CN111163178A - 一种边缘计算中基于博弈论的服务部署及任务卸载方法 - Google Patents

一种边缘计算中基于博弈论的服务部署及任务卸载方法 Download PDF

Info

Publication number
CN111163178A
CN111163178A CN202010027936.9A CN202010027936A CN111163178A CN 111163178 A CN111163178 A CN 111163178A CN 202010027936 A CN202010027936 A CN 202010027936A CN 111163178 A CN111163178 A CN 111163178A
Authority
CN
China
Prior art keywords
service
deployment
edge
node
cloud
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
Application number
CN202010027936.9A
Other languages
English (en)
Other versions
CN111163178B (zh
Inventor
王子通
龚迎莎
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN202010027936.9A priority Critical patent/CN111163178B/zh
Publication of CN111163178A publication Critical patent/CN111163178A/zh
Application granted granted Critical
Publication of CN111163178B publication Critical patent/CN111163178B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/042—Backward inferencing
    • 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
    • H04L67/63—Routing a service request depending on the request content or context

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer And Data Communications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供一种边缘计算中基于博弈论的服务部署及任务卸载方法，首先结合排队论来表示服务请求在边缘节点上配置的请求率和服务率，其次利用两个阶段的斯塔克尔伯格博弈将服务提供商与用户的服务请求之间的交互模型化；最后通过剪枝方法求解纳什均衡，大大降低了求解纳什均衡的时间复杂度；本发明的有益效果是：在考虑异构且资源受限的边缘节点服务部署的情况下，提出了一种联合服务部署和计算卸载的优化方案，该方案有效降低了系统时延，提升了任务执行效率。

Description

一种边缘计算中基于博弈论的服务部署及任务卸载方法
技术领域
本发明涉及边缘计算领域，尤其涉及一种边缘计算中基于博弈论的服务部署及任务卸载方法。
背景技术
近年来，随着物联网设备和数据的爆发式增长，人们对数据服务和数据传输速率的要求越来越高，基于云计算模型的集中制服务逐渐显露出其在实时性、网络制约、资源开销和隐私保护上的不足，新型的终端设备虽然计算能力得到了很大的提升，但是也不及节点且有电池容量的局限。根据边缘计算的概念，移动设备作为资源的需求方把繁重的计算任务卸载到边缘节点上，降低了本地处理服务的时延和能耗。边缘计算作为与云计算互补的计算模型，将计算任务放置在离数据较近的位置从而有效降低网络传输的时延。现如今，越来越多的应用开始借助边缘计算，着重利用网络中的边缘节点以达到更高的计算效率和资源利用率。由于用户隐私数据可以存储在边缘设备而不是云端节点上，减少了隐私数据的传输，在一定程度上规避了隐私泄露的风险。得益于边缘计算的这些优势，近年来边缘计算得到了学术界和工业界的肯定，并获得了突飞猛进的发展。
但是相较于云节点而言，边缘节点在可用资源上的限制要远远多于云环境。由于边缘节点的种类繁多，所以边缘环境类似于异构计算平台，每个边缘节点的计算能力、存储能力、操作系统等都在差异，而且，大部分边缘节点在性能上不如云端节点，比如存储资源的限制，不能部署大规模重量级的服务。由于资源的相对匮乏，在处理不同服务请求的时候，更容易产生资源竞争，导致计算单元的任务执行速度降低、数据处理时延增加。
边缘节点由于存储和计算能力有限，不可能部署所有类型的服务。现有的方案中，没有综合考虑服务部署以及任务卸载，导致资源的利用率较低。
发明内容
本发明针对现有技术不足，考虑了云计算中心的服务放置问题，以及如何在系统中分配服务请求来满足服务需求，以最大程度地缩短其完成时间。本发明提供的一种边缘计算中基于博弈论的服务部署及任务卸载方法，具体包括：
S101：采用排队论表示边缘节点e请求服务s到达率为
Figure BDA0002363152440000021
边缘节点e的服务率为
Figure BDA0002363152440000022
S102：根据所述到达率
Figure BDA0002363152440000023
和所述服务率
Figure BDA0002363152440000024
计算边缘节点时间开销
Figure BDA0002363152440000025
S103：计算云端时间开销
Figure BDA0002363152440000026
S104：根据所述边缘节点的时间开销
Figure BDA0002363152440000027
和所述云端时间开销
Figure BDA0002363152440000028
计算总体开销C(d)；
S105：构建两阶段的斯塔克尔伯格博弈模型，并根据所述总体开销C(d)构建约束条件，求解两阶段斯塔克尔伯格博弈模型的离散解；
S106：采用剪枝算法在所述离散解中，找到纳什均衡解。
进一步地，步骤S102中，所述边缘节点时间开销
Figure BDA0002363152440000029
计算式如公式(1)所示：
Figure BDA00023631524400000210
进一步地，步骤S103中，云端时间开销
Figure BDA00023631524400000211
计算式如式(2)：
Figure BDA00023631524400000212
式(2)中，c表示云端，
Figure BDA00023631524400000213
表示用户向云端请求服务s的到达率；τc为云端处理服务的平均完成时间。
进一步地，步骤S104中，系统总体开销C(d)的计算式如式(3)：
Figure BDA00023631524400000214
式(3)中，Ci(di)表示第i个服务请求的时间开销，i表示服务序号，其中，i＝1,2,…,m，m为服务请求总数；εs(d)＝{X1e1,X2e2,...,Xkek}，表示根据部署策略d部署服务s的边缘节点的集合，ej表示部署了服务s的边缘节点集合中的第j个边缘节点，j＝1,2,…,k，k为部署了服务s的边缘节点的总个数；δ表示所有的服务请求集合；
Figure BDA0002363152440000031
分别表示用户向边缘节点e请求服务i的时间和用户向云端请求服务i的时间。
进一步地，步骤S105中构建两阶段的斯塔克尔伯格博弈模型调整服务部署策略，通过相应约束条件，求解两阶段斯塔克尔伯格博弈模型的离散解具体为：
S201：斯塔克尔伯格博弈模型中，领导者为云服务提供商，跟随者为用户；第一阶段中，所述云服务提供商确定服务部署策略d；
S202：第二阶段中，根据第一阶段确定的服务部署策略d确定计算任务的约束条件，如式(4)：
Figure BDA0002363152440000032
式(4)中，δe表示边缘节点e上的服务集合；μe表示边缘节点e的服务总处理能力；λs表示对服务s的总请求率；
Figure BDA0002363152440000033
表示用户向云端请求服务s的到达率；δe(d)表示根据部署策略d部署了在边缘节点e上的服务集合；d表示服务s的部署策略，
Figure BDA0002363152440000034
表示是否在边缘节点e上部署服务s；若在边缘节点e上部署服务s，则
Figure BDA0002363152440000035
为1，否则为0；
S203：根据所述约束条件，利用拉格朗日乘子法，构建约束条件方程；
S204：利用所述约束条件方程，通过KKT条件，得到反应方程；
S205：利用所述反应方程的反向归纳方法，得到云服务提供商的离散解。
进一步地，步骤S203中，所述约束条件方程具体如式(5)：
Figure BDA0002363152440000041
式(5)中，αe、βe和γe均为拉格朗日乘子，且均为预设值。
进一步地，步骤S204中，所述反应方程具体如式(6)：
Figure BDA0002363152440000042
式(6)中，
Figure BDA0002363152440000043
表示除了边缘节点e，请求其他部署服务s的边缘节点的请求率之和。
进一步地，步骤S106中，利用剪枝算法在所述两阶段斯塔克尔伯格博弈模型的离散解中，找到纳什均衡解，剪枝算法具体步骤如下：
S301：利用所述两阶段斯塔克尔伯格博弈模型的离散解构造多叉树t；获取双向队列Q；初始化到达叶子节点标志rank＝1、多叉树每层的节点数level＝0、下一层的节点数next_level＝0、服务请求率的序数num＝0；
S302：将所述服务请求率λs按降序排队；
S303：将单过程部署策略入队；
S304：判断所述队列Q是否为空？若是，所述单过程部署策略出队，并到步骤S305；否则，跳转至步骤S310；
S305：计算单过程部署策略出队的策略开销；将多叉树每层的节点数level更新为level-1；
S306：判断是否还存在更好的策略？若是，则计算当前部署策略的开销和下一个请求的部署策略开销；否则跳转至步骤S310；其中，判断是否还存在更好策略的判断条件为：单过程部署策略开销是否小于2m？m为服务请求总数；
S307：将当前部署策略插入多叉树t；将下一个请求的部署策略入队；将所述下一层的节点数next_level更新为next_level+1；
S308：判断所述多叉树每层的节点数level是否为0？若是，则将level更新为next_level；并将所述服务请求率的序数num更新为num+1；将所述到达叶子节点标志rank更新为rank+1，并跳转至步骤S306；否则进入步骤S309；
S309：判断服务请求率的序数num是否等于服务请求总数m？若是，则得到一颗完整的含有一个或者多个具有最小开销部署策略的多叉树，即所述纳什均衡解；在具有多个具有最小开销部署策略的多叉树时，任意选择一个作为部署策略；否则跳转至步骤S304；
S310：结束。
本发明提供的技术方案带来的有益效果是：在考虑异构且资源受限的边缘节点服务部署的情况下，提出了一种联合服务部署和计算卸载的优化方案，该方案有效降低了系统时延，提升了任务执行效率。
附图说明
图1为本发明实施例中一种边缘计算中基于博弈论的服务部署及任务卸载方法的流程图；
图2为本发明实施例中一种边缘计算中基于博弈论的服务部署及任务卸载方法的剪枝方法流程图；
图3为本发明实施例中服务请求率增加对系统时延的影响；
图4为本发明实施例中服务请求数目增加对系统时延的影响；
图5为本发明实施例中边缘服务器数目对系统时延的影响；
图6为边缘服务器性能对系统时延的影响。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
请参考图1，本发明的实施例提供了一种边缘计算中基于博弈论的服务部署及任务卸载方法的，具体包括：
S101：采用排队论表示边缘节点e请求服务s到达率为
Figure BDA0002363152440000061
边缘节点e的服务率为
Figure BDA0002363152440000062
S102：根据所述到达率
Figure BDA0002363152440000063
和所述服务率
Figure BDA0002363152440000064
计算边缘节点时间开销
Figure BDA0002363152440000065
S103：计算云端时间开销
Figure BDA0002363152440000066
S104：根据所述边缘节点的时间开销
Figure BDA0002363152440000067
和所述云端时间开销
Figure BDA0002363152440000068
计算总体开销C(d)；
S105：构建两阶段的斯塔克尔伯格博弈模型，并根据所述总体开销C(d)构建约束条件，求解两阶段斯塔克尔伯格博弈模型的离散解；
S106：采用剪枝算法在所述离散解中，找到纳什均衡解。
步骤S102中，所述边缘节点时间开销
Figure BDA0002363152440000069
计算式如公式(1)所示：
Figure BDA00023631524400000610
步骤S103中，云端时间开销
Figure BDA00023631524400000611
计算式如式(2)：
Figure BDA00023631524400000612
式(2)中，c表示云端，
Figure BDA00023631524400000613
表示用户向云端请求服务s的到达率；τc为云端处理服务的平均完成时间。
步骤S104中，系统总体开销C(d)的计算式如式(3)：
Figure BDA00023631524400000614
式(3)中，Ci(di)表示第i个服务请求的时间开销，i表示服务序号，其中，i＝1,2,…,m，m为服务请求总数；εs(d)＝{X1e1,X2e2,...,Xkek}，表示根据部署策略d部署服务s的边缘节点的集合，ej表示部署了服务s的边缘节点集合中的第j个边缘节点，j＝1,2,…,k，k为部署了服务s的边缘节点的总个数；δ表示所有的服务请求集合；
Figure BDA0002363152440000071
分别表示用户向边缘节点e请求服务i的时间和用户向云端请求服务i的时间。
步骤S105中构建两阶段的斯塔克尔伯格博弈模型调整服务部署策略，通过相应约束条件，求解两阶段斯塔克尔伯格博弈模型的离散解具体为：
S201：斯塔克尔伯格博弈模型中，领导者为云服务提供商，跟随者为用户；第一阶段中，所述云服务提供商确定服务部署策略d；
S202：第二阶段中，根据第一阶段确定的服务部署策略d确定计算任务的约束条件，如式(4)：
Figure BDA0002363152440000072
式(4)中，δe表示边缘节点e上的服务集合；μe表示边缘节点e的服务总处理能力；λs表示对服务s的总请求率；λsc表示用户向云端请求服务s的到达率；δe(d)表示根据部署策略d部署了在边缘节点e上的服务集合；d表示服务s的部署策略，
Figure BDA0002363152440000073
表示是否在边缘节点e上部署服务s；若在边缘节点e上部署服务s，则
Figure BDA0002363152440000074
为1，否则为0；
S203：根据所述约束条件，利用拉格朗日乘子法，构建约束条件方程；
S204：利用所述约束条件方程，通过KKT条件，得到反应方程；
S205：利用所述反应方程的反向归纳方法，得到云服务提供商的离散解。
步骤S203中，所述约束条件方程具体如式(5)：
Figure BDA0002363152440000081
式(5)中，αe、βe和γe均为拉格朗日乘子，且均为预设值。
步骤S204中，所述反应方程具体如式(6)：
Figure BDA0002363152440000082
式(6)中，
Figure BDA0002363152440000083
表示除了边缘节点e，请求其他部署服务s的边缘节点的请求率之和。
请参考图2，图2为本发明实施例中一种边缘计算中基于博弈论的服务部署及任务卸载方法的剪枝方法流程图；步骤S106中，利用剪枝算法在所述两阶段斯塔克尔伯格博弈模型的离散解中，找到纳什均衡解，剪枝算法具体步骤如下：
S301：利用所述两阶段斯塔克尔伯格博弈模型的离散解构造多叉树t；获取双向队列Q；初始化到达叶子节点标志rank＝1、多叉树每层的节点数level＝0、下一层的节点数next_level＝0、服务请求率的序数num＝0；
S302：将所述服务请求率λs按降序排队；
S303：将单过程部署策略入队；
S304：判断所述队列Q是否为空？若是，所述单过程部署策略出队，并到步骤S305；否则，跳转至步骤S310；
S305：计算单过程部署策略出队的策略开销；将多叉树每层的节点数level更新为level-1；
S306：判断是否还存在更好的策略？若是，则计算当前部署策略的开销和下一个请求的部署策略开销；否则跳转至步骤S310；其中，判断是否还存在更好策略的判断条件为：单过程部署策略开销是否小于2m？m为服务请求总数；
S307：将当前部署策略插入多叉树t；将下一个请求的部署策略入队；将所述下一层的节点数next_level更新为next_level+1；
S308：判断所述多叉树每层的节点数level是否为0？若是，则将level更新为next_level；并将所述服务请求率的序数num更新为num+1；将所述到达叶子节点标志rank更新为rank+1，并跳转至步骤S306；否则进入步骤S309；
S309：判断服务请求率的序数num是否等于服务请求总数m？若是，则得到一颗完整的含有一个或者多个具有最小开销部署策略的多叉树，即所述纳什均衡解；在具有多个具有最小开销部署策略的多叉树时，任意选择一个作为部署策略；否则跳转至步骤S304；
S310：结束。
本申请中，通过模拟仿真实验来证明提出的方法的性能优势，当服务请求率递增，进行不同方法的实验对比，请参考图3，图3为本发明实施例中服务请求率增加对系统时延的影响；NE——纳什均衡策略；Greedy——贪心策略；Equal——均分策略；Random——随机策略；Cloud——云计算策略，即所有请求都在云端进行处理从图3中实验图中可以明显观测出，采用纳什均衡方案的整体处理时延相较于贪心、均分、随机分配方案和云计算方案相比，具有显著优势。这个现象主要是由于随着服务请求率增加，单位时间的任务处理量增大，几种分配方案的处理时延均会有不同程度的增加，但纳什均衡方案将会更好地利用现有边缘服务器的有限资源，合理分配计算力，使得整个系统的处理时延较小。
贪心策略会优先占用性能好的边缘服务器，而不会从全局进行考虑，从而导致系统时延劣于本发明提出的方案；平均分配方案对于边缘服务器的资源占用是公平的，但由于请求率存在差异，平均分配不能使得物尽其用，存在资源闲置或浪费等现象，故不能够很好适应不同请求率变化而使资源合理分配；云计算方案是所有服务请求，全部在云端上处理，不经过边缘服务器，故其系统实验与边缘服务器无关；随机分配方案是产生一系列0-1之间和为1的随机数作为资源分配的百分比，主要用于作其他方法的对照组。
在有限的边缘服务器资源条件下，服务服务请求数目的增加而服务请求率的大小保持不变，请参考图4，图4为服务请求数目增加对系统时延的影响；图4中系统的处理时延首先会逐步上升，最终会趋向平缓增加。这是由于随着服务请求数目增加，系统内总任务处理量增加，处理时间也会随之增加，但由于边缘服务器的计算能力有限，当边缘服务器的算力满负荷时，无论如何进行资源分配，额外的任务全部交由云计算中心处理，最终增长趋势趋向于一致放缓，但纳什均衡方案相较其他资源分配方案仍具有最低的时间开销。
随着边缘服务器数目的增多，在相同服务请求数目不变的条件下，五种资源分配方案的系统开销折线图总体都呈下降趋势，最终达到平稳状态。这是由于边缘服务器数目增加，系统总体的计算能力显著提升，对现有的服务请求逐步变为资源过剩的状态，即计算任务全部卸载到边缘服务器上也可以完成现有任务，由于只采用云计算方案与边缘服务器无关，所以稳定不变。此时，对于资源的边缘服务器上合理分配，显得尤为重要。请参考图5，图5为本发明实施例中边缘服务器数目对系统时延的影响；从图5可以看出，纳什均衡方案仍具有最低的处理时延开销，且对比其他分配方案的优势也越来越大，也能够很好地支持当前的服务请求。
请参考图6，图6为边缘服务器性能对系统时延的影响；除了边缘服务器数目对整体时延有影响外，边缘服务器的性能对整体时延也有着很大的影响，图6中，假设其他的实验参数不变，随着边缘服务器能力的提升，除了云计算方案，四种资源分配方案折线图都呈下降趋势，但纳什均衡方案下降幅度最大，具有最低的处理时延开销，表明纳什均衡的资源分配方案具有较强的可行性和实用性。
本发明的有益效果是：在考虑异构且资源受限的边缘节点服务部署的情况下，提出了一种联合服务部署和计算卸载的优化方案，该方案有效降低了系统时延，提升了任务执行效率。
在本文中，所涉及的前、后、上、下等方位词是以附图中各装置位于图中以及设备相互之间的位置来定义的，只是为了表达技术方案的清楚及方便。应当理解，所述方位词的使用不应限制本申请请求保护的范围。
在不冲突的情况下，本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种边缘计算中基于博弈论的服务部署及任务卸载方法，其特征在于：具体包括以下步骤：
S101：采用排队论表示边缘节点e请求服务s到达率为
Figure FDA0002363152430000011
边缘节点e的服务率为
Figure FDA0002363152430000012
S102：根据所述到达率
Figure FDA0002363152430000013
和所述服务率
Figure FDA0002363152430000014
计算边缘节点时间开销
Figure FDA0002363152430000015
S103：计算云端时间开销
Figure FDA0002363152430000016
S104：根据所述边缘节点的时间开销
Figure FDA0002363152430000017
和所述云端时间开销
Figure FDA0002363152430000018
计算总体开销C(d)；
S105：构建两阶段的斯塔克尔伯格博弈模型，并根据所述总体开销C(d)构建约束条件，求解两阶段斯塔克尔伯格博弈模型的离散解；
S106：采用剪枝算法在所述离散解中，找到纳什均衡解。
2.如权利要求1所述的一种边缘计算中基于博弈论的服务部署及任务卸载方法，其特征在于：步骤S102中，所述边缘节点时间开销
Figure FDA0002363152430000019
计算式如公式(1)所示：
Figure FDA00023631524300000110
3.如权利要求2所述的一种边缘计算中基于博弈论的服务部署及任务卸载方法，其特征在于：步骤S103中，云端时间开销
Figure FDA00023631524300000111
计算式如式(2)：
Figure FDA00023631524300000112
式(2)中，c表示云端，
Figure FDA00023631524300000113
表示用户向云端请求服务s的到达率；τc为云端处理服务的平均完成时间。
4.如权利要求3所述的一种边缘计算中基于博弈论的服务部署及任务卸载方法，其特征在于：步骤S104中，系统总体开销C(d)的计算式如式(3)：
Figure FDA0002363152430000021
式(3)中，Ci(di)表示第i个服务请求的时间开销，i表示服务序号，其中，i＝1,2,…,m，m为服务请求总数；εs(d)＝{X1e1,X2e2,...,Xkek}，表示根据部署策略d部署服务s的边缘节点的集合，ej表示部署了服务s的边缘节点集合中的第j个边缘节点，j＝1,2,…,k，k为部署了服务s的边缘节点的总个数；δ表示所有的服务请求集合；Ti e和Ti c分别表示用户向边缘节点e请求服务i的时间和用户向云端请求服务i的时间。
5.如权利要求4所述的一种边缘计算中基于博弈论的服务部署及任务卸载方法，其特征在于：步骤S105中构建两阶段的斯塔克尔伯格博弈模型调整服务部署策略，通过相应约束条件，求解两阶段斯塔克尔伯格博弈模型的离散解具体为：
S201：斯塔克尔伯格博弈模型中，领导者为云服务提供商，跟随者为用户；第一阶段中，所述云服务提供商确定服务部署策略d；
S202：第二阶段中，根据第一阶段确定的服务部署策略d确定计算任务的约束条件，如式(4)：
Figure FDA0002363152430000022
式(4)中，δe表示边缘节点e上的服务集合；μe表示边缘节点e的服务总处理能力；λs表示对服务s的总请求率；
Figure FDA0002363152430000023
表示用户向云端请求服务s的到达率；δe(d)表示根据部署策略d部署了在边缘节点e上的服务集合；d表示服务s的部署策略，
Figure FDA0002363152430000024
Figure FDA0002363152430000025
表示是否在边缘节点e上部署服务s；若在边缘节点e上部署服务s，则
Figure FDA0002363152430000031
为1，否则为0；
S203：根据所述约束条件，利用拉格朗日乘子法，构建约束条件方程；
S204：利用所述约束条件方程，通过KKT条件，得到反应方程；
S205：利用所述反应方程的反向归纳方法，得到云服务提供商的离散解。
6.如权利要求5所述的一种边缘计算中基于博弈论的服务部署及任务卸载方法，其特征在于：步骤S203中，所述约束条件方程具体如式(5)：
Figure FDA0002363152430000032
式(5)中，αe、βe和γe均为拉格朗日乘子，且均为预设值。
7.如权利要求6所述的一种边缘计算中基于博弈论的服务部署及任务卸载方法，其特征在于：步骤S204中，所述反应方程具体如式(6)：
Figure FDA0002363152430000033
式(6)中，
Figure FDA0002363152430000034
表示除了边缘节点e，请求其他部署服务s的边缘节点的请求率之和。
8.如权利要求7所述的一种边缘计算中基于博弈论的服务部署及任务卸载方法，其特征在于：步骤S106中，利用剪枝算法在所述两阶段斯塔克尔伯格博弈模型的离散解中，找到纳什均衡解，剪枝算法具体步骤如下：
S301：利用所述两阶段斯塔克尔伯格博弈模型的离散解构造多叉树t；获取双向队列Q；初始化到达叶子节点标志rank＝1、多叉树每层的节点数level＝0、下一层的节点数next_level＝0、服务请求率的序数num＝0；
S302：将所述服务请求率λs按降序排队；
S303：将单过程部署策略入队；
S304：判断所述队列Q是否为空？若是，所述单过程部署策略出队，并到步骤S305；否则，跳转至步骤S310；
S305：计算单过程部署策略出队的策略开销；将多叉树每层的节点数level更新为level-1；
S306：判断是否还存在更好的策略？若是，则计算当前部署策略的开销和下一个请求的部署策略开销；否则跳转至步骤S310；其中，判断是否还存在更好策略的判断条件为：单过程部署策略开销是否小于2m？m为服务请求总数；
S307：将当前部署策略插入多叉树t；将下一个请求的部署策略入队；将所述下一层的节点数next_level更新为next_level+1；
S308：判断所述多叉树每层的节点数level是否为0？若是，则将level更新为next_level；并将所述服务请求率的序数num更新为num+1；将所述到达叶子节点标志rank更新为rank+1，并跳转至步骤S306；否则进入步骤S309；
S309：判断服务请求率的序数num是否等于服务请求总数m？若是，则得到一颗完整的含有一个或者多个具有最小开销部署策略的多叉树，即所述纳什均衡解；在具有多个具有最小开销部署策略的多叉树时，任意选择一个作为部署策略；否则跳转至步骤S304；
S310：结束。
CN202010027936.9A 2020-01-10 2020-01-10 一种边缘计算中基于博弈论的服务部署及任务卸载方法 Expired - Fee Related CN111163178B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010027936.9A CN111163178B (zh) 2020-01-10 2020-01-10 一种边缘计算中基于博弈论的服务部署及任务卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010027936.9A CN111163178B (zh) 2020-01-10 2020-01-10 一种边缘计算中基于博弈论的服务部署及任务卸载方法

Publications (2)

Publication Number Publication Date
CN111163178A true CN111163178A (zh) 2020-05-15
CN111163178B CN111163178B (zh) 2021-03-30

Family

ID=70562463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010027936.9A Expired - Fee Related CN111163178B (zh) 2020-01-10 2020-01-10 一种边缘计算中基于博弈论的服务部署及任务卸载方法

Country Status (1)

Country Link
CN (1) CN111163178B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111949409A (zh) * 2020-08-20 2020-11-17 全球能源互联网研究院有限公司 一种电力无线异构网中计算任务卸载方法及系统
CN111988168A (zh) * 2020-07-24 2020-11-24 北京邮电大学 边缘服务部署方法、装置及电子设备
CN112799843A (zh) * 2021-02-01 2021-05-14 中国地质大学（北京） 一种基于边缘计算的在线自适应服务配置优化方法及装置
CN113051357A (zh) * 2021-03-08 2021-06-29 中国地质大学（武汉） 一种基于博弈论的矢量地图最优化局部脱敏方法
CN113225385A (zh) * 2021-04-16 2021-08-06 天津大学 面向边缘计算环境的基于博弈理论的微服务请求分发方法
CN113365290A (zh) * 2021-06-10 2021-09-07 中山大学 天地融合网络中基于贪心策略的博弈论计算卸载方法
CN114723567A (zh) * 2022-06-10 2022-07-08 深圳市润璟元信息科技有限公司 一种基于区块链技术的金融数据化信息分布式交易系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103634848A (zh) * 2013-12-02 2014-03-12 哈尔滨工业大学 基于非合作博弈资源分配的3g/wlan异构网络接入控制方法
US20140269314A1 (en) * 2013-03-15 2014-09-18 General Instrument Corporation Adaptive resource management for multi-screen video applications over cable wi-fi networks
CN108900628A (zh) * 2018-07-20 2018-11-27 南京工业大学 边缘计算环境中基于定价机制的微云计算资源分配方法
US20190007214A1 (en) * 2017-02-14 2019-01-03 Cloudflare, Inc. Providing cross site request forgery protection at an edge server
CN109379727A (zh) * 2018-10-16 2019-02-22 重庆邮电大学 车联网中基于mec的任务分布式卸载与协作执行方案
CN109391681A (zh) * 2018-09-14 2019-02-26 重庆邮电大学 基于mec的v2x移动性预测与内容缓存卸载方案
CN110351352A (zh) * 2019-07-03 2019-10-18 中山大学 边缘计算或雾计算环境下基于激励机制的微计算集群形成方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140269314A1 (en) * 2013-03-15 2014-09-18 General Instrument Corporation Adaptive resource management for multi-screen video applications over cable wi-fi networks
CN103634848A (zh) * 2013-12-02 2014-03-12 哈尔滨工业大学 基于非合作博弈资源分配的3g/wlan异构网络接入控制方法
US20190007214A1 (en) * 2017-02-14 2019-01-03 Cloudflare, Inc. Providing cross site request forgery protection at an edge server
CN108900628A (zh) * 2018-07-20 2018-11-27 南京工业大学 边缘计算环境中基于定价机制的微云计算资源分配方法
CN109391681A (zh) * 2018-09-14 2019-02-26 重庆邮电大学 基于mec的v2x移动性预测与内容缓存卸载方案
CN109379727A (zh) * 2018-10-16 2019-02-22 重庆邮电大学 车联网中基于mec的任务分布式卸载与协作执行方案
CN110351352A (zh) * 2019-07-03 2019-10-18 中山大学 边缘计算或雾计算环境下基于激励机制的微计算集群形成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张静: "移动边缘云计算中基于演进博弈的联合资源分配算法", 《东南大学学报》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111988168A (zh) * 2020-07-24 2020-11-24 北京邮电大学 边缘服务部署方法、装置及电子设备
CN111988168B (zh) * 2020-07-24 2021-11-26 北京邮电大学 边缘服务部署方法、装置及电子设备
CN111949409A (zh) * 2020-08-20 2020-11-17 全球能源互联网研究院有限公司 一种电力无线异构网中计算任务卸载方法及系统
CN111949409B (zh) * 2020-08-20 2024-03-29 全球能源互联网研究院有限公司 一种电力无线异构网中计算任务卸载方法及系统
CN112799843A (zh) * 2021-02-01 2021-05-14 中国地质大学（北京） 一种基于边缘计算的在线自适应服务配置优化方法及装置
CN112799843B (zh) * 2021-02-01 2023-12-29 中国地质大学（北京） 一种基于边缘计算的在线自适应服务配置优化方法及装置
CN113051357A (zh) * 2021-03-08 2021-06-29 中国地质大学（武汉） 一种基于博弈论的矢量地图最优化局部脱敏方法
CN113051357B (zh) * 2021-03-08 2022-09-30 中国地质大学（武汉） 一种基于博弈论的矢量地图最优化局部脱敏方法
CN113225385A (zh) * 2021-04-16 2021-08-06 天津大学 面向边缘计算环境的基于博弈理论的微服务请求分发方法
CN113225385B (zh) * 2021-04-16 2022-05-06 天津大学 面向边缘计算环境的基于博弈理论的微服务请求分发方法
CN113365290A (zh) * 2021-06-10 2021-09-07 中山大学 天地融合网络中基于贪心策略的博弈论计算卸载方法
CN114723567A (zh) * 2022-06-10 2022-07-08 深圳市润璟元信息科技有限公司 一种基于区块链技术的金融数据化信息分布式交易系统

Also Published As

Publication number Publication date
CN111163178B (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN111163178B (zh) 一种边缘计算中基于博弈论的服务部署及任务卸载方法
CN109561148B (zh) 边缘计算网络中基于有向无环图的分布式任务调度方法
CN107734558A (zh) 一种基于多服务器的移动边缘计算控制及资源调度方法
CN113950066A (zh) 移动边缘环境下单服务器部分计算卸载方法、系统、设备
CN112543049B (zh) 一种集成地面卫星网络的能效优化方法及装置
CN110096362B (zh) 一种基于边缘服务器协作的多任务卸载方法
CN111782355B (zh) 一种基于混合负载的云计算任务调度方法及系统
CN102662764B (zh) 一种基于smdp的动态云计算资源优化分配方法
Kiani et al. Hierarchical capacity provisioning for fog computing
CN114356545B (zh) 一种面向隐私保护与能耗优化的任务卸载方法
CN113993218A (zh) 一种mec架构下基于多智能体drl的协作卸载和资源分配方法
CN113950081A (zh) 一种多单元移动边缘计算中面向微服务的动态服务迁移和请求路由方法
CN114363962A (zh) 一种协作式边缘服务器部署和资源调度方法、存储介质及系统
CN113992678A (zh) 一种海上mec负载均衡和资源分配联合优化的计算迁移方法
CN109005211B (zh) 一种无线城域网环境下的微云部署及用户任务调度方法
CN110167031B (zh) 一种面向集中式基站的资源分配方法、设备及存储介质
CN115396953A (zh) 移动边缘计算中一种基于改进粒子群算法的计算卸载方法
CN114356585A (zh) 一种移动边缘计算卸载的优化方法、装置及计算机设备
CN116744364A (zh) 基于dqn的多边缘节点系统联合计算卸载和资源分配方法
CN115022893B (zh) 多任务边缘计算系统中最小化总计算时间的资源分配方法
CN112256415B (zh) 基于pso-ga的微云负载均衡任务调度方法
CN115051998A (zh) 自适应边缘计算卸载方法、装置及计算机可读存储介质
CN115378879A (zh) 数据控制方法及相关装置
CN114706673A (zh) 一种移动边缘计算网络中考虑任务延时和服务器成本的任务分配方法
CN113709817A (zh) 多基站多服务器场景下的任务卸载和资源调度方法及装置

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210330

Termination date: 20220110

CF01 Termination of patent right due to non-payment of annual fee