CN107249218B - 一种mec中无线资源和云资源的联合分配方法 - Google Patents

一种mec中无线资源和云资源的联合分配方法 Download PDF

Info

Publication number
CN107249218B
CN107249218B CN201710413708.3A CN201710413708A CN107249218B CN 107249218 B CN107249218 B CN 107249218B CN 201710413708 A CN201710413708 A CN 201710413708A CN 107249218 B CN107249218 B CN 107249218B
Authority
CN
China
Prior art keywords
terminal
cloud
resources
cost
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.)
Active
Application number
CN201710413708.3A
Other languages
English (en)
Other versions
CN107249218A (zh
Inventor
夏玮玮
张静
章跃跃
黄博南
邹倩
程之序
燕锋
沈连丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201710413708.3A priority Critical patent/CN107249218B/zh
Publication of CN107249218A publication Critical patent/CN107249218A/zh
Application granted granted Critical
Publication of CN107249218B publication Critical patent/CN107249218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/06—TPC algorithms
    • H04W52/14—Separate analysis of uplink or downlink
    • H04W52/146—Uplink power control
    • 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
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种MEC中无线资源和云资源的联合分配方法，包括：(1)MEC中的终端发起任务卸载请求，并建立终端的任务卸载代价函数；(2)异构网络的各个接入点获取覆盖区域内各个终端任务卸载代价函数，并将终端的任务卸载请求和网络的信道信息发送至朵云；(3)朵云基于合作博弈进行无线资源和云资源联合分配，利用KKT条件得到纳什均衡解，并将博弈纳什均衡解发送至终端；(4)终端根据纳什均衡解向朵云和接入点进行计算资源和无线资源请求；(5)朵云和接入点根据终端请求分配计算资源和无线资源。本发明基于合作博弈，充分利用朵云中有限的计算资源，在以最小化所有终端任务卸载代价为目标的同时，保证各终端任务的实时性，满足各移动终端的任务卸载需求。

Description

一种MEC中无线资源和云资源的联合分配方法
技术领域
本发明涉及云计算技术，尤其涉及一种MEC中无线资源和云资源的联合分配方法。
背景技术
近年来，云计算已经成为学术界和工业界公认的下一代计算基础设施。与传统的IT基础设施相比，它可以提供许多特性，如可伸缩性、敏捷性、经济效率等。同时，随着快速部署的无线宽带网络和智能移动设备的日益普及，越来越多的终端使用互联网服务。然而，随着终端应用需求和计算能力需求不断提高，智能移动设备对由于尺寸、能量等限制无法满足。因此，移动边缘云计算系统(MEC，Mobile Edge Computing)将朵云(Cloudlet)集成到移动环境中，方便终端将计算能力强的应用卸载到近端的朵云运行，在更低时延限制下以减少终端的任务卸载代价。
具有朵云的异构网络场景包括异构网络(Heterogeneous Network)、朵云(Cloudlets)和互联网Internet，其中异构网络包含宏小区(Macro Cell)、微小区(PicoCell)、微微小区(FemtoCell)以及其它类型接入点，例如WiFi接入点。朵云是一种相对小型的计算资源池，由运营商统一部署在接入点周围。接入点根据所需资源类型和连接的便捷性连接至朵云，接入点与朵云之间通过光纤连接，此连接被称为回程链路(Backhaul)。朵云接收相关接入点的任务请求，并在数据处理单元进行计算。朵云通过广域网(WAN，WideArea Network)连接至互联网Internet。
异构网络场景下的移动边缘云计算是在异构网络中各个接入点附近部署了大量的云资源，于是接入点具有云资源和无线资源两种类型资源，无线资源指的是终端的上行链路发射功率资源；云资源指的是朵云计算资源。朵云为连接至它的异构网络中的所有终端服务。朵云为终端提供计算资源，异构网络为终端提供无线资源，计算资源和无线资源的分配对终端的任务卸载代价有重要影响。因此如何实现移动边缘云计算系统中这两种资源最有效分配，实现整个网络的最大效益是亟待解决的问题。
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MEC中无线资源和云资源的联合分配方法，本方法以最小化网络中所有终端任务卸载代价为目标，并保证各个终端的时延限制，满足无线资源和云资源容量限制，实现各移动终端任务卸载的实时性。
技术方案：本发明所述的MEC中无线资源和云资源的联合分配方法包括：
(1)MEC中的终端发起任务卸载请求，并建立终端的任务卸载代价函数；其中，该任务卸载代价函数包含能耗代价和经济代价，能耗代价是终端进行任务卸载时消耗的能量，经济代价是终端利用无线资源和云资源向接入点和朵云所支付的费用。
所述终端可以对能耗代价和经济代价占据的比例进行动态调节，能耗代价和经济代价的影响因子之和为1，当终端剩余能量较低时，终端通过提高终端能耗比例使能耗占据更高的权重，从而使终端更加注重能耗代价，如果终端用户对经济代价比较敏感，终端通过提高经济代价比例使经济成本更被关注；另外，终端任务卸载代价函数的最大处理时延限制条件保证终端任务处理的实时性；终端发射功率限制条件保证发射功率在允许范围内；计算资源限制保证所有用户占用总的计算资源在朵云最大服务能力范围内。
(2)异构网络的各个接入点获取覆盖区域内各个终端任务卸载代价函数，并将终端的任务卸载请求和网络的信道信息发送至朵云。
(3)朵云基于合作博弈进行无线资源和云资源联合分配，将博弈的代价函数利用时延限制条件转化为凸函数，然后利用KKT条件得到纳什均衡解，并将博弈纳什均衡解发送至终端。
其中，合作博弈的描述具体如下：
参与者：所有终端；
策略：每个终端根据朵云计算资源和信道速率资源定价以及终端能耗和经济代价进行无线资源和计算资源请求；
效用：终端的任务卸载代价函数与消耗的能量和支付购买资源的费用有关；合作博弈的代价函数是所有终端的任务卸载代价函数之和；基于合作博弈使整个网络代价最低。
其中，将无线资源和云资源联合分配也就是将终端的上行链路发射功率资源和朵云计算资源联合分配；功率资源的分配影响任务卸载代价函数中的能耗代价和经济代价，同时也影响限制条件中的时延限制；计算资源的分配影响任务卸载代价函数中的经济代价和实时性限制中的时延限制。两者的联合分配将终端、异构网络和朵云紧密地联系在一起，有利于充分利用无线资源和云资源实现终端任务卸载的最优化。
(4)终端根据纳什均衡解向朵云和接入点进行计算资源和无线资源请求；
(5)朵云和接入点根据终端请求分配计算资源和无线资源。
有益效果：本发明与现有技术相比，其显著优点是：本发明基于合作博弈，充分利用朵云中有限的计算资源，在以最小化所有终端任务卸载代价为目标的同时，保证各终端任务的实时性，满足各移动终端的任务卸载需求。所述方法综合考虑终端的卸载需求，异构网络的信道状态以及朵云的计算容量限制，在保证任务实时性的情况下，联合分配无线资源和云资源，最小化网络所有终端的任务卸载代价。
附图说明
图1是本发明的异构网络融合场景图；
图2是本发明的资源联合分配方法的流程图；
图3是本发明的合作博弈流程图。
具体实施方式
本发明基于合作博弈，充分利用朵云中有限的计算资源，在以最小化所有终端任务卸载代价为目标的同时，保证各终端任务的实时性，满足各移动终端的任务卸载需求。下面结合附图对本发明的实施方法作进一步的描述。
如附图1所示，场景考虑N个小区或小蜂窝(Small Cell)，表示为N＝{1,2,...,N}。每个Small Cell中有多个移动终端需要将任务卸载至朵云，第n个Small Cell中存在有任务请求的Kn个移动终端。Small Cell使用正交子信道，本方法不考虑子信道之间的干扰。本方法中in表示第n个Small Cell中第i个终端。
Figure BDA0001313071630000031
表示所有的终端集合。终端in进行任务卸载时需要上传的数据量为
Figure BDA0001313071630000032
任务完成需要处理的指令数为
Figure BDA0001313071630000033
朵云任务处理单位时间内分配的CPU周期为
Figure BDA0001313071630000034
终端的任务卸载至朵云时延
Figure BDA0001313071630000035
包括四个部分：Δul表示通信上行链路时延，Δdl表示通信下行链路时延，Δbh表示通信回程链路时延，Δexe表示朵云进行任务处理时延。然而，由于从朵云返回的处理结果一般情况下数据量较小，与其他时延相比可以忽略不计，即设Δul＝0。另外，回程链路是高速链路，本方法也忽略Δdl的影响，设Δdl＝0。每个终端in任务处理最大允许时延为
Figure BDA0001313071630000036
在时延允许范围之内，终端in将任务卸载至朵云处理，否则本地处理。
如图2所示，本发明的MEC中无线资源和云资源的联合分配方法具体包括：
(1)MEC中的终端发起任务卸载请求，并建立终端的任务卸载代价函数；其中，该任务卸载代价函数包含能耗代价和经济代价，能耗代价是终端进行任务卸载时消耗的能量，经济代价是终端利用无线资源和云资源向接入点和朵云所支付的费用；
(2)异构网络的各个接入点获取覆盖区域内各个终端任务卸载代价函数，并将终端的任务卸载请求和网络的信道信息发送至朵云；
(3)朵云基于合作博弈进行无线资源和云资源联合分配，将合作博弈的代价函数利用时延限制条件转化为凸函数，然后利用KKT条件得到纳什均衡解，并将博弈纳什均衡解发送至终端；
(4)终端根据纳什均衡解向朵云和接入点进行计算资源和无线资源请求；
(5)朵云和接入点根据终端请求分配计算资源和无线资源。
其中，步骤(1)中终端的任务卸载代价函数的计算公式为：
Figure BDA0001313071630000041
式中，in表示第n个小区中的第i个终端,
Figure BDA0001313071630000042
表示终端in上传数据时的辐射功率；
Figure BDA0001313071630000043
表示朵云为终端任务分配的单位时间处理指令数；
Figure BDA0001313071630000044
表示终端数据上传量；
Figure BDA0001313071630000045
表示信道参数，
Figure BDA0001313071630000046
即信道增益与噪声的比值，
Figure BDA0001313071630000047
表示信道增益，
Figure BDA0001313071630000048
表示噪声功率；w表示信道带宽；
Figure BDA0001313071630000049
表示终端上传数据时单位速率售价；
Figure BDA00013130716300000410
表示计算资源单位CPU周期的售价；γ和η分别表示能耗代价和经济代价影响因子，约束条件中
Figure BDA00013130716300000411
表示终端任务需要处理的指令数；
Figure BDA00013130716300000412
表示终端in任务处理最大允许时延；
Figure BDA00013130716300000413
表示终端最大发射功率；fs表示朵云最大处理能力，即单位时间最大允许处理指令数，公式第一项表示终端数据上传能耗代价，第二项表示终端支付计算资源和无线资源的经济代价。无线资源的计费方式是根据终端数据传输速率计费的，在相同的信道环境下，终端数据传输速率越大，终端支付的费用越高，速率支付单价每个接入点不同，且由接入点给定。计算资源的计费方式是根据朵云分配给终端的CPU周期数计费的，单位时间分配给终端的CPU周期数越多，终端支付的费用越高。以下部分描述该联合分配方法的合作博弈过程。
如附图3所示，该联合分配方法的合作博弈过程包括：①所有参与者建立任务卸载代价函数和进行任务卸载请求；②参与者向网络接入点进行无线资源请求，向朵云进行云资源请求，并向朵云上传移动终端的任务卸载代价函数、发射功率限制条件和最大时延限制条件；③朵云收集所有网络内所有终端任务卸载信息，建立合作博弈，博弈的代价函数是所有终端任务卸载代价函数之和，利用凸优化理论KKT条件求出合作博弈的纳什均衡解；④各个接入点将朵云执行的联合资源分配结果返回终端侧，终端侧根据合作博弈联合资源分配返回结果请求无线资源和计算资源，终端卸载任务至朵云；⑤网络接入点和朵云根据移动终端请求分配无线资源和计算资源，朵云执行各个终端的任务，任务卸载结果返回至各个终端。
本方法的合作博弈中，参与者为移动边缘云计算系统中所有需要任务卸载的终端。网络接入点为终端分配无线资源，朵云为终端分配云资源，终端通过获得的无线资源和云资源进行任务卸载，从而节省用于本地运算的能量，延长电池使用时长。终端的任务卸载代价函数与终端能量消耗和购买无线资源和云资源所付出的代价有关。合作博弈描述如下：
参与者：所有终端；
策略：每个终端根据朵云计算资源和信道速率资源定价以及终端能耗和经济代价进行无线资源和计算资源请求；
效用：终端的任务卸载代价函数与消耗的能量和支付购买资源的费用有关；合作博弈的代价函数是所有终端的任务卸载代价函数之和；基于合作博弈使整个网络代价最低；
其中，合作博弈的代价函数如下所示：
Figure BDA0001313071630000051
式中，矩阵变量
Figure BDA0001313071630000052
网络接入点和朵云已经给定资源单价，参与者进行最优功率分配
Figure BDA0001313071630000053
请求和朵云计算资源
Figure BDA0001313071630000054
请求；如果每个终端满足式(2)和(3)，则上行信道状态能满足终端任务卸载需求，即可行域非空；
Figure BDA0001313071630000055
Figure BDA0001313071630000056
步骤(3)中纳什均衡求解过程如下：
首先对参与者的代价函数求偏导：
Figure BDA0001313071630000061
式中，
Figure BDA0001313071630000062
为信噪比，
Figure BDA0001313071630000063
所以
Figure BDA0001313071630000064
所以u(p,f)关于p是增函数；因此，u(p,f)关于f是线性増函数；
为使代价函数u(p,f)达到最小值，p,f需取最小值，然而，当p,f很小时，公式(2)的第一个约束函数不满足，因此约束条件取等号。即
Figure BDA0001313071630000065
于是终端无线资源变量p和计算资源变量f建立等式关系，即
Figure BDA0001313071630000066
将
Figure BDA0001313071630000067
代入公式(2)得：
Figure BDA0001313071630000068
目标函数(6)的前两项是关于
Figure BDA0001313071630000069
的增函数，最后一项是关于
Figure BDA00013130716300000610
的减函数。由于形式过于复杂，利用变量代换得到(7)。
Figure BDA00013130716300000611
对目标函数(7)求偏导可得：
Figure BDA00013130716300000612
Figure BDA0001313071630000071
由(8)和(9)可知，y关于
Figure BDA0001313071630000072
是凸函数，因此(7)利用KKT条件求出全局最优解
Figure BDA0001313071630000073
公式(7)的Lagrange函数为
Figure BDA0001313071630000074
μ,ν,θ为非负的Lagrange乘子，KKT条件如下：
Figure BDA0001313071630000075
Figure BDA0001313071630000076
Figure BDA0001313071630000077
Figure BDA0001313071630000078
Figure BDA0001313071630000079
Figure BDA00013130716300000710
Figure BDA00013130716300000711
Lagrange乘子更新如下：
Figure BDA00013130716300000712
Figure BDA00013130716300000713
Figure BDA00013130716300000714
其中，k表示迭代次数，a(k)表示迭代步长，
Figure BDA00013130716300000715
代表时间限制的下限，
Figure BDA0001313071630000081
代表时间限制的上限。
目标函数(7)迭代求解KKT条件，在有限次的迭代之后收敛至全局最优解，即得到求出最优解
Figure BDA0001313071630000082
从而得到最优解
Figure BDA0001313071630000083
和
Figure BDA0001313071630000084
此全局最优解即为合作博弈的纳什均衡解。所述方法综合考虑终端的卸载需求，异构网络的信道状态以及朵云的计算容量限制，在保证任务实时性的情况下，联合分配无线资源和云资源，最小化网络所有终端的任务卸载代价。
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 (4)

1.一种MEC中无线资源和云资源的联合分配方法，其特征在于该方法包括：
(1)MEC中的终端发起任务卸载请求，并建立终端的任务卸载代价函数；其中，该任务卸载代价函数包含能耗代价和经济代价，能耗代价是终端进行任务卸载时消耗的能量，经济代价是终端利用无线资源和云资源向接入点和朵云所支付的费用；其中，所述终端的任务卸载代价函数的计算公式为：
Figure FDA0002552098390000011
式中，in表示第n个小区中的第i个终端,
Figure FDA0002552098390000012
表示终端in上传数据时的辐射功率；
Figure FDA0002552098390000013
表示朵云为终端任务分配的单位时间处理指令数；
Figure FDA0002552098390000014
表示终端数据上传量；
Figure FDA0002552098390000015
表示信道参数，
Figure FDA0002552098390000016
即信道增益与噪声的比值，
Figure FDA0002552098390000017
表示信道增益，
Figure FDA0002552098390000018
表示噪声功率；w表示信道带宽；
Figure FDA0002552098390000019
表示终端上传数据时单位速率售价；
Figure FDA00025520983900000110
表示计算资源单位CPU周期的售价；γ和η分别表示能耗代价和经济代价影响因子，约束条件中
Figure FDA00025520983900000111
表示终端任务需要处理的指令数；
Figure FDA00025520983900000112
表示终端in任务处理最大允许时延；
Figure FDA00025520983900000113
表示终端最大发射功率；fs表示朵云最大处理能力，即单位时间最大允许处理指令数，公式第一项表示终端数据上传能耗代价，第二项表示终端支付计算资源和无线资源的经济代价；
(2)异构网络的各个接入点获取覆盖区域内各个终端任务卸载代价函数，并将终端的任务卸载请求和网络的信道信息发送至朵云；
(3)朵云基于合作博弈进行无线资源和云资源联合分配，将合作博弈的代价函数利用时延限制条件转化为凸函数，然后利用KKT条件得到纳什均衡解，并将博弈纳什均衡解发送至终端；其中，所述合作博弈的代价函数如下所示：
Figure FDA0002552098390000021
式中，矩阵变量
Figure FDA0002552098390000022
网络接入点和朵云已经给定资源单价，参与者进行最优功率分配
Figure FDA0002552098390000023
请求和朵云计算资源
Figure FDA0002552098390000024
请求；如果每个终端满足式(2)和(3)，则上行信道状态能满足终端任务卸载需求，即可行域非空；
Figure FDA0002552098390000025
Figure FDA0002552098390000026
(4)终端根据纳什均衡解向朵云和接入点进行计算资源和无线资源请求；
(5)朵云和接入点根据终端请求分配计算资源和无线资源。
2.根据权利要求1所述的MEC中无线资源和云资源的联合分配方法，其特征在于：步骤(1)中所述终端可以对能耗代价和经济代价占据的比例进行动态调节，能耗代价和经济代价的影响因子之和为1，当终端剩余能量较低时，终端通过提高终端能耗比例使能耗占据更高的权重，从而使终端更加注重能耗代价，如果终端用户对经济代价比较敏感，终端通过提高经济代价比例使经济成本更被关注；另外，终端任务卸载代价函数的最大处理时延限制条件保证终端任务处理的实时性；终端发射功率限制条件保证发射功率在允许范围内；计算资源限制保证所有用户占用总的计算资源在朵云最大服务能力范围内。
3.根据权利要求1所述的MEC中无线资源和云资源的联合分配方法，其特征在于：步骤(3)中合作博弈的描述具体如下：
参与者：所有终端；
策略：每个终端根据朵云计算资源和信道速率资源定价以及终端能耗和经济代价进行无线资源和计算资源请求；
效用：终端的任务卸载代价函数与消耗的能量和支付购买资源的费用有关；合作博弈的代价函数是所有终端的任务卸载代价函数之和；基于合作博弈使整个网络代价最低。
4.根据权利要求1所述的MEC中无线资源和云资源的联合分配方法，其特征在于：步骤(3)中合作博弈的纳什均衡求解过程如下：
为使代价函数u(p,f)达到最小值，将约束条件取等号，即
Figure FDA0002552098390000031
则终端无线资源变量p和计算资源变量f建立等式关系，即
Figure FDA0002552098390000032
将
Figure FDA0002552098390000033
代入公式(2)得：
Figure FDA0002552098390000034
令
Figure FDA0002552098390000035
由式(5)可得：
Figure FDA0002552098390000036
将式(6)利用变量代换得到式(7)：
Figure FDA0002552098390000037
对式(7)的目标函数求偏导得：
Figure FDA0002552098390000038
Figure FDA0002552098390000039
由(8)和(9)知，y关于
Figure FDA00025520983900000310
是凸函数，因此(7)利用KKT条件求出全局最优解
Figure FDA00025520983900000311
公式(7)的Lagrange函数为
Figure FDA0002552098390000041
Figure FDA0002552098390000042
为非负的Lagrange乘子，KKT条件如下：
Figure FDA0002552098390000043
Figure FDA0002552098390000044
Figure FDA0002552098390000045
Figure FDA0002552098390000046
Figure FDA0002552098390000047
Figure FDA0002552098390000048
Figure FDA0002552098390000049
其中，Lagrange乘子更新如下：
Figure FDA00025520983900000410
Figure FDA00025520983900000411
Figure FDA00025520983900000412
式中，k表示迭代次数，a(k)表示迭代步长，
Figure FDA00025520983900000413
代表时间限制的下限，
Figure FDA00025520983900000414
代表时间限制的上限；
对公式(7)的目标函数进行迭代求解KKT条件，直至收敛即得到求出最优解
Figure FDA00025520983900000415
从而得到最优解
Figure FDA0002552098390000051
和
Figure FDA0002552098390000052
该最优解即为合作博弈的纳什均衡解。
CN201710413708.3A 2017-06-05 2017-06-05 一种mec中无线资源和云资源的联合分配方法 Active CN107249218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710413708.3A CN107249218B (zh) 2017-06-05 2017-06-05 一种mec中无线资源和云资源的联合分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710413708.3A CN107249218B (zh) 2017-06-05 2017-06-05 一种mec中无线资源和云资源的联合分配方法

Publications (2)

Publication Number Publication Date
CN107249218A CN107249218A (zh) 2017-10-13
CN107249218B true CN107249218B (zh) 2020-08-25

Family

ID=60017830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710413708.3A Active CN107249218B (zh) 2017-06-05 2017-06-05 一种mec中无线资源和云资源的联合分配方法

Country Status (1)

Country Link
CN (1) CN107249218B (zh)

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107682443A (zh) * 2017-10-19 2018-02-09 北京工业大学 联合考虑延迟和能量消耗的移动边缘计算系统计算任务的高效卸载方法
CN107708152B (zh) * 2017-11-28 2021-06-18 重庆邮电大学 异构蜂窝网络的任务卸载方法
CN108494612B (zh) * 2018-01-19 2021-06-08 西安电子科技大学 一种提供移动边缘计算服务的网络系统及其服务方法
CN108601074B (zh) * 2018-04-10 2020-07-07 北京邮电大学 一种基于异构联合缓存的网络资源分配方法和装置
CN108901046B (zh) * 2018-06-14 2020-10-09 北京大学 面向移动边缘计算的协同任务卸载算法及系统设计方案
CN108965395B (zh) * 2018-06-21 2021-01-22 河南科技大学 一种基于遗传算法的任务联合执行方法
CN108880893B (zh) * 2018-06-27 2021-02-09 重庆邮电大学 一种移动边缘计算服务器联合能量收集及任务卸载方法
CN108901075B (zh) * 2018-06-28 2021-06-08 电子科技大学 一种基于gs算法的资源分配方法
CN108833577B (zh) * 2018-06-29 2022-08-30 中国联合网络通信集团有限公司 基于边缘计算的数据通信优化系统及方法
CN108924936B (zh) * 2018-07-12 2021-10-22 南昌大学 无人机辅助无线充电边缘计算网络的资源分配方法
CN108990159B (zh) * 2018-07-12 2023-04-07 东南大学 移动边缘计算系统中基于分层博弈的联合资源分配方法
CN108924796B (zh) * 2018-08-15 2020-04-07 电子科技大学 一种资源分配及卸载比例联合决策的方法
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
CN110069325B (zh) * 2018-09-05 2020-12-15 西南民族大学 基于任务分类的移动边缘计算任务调度方法
FR3086493B1 (fr) * 2018-09-20 2020-08-28 Renault Sas Procede de reattribution d’un serveur peripherique de traitement de donnees
CN109151077B (zh) * 2018-10-31 2020-04-07 电子科技大学 一种基于目标导向的计算卸载方法
CN109413197B (zh) * 2018-11-07 2021-01-05 中山大学 一种基于少数派博弈的不完全信息异构边缘任务卸载方法
CN109684075B (zh) * 2018-11-28 2023-04-07 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN109587737B (zh) * 2018-12-14 2020-10-27 厦门大学 一种基于服务匹配的5g接入网功能分离方法
CN109462879B (zh) * 2018-12-17 2020-07-31 中国科学院计算技术研究所 一种接纳控制方法及系统
CN109710336B (zh) * 2019-01-11 2021-01-05 中南林业科技大学 联合能量和延迟优化的移动边缘计算任务调度方法
CN109640386B (zh) * 2019-01-16 2020-05-12 北京科技大学 一种无线供电传感器网络最优功率分配方法及装置
CN109800072B (zh) * 2019-01-22 2021-07-09 深圳市简智联信息科技有限公司 基于边缘计算的任务调度优化方法和装置
CN109982104B (zh) * 2019-01-25 2020-12-01 武汉理工大学 移动边缘计算中移动感知的视频预取与缓存替换决策方法
CN110113140B (zh) * 2019-03-08 2020-08-11 北京邮电大学 一种雾计算无线网络中的计算卸载方法
CN109905888B (zh) * 2019-03-21 2021-09-07 东南大学 移动边缘计算中联合优化迁移决策和资源分配方法
CN110113376B (zh) * 2019-03-29 2022-04-08 南京邮电大学 一种基于移动边缘计算的多径传输负载均衡优化算法
CN109976915B (zh) * 2019-04-02 2021-04-13 中国联合网络通信集团有限公司 基于边缘计算的边云协同需求的优化方法和系统
CN110149401B (zh) * 2019-05-22 2020-06-09 湖南大学 一种用于优化边缘计算任务的方法和系统
CN110380891B (zh) * 2019-06-13 2022-04-05 中国人民解放军国防科技大学 一种边缘计算服务资源配置方法、装置与电子设备
CN112399388B (zh) * 2019-08-13 2024-06-14 中兴通讯股份有限公司 一种实现边缘计算的方法、装置和系统
CN110740473B (zh) * 2019-10-22 2021-07-20 中国科学院计算技术研究所 一种用于移动边缘计算的管理方法及边缘服务器
CN111163143B (zh) * 2019-12-21 2021-03-23 浙江大学 一种面向移动边缘计算的低时延任务卸载方法
CN111107153B (zh) * 2019-12-23 2022-02-18 国网冀北电力有限公司唐山供电公司 一种电力物联网中基于d2d通信的mec定价卸载方法
CN111343652B (zh) * 2020-02-18 2021-08-13 腾讯科技（深圳）有限公司 一种数据处理方法及相关设备
CN111447619B (zh) * 2020-03-12 2022-05-20 重庆邮电大学 一种移动边缘计算网络中联合任务卸载和资源分配方法
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
CN111708620B (zh) * 2020-05-08 2023-04-25 北京中科晶上超媒体信息技术有限公司 一种具有计费机制的任务卸载方法
KR102384555B1 (ko) * 2020-05-13 2022-04-07 고려대학교 산학협력단 모바일 에지 컴퓨팅 시스템의 비동기식 자원 할당 방법 및 장치
CN111796942B (zh) * 2020-07-13 2021-03-30 郑州轻工业大学 一种感知云资源成本支出的边缘部署方法
CN112769910B (zh) * 2020-12-29 2022-07-19 杭州电子科技大学 基于动态电压调节技术的雾计算任务卸载方法
CN114385371B (zh) * 2022-03-23 2022-06-10 广东电网有限责任公司中山供电局 变电站巡检动态终端边缘计算框架构建方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103218737A (zh) * 2013-04-19 2013-07-24 湖南大学 一种基于双边市场的移动云计算环境中多维资源定价方法
CN106100907A (zh) * 2016-08-15 2016-11-09 北京邮电大学 一种基于公平性的mec服务器选择算法
CN106357823A (zh) * 2016-11-14 2017-01-25 阿坝师范学院 一种节能控制的云资源优化分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL225455A0 (en) * 2013-03-24 2013-07-31 Mariana Goldhamer Running mobile applications on stations@base

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103218737A (zh) * 2013-04-19 2013-07-24 湖南大学 一种基于双边市场的移动云计算环境中多维资源定价方法
CN106100907A (zh) * 2016-08-15 2016-11-09 北京邮电大学 一种基于公平性的mec服务器选择算法
CN106357823A (zh) * 2016-11-14 2017-01-25 阿坝师范学院 一种节能控制的云资源优化分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Delay-Optimal computation task scheduling for mobile-edge computing systems";Juan Liu;《2016 IEEE International Symposium on Information Theory》;20160715;全文 *
"面向5G的分布式移动云计算协同架构与管理机制";李宏佳;《中兴通讯技术》;20150430;第21卷(第2期);全文 *

Also Published As

Publication number Publication date
CN107249218A (zh) 2017-10-13

Similar Documents

Publication Publication Date Title
CN107249218B (zh) 一种mec中无线资源和云资源的联合分配方法
Yi et al. Cooperative communication-aware spectrum leasing in cognitive radio networks
Zhang et al. Delay constrained offloading for mobile edge computing in cloud-enabled vehicular networks
CN110336861B (zh) 基于双层无人机的移动边缘计算系统的卸载任务分配方法
CN108601074B (zh) 一种基于异构联合缓存的网络资源分配方法和装置
Wu et al. Joint pricing and power allocation for dynamic spectrum access networks with Stackelberg game model
CN111641973B (zh) 一种雾计算网络中基于雾节点协作的负载均衡方法
CN108964817B (zh) 一种异构网络联合计算卸载及资源分配方法
KR102463776B1 (ko) 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기
Hajiesmaili et al. Incentivizing device-to-device load balancing for cellular networks: An online auction design
CN110488868A (zh) 一种多无人机协助用户的移动卸载方法
CN111182570A (zh) 提高运营商效用的用户关联和边缘计算卸载方法
CN106954234B (zh) 一种超密集异构网络中的用户连接和虚拟资源分配方法
CN111193615B (zh) 一种移动边缘计算网络中的边缘计算节点选择方法
CN111885147A (zh) 边缘计算中的一种资源动态定价方法
CN110381161B (zh) 电力物联网系统中基于博弈论的资源调度方法
Lin et al. A novel Lyapunov based dynamic resource allocation for UAVs-assisted edge computing
Zhang et al. A double auction mechanism for virtual resource allocation in SDN-based cellular network
Wang et al. Power-minimization computing resource allocation in mobile cloud-radio access network
CN104811467A (zh) 综合效用的数据处理方法
Zhang et al. Price-based joint offloading and resource allocation for ad hoc mobile cloud
Wang et al. A profit maximization strategy of MEC resource provider in the satellite-terrestrial double edge computing system
Cicek et al. Backhaul-aware placement of a UAV-BS with bandwidth allocation for user-centric operation and profit maximization
Chang et al. Flat-rate pricing for green edge computing with latency guarantee: A Stackelberg game approach
Kim et al. Profitable and energy-efficient resource optimization for heterogeneous cloud-based radio access networks

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
GR01 Patent grant
GR01 Patent grant