CN110460650A - 多边缘服务器场景下计算卸载的决策方法及装置 - Google Patents
多边缘服务器场景下计算卸载的决策方法及装置 Download PDFInfo
- Publication number
- CN110460650A CN110460650A CN201910676634.1A CN201910676634A CN110460650A CN 110460650 A CN110460650 A CN 110460650A CN 201910676634 A CN201910676634 A CN 201910676634A CN 110460650 A CN110460650 A CN 110460650A
- Authority
- CN
- China
- Prior art keywords
- user terminal
- server
- channel
- under
- decision
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种多边缘服务器场景下计算卸载的决策方法及装置。方法包括:在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器;基于随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。本发明实施例提供的方法及装置,通过随机博弈技术,决策出每个用户终端进行计算卸载的最佳服务器和最佳信道,使得每个用户终端在通过决策出的目标服务器和目标信道进行计算卸载时,能量消耗小且处理时间短。
Description
技术领域
本发明涉及边缘计算技术领域,尤其涉及一种多边缘服务器场景下计算卸载的决策方法及装置。
背景技术
随着物联网技术的发展,近几年来移动计算的模型从集中式云计算向边缘计算发生转变。其中,集中式云计算指的是将每个用户终端的计算任务均卸载至云平台中心进行处理,边缘计算指的是将每个用户终端的计算任务均卸载至该用户终端附近的边缘服务器中进行处理。由于边缘服务器分布广泛且数量较多,因此,与传统的集中式云计算相比,边缘计算缓解了云平台中心的处理压力。
在多边缘服务器场景下,边缘服务器的密集部署造成边缘服务器的服务范围具有重叠性,多个边缘服务器可以服务同一用户终端,多个用户终端可以使用同一边缘服务器提供的服务。在该场景下,需要决策出每个用户终端进行计算任务卸载(简称计算卸载)的边缘服务器(即处理该用户终端的计算任务的边缘服务器)和信道(即向该边缘服务器传输该计算任务的信道)。
而对于多边缘服务器场景,现有技术中存在多种计算卸载的决策方法,但现有技术中多个用户终端中的部分用户终端通过决策出的边缘服务器和信道进行计算卸载时,能量消耗大且处理时间长。
发明内容
本发明实施例提供一种多边缘服务器场景下计算卸载的决策方法及装置,用以解决现有的多边缘服务器场景下计算卸载过程中能量消耗大且处理时间长的问题。
第一方面,本发明实施例提供一种多边缘服务器场景下计算卸载的决策方法,包括:
在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器;
基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。
进一步地,在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器,包括:
对于多个用户终端中的每个用户终端,将上一状态下所述用户终端基于服务器卸载成本公式,从所述用户终端对应的服务器集中选取的最小卸载成本对应的服务器,作为当前状态下所述用户终端对应的服务器;
若当前状态下每个用户终端对应的服务器与上一状态下对应用户终端对应的服务器一致,则将当前状态下每个用户终端对应的服务器作为所述目标服务器。
进一步地,基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,包括:
根据多个用户终端中每个用户终端对应的目标服务器,确定每个用户终端对应的信道集;
对于每个用户终端,将上一状态下所述用户终端基于信道卸载成本公式,从所述用户终端对应的信道集中选取的最小卸载成本对应的信道,作为当前状态下所述用户终端对应的信道;
若当前状态下每个用户终端对应的信道与上一状态下对应用户终端对应的信道一致,则将当前状态下每个用户终端对应的信道作为所述目标信道。
进一步地,若当前状态下任意一个用户终端对应的服务器与上一状态下对应用户终端对应的服务器不一致,则:
对于多个用户终端中的每个用户终端,在当前状态下,基于所述服务器卸载成本公式,从所述用户终端对应的服务器集中,确定下一状态下所述用户终端对应的服务器,并执行所述下一状态下与所述当前状态下每个用户终端对应的服务器是否一致的比较过程。
进一步地,若当前状态下任意一个用户终端对应的信道与上一状态下对应用户终端对应的信道不一致,则:
对于多个用户终端中的每个用户终端,在当前状态下,基于所述信道卸载成本公式,从所述用户终端对应的信道集中,确定下一状态下所述用户终端对应的信道,并执行所述下一状态下与所述当前状态下每个用户终端对应的信道是否一致的比较过程。
进一步地,所述服务器卸载成本公式为:
其中,di M表示选择服务器M,di m表示选择信道m,γi T为时间权重因子,为计算时延函数,pm(di M,di m)为状态转移概率函数,为信道卸载成本。
进一步地,所述信道卸载成本公式为:
其中,di m表示选择信道m,γi E为能量权重因子,Ei c(di m)为能量消耗函数,γi T为时间权重因子,为传输时延函数。
第二方面,本发明实施例提供一种多边缘服务器场景下计算卸载的决策装置,包括:
目标服务器决策模块,用于在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器;
目标信道决策模块,用于基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的多边缘服务器场景下计算卸载的决策方法及装置,在多边缘服务器场景下,通过随机博弈技术,先在第一阶段决策出用户终端进行计算卸载的目标服务器,再在第二阶段决策出用户终端进行计算卸载的目标信道。在两阶段的博弈之后,每个用户终端均能够获得进行计算卸载的最佳服务器和最佳信道,使得每个用户终端在通过决策出的目标服务器和目标信道进行计算卸载时,能量消耗小且处理时间短。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为多边缘服务器场景下的边缘计算系统的结构示意图;
图2为本发明实施例提供的一种多边缘服务器场景下计算卸载的决策方法流程图;
图3为本发明实施例提供的一种多边缘服务器场景下计算卸载的决策装置的结构示意图;
图4为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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。
为了更清楚地对本发明实施例进行说明,首先结合附图对多边缘服务器场景下的边缘计算系统进行说明,图1为多边缘服务器场景下的边缘计算系统的结构示意图,如图1所示,该系统包括:由6台边缘服务器组成的边缘云以及9个处于边缘云的服务范围内的用户终端。
将每台边缘服务器称为Mn,n={1,2,3,4,5,6},将每个用户终端称为MUi,i={1,2,3,4,5,6,7,8,9}。每台边缘服务器的服务范围在图中用虚线圆圈圈出,MU1仅在M1的服务范围内,MU2在M1和M6的服务范围内,其他用户终端具体处于哪个或哪几个边缘服务器的服务范围内可从图中清楚看出,本发明实施例对其不作过多描述。
每台边缘服务器具有对应的信道集,不同的边缘服务器对应的信道集相同或不同,本发明实施例对此不作具体限定。信道集中包括多条信道,用户终端在进行计算卸载时,可先从这6台边缘服务器中选择一台边缘服务器作为处理计算任务的目标服务器,再从目标服务器对应的信道集中选择一条信道作为传输该计算任务的目标信道。
对于用户终端MUi,若选择边缘服务器M和信道m进行计算卸载,那么,将边缘服务器M和信道m的组合称为用户终端MUi的计算卸载策略Di,且Di={di M,di m},其中,di M表示MUi选择边缘服务器M,di m表示MUi选择信道m。
该系统的边缘云的服务范围内存在9个用户终端,每个用户终端均拥有一个对应的计算卸载策略。对于用户终端MUi,将与该MUi选择相同的边缘服务器的用户终端组成的用户终端集定义为αi,表示与MUi选择相同边缘服务器进行计算卸载的用户终端数量,将与该MUi选择相同的信道的用户终端组成的用户终端集定义为βi,表示与MUi选择相同信道进行计算卸载的用户终端数量。其中,是一个指标函数,x为真时,值为1,x为假时,值为0。
图2为本发明实施例提供的一种多边缘服务器场景下计算卸载的决策方法流程图,如图2所示,为了解决上述技术问题,本发明实施例提供一种多边缘服务器场景下计算卸载的决策方法,其执行主体为能够决策用户终端进行计算卸载的边缘服务器和信道的任何设备,本发明实施例对此不作具体限定。该方法包括:
步骤201,在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器。
具体来说,在博弈论中,随机博弈是一类由一个或多个参与者进行的具有状态概率转移的动态博弈。随机博弈由一系列阶段组成,在博弈中每一阶段的起始,博弈处于某种特定状态,每一参与者选择某种行动,然后会获取取决于当前状态和所选择行动的收益。之后,博弈发展到下一阶段,处于一个新的随机状态,这一随机状态的分布取决于先前状态和各位参与者选择的行动。在新状态中重复上述过程,然后博弈继续进行有限或无限个数的阶段。如果随机博弈中参与者的数量有限并且每个博弈阶段可能的状态数量有限,那么随机博弈一般都存在一个纳什均衡,使得所有参与者能够达到自身期望收益的最佳值。
将本发明实施例中多边缘服务器场景下的边缘计算系统设定为图1所示的系统,该系统中包括:由6台边缘服务器组成的边缘云以及9个处于边缘云服务范围内的用户终端。
其中,6台边缘服务器分别为M1,M2,M3,M4,M5,M6,9个用户终端分别为MU1,MU2,MU3,MU4,MU5,MU6,MU7,MU8,MU9。对于某个用户终端来说,若其处于某台边缘服务器的服务范围内,则将该台服务器作为该用户终端对应的服务器。因此,由图1可知:
MU1对应的服务器集为{M1},MU2对应的服务器集为{M1,M6},MU3对应的服务器集为{M2,M6},MU4对应的服务器集为{M5,M6},MU5对应的服务器集为{M3,M6},MU6对应的服务器集为{M3},MU7对应的服务器集为{M3,M4,M6},MU8对应的服务器集为{M4,M5,M6},MU9对应的服务器集为{M3,M4}。
在步骤201中,能够基于随机博弈技术,在每个用户终端对应的服务器集中,决策出该用户终端进行计算卸载的目标服务器。例如,从MU2对应的服务器集{M1,M6}中,决策MU2对应的目标服务器为M1,从MU7对应的服务器集{M3,M4,M6}中,决策MU7对应的目标服务器为M3。
可以理解的是,步骤201中基于随机博弈技术决策每个用户终端进行计算卸载的目标服务器,能够使得每个用户终端达到自身期望收益的最佳值。
步骤202,基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。
具体来说,若在步骤201中决策出每个用户终端对应的目标服务器为:
MU1对应的目标服务器为M1,MU2对应的目标服务器为M1,MU3对应的目标服务器为M6,MU4对应的目标服务器为M5,MU5对应的目标服务器为M3,MU6对应的目标服务器为M3,MU7对应的目标服务器为M3,MU8对应的目标服务器为M6,MU9对应的目标服务器为M3。
并且,M1对应的信道集为{信道1,信道2,信道3},M3对应的信道集为{信道2,信道3},M5对应的信道集为{信道2,信道3,信道4},M6对应的信道集为{信道4,信道5}。为了便于描述,若某台服务器为某个用户终端对应的目标服务器,则将该台服务器对应的信道集称为该用户终端对应的信道集。
那么,在步骤202中,能够基于随机博弈技术,在每个用户终端对应的信道集中,决策出该用户终端进行计算卸载的目标信道。例如,从MU2对应的信道集{信道1,信道2,信道3}中,决策MU2对应的目标信道为信道3。
可以理解的是,步骤202中基于随机博弈技术决策每个用户终端进行计算卸载的目标信道,能够使得每个用户终端达到自身期望收益的最佳值。
对于MU2,在步骤201中决策出该用户终端对应的目标服务器为M1,在步骤202中决策出该用户终端对应的目标信道为信道3,则该用户终端基于服务器M1和信道3,执行计算卸载。也即,通过信道3将该用户终端的计算任务传输至服务器M1,并通过服务器M1处理该计算任务。
本发明实施例提供的多边缘服务器场景下计算卸载的决策方法,在多边缘服务器场景下,通过随机博弈技术,先在第一阶段决策出用户终端进行计算卸载的目标服务器,再在第二阶段决策出用户终端进行计算卸载的目标信道。在两阶段的博弈之后,每个用户终端均能够获得进行计算卸载的最佳服务器和最佳信道,使得每个用户终端在通过决策出的目标服务器和目标信道进行计算卸载时,能量消耗小且处理时间短。
基于上述任一实施例,在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器,包括:
对于多个用户终端中的每个用户终端,将上一状态下所述用户终端基于服务器卸载成本公式,从所述用户终端对应的服务器集中选取的最小卸载成本对应的服务器,作为当前状态下所述用户终端对应的服务器;
若当前状态下每个用户终端对应的服务器与上一状态下对应用户终端对应的服务器一致,则将当前状态下每个用户终端对应的服务器作为所述目标服务器。
具体来说,在初始状态(状态1)下,确定每个用户终端对应的服务器集,并为每个用户终端从其对应的服务器集中选取一个服务器,作为该状态(状态1)下用户终端对应的服务器。需要说明的是,此时可随机进行选取。
在初始状态(状态1)下,对于每个用户终端,根据服务器卸载成本公式,确定下一状态(状态2)下通过服务器集中每个服务器进行计算卸载的成本,并将最小卸载成本对应的服务器作为该用户终端在下一状态(状态2)下对应的服务器。
得到状态2下每个用户终端对应的服务器。
若状态2下每个用户对应的服务器均与状态1下对应用户终端对应的服务器一致,则将状态2下每个用户终端对应的服务器作为自身对应的目标服务器,从而使得每个用户终端通过对应的目标服务器进行计算卸载。
由此完成第一阶段的博弈过程,得到每个用户终端对应的最佳目标服务器。
基于上述任一实施例,基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,包括:
根据多个用户终端中每个用户终端对应的目标服务器,确定每个用户终端对应的信道集;
对于每个用户终端,将上一状态下所述用户终端基于信道卸载成本公式,从所述用户终端对应的信道集中选取的最小卸载成本对应的信道,作为当前状态下所述用户终端对应的信道;
若当前状态下每个用户终端对应的信道与上一状态下对应用户终端对应的信道一致,则将当前状态下每个用户终端对应的信道作为所述目标信道。
具体来说,本发明实施例为第二阶段的博弈过程,为了得到每个用户终端对应的最佳目标信道。
在初始状态(状态1’)下,确定每个用户终端对应的信道集(即每个用户终端对应的目标服务器的信道集),并为每个用户终端从其对应的信道集中选取一个信道,作为该状态(状态1’)下用户终端对应的信道。需要说明的是,此时可随机进行选取。
在初始状态(状态1’)下,对于每个用户终端,根据信道卸载成本公式,确定下一状态(状态2’)下通过信道集中每个信道进行计算卸载的成本,并将最小卸载成本对应的信道作为该用户终端在下一状态(状态2’)下对应的信道。
得到状态2’下每个用户终端对应的信道。
若状态2’下每个用户对应的信道均与状态1’下对应用户终端对应的信道一致,则将状态2’下每个用户终端对应的信道作为自身对应的目标信道,从而使得每个用户终端通过对应的目标信道进行计算卸载。
由此完成第二阶段的博弈过程,得到每个用户终端对应的最佳目标信道。
基于上述任一实施例,若当前状态下任意一个用户终端对应的服务器与上一状态下对应用户终端对应的服务器不一致,则:
对于多个用户终端中的每个用户终端,在当前状态下,基于所述服务器卸载成本公式,从所述用户终端对应的服务器集中,确定下一状态下所述用户终端对应的服务器,并执行所述下一状态下与所述当前状态下每个用户终端对应的服务器是否一致的比较过程。
具体来说,若在第一阶段的博弈过程中,状态2下与状态1下任意一个用户终端对应的服务器不一致,则在状态2下,对于每个用户终端,根据服务器卸载成本公式,确定下一状态(状态3)下通过服务器集中每个服务器进行计算卸载的成本,并将最小卸载成本对应的服务器作为该用户终端在下一状态(状态3)下对应的服务器。
得到状态3下每个用户终端对应的服务器。
若状态3下每个用户对应的服务器均与状态2下每个用户终端对应的服务器一致,则将状态3下每个用户终端对应的服务器作为自身对应的目标服务器,否则,重复执行上述过程直至状态n(n为大于3的整数)与状态n-1下每个用户终端对应的服务器一致,并将状态n下每个用户终端对应的服务器作为自身对应的目标服务器。
基于上述任一实施例,若当前状态下任意一个用户终端对应的信道与上一状态下对应用户终端对应的信道不一致,则:
对于多个用户终端中的每个用户终端,在当前状态下,基于所述信道卸载成本公式,从所述用户终端对应的信道集中,确定下一状态下所述用户终端对应的信道,并执行所述下一状态下与所述当前状态下每个用户终端对应的信道是否一致的比较过程。
具体来说,若在第二阶段的博弈过程中,状态2’下与状态1’下任意一个用户终端对应的信道不一致,则在状态2’下,对于每个用户终端,根据信道卸载成本公式,确定下一状态(状态3’)下通过信道集中每个信道进行计算卸载的成本,并将最小卸载成本对应的信道作为该用户终端在下一状态(状态3’)下对应的信道。
得到状态3’下每个用户终端对应的信道。
若状态3’下每个用户对应的信道均与状态2’下每个用户终端对应的信道一致,则将状态3’下每个用户终端对应的信道作为自身对应的目标信道,否则,重复执行上述过程直至状态n’(n’为大于3的整数)与状态n’-1下每个用户终端对应的信道一致,并将状态n’下每个用户终端对应的信道作为自身对应的目标信道。
基于上述任一实施例,所述服务器卸载成本公式为:
其中,di M表示选择服务器M,di m表示选择信道m,γi T为时间权重因子,为计算时延函数,pm(di M,di m)为状态转移概率函数,为信道卸载成本。
具体来说:
其中,si为完成MUi的计算任务i需要执行的指令数,sj为完成MUj的计算任务j需要执行的指令数,αi为与MUi选择相同的边缘服务器的用户终端组成的用户终端集,表示MUi选择的服务器为M,表示MUj选择的服务器为M,是一个指标函数,x为真时,值为1,x为假时,值为0,fM为服务器M单位时间内处理的指令条数。
在每个状态下,每个用户终端均通过上述公式,计算出该用户终端对应的服务器集中每个服务器的卸载成本,若某一用户终端对应的服务器集中的服务器有N(N为大于1的正整数)个,则可得到与N个服务器一一对应的N个卸载成本,从N个卸载成本中选择最小卸载成本,并将最小卸载成本对应的服务器作为该用户终端在该状态的下一状态下对应的服务器。
基于上述任一实施例,述信道卸载成本公式为:
其中,di m表示选择信道m,γi E为能量权重因子,Ei c(di m)为能量消耗函数,γi T为时间权重因子,为传输时延函数。
具体来说,
其中,bi为MUi的计算任务i在信道传输过程中需要传输的数据位数,pi为传输功率,wi为传输速率。
其中,bi为MUi的计算任务i在信道传输过程中需要传输的数据位数,wi为传输速率。
在每个状态下,每个用户终端均通过上述公式,计算出该用户终端对应的信道集中每个信道的卸载成本,若某一用户终端对应的信道集中的信道有N(N为大于1的正整数)个,则可得到与N个信道一一对应的N个卸载成本,从N个卸载成本中选择最小卸载成本,并将最小卸载成本对应的信道作为该用户终端在该状态的下一状态下对应的信道。
基于上述任一实施例,图3为本发明实施例提供的一种多边缘服务器场景下计算卸载的决策装置的结构示意图,如图3所示,该装置包括:
目标服务器决策模块301,用于在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器;
目标信道决策模块302,用于基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。
本发明实施例提供的多边缘服务器场景下计算卸载的决策装置,在多边缘服务器场景下,通过随机博弈技术,先在第一阶段决策出用户终端进行计算卸载的目标服务器,再在第二阶段决策出用户终端进行计算卸载的目标信道。在两阶段的博弈之后,每个用户终端均能够获得进行计算卸载的最佳服务器和最佳信道,使得每个用户终端在通过决策出的目标服务器和目标信道进行计算卸载时,能量消耗小且处理时间短。
基于上述任一实施例,目标服务器决策模块具体包括:
服务器确定单元,用于对于多个用户终端中的每个用户终端,将上一状态下所述用户终端基于服务器卸载成本公式,从所述用户终端对应的服务器集中选取的最小卸载成本对应的服务器,作为当前状态下所述用户终端对应的服务器;
服务器比对单元,用于若当前状态下每个用户终端对应的服务器与上一状态下对应用户终端对应的服务器一致,则将当前状态下每个用户终端对应的服务器作为所述目标服务器。
基于上述任一实施例,目标信道决策模块具体包括:
信道集确定单元,用于根据多个用户终端中每个用户终端对应的目标服务器,确定每个用户终端对应的信道集;
信道确定单元,用于对于每个用户终端,将上一状态下所述用户终端基于信道卸载成本公式,从所述用户终端对应的信道集中选取的最小卸载成本对应的信道,作为当前状态下所述用户终端对应的信道;
信道比对单元,用于若当前状态下每个用户终端对应的信道与上一状态下对应用户终端对应的信道一致,则将当前状态下每个用户终端对应的信道作为所述目标信道。
基于上述任一实施例,服务器比对单元还用于,若当前状态下任意一个用户终端对应的服务器与上一状态下对应用户终端对应的服务器不一致,则:
对于多个用户终端中的每个用户终端,在当前状态下,基于所述服务器卸载成本公式,从所述用户终端对应的服务器集中,确定下一状态下所述用户终端对应的服务器,并执行所述下一状态下与所述当前状态下每个用户终端对应的服务器是否一致的比较过程。
基于上述任一实施例,信道比对单元还用于,若当前状态下任意一个用户终端对应的信道与上一状态下对应用户终端对应的信道不一致,则:
对于多个用户终端中的每个用户终端,在当前状态下,基于所述信道卸载成本公式,从所述用户终端对应的信道集中,确定下一状态下所述用户终端对应的信道,并执行所述下一状态下与所述当前状态下每个用户终端对应的信道是否一致的比较过程。
综上所述,本发明实施例提供的方法及装置,在多边缘服务器场景下,通过随机博弈技术,先在第一阶段决策出用户终端进行计算卸载的目标服务器,再在第二阶段决策出用户终端进行计算卸载的目标信道。由于博弈中考虑的每个用户终端是自私的,且用户终端之间决策相互独立,互不了解,因此,在两阶段的博弈之后,每个用户终端均能够获得进行计算卸载的最佳服务器和最佳信道,并且,每个用户终端得到的最佳服务器和最佳信道,是用户终端根据自己的先验知识做出的最佳决策,并且具有良好的稳定性,不会有用户终端为了降低成本去改变决策。每个用户终端在通过决策出的目标服务器和目标信道进行计算卸载时,能量消耗小且处理时间短。
图4为本发明实施例提供的一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储在存储器403上并可在处理器401上运行的计算机程序,以执行上述各实施例提供的方法,例如包括:在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器;基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器;基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例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同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种多边缘服务器场景下计算卸载的决策方法,其特征在于,包括:
在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器;
基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。
2.根据权利要求1所述的多边缘服务器场景下计算卸载的决策方法,其特征在于,在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器,包括:
对于多个用户终端中的每个用户终端,将上一状态下所述用户终端基于服务器卸载成本公式,从所述用户终端对应的服务器集中选取的最小卸载成本对应的服务器,作为当前状态下所述用户终端对应的服务器;
若当前状态下每个用户终端对应的服务器与上一状态下对应用户终端对应的服务器一致,则将当前状态下每个用户终端对应的服务器作为所述目标服务器。
3.根据权利要求2所述的多边缘服务器场景下计算卸载的决策方法,其特征在于,基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,包括:
根据多个用户终端中每个用户终端对应的目标服务器,确定每个用户终端对应的信道集;
对于每个用户终端,将上一状态下所述用户终端基于信道卸载成本公式,从所述用户终端对应的信道集中选取的最小卸载成本对应的信道,作为当前状态下所述用户终端对应的信道;
若当前状态下每个用户终端对应的信道与上一状态下对应用户终端对应的信道一致,则将当前状态下每个用户终端对应的信道作为所述目标信道。
4.根据权利要求2所述的多边缘服务器场景下计算卸载的决策方法,其特征在于,若当前状态下任意一个用户终端对应的服务器与上一状态下对应用户终端对应的服务器不一致,则:
对于多个用户终端中的每个用户终端,在当前状态下,基于所述服务器卸载成本公式,从所述用户终端对应的服务器集中,确定下一状态下所述用户终端对应的服务器,并执行所述下一状态下与所述当前状态下每个用户终端对应的服务器是否一致的比较过程。
5.根据权利要求3所述的多边缘服务器场景下计算卸载的决策方法,其特征在于,若当前状态下任意一个用户终端对应的信道与上一状态下对应用户终端对应的信道不一致,则:
对于多个用户终端中的每个用户终端,在当前状态下,基于所述信道卸载成本公式,从所述用户终端对应的信道集中,确定下一状态下所述用户终端对应的信道,并执行所述下一状态下与所述当前状态下每个用户终端对应的信道是否一致的比较过程。
6.根据权利要求3所述的多边缘服务器场景下计算卸载的决策方法,其特征在于,所述服务器卸载成本公式为:
其中,di M表示选择服务器M,di m表示选择信道m,γi T为时间权重因子,为计算时延函数,pm(di M,di m)为状态转移概率函数,为信道卸载成本。
7.根据权利要求4或6所述的多边缘服务器场景下计算卸载的决策方法,其特征在于,所述信道卸载成本公式为:
其中,di m表示选择信道m,γi E为能量权重因子,Ei c(di m)为能量消耗函数,γi T为时间权重因子,为传输时延函数。
8.一种多边缘服务器场景下计算卸载的决策装置,其特征在于,包括:
目标服务器决策模块,用于在多边缘服务器场景下,基于随机博弈技术,在多个用户终端中的每个用户终端对应的服务器集中,决策每个用户终端对应的目标服务器;
目标信道决策模块,用于基于所述随机博弈技术,在每个用户终端对应的目标服务器的信道集中,决策每个用户终端对应的目标信道,以使得每个用户终端,基于对应的目标服务器和目标信道,执行计算卸载。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述多边缘服务器场景下计算卸载的决策方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述多边缘服务器场景下计算卸载的决策方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910676634.1A CN110460650B (zh) | 2019-07-25 | 2019-07-25 | 多边缘服务器场景下计算卸载的决策方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910676634.1A CN110460650B (zh) | 2019-07-25 | 2019-07-25 | 多边缘服务器场景下计算卸载的决策方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110460650A true CN110460650A (zh) | 2019-11-15 |
CN110460650B CN110460650B (zh) | 2022-02-15 |
Family
ID=68483412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910676634.1A Active CN110460650B (zh) | 2019-07-25 | 2019-07-25 | 多边缘服务器场景下计算卸载的决策方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110460650B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112995280A (zh) * | 2021-02-03 | 2021-06-18 | 北京邮电大学 | 面向多内容需求服务的数据分配方法和装置 |
CN113596106A (zh) * | 2021-07-07 | 2021-11-02 | 北京信息科技大学 | 基于多边缘服务器协作的时延敏感型切片资源调度方法 |
CN113726862A (zh) * | 2021-08-20 | 2021-11-30 | 北京信息科技大学 | 多边缘服务器网络下的计算卸载方法及装置 |
US11340956B2 (en) | 2020-09-11 | 2022-05-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for dynamic prediction and optimization of edge server scheduling |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107465748A (zh) * | 2017-08-18 | 2017-12-12 | 东南大学 | 移动边缘云计算系统中基于演进博弈的动态资源分配方法 |
CN107819840A (zh) * | 2017-10-31 | 2018-03-20 | 北京邮电大学 | 超密集网络架构中分布式移动边缘计算卸载方法 |
CN108809695A (zh) * | 2018-04-28 | 2018-11-13 | 国网浙江省电力有限公司电力科学研究院 | 一种面向移动边缘计算的分布上行链路卸载策略 |
CN108920279A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种多用户场景下的移动边缘计算任务卸载方法 |
CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算系统中基于分层博弈的联合资源分配方法 |
-
2019
- 2019-07-25 CN CN201910676634.1A patent/CN110460650B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107465748A (zh) * | 2017-08-18 | 2017-12-12 | 东南大学 | 移动边缘云计算系统中基于演进博弈的动态资源分配方法 |
CN107819840A (zh) * | 2017-10-31 | 2018-03-20 | 北京邮电大学 | 超密集网络架构中分布式移动边缘计算卸载方法 |
CN108809695A (zh) * | 2018-04-28 | 2018-11-13 | 国网浙江省电力有限公司电力科学研究院 | 一种面向移动边缘计算的分布上行链路卸载策略 |
CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算系统中基于分层博弈的联合资源分配方法 |
CN108920279A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种多用户场景下的移动边缘计算任务卸载方法 |
Non-Patent Citations (1)
Title |
---|
JIANCHAO ZHENG等: "Stochastic Computation Offloading Game for Mobile Cloud Computing", 《IEEE XPLORE》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11340956B2 (en) | 2020-09-11 | 2022-05-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for dynamic prediction and optimization of edge server scheduling |
CN112995280A (zh) * | 2021-02-03 | 2021-06-18 | 北京邮电大学 | 面向多内容需求服务的数据分配方法和装置 |
CN113596106A (zh) * | 2021-07-07 | 2021-11-02 | 北京信息科技大学 | 基于多边缘服务器协作的时延敏感型切片资源调度方法 |
CN113596106B (zh) * | 2021-07-07 | 2023-06-06 | 北京信息科技大学 | 基于多边缘服务器协作的时延敏感型切片资源调度方法 |
CN113726862A (zh) * | 2021-08-20 | 2021-11-30 | 北京信息科技大学 | 多边缘服务器网络下的计算卸载方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110460650B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110460650A (zh) | 多边缘服务器场景下计算卸载的决策方法及装置 | |
CN112181666B (zh) | 一种基于边缘智能的设备评估和联邦学习重要性聚合方法 | |
CN110418356A (zh) | 一种计算任务卸载方法、装置及计算机可读存储介质 | |
CN108197285A (zh) | 一种数据推荐方法以及装置 | |
CN112272102B (zh) | 边缘网络业务卸载和调度方法及装置 | |
CN102724219A (zh) | 网络数据的计算机处理方法及系统 | |
CN109548031A (zh) | 一种非平衡边缘云网络接入与资源分配机制 | |
CN109582452A (zh) | 一种容器调度方法、调度装置及电子设备 | |
CN107229966A (zh) | 一种模型数据更新方法、装置及系统 | |
WO2021197388A1 (zh) | 一种联邦学习中用户的索引方法及联邦学习装置 | |
CN107871262A (zh) | 一种订单分配处理方法及服务器 | |
CN108964671A (zh) | 一种译码方法及译码器 | |
CN116431282A (zh) | 一种云虚拟主机服务器管理方法、装置、设备及存储介质 | |
CN106982250A (zh) | 信息推送方法及装置 | |
CN106651564B (zh) | 一种目标客户获取方法及系统 | |
CN110222297B (zh) | 一种标签用户的识别方法以及相关设备 | |
CN109450684B (zh) | 一种网络切片系统物理节点容量扩充方法及装置 | |
CN104765776B (zh) | 一种数据样本的聚类方法和装置 | |
CN106681803A (zh) | 一种任务调度方法及服务器 | |
CN103795788B (zh) | 即时通讯服务器的负载均衡方法和负载均衡服务器 | |
CN102845028A (zh) | 一种资源分配的方法及装置 | |
CN109634556A (zh) | 一种乘累加器及累加输出方法 | |
CN107886112A (zh) | 一种对象聚类方法、装置及存储设备 | |
CN113791879A (zh) | 云平台的任务调度方法、装置、设备和计算机存储介质 | |
CN110288604A (zh) | 基于K-means的图像分割方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |