CN109802998A - 一种基于博弈的雾网络协同调度激励方法及系统 - Google Patents

Abstract

本发明公开了一种基于博弈的雾网络协同调度激励方法及系统。其中，该雾网络协同调度激励方法包括如下步骤：将服务请求节点的请求参数信息发送到所属的服务请求控制器；根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格；将最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略；将最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略；根据卸载策略为服务请求节点进行计算任务卸载。本发明在协同调度策略中引入博弈，实现了服务提供控制器和服务请求控制器的净收益最大化，为服务请求节点提供了优质卸载服务。

Description

一种基于博弈的雾网络协同调度激励方法及系统

技术领域

本发明涉及一种基于博弈的雾网络协同调度激励方法，同时涉及相应的雾网络协同调度激励系统，属于智能计算技术领域。

背景技术

随着终端设备的快速增长，网络中的数据流量呈爆炸式增长。根据预测，到2020年将有500亿智能物联网(IoT)设备，整体移动数据流量将从2017年的11EB/月增加到2021年的49EB/月。最近提出的云计算具有足够的计算能力和稳定的能源供应，可以作为共享池，为终端用户提供灵活高效的服务，并提高资源分配灵活性和效率。

然而，云计算不能满足未来物联网应用低延迟、高可靠性的需求，例如车对车通信、增强现实、可穿戴设备、智能电网等。此外，云端的资源通常位于离终端较远的地方，无法支持移动性和实时互动的需求，而且无法保证服务质量(QoS)。

为了解决这些问题，有前景的雾计算出现了。在雾计算中，终端设备可以直接在网络边缘执行任务并满足移动应用的新要求。由于各种不同的设备产生的大量应用和海量的各种数据需要处理，而且这些智能设备(例如，手机，车辆，机器人)的能力和能量供应有限，通常会有资源限制，所以有必要提出一种有效的卸载方案来完成雾网络中的计算任务。

雾计算可以允许资源受限的终端设备将资源匮乏的移动设备的数据处理卸载到其他的雾节点。不同于云服务器，在雾网络中，雾节点通常只有有限的能源供应。在雾网络系统中，资源调度方案目的是实现能耗与任务时延之间的折中，并保证终端用户的QoS。

为了解决卸载时间、卸载目的地、以及卸载量等服务问题，控制器需要对网络节点资源、信道状态、用户关系、数据内容等网络资源进行感知。在雾网络中，终端节点可以选择订阅邻近的服务节点提供服务，这些节点可以属于其他移动提供商。为了更好地服务终端节点，不同的雾控制器愿意在一定程度上交换其感知的所有节点的信息并共享其服务。因此，研究雾网络的协同调度对于优化雾网络中的计算任务卸载至关重要。

发明内容

针对现有技术的不足，本发明所要解决的首要技术问题在于提供一种基于博弈的雾网络协同调度激励方法。

本发明所要解决的另一技术问题在于提供一种基于博弈的雾网络协同调度激励系统。

为实现上述发明目的，本发明采用下述的技术方案：

根据本发明实施例的第一方面，提供一种基于博弈的雾网络协同调度激励方法，包括如下步骤：

将服务请求节点的请求参数信息发送到所属的服务请求控制器；

根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格；并将所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略；

将所述最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略；

根据所述卸载策略为服务请求节点进行计算任务卸载。

其中较优地，所述请求参数信息包括计算任务特征、服务质量需求和用户节点特性。

其中较优地，根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格，包括如下步骤：

预测服务提供控制器服务策略，计算向服务提供控制器请求服务帮助的请求收益和请求成本；

根据向服务提供控制器请求服务帮助的请求收益和请求成本计算请求净收益；

计算服务请求节点在本地完成计算任务时服务请求控制器的净收益；

根据请求净收益和本地完成计算任务的净收益获取差值净收益，计算差值净收益最大化时支付给服务提供控制器的最优计算服务报酬价格。

其中较优地，将求得的所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略，包括如下步骤：

根据请求参数信息确定服务提供节点；

根据服务请求控制器提供的最优计算服务报酬价格计算服务提供控制器的计算服务收益和计算服务成本；

根据计算服务收益和计算服务成本，计算服务提供控制器的服务净收益；

计算服务净收益最大化时服务提供控制器提供给服务请求节点的计算资源百分比，将该计算资源百分比作为最优计算资源百分比；

根据选取的服务提供节点和提供给服务请求节点的最优计算资源百分比制定最优计算服务策略。

其中较优地，所述根据请求参数信息确定服务提供节点；包括如下步骤：

服务提供控制器根据请求参数信息确定计算资源；

根据服务提供节点的计算资源初步确定提供服务的服务提供节点；

在初步确定的服务提供节点中，选取与服务请求节点邻近的服务提供节点提供服务。

其中较优地，将所述最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略，包括如下步骤：

根据服务提供控制器提供的最优计算服务策略，计算向服务提供控制器请求服务帮助的服务收益和服务成本；

根据向服务提供控制器请求服务帮助的服务收益和服务成本计算服务净收益；

计算服务请求节点在本地完成计算任务时服务请求控制器的净收益；

根据服务净收益和在本地完成计算任务的净收益获取服务差值净收益，如果服务差值净收益大于零，则服务请求控制器选择向服务提供控制器寻求计算卸载帮助；否则，选择在本地进行计算；

根据选择结果为服务请求节点制定卸载策略。

其中较优地，所述计算服务请求节点在本地完成计算任务时服务请求控制器的净收益，采用如下公式获得：

其中，u_il为在本地完成计算任务的净收益；τ_i为时延收益系数；l_i为卸载数据大小；为本地的最大计算速率。

其中较优地，所述差值净收益，采用如下公式获得：

其中，u_i为进差值净收益；τ_i为时延收益系数；l_i为卸载数据大小；π_i为服务价格；R_i为信道容量；λ_i为计算资源百分比；C₀为最大计算速率；为本地的最大计算速率。

其中较优地，根据计算服务收益和计算服务成本，计算服务提供控制器的服务净收益为：

其中，u_p为服务净收益；为最优计算服务报酬价格；l_i为卸载数据大小；R_i为信道容量；λ_i为计算资源百分比；C₀为最大计算速率；β为单位能耗价格；P₀为最大计算功率；为本地的最大计算速率。

根据本发明实施例的第二方面，提供一种基于博弈的雾网络协同调度激励系统，包括处理器和存储器；所述存储器上存储有可用在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时实现如下步骤：

将服务请求节点的请求参数信息发送到所属的服务请求控制器；

根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格；并将所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略；

将所述最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略；

根据所述卸载策略为服务请求节点进行计算任务卸载。

本发明所提供的基于博弈的雾网络协同调度激励方法，在不同控制器之间进行协同调度，一定程度上交换其所有节点的资源信息，可以激励服务提供节点为服务请求节点提供服务，服务请求控制器和服务提供控制器分别选择最优计算服务报酬价格和最优计算资源量，最大化各自的净收益，每个服务请求控制器以最优计算服务价格支付给服务提供控制器，服务提供控制器调度服务提供节点分别以最优计算资源量为每个服务请求节点提供计算服务，该激励方法使得服务请求控制器和服务提供控制器的净收益均达到最大化。

附图说明

图1为本发明所提供的实施例中，进行协同调度的结构图；

图2为本发明所提供的基于博弈的雾网络协同调度激励方法的流程图；

图3为本发明所提供的基于博弈的雾网络协同调度激励系统的结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。

如图1所示，在移动边缘计算/雾计算网络中，为了给用户提供计算卸载服务，有效利用闲置的资源，并保证良好的QoS，控制器之间可以在一定程度上交换其感知的所有节点的信息并共享其服务，当雾节点需要请求计算卸载服务时，其所属的控制器会与邻近的控制器进行通信交流，通过协同调度，服务提供控制器选择合适的节点为服务请求节点提供服务，该网络结构中，假设服务提供节点都属于同一个控制器，也就是只有一个服务提供控制器，可以为多个服务请求节点服务。该激励机制中，每个服务请求控制器需要向服务提供控制器支付一定的报酬来激励服务提供节点为自己提供优质的计算服务，服务提供控制器则会根据计算服务价格选择最优的计算资源大小为服务请求节点提供服务。

本发明首先提供一种基于博弈的雾网络协同调度激励方法，作为移动边缘计算/雾计算网络中实现的协同调度激励机制。该机制通过雾控制器之间协同调度，综合考虑服务请求节点服务特点和自身特性，以及服务提供节点的资源信息、地理位置和自身特性，制定任务卸载策略和激励机制。服务请求控制器向服务提供控制器寻求服务帮助，该激励机制根据服务请求控制器和服务提供控制器的自身特性和网络状态，基于博弈最大化自身净收益，选择最优的计算服务报酬价格和计算资源大小，得到最优的协同调度策略，使得服务提供节点为服务请求节点提供最优的服务，同时服务请求控制器和服务提供控制器都获得最大的净收益。即通过协同调度激励机制，服务请求控制器和服务提供控制器分别选择最优计算服务价格和最优计算资源量都能获得最大的净收益，同时为服务请求节点提供了优质的计算卸载服务。

如图2所示，本发明所提供的基于博弈的雾网络协同调度激励方法，包括如下步骤：首先，服务请求节点根据其计算任务特征、服务质量需求、用户节点特性作为请求参数信息向其所属的控制器(以下简称服务请求控制器)请求计算卸载服务。服务请求控制器与服务提供节点所属控制器(以下简称服务提供控制器)进行通信，向服务提供控制器提供服务请求节点的请求参数信息，并提供最优计算服务报酬价格以激励服务提供节点提供计算服务。然后，服务提供控制器根据得到的服务请求节点的请求参数信息以及其所属节点的特性，调度合适的服务提供节点提供计算、处理等服务，并且根据服务请求控制器提供的最优计算服务报酬价格制定最优的服务策略。之后，服务提供控制器将调度信息反馈给服务请求控制器，服务请求控制器根据调度信息制定卸载策略。最后，服务请求节点根据服务请求控制器制定的卸载策略向服务提供节点进行计算任务卸载。下面对这一过程做详细具体的说明。

S 1，将服务请求节点的请求参数信息发送到其所属的服务请求控制器，请求计算卸载服务。

服务请求节点根据其计算任务特征、服务质量需求、用户节点特性作为请求参数信息向其所属的控制器请求计算卸载服务；其中，服务请求节点向服务请求控制器上报的请求参数信息包括：

1)用户任务特性；包括计算任务大小、计算任务类型、计算任务优先级等；

2)服务质量需求；包括计算服务所需时间、计算服务所需成本、计算服务回报等；

3)用户节点特征；包括服务请求节点位置、与其他节点的拓扑邻接关系、用户节点自身计算处理能力、用户优先级等。

S2，根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格；将该最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略。

服务请求控制器与服务提供控制器进行通信，向服务提供控制器提供服务请求节点的请求参数信息，给出支付给服务提供控制器的最优计算服务报酬价格，以激励服务提供节点提供服务。其中，服务请求控制器向服务提供控制器支付计算服务报酬价格考虑的因素包括：

1)服务提供节点提供的计算资源大小；

2)与服务提供节点之间的距离大小、网络拓扑信息、信道状态信息；

3)计算任务的时延。

具体的，服务请求控制器与服务提供控制器进行通信，得到其所属节点的部分资源信息，向其提供服务请求节点的请求参数信息，然后预测其服务策略，给出支付给服务提供控制器的最优服务报酬价格，以激励服务提供节点提供服务。

其中，根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格，具体包括如下步骤：

S211，预测服务提供控制器的服务策略，计算向服务提供控制器请求服务帮助的请求收益和请求成本。

引入博弈，每个服务请求控制器根据与服务提供控制器共享的信息预测服务提供控制器的服务策略，然后根据网络状态特征和自身特征，得到向其他控制器请求服务帮助的请求收益f_ir和请求成本g_ir。其中，自身特征包括计算任务大小(卸载数据大小)、计算任务类型、计算任务优先级等。网络状态特征包括信道容量等。

其中，服务请求控制器的请求收益为：由计算任务完成的总时延大小带来的收益，收益与时延成反相关，时延越小，带来的收益越大。其影响因素有：计算任务的大小、服务提供控制器提供的计算速率、传输信道的吞吐量。计算任务总时延为计算任务大小与计算任务等效速率之比，其中计算等效速率为计算和传输的等效速率，当计算任务越小、提供的计算速率越大、信道的吞吐量越大时，计算任务时延越小，收益越大。其中计算速率不能超过服务提供控制器选择的服务节点的最大计算速率，传输信道的吞吐量则可以由香农公式得到，其与信道带宽、距离、计算任务传输功率、噪声干扰等有关。

服务请求控制器的请求成本为：付给服务提供控制器的计算服务报酬。影响服务请求控制器成本的因素：付给服务提供控制器的计算服务价格、计算任务大小、服务请求节点提供的计算速率大小和信道吞吐量。在给定的价格一定时，计算任务量越大、服务请求节点的计算速率越大和信道吞吐率越高时，支付给服务提供控制器的计算服务报酬越多，计算服务成本越高。

S212，根据向服务提供控制器请求服务帮助的请求收益和请求成本计算请求净收益；

计算请求净收益u_ir，u_ir＝f_ir-g_ir。

S213，计算服务请求节点在本地完成计算任务时服务请求控制器的净收益。

在本地完成计算任务时服务请求控制器的最大净收益：在本地完成计算时，完成计算任务时延只与节点的计算速率和计算任务的大小有关，且计算成本可以忽略。其最大净收益为u_il。

S214，根据请求净收益和在本地完成计算任务的净收益获取差值净收益，计算差值净收益最大化时支付给服务提供控制器的最优计算服务报酬价格。

根据请求净收益和在本地完成计算任务的净收益获取差值净收益，是请求其他控制器帮助的请求净收益与在本地完成计算任务的净收益之差，即u_i＝u_ir-u_il。

然后用数学方法优化净收益之差u_i，即通过数学求函数变量最大值的方法得到获取最大差值净收益时的最优计算服务报酬价格。根据优化的结果支付给服务提供控制器最优计算服务价格

净收益之差u_i和计算服务价格π_i的优化为：

s.t.π_i＞0。

将求得的该最优计算服务报酬价格和请求参数信息发送到服务提供控制器，服务提供控制器根据得到的服务请求节点的请求参数信息以及其所属节点的特性，调度合适的服务提供节点提供计算服务，同时服务提供控制器根据服务请求控制器提供的最优计算服务价格制定最优的计算服务策略。其中，服务提供控制器调度合适服务提供节点提供计算服务，并且制定最优服务策略需要考虑的因素包括：

1)服务提供控制器在调度服务提供节点提供服务时，会选择计算资源足够，同时与服务请求节点邻近的服务提供节点提供服务。

2)在制定服务策略时，提供的计算资源的大小决定了其净收益的大小，服务提供控制器会根据服务请求控制器提供的最优计算服务价格，得到为每个服务请求节点提供的最优计算资源量。

具体的，将求得的该最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略，具体包括如下步骤：

S221，根据请求参数信息确定服务提供节点；具体包括如下步骤：

服务提供控制器根据请求参数信息确定计算资源；

根据服务提供节点的计算资源初步确定提供服务的服务提供节点；

在初步确定的服务提供节点中，选取与服务请求节点邻近的服务提供节点提供服务。在本发明所提供的实施例中，可以根据与服务请求节点的距离对服务提供节点进行排序，选取与服务请求节点距离小的服务提供节点。

S222，根据服务请求控制器提供的最优计算服务报酬价格计算服务提供控制器的计算服务收益和计算服务成本。

在该博弈中，服务提供控制器根据服务请求控制器提供的最优计算服务报酬价格结合自身特性和网络状态，得到计算服务收益f_p和计算服务成本g_p。

其中，服务提供控制器的计算服务收益为：所有服务请求控制器所支付的计算服务报酬之和。影响服务提供控制器计算服务收益因素有：服务请求控制器支付的计算服务价格、计算任务大小、服务请求节点的计算速率大小和信道吞吐量。当服务提供控制器提供的计算资源大小一定时，计算任务量越大、提供的计算服务价格越高、信道吞吐量越大时，从服务请求控制器获得的计算服务报酬也越高。

服务提供控制器计算服务成本为：主要是所有服务提供节点的计算服务的能耗成本之和。影响服务提供控制器计算服务成本因素有：提供的计算速率大小、计算任务大小、服务提供控制器选择的服务节点的额定功率。当服务提供控制器提供的计算速率增加，消耗的功率会以更快的速率增加，在计算任务一定时，能耗更大，成本更高；同时计算任务量越大时，能耗也越大，成本也越大。

S223，根据计算服务收益和计算服务成本，计算服务提供控制器的服务净收益；

服务净收益u_p为：u_p＝f_p-g_p。

S224，计算服务净收益最大化时服务提供控制器提供给服务请求节点的计算资源百分比，将该计算资源百分比作为最优计算资源百分比。

服务提供控制器根据提供的计算服务价格通过数学方法最大化服务净收益，得到提供给服务请求节点的最优计算资源百分比；即通过数学求函数变量最大值的方法得到获取最大服务净收益时提供给服务请求节点的最优计算资源百分比

如果采用上述方法计算服务提供控制器的服务净收益，并对得到的服务净收益u_p和计算服务资源百分比λ_i进行优化，则可得到的最优计算资源百分比为：

s.t.0≤λ_i≤1.

S225，根据选取的服务提供节点和提供给服务请求节点的最优计算资源百分比制定最优计算服务策略。

S3，将该最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略。

服务提供控制器将调度信息(最优计算服务策略)反馈给服务请求控制器，服务请求控制器根据调度信息为服务请求节点制定卸载策略，若协同调度带来净收益比在本地完成计算(由自身独立完成或者向属于同一控制器中的邻近节点请求服务)的最大收益大，则选择向服务提供控制器请求服务帮助；反之，则在本地进行计算。

具体的，将该最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略，包括如下步骤：

S31，根据服务提供控制器提供的最优计算服务策略，计算向服务提供控制器请求服务帮助的服务收益和服务成本。

其中，向服务提供控制器请求服务帮助的服务收益和服务成本的计算方式与请求收益、请求成本的计算方式相同，只是将预测的服务策略替换为最后计算服务策略，在此便不再赘述了。

S32，根据向服务提供控制器请求服务帮助的服务收益和服务成本计算服务净收益。

S33，计算服务请求节点在本地完成计算任务时服务请求控制器的净收益。

S34，根据服务净收益和在本地完成计算任务的净收益获取服务差值净收益，如果服务差值净收益大于零，则服务请求控制器选择向服务提供控制器寻求计算卸载帮助；否则，选择在本地进行计算。

其中，服务差值净收益是请求其他控制器帮助的服务净收益与在本地完成计算任务的净收益之差。

S35，根据选择结果为服务请求节点制定卸载策略。

S4，根据该卸载策略为服务请求节点进行计算任务卸载。

服务请求节点根据其服务请求控制器制定的卸载策略向服务提供节点进行计算任务卸载，而服务提供节点将计算结果返回服务请求节点，从而完成服务过程。

具体的，服务请求节点向服务提供节点进行卸载服务过程包括：

1)服务请求节点根据卸载策略向服务提供节点以适当方式卸载计算任务；

2)服务提供节点根据需要选择是否将计算结果实时或者最后返回服务请求节点。

服务提供控制器和服务请求控制器根据优化的结果制定计算服务卸载策略，服务请求节点向服务提供节点卸载任务，服务提供节点以最优计算资源量为服务请求节点提供计算服务，并将结果返回给服务请求节点。

综上所述，本发明所提供的基于博弈的雾网络协同调度激励方法，服务请求控制器和服务提供控制器进行协同调度，通过博弈，服务请求控制器以最优计算服务价格作为激励，服务提供控制器调度服务节点以最优计算资源量为每个服务请求节点提供计算服务，一方面服务请求控制器和服务提供控制器都获得最大的净收益；另一方面有利于空闲服务节点的资源利用，并为用户节点提供良好的服务，保障网络的稳定运行。

下面通过一个具体实施例进行进一步的详细说明。

假设在雾网络中有N个雾群(N为正整数)，每个雾群中含有一个雾控制器和若干个节点，其中只有一个控制器j为服务提供控制器，j∈N，j为正整数；其他为服务请求控制器，其控制的节点中只有一个服务请求节点需要卸载服务帮助。为了给服务请求节点制定最优的卸载策略，其所属服务请求控制器会与其他控制器共享部分信息，为了激励其服务提供节点提供卸载服务，服务请求控制器会向服务提供控制器支付一定的计算服务报酬作为激励。

具体地，将服务请求节点的请求参数信息发送到所属的服务请求控制器之后，服务请求控制器预测服务提供控制器的服务策略，计算向服务提供控制器请求服务帮助的请求收益和请求成本。

其中，在本发明所提供的一个实施例中，服务请求控制器的请求收益采用如下公式求得：

其中，τ_i为时延收益系数；D_i为完成任务总时延；l_i为卸载数据大小；r_i为等效处理速率；R_i为信道容量；λ_i为计算资源百分比；C₀为最大计算速率。

所以服务请求控制器的请求收益采用如下公式求得：

服务请求控制器的请求成本采用如下公式求得：

其中，π_i为服务价格。

服务请求控制器的请求净收益采用如下公式求得：

在本地计算时的净收益为： 为本地(与服务请求节点在同一个服务器的其他节点)的最大计算速率。

则服务请求控制器向其他控制器请求服务帮助的请求净收益与在本地计算的净收益之差(差值净收益)为：

对净收益之差u_i进行优化，即通过数学求函数变量最大值的方法得到获取最大差值净收益时的最优计算服务报酬价格，即：

s.t. π_i≥0，

将求得的该最优计算服务报酬价格和请求参数信息发送到服务提供控制器，服务提供控制器根据得到的服务请求节点的请求参数信息以及其所属节点的特性，调度合适的服务提供节点提供计算服务，同时服务提供控制器根据服务请求控制器提供的最优计算服务价格制定最优的计算服务策略。

具体的，根据服务请求控制器提供的最优计算服务报酬价格计算服务提供控制器的计算服务收益和计算服务成本中，服务提供控制器的计算服务收益采用如下公式求得：

其中，为最优计算服务报酬价格；r_i为等效处理速率；l_i为卸载数据大小。

其中r_i为等效处理速率，γ为信道增益系数，C_i为实际提供计算速率，C_i＝λC₀。p_i为卸载传输功率；B_i为传输信道带宽；R_i为信道容量；N₀为信道干扰和噪声功率密度；d_i为节点间的距离；

则服务提供控制器的计算服务收益为：

其中，C₀为最大计算速率；λ_i为计算资源百分比。

服务提供控制器的计算服务成本为：

其中β为单位能耗价格，P_i为服务提供节点实际计算功率，P_i＝λ²P₀；P₀为最大计算功率；T_i为任务计算时长，

则服务提供控制器的计算服务成本为：

根据计算服务收益和计算服务成本，计算服务提供控制器的服务净收益为：

服务提供控制器根据提供的计算服务价格通过数学方法最大化服务净收益，得到提供给服务请求节点的最优计算资源百分比；即通过数学求函数变量最大值的方法得到获取最大服务净收益时提供给服务请求节点的最优计算资源百分比

s.t. 0≤λ_i≤1，

得到的最优计算资源百分比为：

根据选取的服务提供节点和提供给服务请求节点的最优计算资源百分比制定最优计算服务策略。

将该最优计算服务策略发回到服务请求控制器，服务请求控制器根据调度信息为服务请求节点制定卸载策略，若协同调度带来净收益比在本地完成计算的最大收益大，则选择向服务提供控制器请求服务帮助；反之，则在本地进行计算。

其中，计算向服务提供控制器请求服务帮助的服务收益和服务成本的过程与步骤S2中计算请求收益和请求成本的过程相同；计算服务净收益的过程与步骤S2中计算请求净收益的过程相同；计算在本地完成计算任务的净收益的过程与步骤S2中计算在本地完成计算任务的净收益的过程相同；计算服务差值净收益的过程与步骤S2中计算请求差值净收益的过程相同；只需要将步骤S2中预测服务提供控制器的服务策略的预测数据，替换成步骤S2中服务提供控制器制定的最优计算服务策略的实际数据即可。采用的计算方法不变，在此便不在赘述了。

当得到服务差值净收益时，如果服务差值净收益大于0，则说明选择向其他控制器请求计算服务帮助的效用更高，因此服务请求控制器会向其他控制器寻求帮助；当服务差值净收益小于0时，说明在本地完成计算的效用更高，故服务请求控制器会调度本地节点提供服务。使用本发明提供的基于博弈的雾网络协同调度激励方法，可以为服务请求节点制定最优的卸载策略，为其用户提供最优的服务。

当选择向其他控制器寻求帮助时，可以得到提供的最优的计算资源和最优计算服务价格，使服务请求控制器服务提供控制器都获得最大净收益，对于协同调度和激励有良好的效果。

本发明还提供了一种基于博弈的雾网络协同调度激励系统。如图3所示，该系统包括处理器32以及存储有处理器32可执行指令的存储器31；

其中，处理器32可以是通用处理器，例如中央处理器(CPU)，还可以是数字信号处理器(DSP)、专用集成电路(AS IC)，或者是被配置成实施本发明实施例的一个或多个集成电路。

其中，存储器31，用于存储程序代码，并将该程序代码传输给CPU。存储器31可以包括易失性存储器，例如随机存取存储器(RAM)；存储器31也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器31还可以包括上述种类的存储器的组合。

具体地，本发明实施例所提供的一种基于博弈的雾网络协同调度激励系统，包括处理器32和存储器31；存储器31上存储有可用在处理器32上运行的计算机程序，当计算机程序被处理器32执行时实现如下步骤：

将服务请求节点的请求参数信息发送到所属的服务请求控制器；

根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格；并将最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略；

将最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略；

根据卸载策略为服务请求节点进行计算任务卸载。

其中，当计算机程序被处理器32执行时实现如下步骤；

请求参数信息包括计算任务特征、服务质量需求和用户节点特性。

其中，当根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格时，计算机程序被处理器32执行实现如下步骤；

预测服务提供控制器的服务策略，计算向服务提供控制器请求服务帮助的请求收益和请求成本；

根据向服务提供控制器请求服务帮助的请求收益和请求成本计算请求净收益；

计算服务请求节点在本地完成计算任务时服务请求控制器的净收益；

根据请求净收益和在本地完成计算任务的净收益获取差值净收益，计算差值净收益最大化时支付给服务提供控制器的最优计算服务报酬价格。

其中，当将求得的最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略时，计算机程序被处理器32执行实现如下步骤；

根据请求参数信息确定服务提供节点；

根据服务请求控制器提供的最优计算服务报酬价格计算服务提供控制器的计算服务收益和计算服务成本；

根据计算服务收益和计算服务成本，计算服务提供控制器的服务净收益；

计算服务净收益最大化时服务提供控制器提供给服务请求节点的计算资源百分比，将该计算资源百分比作为最优计算资源百分比；

根据选取的服务提供节点和提供给服务请求节点的最优计算资源百分比制定最优计算服务策略。

其中，当根据请求参数信息确定服务提供节点时，计算机程序被处理器32执行实现如下步骤；

服务提供控制器根据请求参数信息确定计算资源；

根据服务提供节点的计算资源初步确定提供服务的服务提供节点；

在初步确定的服务提供节点中，选取与服务请求节点邻近的服务提供节点提供服务。

其中，当将最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略时，计算机程序被处理器32执行实现如下步骤；

根据服务提供控制器提供的最优计算服务策略，计算向服务提供控制器请求服务帮助的服务收益和服务成本；

根据向服务提供控制器请求服务帮助的服务收益和服务成本计算服务净收益；

计算服务请求节点在本地完成计算任务时服务请求控制器的净收益；

根据服务净收益和在本地完成计算任务的净收益获取服务差值净收益，如果服务差值净收益大于零，则服务请求控制器选择向服务提供控制器寻求计算卸载帮助；否则，选择在本地进行计算；

根据选择结果为服务请求节点制定卸载策略。

其中，当计算机程序被处理器32执行时实现如下步骤；

计算服务请求节点在本地完成计算任务时服务请求控制器的净收益，采用如下公式获得：

其中，u_il为在本地完成计算任务的净收益；τ_i为时延收益系数；l_i为卸载数据大小；为本地的最大计算速率。

其中，当计算机程序被处理器32执行时实现如下步骤；

差值净收益，采用如下公式获得：

其中，u_i为进差值净收益；τ_i为时延收益系数；l_i为卸载数据大小；π_i为服务价格；R_i为信道容量；λ_i为计算资源百分比；C₀为最大计算速率；为本地的最大计算速率；为本地的最大计算速率。

其中，当计算机程序被处理器32执行时实现如下步骤；

根据计算服务收益和计算服务成本，计算服务提供控制器的服务净收益为：

其中，u_p为服务净收益；为最优计算服务报酬价格；l_i为卸载数据大小；R_i为信道容量；λ_i为计算资源百分比；C₀为最大计算速率；β为单位能耗价格；P₀为最大计算功率；为本地的最大计算速率。

本发明实施例还提供了一种计算机可读存储介质。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于AS IC中。另外，该AS IC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。

上面对本发明所提供的基于博弈的雾网络协同调度激励方法及系统进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (10)

1.一种基于博弈的雾网络协同调度激励方法，其特征在于包括如下步骤：

将服务请求节点的请求参数信息发送到所属的服务请求控制器；

根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格；并将所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略；

将所述最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略；

根据所述卸载策略为服务请求节点进行计算任务卸载。

2.如权利要求1所述的基于博弈的雾网络协同调度激励方法，其特征在于：

所述请求参数信息包括计算任务特征、服务质量需求和用户节点特性。

3.如权利要求1所述的基于博弈的雾网络协同调度激励方法，其特征在于根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格，包括如下步骤：

预测服务提供控制器的服务策略，计算向服务提供控制器请求服务帮助的请求收益和请求成本；

根据向服务提供控制器请求服务帮助的请求收益和请求成本计算请求净收益；

计算服务请求节点在本地完成计算任务时服务请求控制器的净收益；

根据请求净收益和在本地完成计算任务的净收益获取差值净收益，计算差值净收益最大化时支付给服务提供控制器的最优计算服务报酬价格。

4.如权利要求3所述的基于博弈的雾网络协同调度激励方法，其特征在于将求得的所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略，包括如下步骤：

根据请求参数信息确定服务提供节点；

根据服务请求控制器提供的最优计算服务报酬价格计算服务提供控制器的计算服务收益和计算服务成本；

根据计算服务收益和计算服务成本，计算服务提供控制器的服务净收益；

计算服务净收益最大化时服务提供控制器提供给服务请求节点的计算资源百分比，将该计算资源百分比作为最优计算资源百分比；

根据选取的服务提供节点和提供给服务请求节点的最优计算资源百分比制定最优计算服务策略。

5.如权利要求4所述的基于博弈的雾网络协同调度激励方法，其特征在于所述根据请求参数信息确定服务提供节点；包括如下步骤：

服务提供控制器根据请求参数信息确定计算资源；

根据服务提供节点的计算资源初步确定提供服务的服务提供节点；

在初步确定的服务提供节点中，选取与服务请求节点邻近的服务提供节点提供服务。

6.如权利要求1所述的基于博弈的雾网络协同调度激励方法，其特征在于将所述最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略，包括如下步骤：

根据服务提供控制器提供的最优计算服务策略，计算向服务提供控制器请求服务帮助的服务收益和服务成本；

根据向服务提供控制器请求服务帮助的服务收益和服务成本计算服务净收益；

计算服务请求节点在本地完成计算任务时服务请求控制器的净收益；

根据服务净收益和在本地完成计算任务的净收益获取服务差值净收益，如果服务差值净收益大于零，则服务请求控制器选择向服务提供控制器寻求计算卸载帮助；否则，选择在本地进行计算；

根据选择结果为服务请求节点制定卸载策略。

7.如权利要求3所述的基于博弈的雾网络协同调度激励方法，其特征在于所述计算服务请求节点在本地完成计算任务时服务请求控制器的净收益，采用如下公式获得：

其中，u_il为在本地完成计算任务的净收益；τ_i为时延收益系数；l_i为卸载数据大小。

8.如权利要求3所述的基于博弈的雾网络协同调度激励方法，其特征在于所述差值净收益，采用如下公式获得：

其中，u_i为进差值净收益；τ_i为时延收益系数；l_i为卸载数据大小；π_i为服务价格；R_i为信道容量；λ_i为计算资源百分比；C₀为最大计算速率；为本地的最大计算速率。

9.如权利要求1所述的基于博弈的雾网络协同调度激励方法，其特征在于根据计算服务收益和计算服务成本，计算服务提供控制器的服务净收益为：

其中，u_p为服务净收益；为最优计算服务报酬价格；l_i为卸载数据大小；R_i为信道容量；λ_i为计算资源百分比；C₀为最大计算速率；β为单位能耗价格；P₀为最大计算功率；为本地的最大计算速率。

10.一种基于博弈的雾网络协同调度激励系统，其特征在于包括处理器和存储器；所述存储器上存储有可用在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时实现如下步骤：

将服务请求节点的请求参数信息发送到所属的服务请求控制器；

根据预测的服务提供控制器的服务策略，计算服务请求控制器提供的最优计算服务报酬价格；并将所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略；

将所述最优计算服务策略发回到服务请求控制器，为服务请求节点制定卸载策略；

根据所述卸载策略为服务请求节点进行计算任务卸载。