CN109413197B - 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 - Google Patents

Abstract

本发明提供的基于少数派博弈的不完全信息异构边缘任务卸载方法，以少数派博弈模型为基础，引入联盟的概念，首先将用户生成的异构任务按照某一个基准分为不同数量的子任务，然后对这些子任务按照联盟的思想进行子任务配对以及初始化分配，之后对博弈的结果进行统计，并把博弈结果广播至各个用户，随后各个用户只需要根据上一轮博弈的结果对自身子任务的决策按照一个概率的方式进行调整，直至达到系统稳态。实验证明，对比传统方法，本发明能够减少30％的系统总处理时间。另外，本发明能够在更短的时间内收敛到一个近优点。综上所述，本发明能够在不完全信息的分布式环境中，对产生的异构任务进行高效的任务卸载。

Description

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

技术领域

本发明涉及边缘计算领域，更具体地，涉及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。

背景技术

边缘计算是一种新的计算范例，允许终端设备(例如，车辆、物联网设备等)将生成的数据在靠近数据源的网络边缘侧进行处理，而不需要将其发送到远端云服务器(或数据中心)进行处理。通过利用边缘服务器(或边缘节点)的计算资源来处理卸载的任务，可以提供实时的数据分析功能，这是云服务器无法提供的。与云服务器相比，边缘服务器通常具有较低的计算能力。一般来说，边缘服务器需要与云服务器相互协同，以更有效地处理最终用户卸载的任务。然而，如何在分布式环境中执行有效的任务卸载非常具有挑战性。其原因是多方面的：第一，边缘服务器的处理能力和传输带宽有限，不恰当的卸载决策可能使边缘服务器过载，并造成计算资源的浪费；第二，考虑到在分布式环境中并不总是完全信息的，很难找到一个最优的任务卸载方案。因此，需要设计一个任务卸载算法，在不完全信息的情况下执行有效的任务卸载方案，使得任务的总处理的时间最小。

从用户的角度来看，它的目标是最小化其任务的总处理时间。用户需要确定是否进行任务卸载、将任务卸载到哪儿(到边缘服务器或云服务器)、卸载任务的数量等等。然而，由于无法获得完全的信息，每个用户在做出自己的决定时都不知道其他用户做出的决定。因此，他们必须独立地做出卸载决策。这可能导致意想不到的场景：可能分配给同一边缘服务器的任务太多，使得服务器过载，处理时间显著延长；可能分配给边缘服务器的任务太少，导致边缘服务器的执行效率低。

目前在卸载决策方面，主要分为两种调度方式：集中式调度和分布式调度，而且他们都是基于完全信息情况下的。一般来说，集中式调度需要一个中心化的调度器来收集用户的信息，以便做出更好的卸载决策。分布式调度大多是基于博弈论的，它通常需要在所有用户之间进行成对的信息交换以获得系统的完整视图。随着系统中用户数量的增加，通信成本不可避免地大幅增加。由于两个用户之间直接通信的丢失，问题将进一步复杂化。在实际环境中，每个用户也几乎很难获得所有其他参与用户的信息。简单的少数派博弈模型在模拟用户的集体行为方面是有效的，他们可以在没有通信的情况下竞争有限的资源。然而，简单的少数派博弈解决方案不能保证收敛到最优点，也不适用于异构任务的情况。

综上所述，为了在实际环境中执行更加有效的任务卸载，需要设计一种能够在不完全信息的分布式环境中，对产生的异构任务进行高效任务卸载的算法。

发明内容

为了克服目前粘鼠板胶水范围有限，老鼠有可能逃脱的问题，本发明提出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，本发明采用的技术方案是：

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，包括以下步骤

S10.首先将问题形式化描述为一个多用户的博弈:

S101.系统内有K个用户，每个用户能够周期性地在一个时间槽τ中生成一定量的任务；

S102.令M为一个子任务的基本单位，则在一个决策周期中产生的任务能够用M的倍数进行表示；令N_k表示用户k生成的子任务数，则系统的子任务数总数为N＝∑_kN_k：

S103.令s＝[s₁,s₂,…,s_N]^T表示为子任务的决策，其中s_n表示为子任务n的决策，且s_n∈{-1,1}，s_n＝1表示子任务n将任务卸载至边缘服务器，s_n＝-1表示子任务n将任务卸载至云服务器；

S104.令v＝[v₁,v₂,…,v_K]^T表示为用户卸载至边缘服务器的子任务数，其中v_k表示为用户k卸载至边缘服务器的子任务数，因此，有

其中

表示为用户k的子任务集合；令v_-k＝[v₁,v₂,…,v_-k-1,v_-k+1,…,v_-K]^T表示为除用户k以外，其他用户卸载至边缘服务器的子任务数：

S105.一个多用户博弈

其中，

为用户的集合，

为用户k的策略集，T(v_k,v_-k)为用户k的代价函数；

S20.为各个用户的收益提供数学化描述；

S201.n_e表示卸载至边缘服务器的子任务数，令T_e(n_e)表示在边缘服务器需要花费的时间，同理，令n_c表示卸载至云服务器的子任务数，令T_c(n_c)表示在云服务器需要花费的时间，且τ_c>τ_e，将C_e和C_c分别表示为边缘服务器和云服务器的处理能力，则有

其中，n_c＝N-n_e；

S202.用户k的代价函数可以表示为：

其中，n_e,-k和n_c,-k分别表示为除了用户k的卸载至边缘服务器和云服务器的子任务数；

S203.系统的目标为最小化用户的总处理时间，即最小化用户k的代价函数，可表示为：

S30.为判别是否为广义上的少数派提供理论指引；

S301.平衡点ψ是平衡卸载至边缘服务器的子任务数与卸载至云服务器的子任务数的阈值，能够最小化任务的总处理时间，即

为实数；

在同质任务的环境中时，平衡点ψ即为总任务数的一半，当卸载至边缘服务器的子任务数超过平衡点时，卸载至云服务器的子任务数为少数派，即获胜方；反之，当卸载至边缘服务器的子任务数低于平衡点时，卸载至边缘服务器的子任务数为少数派，即获胜方；

S302.令T_e(ψ^*)＝T_c(N-ψ^*)，得到

S303.ψ应该为一个整数，并且需要能够最小化任务的总处理时间，因此，

S40.联盟少数派博弈算法是在不完全信息情况对异构任务的任务卸载问题的进行具体求解。

S401.子任务配对以及初始化分配：对于同一个用户产生的子任务，他们中的一些会组成一个联盟，给定非对称处理能力的比值ρ，用户直接把能组成联盟的子任务分配至卸载至边缘服务器或云服务器，即

所述的联盟的定义为同属于一个用户的子任务按照n_e,k＝ρn_c,k的原则组成一个联盟；其中，n_e,k和n_c,k分别表示第k个联盟中的卸载至边缘服务器的子任务数和第k个联盟中的卸载至云服务器的子任务数，则有

对于每个用户来说，还有一些子任务不在联盟中，没有被分配，令这些子任务随机选择自己的决策，其中，不在联盟中的子任务数为n_r,k＝N_k-n_e,k-n_c,k；

S402.信息收集以及获胜者广播：在上一步每个子任务做出自己的决策之后，需要统计卸载至边缘服务器以及云服务器的子任务数n_e和n_c，即

S403.对少数派博弈中“差值”(Attendance)的定义进行修改,目的是为了使少数派博弈能适用于异构处理能力的环境，同时，也是为了能够判断哪一边为广义上的少数派,则有

A＝n_e-ρn_cA＝n_e-ρn_c

其中，ρ为用于表示边缘服务器与云服务器的非对称处理能力的一个比值；

在边缘服务器以及云服务器收集完这些信息之后，边缘服务器和云服务器会同过发送1比特的信息b(t)将获胜者信息广播出去：

S404.决策调整以及迭代调度。基于上一步获得的b(t)信息，令用户中在联盟中的子任务保持自己的决策不变，不在联盟中的输者按照概率p改变自己的选择，其中，

N_r表示不在联盟中的子任务的总数，即N_r＝∑_kn_r,k，，返回步骤S403.计算A的值并广播获胜者，如此迭代直至概率p变为0。

优选的，所述的ρ的计算步骤如下：

令A＝ψ^*-ρ(N-ψ^*)＝0，得到：

由于0＜ρ≤1，C_cC_e(τ_c-τ_e)＜＜MN，则有

与现有技术相比，本发明技术方案的有益效果是：

本发明能够减少30％的系统总处理时间。另外，本发明能够在更短的时间内收敛到一个近优点。综上所述，本发明能够在不完全信息的分布式环境中，对产生的异构任务进行高效的任务卸载。

附图说明

图1为本发明提供的基于少数派博弈的不完全信息异构边缘任务卸载方法的结构图；

图2为少数派博弈模型的系统架构。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，仅用于示例性说明，不能理解为对本专利的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

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，包括以下步骤

S10.首先将问题形式化描述为一个多用户的博弈:

S101.系统内有K个用户，每个用户能够周期性地在一个时间槽τ中生成一定量的任务；

S102.令M为一个子任务的基本单位，则在一个决策周期中产生的任务能够用M的倍数进行表示；令N_k表示用户k生成的子任务数，则系统的子任务数总数为N＝∑_kN_k：

S103.令s＝[s₁,s₂,…,s_N]^T表示为子任务的决策，其中s_n表示为子任务n的决策，且s_n∈{-1,1}，s_n＝1表示子任务n将任务卸载至边缘服务器，s_n＝-1表示子任务n将任务卸载至云服务器；

S104.令v＝[v₁,v₂,…,v_K]^T表示为用户卸载至边缘服务器的子任务数，其中v_k表示为用户k卸载至边缘服务器的子任务数，因此，有

其中

表示为用户k的子任务集合；令v_-k＝[v₁,v₂,…,v_-k-1,v_-k+1,…,v_-K]^T表示为除用户k以外，其他用户卸载至边缘服务器的子任务数：

S105.一个多用户博弈

其中，

为用户的集合，为用户k的策略集，T(v_k,v_-k)为用户k的代价函数；

S20.为各个用户的收益提供数学化描述；

S201.n_e表示卸载至边缘服务器的子任务数，令T_e(n_e)表示在边缘服务器需要花费的时间，同理，令n_c表示卸载至云服务器的子任务数，令T_c(n_c)表示在云服务器需要花费的时间，且τ_c>τ_e，将C_e和C_c分别表示为边缘服务器和云服务器的处理能力，则有

其中，n_c＝N-n_e；

S202.用户k的代价函数可以表示为：

其中，n_e,-k和n_c,-k分别表示为除了用户k的卸载至边缘服务器和云服务器的子任务数；

S203.系统的目标为最小化用户的总处理时间，即最小化用户k的代价函数，可表示为：

S30.为判别是否为广义上的少数派提供理论指引；

S301.平衡点ψ是平衡卸载至边缘服务器的子任务数与卸载至云服务器的子任务数的阈值，能够最小化任务的总处理时间，即

为实数；

在同质任务的环境中时，平衡点ψ即为总任务数的一半，当卸载至边缘服务器的子任务数超过平衡点时，卸载至云服务器的子任务数为少数派，即获胜方；反之，当卸载至边缘服务器的子任务数低于平衡点时，卸载至边缘服务器的子任务数为少数派，即获胜方；

S302.令T_e(ψ^*)＝T_c(N-ψ^*)，得到

S303.ψ应该为一个整数，并且需要能够最小化任务的总处理时间，因此，

S40.联盟少数派博弈算法是在不完全信息情况对异构任务的任务卸载问题的进行具体求解。

S401.子任务配对以及初始化分配：对于同一个用户产生的子任务，他们中的一些会组成一个联盟，给定非对称处理能力的比值ρ，用户直接把能组成联盟的子任务分配至卸载至边缘服务器或云服务器，即

所述的联盟的定义为同属于一个用户的子任务按照n_e,k＝ρn_c,k的原则组成一个联盟；其中，n_e,k和n_c,k分别表示第k个联盟中的卸载至边缘服务器的子任务数和第k个联盟中的卸载至云服务器的子任务数，则有

对于每个用户来说，还有一些子任务不在联盟中，没有被分配，令这些子任务随机选择自己的决策，其中，不在联盟中的子任务数为n_r,k＝N_k-n_e,k-n_c,k；

S402.信息收集以及获胜者广播：在上一步每个子任务做出自己的决策之后，需要统计卸载至边缘服务器以及云服务器的子任务数n_e和n_c，即

S403.对少数派博弈中“差值”(Attendance)的定义进行修改，目的是为了使少数派博弈能适用于异构处理能力的环境，同时，也是为了能够判断哪一边为广义上的少数派,则有

A＝n_e-ρn_cA＝n_e-ρn_c

其中，ρ为用于表示边缘服务器与云服务器的非对称处理能力的一个比值；

在边缘服务器以及云服务器收集完这些信息之后，边缘服务器和云服务器会同过发送1比特的信息b(t)将获胜者信息广播出去：

S404.决策调整以及迭代调度。基于上一步获得的b(t)信息，令用户中在联盟中的子任务保持自己的决策不变，不在联盟中的输者按照概率p改变自己的选择，其中，

N_r表示不在联盟中的子任务的总数，即N_r＝∑_kn_r,k，，返回步骤S403.计算A的值并广播获胜者，如此迭代直至概率p变为0。

优选的，所述的ρ的计算步骤如下：

令A＝ψ^*-ρ(N-ψ^*)＝0，得到：

由于0＜ρ≤1，C_cC_e(τ_c-τ_e)＜＜MN，则有

实施例2

本实施例提供本发明的伪代码，

输入：

子任务数总数N

用户数K

每个用户的子任务数N_k

非对称处理能力的比值ρ

输出：

用户的决策

1.％第一步：子任务配对以及初始化分配

2.for k＝1:K do

3.根据公式计算出n_e,k，n_c,k和n_r,k

4.分配n_e,k个子任务选择1，n_c,k个子任务选择-1

5.令n_r,k个子任务随机选择

6.end for

7.％第二步：信息收集以及获胜者广播

8.fort＝1:T do

9.根据公式计算差值A

10.ifA>0then

11.b(t)＝-1

12.else

13.b(t)＝1

14.end if

15.％第三步：决策调整以及迭代调度

16.for n＝1:N do

17.if s_n≠b(t)then

18.ifrand(N_τ)＜|A|-1then

19.s_n＝s_n×(-1)

20.end if

21.end if

22.end for

23.end for

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (2)

1.一种基于少数派博弈的不完全信息异构边缘任务卸载方法，其特征在于，包括以下步骤

S10.首先将问题形式化描述为一个多用户的博弈:

S101.系统内有K个用户，每个用户能够周期性地在一个时间槽τ中生成一定量的任务；

S102.令M为一个子任务的基本单位，则在一个决策周期中产生的任务能够用M的倍数进行表示；令N_k表示用户k生成的子任务数，则系统的子任务数总数为N＝∑_kN_k：

S103.令s＝[s₁,s₂,…,s_N]^T表示为子任务的决策，其中s_n表示为子任务n的决策，且s_n∈{-1,1}，s_n＝1表示子任务n将任务卸载至边缘服务器，s_n＝-1表示子任务n将任务卸载至云服务器；

S104.令v＝[v₁,v₂,…,v_K]^T表示为用户卸载至边缘服务器的子任务数，其中v_k表示为用户k卸载至边缘服务器的子任务数，因此，有

其中

表示为用户k的子任务集合；令v_-k＝[v₁,v₂,…,v_-k-1,v_-k+1,…,v_-K]^T表示为除用户k以外，其他用户卸载至边缘服务器的子任务数：

S105.一个多用户博弈

其中，

为用户的集合，

为用户k的策略集，T(v_k,v_-k)为用户k的代价函数；

S20.为各个用户的收益提供数学化描述；

S201.n_e表示卸载至边缘服务器的子任务数，令T_e(n_e)表示在边缘服务器需要花费的时间，同理，令n_c表示卸载至云服务器的子任务数，令T_c(n_c)表示在云服务器需要花费的时间，且τ_c>τ_e，将C_e和C_c分别表示为边缘服务器和云服务器的处理能力，则有

其中，n_c＝N-n_e；

S202.用户k的代价函数可以表示为：

其中，n_e,-k和n_c,-k分别表示为除了用户k的卸载至边缘服务器和云服务器的子任务数；

S203.系统的目标为最小化用户的总处理时间，即最小化用户k的代价函数，可表示为：

S30.为判别是否为广义上的少数派提供理论指引；

S301.平衡点ψ是平衡卸载至边缘服务器的子任务数与卸载至云服务器的子任务数的阈值，能够最小化任务的总处理时间，即

为实数；

在同质任务的环境中时，平衡点ψ即为总任务数的一半，当卸载至边缘服务器的子任务数超过平衡点时，卸载至云服务器的子任务数为少数派，即获胜方；反之，当卸载至边缘服务器的子任务数低于平衡点时，卸载至边缘服务器的子任务数为少数派，即获胜方；

S302.令T_e(ψ^*)＝T_c(N-ψ^*)，得到

S303.ψ应该为一个整数，并且需要能够最小化任务的总处理时间，因此，

S40.联盟少数派博弈算法是在不完全信息情况对异构任务的任务卸载问题的进行具体求解；

S401.子任务配对以及初始化分配：对于同一个用户产生的子任务，他们中的一些会组成一个联盟，给定非对称处理能力的比值ρ，用户直接把能组成联盟的子任务分配至卸载至边缘服务器或云服务器，即

所述的联盟的定义为同属于一个用户的子任务按照n_e,k＝ρn_c,k的原则组成一个联盟；其中，n_e,k和n_c,k分别表示第k个联盟中的卸载至边缘服务器的子任务数和第k个联盟中的卸载至云服务器的子任务数，则有

对于每个用户来说，还有一些子任务不在联盟中，没有被分配，令这些子任务随机选择自己的决策，其中，不在联盟中的子任务数为n_r,k＝N_k-n_e,k-n_c,k；

S402.信息收集以及获胜者广播：在上一步每个子任务做出自己的决策之后，需要统计卸载至边缘服务器以及云服务器的子任务数n_e和n_c，即

S403.对少数派博弈中“差值”(Attendance)的定义进行修改,使少数派博弈能适用于异构处理能力的环境,则有

A＝n_e-ρn_c

其中，ρ为用于表示边缘服务器与云服务器的非对称处理能力的一个比值；

在边缘服务器以及云服务器收集完这些信息之后，边缘服务器和云服务器会同过发送1比特的信息b(t)将获胜者信息广播出去：

S404.决策调整以及迭代调度，基于上一步获得的b(t)信息，令用户中在联盟中的子任务保持自己的决策不变，不在联盟中的输者按照概率p改变自己的选择，其中，

N_r表示不在联盟中的子任务的总数，即N_r＝∑_kn_r,k，返回步骤S403.计算A的值并广播获胜者，如此迭代直至概率p变为0。

2.根据权利要求1所述的基于少数派博弈的不完全信息异构边缘任务卸载方法，其特征在于，所述的ρ的计算步骤如下：

令A＝ψ^*-ρ(N-ψ^*)＝0，得到：

由于0＜ρ≤1，C_cC_e(τ_c-τ_e)＜＜MN，则有

Images