CN109672568A - 一种边缘计算网络中绿色能源分配和协调定价的方法 - Google Patents

一种边缘计算网络中绿色能源分配和协调定价的方法 Download PDF

Info

Publication number
CN109672568A
CN109672568A CN201910025525.3A CN201910025525A CN109672568A CN 109672568 A CN109672568 A CN 109672568A CN 201910025525 A CN201910025525 A CN 201910025525A CN 109672568 A CN109672568 A CN 109672568A
Authority
CN
China
Prior art keywords
edge computing
model
node
computing network
pricing
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
Application number
CN201910025525.3A
Other languages
English (en)
Inventor
黄波
李选
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.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication 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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201910025525.3A priority Critical patent/CN109672568A/zh
Publication of CN109672568A publication Critical patent/CN109672568A/zh
Pending legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00Data switching networks
    • H04L12/02Details
    • H04L12/14Charging, metering or billing arrangements for data wireline or wireless communications
    • H04L12/1485Tariff-related aspects
    • H04L12/1492Tariff-related aspects negotiation of tariff
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08Configuration management of networks or network elements
    • H04L41/0893Assignment of logical groups to network elements
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/145Network analysis or design involving simulating, designing, planning or modelling of a network

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种边缘计算网络中绿色能源分配和协调定价的方法,包括:建立绿色边缘计算数据多节点回程传输的边缘计算网络模型,通过设定数量的可再生能源供应商为每一节点提供绿色能源;由每一节点中的所有可再生能源供应商组建构成第一基本古诺博弈模型;将边缘计算网络模型中所有节点对应的第一基本古诺博弈模型组合构建形成连续可协调的组装古诺博弈模型,并判断边缘计算网络模型的复杂性;获取组装古诺博弈模型的等价性、拓展性和可压缩性,基于等价性、拓展性和可压缩性采用迭代法将组装古诺博弈模型转换为第二基本古诺博弈模型;基于第二基本古诺博弈模型实现边缘计算网络模型的绿色能源分配和协调定价;本发明能高效得出整体资源分配量。

Description

一种边缘计算网络中绿色能源分配和协调定价的方法
技术领域
本发明属于绿色能源计算技术领域,用于绿色能源的分配和定价,具体涉及一种边缘计算网络中绿色能源分配和协调定价的方法。
背景技术
近些年来边缘计算通信技术得到了广泛的关注。随着移动终端在人们的生活当中越来越被普及,用户对数据服务质量与数据传输速率的要求呈指数增长,移动云计算已经无法满足用户高质量服务与低时延的要求了,因此将服务器迁移至更接近用户一侧。虽然新型的移动终端的中央处理器的计算能力也十分强大,但是在享受高质量服务的同时,面临的更大的挑战是电池的高能耗,因此边缘计算的概念是移动设备作为资源的需求方把繁重复杂的计算任务卸载到边缘服务器上面,从而达到节约能耗的目的。在移动网络的无线接入和回程上会经过多个中继节点,这些节点可作为边缘服务器的存在,实现了给用户存储数据、计算数据的能力。为了节约能耗成本,采用可再生能源对无线网络供电,因此诸多可再生能源供应商们如何根据传输网络结构的变化合理的存储能源以便供应将是一个首要解决的问题。在确定存储能源供应量的问题上,主要研究内容是在一个多跳回程链路的环境中,给各个节点提供绿色能源的能源供应商们如何定价,如何根据数据流量传输的市场需求如何定出合理的能源存储量,以及随着网络结构或者其他因子发生变化时,价格与存储量有怎样的变化。现有文献大多利用古诺模型研究两级数据传输的资源分配问题,而现实生活中回传链路大多不止两跳。因此,针对一般型的网络进行了推导演绎,将结果通用化,是非常重要的问题。
经对现有技术文献的检索发现,Boqi Jia等人在《Journal of Communicationsand Networks,vol.20,no.3,June.2018,pp.237-246(通信与网络期刊2018年6月,第237-246页)》上发表了题为“Double-matching resource allocation strategy in fogcomputing networks based on cost efficiency(基于成本效益的雾计算网络双匹配的资源分配策略)”一文,该文提出一种基于雾计算资源分配的成本效益问题的双匹配策略,但是此方案只考虑了减小整体资源分配中的的成本效益,并未考虑利用绿色能源。
另经检索发现,Xu Chen等人在《IEEE Network(电气电子工程师网络期刊)》上发表了题为“Resource-Efficient Edge Computing for Intelligent IoT Applications(用于智能物联网应用的资源有效边缘计算)”一文,该文提出一种基于提高边缘计算资源效率的策略防止在任务过载的情况下,分配计算资源效率降低。该文针对移动计算任务过载情况下减少不必要的资源占用,并未考虑计算过程中绿色能源的耗费。
经检索还发现,Bang Wang等在《IEEE Systems Journal电气电子工程师系统期刊)》上发表的文章“On Efficient Utilization ofGreen Energy in HeterogeneousCellular Networks(论异构蜂窝网络中绿色能源的有效利用)”。该文提出了分配绿色能源和最优化频谱资源分配的算法,提高了绿色能源的利用率,但是该技术并未针对市场上垄断的可再生能源生产商进行博弈分析。
发明内容
针对上述现有技术中的不足,本发明于提出一种边缘计算网络中绿色能源分配和协调定价的方法;该方法通过对基本模型的能源分配分析,针对多级回程链路推导分析提出了解决方案,实现了回程链路上可再生能源的资源分配以及能源定价,具体技术方案如下:
一种边缘计算网络中绿色能源分配和协调定价的方法,所述方法包括:
S1、建立绿色边缘计算数据多节点回程传输的边缘计算网络模型,通过设定数量的可再生能源供应商为每一所述节点提供绿色能源;
S2、由每一所述节点中的所有所述可再生能源供应商组建构成第一基本古诺博弈模型;
S3、将所述边缘计算网络模型中所有节点对应的所述第一基本古诺博弈模型组合构建形成连续可协调的组装古诺博弈模型,并判断所述边缘计算网络模型的复杂性;
S4、获取所述组装古诺博弈模型的等价性、拓展性和可压缩性,基于所述等价性、拓展性和可压缩性采用迭代法将所述组装古诺博弈模型转换为第二基本古诺博弈模型;
S5、基于所述第二基本古诺博弈模型实现所述边缘计算网络模型的绿色能源分配和协调定价。
进一步的,所述网络计算模型中每一所述节点为中继节点,且每一所述中继节点构成博弈且互补关系,以均衡每一所述中继节点的能源分配和协调定价。
进一步的,所述步骤S2中,所述可再生能源供应商根据收益的最大化选择指定节点进行能量的提供和储存。
进一步的,所述步骤S4中,所述等价性为:所述可再生能源供应商以相同的收费价格向不同用户提供相同的数据流量传输;
所述拓展性为:可在所述边缘计算网络模型中嵌入虚拟的且新的节点g,且所述节点g与所述边缘计算网络模型等价,且所述节点g满足等式Ng=1,vg=0,其中,式中ng表示所述节点g中可再生能源供应商的数量,vg为所述节点g整合资源的可变成本;
所述可压缩性为:一个大的所述边缘计算网络模型可压缩成一个小的等价的新边缘计算网络模型。
与现有技术相比,本发明的边缘计算网络中绿色能源分配和协调定价的方法的有益效果为:首先,构建由可再生能源供应商作为节点的边缘计算网络模型,并对每一节点中可再生能源供应商组合构成形成古诺博弈模型;随后通过对古诺博弈模型的推广至所有节点,构成边缘计算网络模型中所有节点构成的组装古诺博弈模型,将数据传输过程中所消耗的能量资源与到边缘计算服务器端后各种计算资源所消耗的能量进行整合;最后,通过对组装古诺博弈模型的等价性、拓展性和可压缩性三种特性的研究分析,可以将庞大的边缘计算网络模型简单化,具体通过设定虚拟节点以及迭代压缩,兼顾系统的各个节点的原有合作关系,能最大限度的简化网络模型,实现最高效率的整体资源分配量以及定出有利于可再生能源供应商和运营商利益的能源销售价格。
附图说明
图1为本发明实施例中所述边缘计算网络模型图示意;
图2为本发明实施例中所述所述边缘计算网络模型对应的资源块解释构成图示意;
图3为本发明实施例中所述边缘计算网络模型中资源配比图示意;
图4为本发明实施例中所述组装古诺博弈模型的扩展特性模型图示意;
图5为本发明实施例中所述复杂多级边缘计算网络模型向基本古诺博弈模型的转换过程图示意;
图6为本发明实施例中所述节点中可再生能源供应商数量发生变化时,市场的整体收益图示意。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
结合图1~图6,在本发明实施例中,提供了一种边缘计算网络中绿色能源分配和协调定价的方法,所述方法具体包括步骤如下:
首先,建立绿色边缘计算数据多节点回程传输的边缘计算网络模型,边缘计算模型中通过微波毫米波进行数据传输,并通过设定数量的可再生能源供应商为每一节点提供绿色能源;并由每一节点中的所有可再生能源供应商组建构成第一基本古诺博弈模型;其中,在具体实施例中,将网络计算模型中每一节点作为中继节点,每一中继节点所需要的绿色能源由每个中继节点中的可再生能源供应商垄断性提供;且每一中继节点构成博弈且互补关系,以均衡每一中继节点的能源分配和协调定价;具体的,将边缘计算网络模型中每个中继节点的能量供应部分看成多家可再生能源供应商,内部这些能源供应商提供无差别的绿色能源,每个可再生能源供应商选择自己供应能源的数量,给其他供应商一定的策略参考,供应商之间的关系是竞争关系构成古诺模型;在具体实施例中,由于每个节点中的可再生能源供应商之间存在价格和收益的博弈关系,为了保证可再生能源供应商能够得到最大的收益,本发明中可再生能源供应商根据自身收益的最大化选择指定节点进行能量的提供和储存。
其中,本发明的方法中由弗里斯传输定律的路径损耗用dB表示为:
式中,每个节点之间的距离h大约为100米,f代表微波毫米波的传输频率,ξ代表路径损耗指数,ξ的具体值取决于数据传输的具体环境,A代表空气与水分中的衰减系数。
优选的,在边缘计算网络模型中节点i直接传送数据的最大速率为:
其中,Pi表示节点i的发送功率,即边缘计算网络模型中所有节点的发送功率都为Pi,且系统带宽归一化为1,n0代表接收节点处的噪声功率,同时令则可得到节点i上消耗可再生能源量与传输数据量之间的关系为:
其中,代表能量传输效率,也就是当可再生能源供应商供应一个单位的能量可供传输Li单位的数据流量。
然后,将边缘计算网络模型中所有节点对应的第一基本古诺博弈模型组合构建形成连续可协调的组装古诺博弈模型,即基于边缘计算网络模型中的所有节点构建形成一个拓展型的古诺博弈模型;参阅图3,其中,节点1、2代表数据传输过程中经过的中继节点,节点j-→(j+m)代表边缘计算服务器端CPU与GPU以及存储器等各种计算资源;具体可参阅上述对每一节点中所有可再生能源供应商构建古诺博弈模型的过程,在此不再进行赘述;不过在此过程中,具有多个绿色能源买入价格;从而可以通过联合定均衡价格体现了拓展的古诺博弈模型的协调性。
假设边缘计算网络模型中仅包含有两个中继节点,本发明中,各个节点买入能源的均衡价格为:
其中,节点u可传输的数据量为:
具体的,本实施例得到的合作关系具有唯一性,即对节点所形成的集合,不存在另一种合作关系,使得每个节点都能够得到更好的协作效益。
为了可以减少在能源分配的过程中整体计算量的减少,本发明还需对边缘计算网络模型的复杂性进行判断,若边缘计算网络模型整体简单,则直接使用边缘计算网络模型进行能源分配和价格定价的预估,使得可再生能源供应商可获取最大的收益;否则,若边缘计算网络模型的复杂性过大,则对边缘计算网络模型进行简化操作,其中判断边缘计算网络模型的复杂性的过程具体包括两点,一点是判断传输数据的过程中经过的节点数量的多少,比如经过两个节点以上则需要进行简化;第二点是传输过程中需要资源的种类个数,如能量、频谱等资源,因为在两种资源及以上就具备了网络的复杂性,则需要执行简化操作;只要上述两点符合其中一点,本发明的方法即需要进行边缘计算网络模型的简化操作。
最后,若边缘计算网络模型的复杂性较大,则进行简化操作;具体的,本发明通过对边缘计算网络中多组数据采用对比证明的方法来获取组装古诺博弈模型的等价性、拓展性和可压缩性,随后基于等价性、拓展性和可压缩性采用迭代法将组装古诺博弈模型转换为第二基本古诺博弈模型;并根据第二基本古诺博弈模型实现边缘计算网络模型的绿色能源分配和协调定价;其中,等价性为可再生能源供应商以相同的收费价格向不同用户提供相同的数据流量传输;拓展性为可在边缘计算网络模型中嵌入新的节点;具体可参阅图4,假设在边缘计算网络模型中嵌入虚拟的节点g,且节点g与边缘计算网络模型等价,且节点g满足等式Ng=1,vg=0,其中,式中ng表示节点g中可再生能源供应商的数量,vg为所述节点g整合资源的可变成本;可压缩性为一个大的边缘计算网络模型可压缩成一个小的等价的新边缘计算网络模型,具体可参阅图5,假设有两个中继节点的两级能源组装网络,这两个网络之间的等价建立满足条件:和v'u=vu+v1+v2;由此可得到在面向用户的节点u提供的均衡价格为pu=(1-N'u)·a+N'uv'u,式中,a代表市场预留价格,也就是需求为正的情况下价格的最小上界,表价格的灵敏度参数,pu代表经过节点u的卖出价格。
参阅图6,图表现了使用本发明方法后可再生能源供应商的数量与整个网络总收益的关系;从中可以得到,按照本发明的方法对绿色能源进行分配和协调定价,运营商与可再生能源供应商总收益并不会随着某一个节点内可再生能源供应商数量的增大而增大,而是有一种不确定性,即在保证可再生能源供应商的收益最大化的同时,可再生能源供应商提供的绿色能源与其协调的定价相匹配。
与现有技术相比,本发明的边缘计算网络中绿色能源分配和协调定价的方法的有益效果为:首先,构建由可再生能源供应商作为节点的边缘计算网络模型,并对每一节点中可再生能源供应商组合构成形成古诺博弈模型;随后通过对古诺博弈模型的推广至所有节点,构成边缘计算网络模型中所有节点构成的组装古诺博弈模型,将数据传输过程中所消耗的能量资源与到边缘计算服务器端后各种计算资源所消耗的能量进行整合;最后,通过对组装古诺博弈模型的等价性、拓展性和可压缩性三种特性的研究分析,可以将庞大的边缘计算网络模型简单化,具体通过设定虚拟节点以及迭代压缩,兼顾系统的各个节点的原有合作关系,能最大限度的简化网络模型,实现最高效率的整体资源分配量以及定出有利于可再生能源供应商和运营商利益的能源销售价格。
以上仅为本发明的较佳实施例,但并不限制本发明的专利范围,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本发明专利保护范围之内。

Claims (4)

1.一种边缘计算网络中绿色能源分配和协调定价的方法,其特征在于,所述方法包括:
S1、建立绿色边缘计算数据多节点回程传输的边缘计算网络模型,通过设定数量的可再生能源供应商为每一所述节点提供绿色能源;
S2、由每一所述节点中的所有所述可再生能源供应商组建构成第一基本古诺博弈模型;
S3、将所述边缘计算网络模型中所有节点对应的所述第一基本古诺博弈模型组合构建形成连续可协调的组装古诺博弈模型,并判断所述边缘计算网络模型的复杂性;
S4、获取所述组装古诺博弈模型的等价性、拓展性和可压缩性,基于所述等价性、拓展性和可压缩性采用迭代法将所述组装古诺博弈模型转换为第二基本古诺博弈模型;
S5、基于所述第二基本古诺博弈模型实现所述边缘计算网络模型的绿色能源分配和协调定价。
2.如权利要求1所述的边缘计算网络中绿色能源分配和协调定价的方法,其特征在于,所述网络计算模型中每一所述节点为中继节点,且每一所述中继节点构成博弈且互补关系,以均衡每一所述中继节点的能源分配和协调定价。
3.如权利要求1所述的边缘计算网络中绿色能源分配和协调定价的方法,其特征在于,所述步骤S2中,所述可再生能源供应商根据收益的最大化选择指定节点进行能量的提供和储存。
4.如权利要求1所述的边缘计算网络中绿色能源分配和协调定价的方法,其特征在于,所述步骤S4中,所述等价性为:所述可再生能源供应商以相同的收费价格向不同用户提供相同的数据流量传输;
所述拓展性为:可在所述边缘计算网络模型中嵌入虚拟的且新的节点g,且所述节点g与所述边缘计算网络模型等价,且所述节点g满足等式Ng=1,vg=0,其中,式中ng表示所述节点g中可再生能源供应商的数量,vg为所述节点g整合资源的可变成本;
所述可压缩性为:一个大的所述边缘计算网络模型可压缩成一个小的等价的新边缘计算网络模型。
CN201910025525.3A 2019-01-11 2019-01-11 一种边缘计算网络中绿色能源分配和协调定价的方法 Pending CN109672568A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910025525.3A CN109672568A (zh) 2019-01-11 2019-01-11 一种边缘计算网络中绿色能源分配和协调定价的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910025525.3A CN109672568A (zh) 2019-01-11 2019-01-11 一种边缘计算网络中绿色能源分配和协调定价的方法

Publications (1)

Publication Number Publication Date
CN109672568A true CN109672568A (zh) 2019-04-23

Family

ID=66149422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910025525.3A Pending CN109672568A (zh) 2019-01-11 2019-01-11 一种边缘计算网络中绿色能源分配和协调定价的方法

Country Status (1)

Country Link
CN (1) CN109672568A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110266757A (zh) * 2019-05-14 2019-09-20 上海大学 一种面向任务协同场景的边缘计算资源优化方法
CN110798858A (zh) * 2019-11-07 2020-02-14 华北电力大学(保定) 基于代价效率的分布式任务卸载方法
CN111400001A (zh) * 2020-03-09 2020-07-10 清华大学 一种面向边缘计算环境的在线计算任务卸载调度方法
CN112954739A (zh) * 2021-01-26 2021-06-11 西安电子科技大学 基于循环博弈算法的毫米波mec卸载传输方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110266757A (zh) * 2019-05-14 2019-09-20 上海大学 一种面向任务协同场景的边缘计算资源优化方法
CN110266757B (zh) * 2019-05-14 2022-01-11 上海大学 一种面向任务协同场景的边缘计算资源优化方法
CN110798858A (zh) * 2019-11-07 2020-02-14 华北电力大学(保定) 基于代价效率的分布式任务卸载方法
CN110798858B (zh) * 2019-11-07 2023-04-25 华北电力大学(保定) 基于代价效率的分布式任务卸载方法
CN111400001A (zh) * 2020-03-09 2020-07-10 清华大学 一种面向边缘计算环境的在线计算任务卸载调度方法
CN111400001B (zh) * 2020-03-09 2022-09-23 清华大学 一种面向边缘计算环境的在线计算任务卸载调度方法
CN112954739A (zh) * 2021-01-26 2021-06-11 西安电子科技大学 基于循环博弈算法的毫米波mec卸载传输方法
CN112954739B (zh) * 2021-01-26 2023-02-07 西安电子科技大学 基于循环博弈算法的毫米波mec卸载传输方法

Similar Documents

Publication Publication Date Title
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
Zhang et al. Delay constrained offloading for mobile edge computing in cloud-enabled vehicular networks
Yi et al. Joint resource allocation for device-to-device communication assisted fog computing
CN109672568A (zh) 一种边缘计算网络中绿色能源分配和协调定价的方法
CN108541027A (zh) 一种基于边缘云网络的通信计算资源置换方法
CN110798858B (zh) 基于代价效率的分布式任务卸载方法
CN113346938B (zh) 一种面向空天地一体化网络的边缘计算资源融合管理方法
CN109547555A (zh) 基于公平性准则的非平衡边缘云网络接入与资源分配机制
Deng et al. Throughput maximization for multiedge multiuser edge computing systems
CN111107153B (zh) 一种电力物联网中基于d2d通信的mec定价卸载方法
Jian et al. Joint computation offloading and resource allocation in C-RAN with MEC based on spectrum efficiency
Zhao et al. Task proactive caching based computation offloading and resource allocation in mobile-edge computing systems
CN112822707B (zh) 一种计算资源有限mec中任务卸载与资源分配方法
CN110381161B (zh) 电力物联网系统中基于博弈论的资源调度方法
Wu et al. Resolving multitask competition for constrained resources in dispersed computing: A bilateral matching game
Zhong et al. QoE-driven social aware caching placement for terrestrial-satellite networks
Li Optimization of task offloading problem based on simulated annealing algorithm in MEC
Li et al. Collaborative optimization of edge-cloud computation offloading in internet of vehicles
Lin et al. Joint Optimization of Offloading and Resource Allocation for SDN‐Enabled IoV
Basir et al. Energy efficient resource allocation in cache‐enabled fog networks
Tian et al. QoS-aware dynamic spectrum access for cognitive radio networks
Xue et al. Research on energy transmission strategy based on MEC in green communication
Bai et al. Collaborative task processing in vehicular edge computing networks
Li et al. Suitability-based edge server placement strategy in 5G ultra-dense networks
Fang et al. Offloading strategy for edge computing tasks based on cache mechanism

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: 20190423