CN109005572A

CN109005572A - 基于博弈论的移动云服务的接入卸载方法

Info

Publication number: CN109005572A
Application number: CN201810950772.XA
Authority: CN
Inventors: 何利; 姚元辉; 钱志成
Original assignee: Chongqing University of Post and Telecommunications
Current assignee: Chongqing University of Post and Telecommunications
Priority date: 2018-08-20
Filing date: 2018-08-20
Publication date: 2018-12-14

Abstract

本发明提供的一种基于博弈论的移动云服务器的接入卸载方法，包括如下步骤：S1.采集候选网络的静态网络性能参数以及移动终端性能参数，S2.计算静态网络性能和移动终端性能的综合权重值；S3.确定最优网络：构建非合作博弈模型F(N,A,G),通过非合作博弈过程得到纳什均衡点，满足该纳什均衡点的网络为最优网络；S4.根据剩余时间T_c以及信号强度RSSI判断当前移动终端是否切换网络；S5.当移动终端接入最优网络后，移动终端通过潜在博弈过程将移动服务卸载到当前服务器中；能够准确地选择出移动终端所能够介入的最优网络接入点，并且能够动态地选择用户是否将移动任务在移动终端本地执行还是卸载到云服务器上执行，从而可以最小化移动终端执行延迟，并且有效降低能耗。

Description

基于博弈论的移动云服务的接入卸载方法

技术领域

本发明设计计算机领域，尤其涉及一种基于博弈论的移动云服务的接入卸载方法。

背景技术

随着移动应用的爆炸式增长和云计算概念的兴起，移动云计算已经被认为是移动服务的潜在重要技术。预计到2021年全球移动数据的需求每月将超过49亿字节，其中视频数据约占四分之三，为提供更高质量的网络接入与数据通信服务，实现异构网络融合的多终端协同的用户接入变得非常有意义。但是在智能终端上运行的众多程序使得现有移动智能终端的CPU、内存、带宽和电池容量等资源明显不足，而且像电池容量问题在未来的一段时间内都无法得到解决。因此资源匮乏的应用程序和资源受限的移动设备之间的紧张关系对未来的移动平台开发构成重大挑战。

将移动应用程序从移动设备卸载到云服务器可以显著降低移动设备的能耗，从而延长移动设备的使用寿命。为了减少移动设备的能耗，可以尽可能多地卸载移动应用程序到云端服务器。然而，由于服务器的等待时间和从移动设备到服务器的通信延迟，卸载到云服务器可能导致较大的执行延迟。因此，为了平衡移动应用的能量消耗和执行延迟，有必要确定移动应用程序是卸载到云服务器上执行还是在移动设备本地运行。由于在移动云环境下，移动设备经常处于移动状态，与无线通信网络中断连接的现象会频繁出现，从而导致任务迁移过程中断，或者需要进行二次迁移，这会使得任务迁移过程中移动设备的能耗增加。

因此，为了解决上述技术问题，亟需提出一种新的方法。

发明内容

有鉴于此，本发明的目的是提供一种基于博弈论的移动云服务的接入卸载方法，能够准确地选择出移动终端所能够介入的最优网络接入点，并且能够准确确定出是否将移动终端连接到该最优网络接入点，并且能够动态地选择用户是否将移动任务在移动终端本地执行还是卸载到云服务器上执行，从而可以最小化移动终端执行延迟，并且有效降低能耗。

本发明提供的一种基于博弈论的移动云服务器的接入卸载方法，包括如下步骤：

S1.采集候选网络的静态网络性能参数以及移动终端性能参数，其中，静态网络性能参数包括延迟ο、损失ρ、安全性s、负载ι和传输速率δ；移动终端性能参数包括电量消耗速率μ、移动速度v、信号强度r、用户偏好λ和异构网络的价格θ；

S2.计算静态网络性能和移动终端性能的综合权重值；

S3.确定最优网络：构建非合作博弈模型F(N,A,G),其中，N为网络层和用户层两个博弈对象，A为用户的策略，表示每个用户从网络层面中选择可用的网络的集合，G为效用函数，通过非合作博弈过程得到纳什均衡点，即效益函数满足如下条件：G_i(s_i,s_-i)>G_i(s_i',s_-i')，满足该纳什均衡点的网络为最优网络；其中G_i(s_i',s_-i')表示用户i与其他用户达到均衡点时的效益函数，G_i(s_i,s_-i)表示初始用户i选择的策略对应的效益函数。s_i表示用户i选择的策略，s_-i表示除了用户i以外其他用户选择的策略，(s_i'与s_-i'分别表示用户i与其他所有用户达到纳什均衡时所对应的策略；

S4.确定移动终端在最优网络下的服务器上的剩余时间T_c以及移动终端接收到的信号强度RSSI，并根据剩余时间T_c以及信号强度RSSI判断当前移动终端是否切换网络；

当剩余时间T_c以及信号强度RSSI满足切换条件时，将移动终端接入到最优网络；

S5.当移动终端接入最优网络后，移动终端通过潜在博弈过程将移动服务卸载到当前服务器中。

进一步，步骤S2中，采用如下方法计算综合权重值W^e：

S21.构建各候选网络的性能参数矩阵，并计算候选网络的性能参数矩阵的熵E(i)：其中，为客观权重系数，x_ij表示用户i对网络j的网络属性参量；

S22.计算各候选网络的静态性能参数的多样化指标G(i)：G(i)＝1-E(i)；

S23.计算候选网络的静态参数的客观权重W⁰：

S24.计算候选网络j的综合模糊值S_j：其中a_mn表示候选网络j的属性m相对于属性n的相对重要程度，根据重要程度不同取值分别为(1,3,5,7,9)；

S25.S大于其他模糊值S_j的可能性：V(S≥S₁,S₂,...,S_k)＝minV(S≥S_j),j＝1,2,...其中V(S≥S₁,S₂,...,S_k)表示模糊值S大于其他所有的候选网络j的综合模糊值S_j的可能性；

S26.得到最终权重的定义：d(C₁)＝minV(S_mj≥S_m1,S_m2,...,S_mj-1,S_mj+1,...,S_mn),其中d(C₁)表示候选网络1的模糊值大小，S_mn表示网络属性m与属性n的模糊值大小；

S27.计算候选网络的主观权重值W^s：W^S＝{d(C₁),d(C₂),...,d(C_m)}；

S28.计算综合权重值W^e：W^e＝βW^s+(1-β)W⁰；其中，W^S为主观权重值，β为综合权重系数，其值得大小分别表示用户对不同接入网络属性的要求不同；

S29.根据得到的综合权重W^e，对所有可接入的网络按照综合权重的大小从大到小进行排序，每个用户初始均选择最大的综合权重值对应的接入网络。

进一步，步骤S3中，效用函数模型如下：

表示每个用户i根据综合权重排序后选择最大值对应网络j的效益判断函数，其中p_ij表示用户i对网络j的感知成本，p′_ij表示用户i对网络j实际的支付成本。

进一步，步骤S4中，根据如下方法计算移动终端在服务器的剩余时间T_c：

S41.将移动终端所接收到的信号强度RSSI与设定阈值SS_threshold进行比较，当移动终端所接收到的信号强度RSSI小于设定阈值SS_threshold时，执行步骤S42；

S42.计算移动终端在服务器的剩余时间T_c：

D_mc＝C*T_rtt；

其中，D表示无线基站的最大覆盖范围，D_mc表示移动设备与无线基站之间的距离，v是移动设备的移动速度，C表示信号的波速，表示相同时间间隔的时钟频率，其中T_i是用户i的时钟周期；当满足T_rt>T_c时，触发切换；其中T_rt表示连接到候选网络的等待时间，由用户与接入网络之间的距离和用户的移动速度唯一确定。

进一步，步骤S5中，移动终端根据如下方法决定是否将移动服务卸载到当前服务器中：

S31.构建NP难问题模型：

表示在本地的执行消耗大于等于卸载到云服务器上的消耗。

S32.构建潜在函数：

其中，函数f()表示0-1判别函数。即当s_m＝j时f(s_m＝j)＝1否则为0，r_i ^T和r_i ^E分别表示执行延迟和能耗系数且r_i ^T+r_i ^E＝1，表示用户i执行不同任务对延迟和能耗不同程度的要求，F_i表示用户i在本地的执行能力。

K为总的用户个数，D_i为用户i的任务量大小；

表示用户i接入到基站j时的传输速度，C_i表示用户i任务总的时钟周期；

S33.构建用户的决策函数：

其中，S_i＝0,表示用户在移动终端本地执行任务的决策，S_i＝j.表示用户i将移动任务卸载到服务器上的决策，表示本地执行任务的成本；表示将移动任务卸载到服务器的成本；

表示将移动任务卸载到服务器的总时间，且j‘表示出了网络j以外的另一个网络接入点；F_i ^c表示云服务器执行用户i的任务的执行能力；

S34.构建潜在博弈模型：

其中，i∈K且s_-i∈Π_j∈Γ\iS_i；i'∈Γ\i表示除了i以外的所有可能的用户即得到每个其他用户的策略集。由于用户i改变策略后的增益等于潜在函数的增益即可构成潜在博弈模型；

由潜在博弈模型求解得到纳什均衡点：

其中，P_i ^t表示用户的发射功率，P_i ^m表示维持功率。L_i表示接受数据时所产生的尾部能耗；r_i ^j表示无线信道的传输速率，W是信道带宽，H_i,j表示用户i和基站j之间的信道增益。W_i表示信道噪声功率。

本发明的有益效果：通过本发明，通过非合作博弈过程，能够准确地选择出移动终端所能够介入的最优网络接入点，并且能够准确确定出是否将移动终端连接到该最优网络接入点，通过潜在博弈过程，并且能够动态地选择用户是否将移动任务在移动终端本地执行还是卸载到云服务器上执行，从而可以最小化移动终端执行延迟，并且有效降低能耗。

附图说明

下面结合附图和实施例对本发明作进一步描述：

图1为本发明的流程图。

具体实施方式

以下结合说明书附图对本发明做出进一步详细说明，如图所示：

S2.计算静态网络性能和移动终端性能的综合权重值；

S3.确定最优网络：构建非合作博弈模型F(N,A,G),其中，N为网络层和用户层两个博弈对向，A为用户的策略，表示每个用户从网络层面中选择可用的网络的集合，G为效用函数，通过非合作博弈过程得到纳什均衡点，即效益函数满足如下条件：G_i(s_i,s_-i)>G_i(s_i',s_-i')，满足该纳什均衡点的网络为最优网络；其中G_i(s_i',s_-i')表示用户i与其他用户达到均衡点时的效益函数，G_i(s_i',s_-i')表示初始用户i选择的策略对应的效益函数。s_i表示用户i选择的策略，s_-i表示除了用户i以外其他用户选择的策略，(s_i'与s_-i'分别表示用户i与其他所有用户达到纳什均衡时所对应的策略。

当剩余时间T_c以及信号强度RSSI满足切换条件时，将移动终端接入到最优网络。

S5.当移动终端接入最优网络后，移动终端通过潜在博弈过程将移动服务卸载到当前服务器中。通过上述方法，通过非合作博弈过程，能够准确地选择出移动终端所能够介入的最优网络接入点，并且能够准确确定出是否将移动终端连接到该最优网络接入点，通过潜在博弈过程，并且能够动态地选择用户是否将移动任务在移动终端本地执行还是卸载到云服务器上执行，从而可以最小化移动终端执行延迟，并且有效降低能耗。

本实施例中，步骤S2中，采用如下方法计算综合权重值W^e：

S21.构建各候选网络的性能参数矩阵，并计算候选网络的性能参数矩阵的熵E(i)：其中，为客观权重系数，x_ij表示用户i对网络j的网络属性参量。

S23.计算候选网络的静态参数的客观权重W⁰：

S24.计算候选网络j的综合模糊值S_j：其中a_mn表示候选网络j的属性m相对于属性n的相对重要程度，根据重要程度不同取值分别为(1,3,5,7,9)。

S27.计算候选网络的主观权重值W^s：W^S＝{d(C₁),d(C₂),...,d(C_m)}

本实施例中，步骤S3中，效用函数模型如下：

本实施例中，步骤S4中，根据如下方法计算移动终端在服务器的剩余时间T_c：

S42.计算移动终端在服务器的剩余时间T_c：

D_mc＝C*T_rtt；

其中，D表示无线基站的最大覆盖范围，D_mc表示移动设备与无线基站之间的距离，v是移动设备的移动速度，C表示信号的波速，表示相同时间间隔的时钟频率，其中T_i是用户i的时钟周期；当满足T_rt>T_c时，触发切换；其中T_rt表示连接到候选网络的等待时间，由用户与接入网络之间的距离和用户的移动速度唯一确定，其中，T_rt＝D_mc/v。

本实施例中，步骤S5中，移动终端根据如下方法决定是否将移动服务卸载到当前服务器中：

S31.构建NP难问题模型：

S32.构建潜在函数：

其中，

S33.构建用户的决策函数：

其中，S_i＝0,表示用户在移动终端本地执行任务的决策，S_i＝j.表示用户将移动任务卸载到服务器上的决策，表示本地执行任务的成本；表示将移动任务卸载到服务器的成本；

表示将移动任务卸载到服务器的总时间；

S34.构建潜在博弈模型：

其中，i∈K且s_-i∈Π_j∈Γ\iS_i；

由潜在博弈模型求解得到纳什均衡点：

其中，P_i ^t表示用户的发射功率，P_i ^m表示维持功率。L_i表示接受数据时所产生的尾部能耗；r_i ^j表示无线信道的传输速率，W是信道带宽，H_i,j表示用户i和基站j之间的信道增益。W_i表示信道噪声功率；

以下以一个具体实例对本发明进行进一步说明：

假设移动设备选择卸载时的对网络属性相应的判别矩阵均为下表所示。

通过归一化求得的特征向量U为：

假设有4个待接入网络可供选择，分别对应5个网络属性参量，建立4×5判别矩阵如下表所示。

当用户选择网络0时，表示在本地执行计算任务。

通过熵函数法并标准化后对应的权重值如下所示。

因此，令权重系数β＝0.8，则综合权重通过W^e＝βW^s+(1-β)W⁰计算得：

W^e＝{0.126,0.212,0.278,0.220,0.126}

假设无线基站的最大覆盖范围为300米，每个设备的移动速度和到无线基站之间的距离关系如下表所示。

因此，可以分别算法每个用户对每个无线基站的剩余连接时间如下表所示。

令K＝3表示有三个移动设备，M＝4表示有4个网络接入点，其中主要数据为：F_i ^c＝100GHz、F_i＝rand{0.5，0.8，1.0}、r_i ^E＝r_i ^T＝0.5、C_i＝1000、W＝5MHz、W_i＝-100dBm、P_i ^t＝100、P_i ^m＝0.05；

1)当用户全部选择在本地执行计算任务时由可得总成本为2.125。

2)当用户采用随机算法随机选择接入网络时即通过随机函数产生一个随机值表示为m＝randsrc(1,1,[0,1,2,3])时，总的成本为1.986；

3)采用本发明中的方法，在整个网络选择迭代过程中，最多有4³种不同的卸载策略。通过博弈得到的纳什均衡策略为(0,2,4)，即用户1选择在本地执行计算任务，用户2选择网络2作为卸载接入网络，用户3选择网络4作为卸载接入网络，此时得到的系统总的成本最低且为1.760。

显然，本发明所提供的方法优于传统的方法1)和方法2)。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims

1.一种基于博弈论的移动云服务的接入卸载方法，其特征在于：包括如下步骤：

S2.计算静态网络性能和移动终端性能的综合权重值；

S3.确定最优网络：构建非合作博弈模型F(N,A,G),其中，N为网络层和用户层两个博弈对象，A为用户的策略，表示每个用户从网络层面中选择可用的网络的集合，G为效用函数，通过非合作博弈过程得到纳什均衡点，即效益函数满足如下条件：G_i(s_i,s_-i)>G_i(s_i',s_-i')，满足该纳什均衡点的网络为最优网络；其中G_i(s_i',s_-i')表示用户i与其他用户达到均衡点时的效益函数，G_i(s_i,s_-i)表示初始用户i选择的策略对应的效益函数。s_i表示用户i选择的策略，s_-i表示除了用户i以外其他用户选择的策略，s_i'与s_-i'分别表示用户i与其他所有用户达到纳什均衡时所对应的策略；

2.根据权利要求1所述基于博弈论的移动云服务的接入卸载方法，其特征在于：步骤S2中，采用如下方法计算综合权重值W^e：

S23.计算候选网络的静态参数的客观权重W⁰：

3.根据权利要求1所述基于博弈论的移动云服务的接入卸载方法，其特征在于：步骤S3中，效用函数模型如下：

4.根据权利要求1所述基于博弈论的移动云服务的接入卸载方法，其特征在于：步骤S4中，根据如下方法计算移动终端在服务器的剩余时间T_c：

S42.计算移动终端在服务器的剩余时间T_c：

D_mc＝C*T_rtt；

5.根据权利要求1所述基于博弈论的移动云服务的接入卸载方法，其特征在于：步骤S5中，移动终端根据如下方法决定是否将移动服务卸载到当前服务器中：

S31.构建NP难问题模型：

表示在本地的执行消耗大于等于卸载到云服务器上的消耗；

S32.构建潜在函数：

其中，函数f()表示0-1判别函数。即当s_m＝j时f(s_m＝j)＝1否则为0，r_i ^T和r_i ^E分别表示执行延迟和能耗系数且r_i ^T+r_i ^E＝1，表示用户i执行不同任务对延迟和能耗不同程度的要求，F_i表示用户i在本地的执行能力；

K为总的用户个数，D_i为用户i的任务量大小；

S33.构建用户的决策函数：

其中，S_i＝0,表示用户在移动终端本地执行任务的决策，S_i＝j.表示用户i将移动任务卸载到服务器上的决策，表示本地执行任务的成本；表示将移动任务卸载到服务器的成本；表示将移动任务卸载到服务器的总时间，且j‘表示出了网络j以外的另一个网络接入点；F_i ^c表示云服务器执行用户i的任务的执行能力；

S34.构建潜在博弈模型：

其中，i∈K且s_-i∈Π_j∈Γ\ _iS_i；i'∈Γ\i表示除了i以外的所有可能的用户即得到每个其他用户的策略集。由于用户i改变策略后的增益等于潜在函数的增益即可构成潜在博弈模型；

由潜在博弈模型求解得到纳什均衡点：

其中，表示用户的发射功率，P_i ^m表示维持功率。L_i表示接受数据时所产生的尾部能耗；r_i ^j表示无线信道的传输速率，W是信道带宽，H_i,j表示用户i和基站j之间的信道增益。W_i表示信道噪声功率。