CN108848535A - 一种面向共享模式的雾计算环境资源分配方法 - Google Patents

Abstract

本发明公开了一种面向共享模式的雾计算环境资源分配方法。如何为终端产品合理分配通信带宽资源，使终端信息可以实时上传方便用户查询，成为目前需要解决的问题。本发明面向共享业务构建三层F‑RAN网络架构，分别为共享终端层ST、AP层以及FN层；分别利用微分博弈和二分图多重匹配实现ST‑AP以及AP‑FN两组对应关系间的资源分配策略制定；通过实时更新场景数据信息实现资源的动态分配。本发明基于F‑RAN制定合理的资源分配策略，缓解由于资源紧张带来的共享模式信息更新和传输滞后，能够通过实时更新场景数据信息实现资源的动态分配。本发明提出的资源分配策略可实现资源效用最大化，最大程度满足共享终端需求。

Description

一种面向共享模式的雾计算环境资源分配方法

技术领域

本发明涉及资源分配领域，具体地说是一种面向共享模式的雾计算环境资源分配方法。

背景技术

共享模式通过资源的重复利用实现绿色发展，是应对人们日益增长的社会需求的一种有效方式。在霍金于2017年6月20日重申人类将灭绝的警告以及11月13日英国《独立》报道称15000名科学家联合声明人类若对资源问题仍无动于衷将最终毁灭的背景下，共享模式得到各界的广泛关注。共享周边产品不断涌现，共享单车、共享汽车、共享充电宝、共享篮球、共享雨伞、共享KTV，越来越多的共享概念产品融入生活。这种资源所有方式的改革催生了共享经济模式的形成，有望真正缓解资源紧张问题。因此，对于该模式尚存在的问题及相关策略制定的研究是很有必要的。

这其中有一个核心问题需要探讨和解决，即如何为这些终端产品合理分配通信带宽资源，使终端信息可以实时上传方便用户查询。

CN105230070A的《一种用于不同层级接入网络的无线资源分配方法》，涉及一种用于不同层级接入网络的无线资源分配方法，主要通过三步完成：第一，确定第二无线资源分配器对于至少一部分可用无线资源是以自主模式还是受控模式工作；第二，若确定第二无线资源分配器以自主模式工作，则将至少一部分可用无线资源分配给第二无线资源分配器，第二无线资源分配器将至少一部分可用无线资源分配给无线资源用户和/或第三低层的无线资源分配器；第三，若确定第二无线资源分配器以受控模式工作，则将至少一部分可用无线资源分配给无线资源用户和/或第三低层的无线资源分配器。

该发明通过为无线接入网络的可用无线资源的资源调度提供一种综合的多层方案，在能源、成本以及频谱效率方面改进了网络运营。特别地，该发明使得网络基础设施更加灵活的适应了用户移动性以及流量分布，从而优化了能源、成本以及频谱效率，比如，网络吞吐量、容量等。对于“频率规划和频率复用”的现有技术，提供了适应一定时段、一定区域内的流量负荷和网络密度的灵活性；对于过去蜂窝系统中的“无线网络控制器节点”，适应更快；对于“小区内多用户调度”，同样提高不同小区之间的效率；对于“接入点开启/关闭活动调度”和“小区间干扰协调(ICIC)”，提供集中式分级控制，其提供了更高的网络吞吐量或性能，如每比特能耗。但其场景构建较为局限。

CN106332291A的《以用户为中心网络面向服务质量的下行无线资源分配方法》，涉及一种以用户为中心网络面向服务质量的下行无线资源分配方法，主要通过五步完成：第一，计算基站m在子载波i上发送至用户k的实际信号以及用户k接收到的总信号Tk,t(i)；第二，计算ZFBF编码策略下的信道质量Ck,t(i)，并建立无线资源分配问题的效用函数；第三，根据无线资源分配问题的效用函数进行协作用户选择，并且确定在各子载波上进行通信的协作用户；第四，根据协作用户选择的结果以及确定的在各子载波上进行通信的协作用户计算MU-MIMO-ZFBF预编码系数；第五，计算时延敏感型用户的最优发射功率以及速率敏感型用户的最优发射功率，完成以用户为中心网络面向服务质量的下行无线资源分配。

该发明在具体操作中，以用户为中心通过对用户进行分类，将用户分为时延敏感型用户及速率敏感型用户，再计算MU-MIMO-ZFBF与编码系数，并据此分别计算时延敏感型用户的最优发射功率及速率敏感型用户的最优发射功率，实现以用户为中心网络面向服务质量的资源分配，从而更好的进行无线资源的分配，从而大幅提升用户信道质量，提高系统吞吐量。但其缺点是缺少对服务质量指标的定义及评价方法制定。

CN107182058A的《一种小区无线资源分配的方法和装置》专利，涉及一种小区无线资源分配的方法和装置，主要通过三步完成：第一，确定与服务小区相邻的协作小区，所述协作小区对与服务小区交互的协同多点传输用户设备产生强干扰。该步骤中，协同多点传输用户设备(CoMP UE)由服务提供小区提供服务，并与服务小区实现交互。确定服务小区周围一定距离范围内对协同多点传输用户设备产生强干扰的相邻小区作为协作小区；第二，根据所述协作小区对所述多点传输用户设备的干扰水平，及所述协作小区内可用无线资源对应的协调代价因子的加权和计算所述协作小区的每个可用无线资源的优先级。优先级越高的可用无线资源越适合作为协同多点传输用户设备应用的无线资源，通过优先级的排序可以对协作小区和服务小区进行最优化的资源分配；第三，使服务小区将优先级别最高的所述可用无线资源分配给协同多点传输用户设备；并使所述协作小区在所述可用无线资源的对应的资源位置上不再进行数据传输。使服务小区将优先级别最高的可用无线资源分配给协同多点传输用户设备，并使协作小区在优先级别最高的可用无线资源的对应的资源位置上不再进行数据传输。为了避免协同多点传输用户设备受到相邻的协作小区的强干扰，如果服务小区将某个无线资源分配给协同多点传输用户设备，那么协作小区将在该资源位置上进行规避，不再进行数据传输。

该发明的方法，可以对各个小区进行最优化的资源分配，不仅对协同多点传输用户设备进行有效地干扰协调，提高协同多点传输用户设备的吞吐量；还能提高小区的资源利用率，大大提升了小区的整体性能。但此方法对于可用无线资源优先级的计算方法描述较为模糊。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种面向共享模式的雾计算环境资源分配方法，其基于F-RAN制定合理的资源分配策略，以缓解由于资源紧张带来的共享模式信息更新和传输滞后。

为此，本发明采用如下的技术方案：一种面向共享模式的雾计算环境资源分配方法，其包括步骤：1)面向共享业务构建三层F-RAN网络架构，分别为共享终端层ST、AP层以及FN层；2)分别利用微分博弈和二分图多重匹配实现ST-AP以及AP-FN两组对应关系间的资源分配策略制定；3)通过实时更新场景数据信息实现资源的动态分配。

作为上述技术方案的补充，步骤2)中，考虑到带宽资源动态变化的特点，使用微分博弈来实现资源的实时分配；由于反馈纳什均衡策略仅依赖于当前的时间以及与动态带宽资源分配需求相匹配的可用频谱状态，采用反馈纳什均衡来获得最优分配策略；由于每个AP都有机会获得多个FN提供的资源，采用三次握手机制来避免资源的超需分配。

作为上述技术方案的补充，资源分配策略的具体内容如下：首先，每个AP根据其小区中的终端需求发送资源请求；其次，FN接收每个AP的请求，通过微分博弈确定分配结果；然后，每个FN的资源分配决定被发送到AP；最后，每个AP选择资源成本低的FN作为资源提供者，再次向雾节点FNs发送拒绝或接受消息，完成资源分配过程。

作为上述技术方案的补充，考虑到ST层具有动态移动的特点，二分图多重匹配根据位置变化更新ST和AP之间的匹配关系，并根据最大匹配实现资源的优化配置。

作为上述技术方案的补充，FN-AP间的博弈如下：

FN用F_i表示，第j个小区的AP用A_j表示，F_i(τ)和A_j(τ)分别代表FN可分配资源速率以及AP可用资源速率；α_i代表资源i分配收益率，β_j代表获得资源j的开销，根据微分博弈理论，每一个AP的目标函数表示为：

其中，r代表常贴现率，T表示一个周期，这个基于资源的博弈过程的目标是最大化系统收益；

F_i可供售卖的带宽资源变化情况如下式所示：

式中，为F_i(t)的导数；

共享终端在最佳资源分配决策下的资源拥有量为：

式中，F_i(t)表示FN可分配资源速率，t∈[0,T]，

所述的G_j(t)满足：

式中，为G_j(t)的导数，α代表资源分配收益率，β代表获得资源的开销，通过反馈纳什均衡得到每个AP的策略。

作为上述技术方案的补充，二分图多重匹配的过程为：

考虑到每个AP的有限带宽资源以及小区内每个共享终端STs要求的带宽，首先虚拟化一个源点s和终点t；其次，将源点s与小区内的接入点APs(用于连接终端和上层基站)连接，边的带宽容量是C_aj；AP与ST之间以容量为1的边连接，将ST与终点t以容量为C_sk的边连接；根据二分图多重匹配算法，得到最终的网络流图，从中得到最大流分配机制。

作为上述技术方案的补充，s-APj的边流量代表APj参与分配的带宽资源，APj-STk边流量代表APj是否分配资源给STk；如果分配，则该边流量为1，否则为0；STk-t的边流量代表STk得到的带宽资源量。

作为上述技术方案的补充，根据Berg定理，当网络流图中没有可扩展的s-A-B-t集时，对应的子集对应最大匹配资源分配策略，s-A-B-t表示由源点-第一个节点集-第二个节点集-汇点。

本发明基于F-RAN制定合理的资源分配策略，缓解由于资源紧张带来的共享模式信息更新和传输滞后，能够通过实时更新场景数据信息实现资源的动态分配。本发明提出的资源分配策略可实现资源效用最大化，最大程度满足共享终端需求。

仿真表明，本发明提出的资源分配策略由于具有实时性，因此获得了较已有算法更优良的性能，能显著提高资源利用效率，提升用户满意度。

附图说明

图1为本发明实施例中三层网络架构图；

图2为本发明实施例中基于二分图多重匹配的AP-ST匹配模型图；

图3为本发明应用例中的仿真场景图；

图4为本发明应用例中两个共享终端的随机游走路径图；

图5为本发明FN-AP与差分博弈和均匀资源方法的需求满意度对比图；

图6为本发明AP-ST资源利用率采用二分图多重匹配和终端逐一分配方法的仿真结果图((x1)对应于二分图多重匹配的结果，(x2)对应于各终端分配方法的结果))。

具体实施方式

本发明提供一种面向共享模式的雾计算环境资源分配方法，其步骤如下：

首先，建立基于共享模式的F-RAN网络架构。

本发明提出一个三层网络架构，如图1所示。该架构由终端层、接入层以及网络层组成。其中，终端层以共享单车、共享汽车、共享充电宝、共享篮球以及共享雨伞为例。雾节点FNs用i＝{1,2,...,M}标号，AP用j＝{1,2,...,n}标号，共享终端用k＝{1,2,...,k}标号。本发明中，假定每个共享终端有一个任务，该任务可以划分。小区中的用户可以将任务卸载到FN进行预处理并做出相关决策。

本发明中主要用到的数学符号及其含义总结如表1。

其次，提出基于微分博弈和二分图多重匹配的资源分配策略。

根据本发明构建的三层网络架构，需要考虑两组对象之间的资源分配，即FN-AP和AP-ST。考虑到FN和AP的位置相对固定，可以根据自己的位置关系来确定匹配。因此，这两个对象之间的主要问题是每个FN如何为它匹配的AP分配资源。考虑到带宽资源动态变化的特点，使用微分博弈来实现资源的实时分配。由于反馈纳什均衡策略仅依赖于当前的时间以及与动态带宽资源分配需求相匹配的可用频谱状态，因此采用反馈纳什均衡来获得最优分配策略。由于每个AP都有机会获得多个FN提供的资源，因此采用三次握手机制来避免资源的超需分配。具体来说，首先，每个AP根据其小区中的终端需求发送资源请求。其次，FN接收每个AP的请求，通过微分博弈确定分配结果。然后，每个FN的资源分配决定被发送到AP。最后，每个AP选择资源成本较低的FN作为资源提供者，再次向FNs发送拒绝或接受消息，完成资源分配过程。考虑到ST具有动态移动的特点，二分图多重匹配可以根据位置变化更新ST和AP之间的匹配关系，并根据最大匹配实现资源的优化配置。

(1)FN-AP间的博弈

FN用F_i表示，第j个小区的AP用A_j表示。F_i(τ)和A_j(τ)分别代表FN可分配资源速率以及AP可用资源速率。α_i代表资源分配收益率，β_j代表获得资源的开销。根据微分博弈理论，每一个AP的目标函数可以表示为：

其中，r代表常贴现率。这个基于资源的博弈过程的目标是最大化系统收益。

F_i可供售卖的带宽资源变化情况如(2)式。

式中，为F_i(t)的导数。

共享终端在最佳资源分配决策下的资源拥有量为：

为了找出微分博弈(1)和(2)的最优反馈策略，根据反馈微分博弈的纳什均衡定理，需满足以下关系：

为了得到使(4)式最大的A_j(t)，对等式两边求一阶偏导。通过使一阶导数为0得到最佳决策

将的值带入到(4)中，可以得到

通过求解(7)式，可以得到下式。

V^j(t,F_i)＝[G_j(t)F_i+H_j(t)]exp(-rt),j∈N,i∈M (8)

其中，G_j(t)满足

将由(8)带入到(7)，能够得到

因此，通过求解G_j(t)和F_i ^*(t)的关系式(9)，并将它们的值带入到(10)，可以通过反馈纳什均衡得到每个AP的策略。

(2)AP和共享终端之间的微分博弈

在微分博弈后，每个AP都从FN获得资源，下一个任务是由小区中的共享终端竞争AP的资源。基于二分图多重匹配的AP-ST匹配模型如图2所示。本发明的目标是尽最大努力满足终端资源需求。

AP层被视为Part A，终端层被视为Part B。由于二者之间并非简单的一对一映射模式，因此需要将传统给的二分图扩展为二分图多重匹配。考虑到每个AP的有限带宽资源以及STs要求的带宽，需要首先虚拟化一个源点s和终点t。其次，将s与APs连接，边的容量是C_aj。AP与ST之间以容量为1的边连接，将ST与t以容量为C_sk的边连接。根据二分图多重匹配算法，能够得到最终的网络流图，从中可以得到最大流分配机制。具体来说，s-APj的边流量代表APj参与分配的带宽资源。APj-STk边流量代表APj是否分配资源给STk。如果分配，则该边流量为1，否则为0。STk-t的边流量代表STk可以得到的带宽资源量。采用二分图多重匹配算法实现AP-ST的资源分配。其核心思想是找到并替代增广路径。根据Berg定理，当图中没有可扩缩的s-A-B-t集时，对应的子集对应最大匹配资源分配策略。

应用例

本发明基于F-RAN构建仿真场景。在直径为30km的圆内设置10个FN以及6个小区，每个FN和小区的覆盖范围分别是直径为9km和5km的圆。500个用户在该范围内采用随机游走的方式移动，用户的当前位置位于哪个圆的覆盖范围就属于哪个小区。每个FN的覆盖范围划分为三个强度带，标号为1～3。AP位于的强度带标号越小代表AP距离FN越近，资源分配时开销越小，用于微分博弈中的资源分配决策。图3为场景拓扑图，表2表示AP位于FN强度带的情况，*表示二者无所属关系。

表2 FN-AP间的映射关系

500个用户采用随机游走模式在600个时隙内的运动轨迹示意如图4。

为验证对于不同终端数微分博弈的性能，设置终端数介于460与600之间。图5将采用本发明提出的微分博弈与通常采用的均分方法的资源满足率进行对比。图中还显示了具有相应数据集的标准偏差的结果的稳定性。从结果可以看出，当共享终端数量少于500时，微分博弈算法的性能满足要求。随着终端数量的增加，满足率将会下降，但是只要终端数量少于600，就能保证需求满意率达到0.8以上。与均匀分配相比，该算法可以将性能提高约5％。

为了在AP和共享终端之间分配资源，使用二分图多重匹配方法。在这种情况下，AP已经根据微分博弈获得了相应的带宽资源，此时需要将资源分配给位于小区中的共享终端。通过资源效用(分配给终端的资源/AP从FN获得的资源)来衡量本发明方法的性能。也就是说，本发明认为如果AP的剩余资源不能满足终端的需求，就不能分配资源。仿真结果如图6所示。它分为两部分，左边部分表示本发明算法的性能，右边表示按终端逐一分配方法进行资源分配的性能(一旦终端需求超过剩余量AP资源的分配结束)。从结果中可以看出，采用二分图多重匹配方法可以使平均资源利用率达到97％以上，明显优于终端逐一分配法。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种面向共享模式的雾计算环境资源分配方法，其特征在于，包括步骤：1)面向共享业务构建三层F-RAN网络架构，分别为共享终端层ST、AP层以及FN层；2)分别利用微分博弈和二分图多重匹配实现ST-AP以及AP-FN两组对应关系间的资源分配策略制定；3)通过实时更新场景数据信息实现资源的动态分配。

2.根据权利要求1所述的雾计算环境资源分配方法，其特征在于，步骤2)中，考虑到带宽资源动态变化的特点，使用微分博弈来实现资源的实时分配；由于反馈纳什均衡策略仅依赖于当前的时间以及与动态带宽资源分配需求相匹配的可用频谱状态，采用反馈纳什均衡来获得最优分配策略；由于每个AP都有机会获得多个FN提供的资源，采用三次握手机制来避免资源的超需分配。

3.根据权利要求2所述的雾计算环境资源分配方法，其特征在于，资源分配策略的具体内容如下：首先，每个AP根据其小区中的终端需求发送资源请求；其次，FN接收每个AP的请求，通过微分博弈确定分配结果；然后，每个FN的资源分配决定被发送到AP；最后，每个AP选择资源成本低的FN作为资源提供者，再次向雾节点FNs发送拒绝或接受消息，完成资源分配过程。

4.根据权利要求3所述的雾计算环境资源分配方法，其特征在于，考虑到ST层具有动态移动的特点，二分图多重匹配根据位置变化更新ST和AP之间的匹配关系，并根据最大匹配实现资源的优化配置。

5.根据权利要求3所述的雾计算环境资源分配方法，其特征在于，FN-AP间的博弈如下：

FN用F_i表示，第j个小区的AP用A_j表示，F_i(τ)和A_j(τ)分别代表FN可分配资源速率以及AP可用资源速率；α_i代表资源i分配收益率，β_j代表获得资源j的开销，根据微分博弈理论，每一个AP的目标函数表示为：

其中，r代表常贴现率，T表示一个周期，这个基于资源的博弈过程的目标是最大化系统收益；

可供售卖的带宽资源F_i变化情况如下式所示：

共享终端在最佳资源分配决策下的资源拥有量为：

式中，F_i(t)表示FN可分配资源速率，t∈[0,T]，

所述的G_j(t)满足：

式中，为G_j(t)的导数，代表资源分配收益率，β代表获得资源的开销，通过反馈纳什均衡得到每个AP的策略。

6.根据权利要求1-5任一项所述的雾计算环境资源分配方法，其特征在于，二分图多重匹配的过程为：

考虑到每个AP的有限带宽资源以及小区内每个共享终端STs要求的带宽，首先虚拟化一个源点s和终点t；其次，将源点s与小区内的接入点APs连接，边的带宽容量是C_aj；AP与ST之间以容量为1的边连接，将ST与终点t以容量为C_sk的边连接；根据二分图多重匹配算法，得到最终的网络流图，从中得到最大流分配机制。

7.根据权利要求6所述的雾计算环境资源分配方法，其特征在于，s-APj的边流量代表APj参与分配的带宽资源，APj-STk边流量代表APj是否分配资源给STk；如果分配，则该边流量为1，否则为0；STk-t的边流量代表STk得到的带宽资源量。

8.根据权利要求6所述的雾计算环境资源分配方法，其特征在于，根据Berg定理，当网络流图中没有可扩展的s-A-B-t集时，对应的子集对应最大匹配资源分配策略，s-A-B-t表示由源点-第一个节点集-第二个节点集-汇点。