12-28 | 南京邮电大学 | 一种异构无线网络中基于定价的数据卸载方法 |
| CN109144730A (zh) * | 2018-08-28 | 2019-01-04 | 北京邮电大学 | 一种小小区下任务卸载方法及装置 |
| CN109618351A (zh) * | 2019-01-09 | 2019-04-12 | 南京邮电大学 | 基于stackelberg博弈的异构网络中的资源分配方法 |
| CN109992387A (zh) * | 2019-04-01 | 2019-07-09 | 北京邮电大学 | 一种终端协同的任务处理方法、装置及电子设备 |
| CN110113140A (zh) * | 2019-03-08 | 2019-08-09 | 北京邮电大学 | 一种雾计算无线网络中的计算卸载方法 |
| CN110266770A (zh) * | 2019-05-30 | 2019-09-20 | 湖南大学 | 基于博弈论的闲置云资源调度方法和装置 |
| WO2021046777A1 (zh) * | 2019-09-11 | 2021-03-18 | 阿里巴巴集团控股有限公司 | 资源调度、申请与定价方法、设备、系统及存储介质 |
| CN113553165A (zh) * | 2020-04-23 | 2021-10-26 | 东北大学秦皇岛分校 | 一种基于博弈论的移动边缘计算任务卸载和资源调度方法 |
| CN113823011A (zh) * | 2021-09-03 | 2021-12-21 | 深圳云天励飞技术股份有限公司 | 巡逻机器人的算力分配方法及相关设备 |
-
2017
- 2017-05-25 CN CN201710377887.XA patent/CN107249217A/zh active Pending
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108777852B (zh) * | 2018-05-16 | 2021-07-09 | 国网吉林省电力有限公司信息通信公司 | 一种车联网内容边缘卸载方法、移动资源分配系统 |
| CN108777852A (zh) * | 2018-05-16 | 2018-11-09 | 国网吉林省电力有限公司信息通信公司 | 一种车联网内容边缘卸载方法、移动资源分配系统 |
| CN109104743A (zh) * | 2018-07-09 | 2018-12-28 | 南京邮电大学 | 一种异构无线网络中基于定价的数据卸载方法 |
| CN109104743B (zh) * | 2018-07-09 | 2021-08-03 | 南京邮电大学 | 一种异构无线网络中基于定价的数据卸载方法 |
| CN109144730A (zh) * | 2018-08-28 | 2019-01-04 | 北京邮电大学 | 一种小小区下任务卸载方法及装置 |
| CN109144730B (zh) * | 2018-08-28 | 2020-07-31 | 北京邮电大学 | 一种小小区下任务卸载方法及装置 |
| CN109618351A (zh) * | 2019-01-09 | 2019-04-12 | 南京邮电大学 | 基于stackelberg博弈的异构网络中的资源分配方法 |
| CN109618351B (zh) * | 2019-01-09 | 2022-01-07 | 南京邮电大学 | 基于stackelberg博弈的异构网络中的资源分配方法 |
| CN110113140A (zh) * | 2019-03-08 | 2019-08-09 | 北京邮电大学 | 一种雾计算无线网络中的计算卸载方法 |
| CN109992387A (zh) * | 2019-04-01 | 2019-07-09 | 北京邮电大学 | 一种终端协同的任务处理方法、装置及电子设备 |
| CN109992387B (zh) * | 2019-04-01 | 2021-09-24 | 北京邮电大学 | 一种终端协同的任务处理方法、装置及电子设备 |
| CN110266770B (zh) * | 2019-05-30 | 2020-07-07 | 湖南大学 | 基于博弈论的闲置云资源调度方法和装置 |
| CN110266770A (zh) * | 2019-05-30 | 2019-09-20 | 湖南大学 | 基于博弈论的闲置云资源调度方法和装置 |
| WO2021046777A1 (zh) * | 2019-09-11 | 2021-03-18 | 阿里巴巴集团控股有限公司 | 资源调度、申请与定价方法、设备、系统及存储介质 |
| CN114072767A (zh) * | 2019-09-11 | 2022-02-18 | 阿里巴巴集团控股有限公司 | 资源调度、申请与定价方法、设备、系统及存储介质 |
| CN114072767B (zh) * | 2019-09-11 | 2024-02-27 | 阿里巴巴集团控股有限公司 | 资源调度、申请与定价方法、设备、系统及存储介质 |
| CN113553165A (zh) * | 2020-04-23 | 2021-10-26 | 东北大学秦皇岛分校 | 一种基于博弈论的移动边缘计算任务卸载和资源调度方法 |
| CN113553165B (zh) * | 2020-04-23 | 2022-05-17 | 东北大学秦皇岛分校 | 一种基于博弈论的移动边缘计算任务卸载和资源调度方法 |
| CN113823011A (zh) * | 2021-09-03 | 2021-12-21 | 深圳云天励飞技术股份有限公司 | 巡逻机器人的算力分配方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107249217A (zh) | 自组织移动云网络的联合任务卸载和资源分配方法 | |
| Chakraborty et al. | A comprehensive review on device-to-device communication paradigm: trends, challenges and applications | |
| Duan et al. | Contract-based cooperative spectrum sharing | |
| Wang et al. | User mobility aware task assignment for mobile edge computing | |
| Zhao et al. | Contract-based computing resource management via deep reinforcement learning in vehicular fog computing | |
| Yi et al. | Cooperative communication-aware spectrum leasing in cognitive radio networks | |
| Li et al. | Coalitional game theoretic approach for secondary spectrum access in cooperative cognitive radio networks | |
| Xu et al. | Social network-based content delivery in device-to-device underlay cellular networks using matching theory | |
| Duan et al. | Cooperative spectrum sharing: A contract-based approach | |
| Li et al. | On social-aware content caching for D2D-enabled cellular networks with matching theory | |
| Liu et al. | Dynamic spectrum access algorithm based on game theory in cognitive radio networks | |
| Wang et al. | Quality-optimized joint source selection and power control for wireless multimedia D2D communication using Stackelberg game | |
| Liu et al. | Joint incentive and resource allocation design for user provided network under 5G integrated access and backhaul networks | |
| CN110311723B (zh) | 基于定价策略的月球空间站通信系统计算资源分配方法 | |
| Wu et al. | Cooperative resource sharing and pricing for proactive dynamic spectrum access via Nash bargaining solution | |
| Sun et al. | Traffic offloading in two-tier multi-mode small cell networks over unlicensed bands: A hierarchical learning framework | |
| Chowdhury | Matching theory for cognitive radio networks: An overview | |
| Lorenzo et al. | Data and spectrum trading policies in a trusted cognitive dynamic network architecture | |
| Zhang et al. | Price-based joint offloading and resource allocation for ad hoc mobile cloud | |
| Gong et al. | System utility based resource allocation for D2D multicast communication in software-defined cellular networks | |
| Aditya et al. | Beyond the VCG mechanism: truthful reverse auctions for relay selection with high data rates, high base station utility and low interference in D2D networks | |
| Du et al. | 10 Traffic Offloading in Software Defined Ultra-dense Networks | |
| Abdellatif et al. | Concurrent association in heterogeneous networks with underlay D2D communication | |
| Gong et al. | Data offloading for mobile crowdsensing in opportunistic social networks | |
| CN109041113B (zh) | 一种面向未来5g网络的虚拟ue传输任务分配装置和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171013 |