CN111193615B - 一种移动边缘计算网络中的边缘计算节点选择方法 - Google Patents

Abstract

本发明公开了一种移动边缘计算网络中的边缘计算节点选择方法。该方法为：首先建立移动边缘计算系统模型；然后设计通信模型和边缘计算模型；接着提出边缘计算节点选择问题模型以及目标函数；最后针对目标函数分别采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性和计算特性，以追求社交福利最大化为目标进行边缘计算节点的分配。本发明在用户和基站的匹配中，提高了移动边缘计算的社交效益以及整个网络的社交福利。

Description

一种移动边缘计算网络中的边缘计算节点选择方法

技术领域

本发明属于移动边缘计算技术领域，特别是一种移动边缘计算网络中的边缘计算节点选择方法。

背景技术

移动边缘计算(Mobile Edge Computing，简称MEC)技术近年来引起了人们的关注。移动边缘计算的概念是由欧洲电信标准协会提出的，将计算资源部署在靠近终端设备的区域，旨在将计算资源引入无线接入网。目前对于边缘计算的研究处于起步阶段，2017年，华为发表了边缘计算白皮书。

在城市中，车联网计算需要将大量的数据上传，卫星通信传输的大量数据也需要计算资源，这些物联网交互的应用数据实时性要求比较高，在数据高峰期由于计算资源的短缺会产生较大计算时延，影响网络性能。在居住社区，运营商提供的小基站构成的蜂窝网络会接收到大量计算请求。在偏远地区，智能设备分布较为稀疏，计算任务量较少，对于计算资源的需求较少，然而，智能设备的计算请求需要通过数据计算中心，数据计算中心是数据服务提供商所拥有的，如亚马逊云计算中心、谷歌云计算中心等，一般数据计算中心的部署位置都较远。在各个应用场景中，计算任务都需要较小的计算时延，而直接通过偏远的数据计算中心将会导致数据传输时间长，带来延时损耗，而在边缘计算网络中，数据服务提供商通过在蜂窝网络中设置边缘计算节点，使得计算资源更贴近数据请求用户，提升网络利用效率和增值价值，同时候移动边缘计算的部署策略可以实现低延迟、高带宽的优势。

然而，目前对于边缘计算技术的研究仍然存在很大挑战，基于蜂窝网络的小基站部署需要克服包括用户关联、网络建模、干扰减轻和资源管理等在内的诸多挑战，同时，由于连接设备的数量激增和超密集网络的出现，这种基于小基站的预存储技术无法满足高峰时期的流量需求。此外，小基站的大规模部署使得运营商一方面要考虑部署的安装成本与维修成本，另一方面又要考虑用户对于基站部署的意愿，大部分用户对于基站的部署位置会严格考量，并且通信过程中资源分配问题与缓存节点位置选择问题也有待解决。总之，对于边缘计算的研究还处于起步阶段，并且多数研究均是在网络中部署大规模具有计算能力的节点，随着用户设备的日益增加，这些基础设施将带来昂贵的建设费用与维修费用。

发明内容

本发明的目的地在于提供一种能够提高社交福利的移动边缘计算网络中的边缘计算节点选择方法。

实现本发明目的的技术解决方案为：一种移动边缘计算网络中的边缘计算节点选择方法，包括以下步骤：

步骤1、建立移动边缘计算系统模型；

步骤2、设计通信模型和边缘计算模型；

步骤3、提出边缘计算节点选择问题模型以及目标函数；

步骤4、针对目标函数，采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性、计算特性，以追求社交福利最大化为目标，对边缘计算节点进行分配。

进一步地，步骤1所述的建立移动边缘计算系统模型，具体如下：

设定移动边缘计算网络中存在一个数据计算中心，为数据请求用户提供远程计算服务，D个数据服务提供商，

表示网络中存在的数据服务提供商集合，其中

表示第d个数据服务提供商；

表示数据请求用户集合，其中

表示第m个数据请求用户；数据服务提供商S_d对数据请求用户U_m进行边缘计算节点选择，被选择的N个边缘计算节点集合表示为

其中I_n表示被选中的第n个边缘计算节点；在蜂窝网络中，每个数据请求用户均有计算任务；对于移动数据请求用户，所拥有的计算资源是有限的，并且存在差异性，当数据请求用户U_m需要的计算任务量超过自身设备可提供的计算资源时，数据请求用户U_m将出现计算资源短缺的问题，此时，数据请求用户U_m需要将因设备资源短缺而无法提供计算资源的部分任务量通过边缘计算的方法卸载到边缘计算节点I_n或者是数据计算中心。

进一步地，步骤2所述的设计通信模型和边缘计算模型，具体如下：

步骤2.1、设计通信模型，在通信模型中，仅考虑上行链路方向传输，即传输是从数据护照认证端口模块DRU(Data Register Unit)数据请求用户到基站，同时数据请求用户之间可以通过建立D2D连接来进行通信，干扰存在于数据请求用户设备之间；设定可用的频谱带宽是W赫兹，基站的回程容量为Lbps，边缘计算节点I_n的回程容量为L_nbps，根据香农定理，数据请求用户U_m与基站直接通信的传输速率为：

式中，P_m为数据请求用户U_m的传输功率，

和

分别为终端U_m和U_m'与宏基站之间通信的信道参数；σ²为噪声功率，同时信道服从瑞利衰落；数据请求用户U_m与宏基站之间路径损耗为

其中α为路径损耗指数，k_m,o为数据请求用户U_m与宏基站之间的物理传输距离；

数据请求用户U_m在进行计算任务时，若选择将剩余计算任务卸载至边缘计算节点I_n，则在进行数据传输时采用D2D通信模式，同样地，数据请求用户U_m与边缘计算节点I_n之间D2D通信的传输速率为：

步骤2.2、设计边缘计算模型：在计算模型中，设定每个数据请求用户都有一个计算任务，

表示终端用户的计算任务集合，其中

表示数据请求用户U_m的计算任务总的数据；集合

表示对于所有的数据请求用户，计算任务中平均计算每比特数据所占用的CPU周期集合；定义数据请求用户U_mCPU计算产生的能量消耗为y(f_m)³，其中y是取决于芯片架构的系数；数据请求用户U_m在进行任务计算时将会出现以下三种计算方式：

(1)本地计算：本地计算过程中出现两种情况：当Q′_m-Q_m≥0时，数据请求用户U_m当前最大可输入数据量满足当前计算任务，则数据请求用户U_m选择用本地计算来承担当前全部计算任务；当Q′_m-Q_m＜0时，数据请求用户U_m当前最大可输入数据量不能满足当前计算任务需求，则数据请求用户选择将超出数据请求用户U_m的部分计算任务进行任务卸载，任务卸载可通过边缘计算节点方式卸载或数据计算中心卸载，因此，本地任务计算时间为：

其中，f_m为用户U_m的计算频率；

本地计算消耗能量为：

(2)边缘节点计算：数据请求用户U_m通过与自己有社交联系的边缘计算节点I_n建立D2D通信的方式将任务上传至边缘计算节点I_n，在任务卸载的过程中，本地计算任务会产生计算时延

剩余的计算任务Q_m-Q′_m将由边缘计算节点I_n计算，数据请求用户U_m通过D2D通信进行数据传输时会产生传输时延；根据步骤2.1通信模式分析，D2D进行数据传输所产生的时延为：

数据请求用户U_m通过D2D通信方式上传任务至边缘计算节点I_n所产生的能量为：

边缘计算节点I_n对卸载的任务进行计算，则边缘计算节点I_n对于数据请求用户U_m的卸载任务Q_m-Q′_m的计算时间为：

其中，f_n为边缘计算节点I_n的计算频率；

边缘计算节点I_n的计算任务所产生的能量消耗为：

(3)数据计算中心计算：同样地根据步骤2.1通信模式分析，数据服务提供商S_d通过基站将计算任务上传至数据计算中心所产生的传输时延为：

数据请求用户U_m通过基站将任务卸载至数据计算中心所产生能量消耗为：

数据计算中心对于卸载任务的计算时间为：

其中，f_center为数据中心的计算频率；

数据计算中心在进行任务计算时产生的能量消耗为：

E^center(m)＝(Q_m-Q′_m)C_mk(f_center)² (12)

其中，k是数据中心的有效开关电容；

在任务卸载的过程中，设定λ_m＝1表示数据请求用户U_m将剩余计算任务卸载至边缘计算节点，λ_m＝0表示数据请求用户U_m将剩余计算任务卸载至数据计算中心，因此对于数据请求用户U_m而言，计算任务

所产生总的计算时延为：

对于数据请求用户U_m，计算任务

所产生的总的能量消耗为：

进一步地，步骤3所述的提出边缘计算节点选择问题模型以及目标函数，具体如下：

数据提供服务商S_d选择边缘计算节点的过程中会根据边缘计算节点可提供给自身的利益提供一些补偿机制，定义数据提供服务商S_d的效用函数为：

表示数据提供服务商S_d租用O_d个边缘计算节点能获得的收益，

表示数据提供服务商S_d租用数据请求用户U_m时可获得的收益，

表示数据提供服务商租用O_d个边缘计算节点ECN所付出的租用代价；从以上公式可以看出，数据服务提供商的效用函数与所租用的边缘计算节点可以带来的利益以及付出的租用代价有关，数据请求用户U_m的效用函数为：

式中，F^cost表示数据请求用户U_m终端设备的维护代价，是一个固定常数；在租用边缘计算节点ECN的过程中，由于数据服务提供商之间会存在竞争，为了使得租用选择带来的总体社会效益最大，对社会效用函数进行优化，边缘计算节点选择问题中的社会效益函数为：

式中，x_d,m为选择矩阵X中的元素，表示数据服务提供商S_d是否选择租用数据请求用户U_m作为计算节点；

从以上分析中得出边缘计算节点选择的目标函数为：

以上优化问题要满足三个限制条件，第一个条件说明优化矩阵X中的元素为二进制变量，第二个限制条件说明数据提供服务商的租用节点个数不超过最大租用额度，第三个限制条件表示边缘计算节点最多只能与一个数据提供服务提供商建立租用关系。

进一步地，步骤4所述的针对目标函数，采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性、计算特性，以追求社交福利最大化为目标，对边缘计算节点进行分配，具体如下：

步骤4.1、初始化，输入任务量

计算能力f_m，数据请求用户请求数δ，未匹配集合U,O_d，具体如下：

(4.1.1)数据请求用户U_m进行信息广播，根据社交网络信息计算b_i,j，s_i,j；

(4.1.2)根据物理信息计算传输时延

步骤4.2、计算数据提供服务商请求，具体如下：

(4.2.1)数据提供服务商根据数据请求用户信息计算数据请求用户的重要程度，提出初始价格，计算数据请求用户的综合属性，根据计算结果提出初始价格；

(4.2.2)数据提供服务商对数据请求用户进行效用函数计算，获得偏好排序列表

选择排名靠前的数据请求用户进行租用请求；

步骤4.3、建立数据提供服务商与边缘计算节点的租用匹配关系，具体如下：

(4.3.1)当δ＝1时数据请求用户与数据提供服务商建立租用关系，将数据请求用户从未匹配集合U中移除；

(4.3.2)当δ＞1时数据请求用户根据公式计算其效用函数，并且获得偏好排序列表

根据偏好排序列表选择排名最靠前的数据提供服务商进行租用匹配，将数据请求用户从未匹配集合U中移除；

(4.3.3)当δ＝0时数据请求用户保持未匹配状态；

(4.3.4)重复步骤(4.3.1)～步骤(4.3.3)直至所有的数据提供服务商均与O_d个边缘计算节点建立租用匹配关系；

步骤4.4、结束算法，获得匹配对输出结果。

本发明与现有技术相比，其显著优点在于：(1)在移动边缘计算网络中，结合终端设备的社交特性、传输特性和计算特性，以追求社交福利最大化为目标进行边缘计算节点的分配，提高了整个网络的社交福利；(2)解决了通信过程中资源分配问题与缓存节点位置选择问题，降低了建设费用与维修费。

附图说明

图1为本发明移动边缘计算网络中的边缘计算节点选择方法的流程示意图。

图2为本发明实施例中不同算法下增加边缘计算节点数目对社交福利的变化曲线示意图。

图3为本发明实施例中不同算法下增加数据请求用户数目对社交福利的变化曲线示意图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

结合图1，本发明一种移动边缘计算网络中的边缘计算节点选择方法，包括以下步骤：

步骤1、建立移动边缘计算系统模型，具体如下：

设定移动边缘计算网络中存在一个数据计算中心，为数据请求用户提供远程计算服务。D个数据服务提供商，

表示网络中存在的数据服务提供商集合，其中

表示第d个数据服务提供商；

表示数据请求用户集合，其中

表示第m个数据请求用户；数据服务提供商S_d对数据请求用户U_m进行边缘计算节点选择，被选择的N个边缘计算节点集合表示为

其中I_n表示被选中的第n个边缘计算节点；在蜂窝网络中，每个数据请求用户均有计算任务；对于数据请求用户，所拥有的计算资源是有限的，并且存在差异性，当数据请求用户U_m需要的计算任务量超过自身设备可提供的计算资源时，数据请求用户将出现计算资源短缺的问题，此时，数据请求用户U_m需要将因设备资源短缺而无法提供计算资源的部分任务量通过边缘计算的方法卸载到边缘计算节点ECN或者是数据计算中心。

步骤2、设计通信模型和边缘计算模型，具体如下：

步骤2.1、设计通信模型，在通信模型中，仅考虑上行链路方向传输，即传输是从数据护照认证端口模块DRU(Data Register Unit)数据请求用户到基站，数据请求用户之间可以通过建立D2D连接来进行通信，干扰存在于数据请求用户设备之间；设定可用的频谱带宽是W赫兹，基站的回程容量为Lbps，边缘计算节点的回程容量为L_nbps，根据香农定理，数据请求用户U_m与基站直接通信的传输速率为：

式中，P_m为数据请求用户U_m的传输功率，

和

分别为数据请求用户U_m和U_m'与宏基站之间通信的信道参数；σ²为噪声功率，同时信道服从瑞利衰落；数据请求用户U_m与宏基站之间路径损耗为

其中α为路径损耗指数，k_m,o为数据请求用户U_m与宏基站之间的物理传输距离。

数据请求用户在进行计算任务时，若选择将剩余计算任务卸载至边缘计算节点，则在进行数据传输时采用D2D通信模式，同样地，数据请求用户U_m与边缘计算节点I_n之间D2D通信的传输速率为：

步骤2.2、设计边缘计算模型：在计算模型中，假设每个数据请求用户都有一个计算任务，

表示终端用户的计算任务集合，其中

表示数据请求用户U_m的计算任务总的数据；集合

表示对于所有的数据请求用户，计算任务中平均计算每比特数据所占用的CPU周期集合；定义数据请求用户CPU计算产生的能量消耗为y(f_m)³，其中y是取决于芯片架构的系数；数据请求用户在进行任务计算时将会出现以下三种计算方式：

(1)本地计算：本地计算过程中出现两种情况：当Q′_m-Q_m≥0时，数据请求用户当前最大可输入数据量满足当前计算任务，则数据请求用户U_m选择用本地计算来承担当前全部计算任务；当Q′_m-Q_m＜0时，数据请求用户当前最大可输入数据量不能满足当前计算任务需求，则数据请求用户选择将超出数据请求用户的部分计算任务进行任务卸载，任务卸载可通过边缘计算节点方式卸载或数据计算中心卸载，因此，本地任务计算时间为：

本地计算消耗能量为：

(2)边缘节点计算：数据请求用户通过与自己有社交联系的边缘计算节点建立D2D通信的方式将任务上传至边缘计算节点，在任务卸载的过程中，本地计算任务会产生计算时延

剩余的计算任务Q_m-Q′_m将由边缘计算节点计算，数据请求用户通过D2D通信进行数据传输时会产生传输时延；根据步骤2.1中的通信模式分析，D2D进行数据传输所产生的时延为：

数据请求用户通过D2D通信方式上传任务至边缘计算节点所产生的能量为：

边缘计算节点对卸载的任务进行计算，则边缘计算节点I_n对于终端U_m的卸载任务Q_m-Q′_m的计算时间为：

边缘计算节点计算任务所产生的能量消耗为：

(3)数据计算中心计算：同样地根据步骤2.1的通信模式分析，数据请求用户通过基站将计算任务上传至数据计算中心所产生的传输时延为：

数据请求用户通过基站将任务卸载至数据计算中心所产生能量消耗为：

数据计算中心对于卸载任务的计算时间为：

数据计算中心在进行任务计算时产生的能量消耗为：

E^center(m)＝(Q_m-Q′_m)C_mk(f_center)² (12)

在任务卸载的过程中，设定λ_m＝1表示数据请求用户U_m将剩余计算任务卸载至边缘计算节点，λ_m＝0则表示将剩余计算任务卸载至数据计算中心，因此对于数据请求用户U_m而言，计算任务

所产生总的计算时延为：

对于数据请求用户U_m，计算任务

所产生的总的能量消耗为：

步骤3、提出边缘计算节点选择问题模型以及目标函数，具体如下：

数据提供服务商在选择边缘计算节点ECN的过程中会根据ECN可提供给自身的利益提供一些补偿机制，定义数据提供服务商的效用函数为：

表示数据提供服务商S_d租用O_d个ECN能获得的收益，

表示数据提供服务商S_d租用数据请求用户U_m时可获得的收益，

表示数据提供服务商S_d租用O_d个边缘计算节点ECN所付出的租用代价。从以上公式可以看出，数据服务提供商的效用函数与所租用的边缘计算节点可以带来的利益以及付出的租用代价有关，数据请求用户U_m的效用函数为：

式中，F^cost表示终端设备的维护代价，是一个固定常数；在租用边缘计算节点ECN的过程中，由于数据服务提供商之间会存在竞争，为了使得租用选择带来的总体社会效益最大，对社会效用函数进行优化，边缘计算节点选择问题中的社会效益函数为：

式中，x_d,m是选择矩阵X中的元素，表示数据服务提供商S_d是否选择租用数据请求用户U_m作为计算节点。

在边缘计算节点选择优化问题中，为数据提供服务商选择ECN的目的是找到一个均衡，使得数据提供服务商和ECN的选择是稳定的，并且使得社会效益最大化。因此，优化问题可以从以上分析中得出：

以上优化问题要满足三个限制条件，第一个条件说明优化矩阵X中的元素为二进制变量，第二个限制条件说明数据提供服务商的租用节点个数不超过最大租用额度，第三个限制条件表示ECN最多只能与一个数据提供服务商建立租用关系。

步骤4、针对目标函数，采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性、计算特性，以追求社交福利最大化为目标，对边缘计算节点进行分配，具体如下：

结合图1，基于移动边缘计算网络的边缘计算节点选择算法基本流程如下：

输入：任务量

计算能力f_m，数据请求用户请求数δ，未匹配集合U,O_d；

输出：匹配结果；

步骤4.1、初始化，输入任务量

计算能力f_m，数据请求用户请求数δ，未匹配集合U,O_d，具体如下：

步骤4.1.1、数据请求用户U_m进行信息广播，根据社交网络信息计算b_i,j，s_i,j；

步骤4.1.2、根据物理信息计算传输时延

步骤4.2、计算数据提供服务商数据提供服务商请求，具体如下：

步骤4.2.1、数据提供服务商根据数据请求用户信息计算数据请求用户的重要程度，提出初始价格，计算数据请求用户的综合属性，根据计算结果提出初始价格；

步骤4.2.2、数据提供服务商对数据请求用户进行效用函数计算，获得偏好排序列表

选择排名靠前的数据请求用户进行租用请求；

步骤4.3、建立数据提供服务商与边缘计算节点的租用匹配关系，具体如下：

步骤4.3.1、当δ＝1时数据请求用户与数据提供服务商建立租用关系，将数据请求用户从未匹配集合U中移除；

步骤4.3.2、当δ＞1时数据请求用户根据公式计算其效用函数，并且获得偏好排序列表

根据偏好排序列表选择排名最靠前的数据提供服务商进行租用匹配，将数据请求用户从未匹配集合U中移除；

步骤4.3.3、当δ＝0时数据请求用户保持未匹配状态；

步骤4.3.4、重复步骤4.3.1～步骤4.3.3直至所有的数据提供服务商均与O_d个边缘计算节点建立租用匹配关系；

步骤4.4、结束算法，获得匹配对输出结果。

实施例1

在本实施例中，将所提出的算法与随机算法和随机边缘节点选择算法以及基于最短距离的边缘节点选择算法进行了比较。在随机匹配算法中，数据请求用户与边缘节点之间进行随机匹配，在基于最短距离的边缘节点选择算法中，数据请求用户根据边缘计算节点与自身距离的大小来选择节点。图2为两种算法下社交福利随着边缘计算节点数目的变化。随着蜂窝系统中ECN的增加，两种选择算法的社会效益均呈现上升趋势。此外，随着终端用户作为边缘计算节点而产生的维护费用的增加，将会导致社会效益的下降。例如，当F^cost＝0.02，N＝6时，基于社交网络的边缘节点选择算法与随机边缘节点选择算法相比在社会效益方面提高了46％。

图3描述了数据请求用户数目对社交福利的影响。从图中可以看出，随着数据请求用户的数量不断增加时，两种选择算法产生的社会效益均呈现下降趋势，这是因为当数据请求用户数量增加而ECN数量保持不变时，固定数量的边缘计算节点将会负担越来越多数据请求用户的卸载任务，对计算时延以及计算能力均产生影响，导致社会效益降低，数据提供服务商需要租用更多的ECN来为系统提供计算服务。同时可以看出所提出的算法优于随机边缘节点选择算法，例如，当M＝30，N＝4时，所提出算法的社会效益比随机边缘节点选择算法高31％。

Claims (2)

1.一种移动边缘计算网络中的边缘计算节点选择方法，其特征在于，包括以下步骤：

步骤1、建立移动边缘计算系统模型；

步骤2、设计通信模型和边缘计算模型；

步骤3、提出边缘计算节点选择问题模型以及目标函数；

步骤4、针对目标函数，采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性、计算特性，以追求社交福利最大化为目标，对边缘计算节点进行分配；

步骤1所述的建立移动边缘计算系统模型，具体如下：

设定移动边缘计算网络中存在一个数据计算中心，为数据请求用户提供远程计算服务，D个数据服务提供商，

表示网络中存在的数据服务提供商集合，其中S_d，

表示第d个数据服务提供商；

表示数据请求用户集合，其中U_m，

表示第m个数据请求用户；数据服务提供商S_d对数据请求用户U_m进行边缘计算节点选择，被选择的N个边缘计算节点集合表示为

其中I_n表示被选中的第n个边缘计算节点；在蜂窝网络中，每个数据请求用户均有计算任务；对于移动数据请求用户，所拥有的计算资源是有限的，并且存在差异性，当数据请求用户U_m需要的计算任务量超过自身设备可提供的计算资源时，数据请求用户U_m将出现计算资源短缺的问题，此时，数据请求用户U_m需要将因设备资源短缺而无法提供计算资源的部分任务量通过边缘计算的方法卸载到边缘计算节点I_n或者是数据计算中心；

步骤2所述的设计通信模型和边缘计算模型，具体如下：

步骤2.1、设计通信模型，在通信模型中，仅考虑上行链路方向传输，即传输是从数据护照认证端口模块数据请求用户到基站，同时数据请求用户之间可以通过建立D2D连接来进行通信，干扰存在于数据请求用户设备之间；设定可用的频谱带宽是W赫兹，基站的回程容量为Lbps，边缘计算节点I_n的回程容量为L_nbps，根据香农定理，数据请求用户U_m与基站直接通信的传输速率为：

式中，P_m为数据请求用户U_m的传输功率，

和

分别为终端U_m和U_m'与宏基站之间通信的信道参数；σ²为噪声功率，同时信道服从瑞利衰落；数据请求用户U_m与宏基站之间路径损耗为

其中α为路径损耗指数，k_m,o为数据请求用户U_m与宏基站之间的物理传输距离；

数据请求用户U_m在进行计算任务时，若选择将剩余计算任务卸载至边缘计算节点I_n，则在进行数据传输时采用D2D通信模式，同样地，数据请求用户U_m与边缘计算节点I_n之间D2D通信的传输速率为：

步骤2.2、设计边缘计算模型：在计算模型中，设定每个数据请求用户都有一个计算任务，

表示终端用户的计算任务集合，其中

表示数据请求用户U_m的计算任务总的数据；集合

表示对于所有的数据请求用户，计算任务中平均计算每比特数据所占用的CPU周期集合；定义数据请求用户U_mCPU计算产生的能量消耗为y(f_m)³，其中y是取决于芯片架构的系数；数据请求用户U_m在进行任务计算时将会出现以下三种计算方式：

(1)本地计算：本地计算过程中出现两种情况：当Q′_m-Q_m≥0时，数据请求用户U_m当前最大可输入数据量满足当前计算任务，则数据请求用户U_m选择用本地计算来承担当前全部计算任务；当Q′_m-Q_m＜0时，数据请求用户U_m当前最大可输入数据量不能满足当前计算任务需求，则数据请求用户选择将超出数据请求用户U_m的部分计算任务进行任务卸载，任务卸载可通过边缘计算节点方式卸载或数据计算中心卸载，因此，本地任务计算时间为：

其中，f_m为用户U_m的计算频率；

本地计算消耗能量为：

(2)边缘节点计算：数据请求用户U_m通过与自己有社交联系的边缘计算节点I_n建立D2D通信的方式将任务上传至边缘计算节点I_n，在任务卸载的过程中，本地计算任务会产生计算时延

剩余的计算任务Q_m-Q′_m将由边缘计算节点I_n计算，数据请求用户U_m通过D2D通信进行数据传输时会产生传输时延；根据步骤2.1通信模式分析，D2D进行数据传输所产生的时延为：

数据请求用户U_m通过D2D通信方式上传任务至边缘计算节点I_n所产生的能量为：

边缘计算节点I_n对卸载的任务进行计算，则边缘计算节点I_n对于数据请求用户U_m的卸载任务Q_m-Q′_m的计算时间为：

其中，f_n为边缘计算节点I_n的计算频率；

边缘计算节点I_n的计算任务所产生的能量消耗为：

(3)数据计算中心计算：同样地根据步骤2.1通信模式分析，数据服务提供商S_d通过基站将计算任务上传至数据计算中心所产生的传输时延为：

数据请求用户U_m通过基站将任务卸载至数据计算中心所产生能量消耗为：

数据计算中心对于卸载任务的计算时间为：

其中，f_center为数据中心的计算频率；

数据计算中心在进行任务计算时产生的能量消耗为：

E^center(m)＝(Q_m-Q′_m)C_mk(f_cennter)² (12)

其中，k是数据中心的有效开关电容；

在任务卸载的过程中，设定λ_m＝1表示数据请求用户U_m将剩余计算任务卸载至边缘计算节点，λ_m＝0表示数据请求用户U_m将剩余计算任务卸载至数据计算中心，因此对于数据请求用户U_m而言，计算任务

所产生总的计算时延为：

对于数据请求用户U_m，计算任务

所产生的总的能量消耗为：

步骤3所述的提出边缘计算节点选择问题模型以及目标函数，具体如下：

数据提供服务商S_d选择边缘计算节点的过程中会根据边缘计算节点可提供给自身的利益提供一些补偿机制，定义数据提供服务商S_d的效用函数为：

表示数据提供服务商S_d租用O_d个边缘计算节点能获得的收益，

表示数据提供服务商S_d租用数据请求用户U_m时可获得的收益，

表示数据提供服务商租用O_d个边缘计算节点ECN所付出的租用代价；从以上公式可以看出，数据服务提供商的效用函数与所租用的边缘计算节点可以带来的利益以及付出的租用代价有关，数据请求用户U_m的效用函数为：

式中，F^cost表示数据请求用户U_m终端设备的维护代价，是一个固定常数；在租用边缘计算节点ECN的过程中，由于数据服务提供商之间会存在竞争，为了使得租用选择带来的总体社会效益最大，对社会效用函数进行优化，边缘计算节点选择问题中的社会效益函数为：

式中，x_d,m为选择矩阵X中的元素，表示数据服务提供商S_d是否选择租用数据请求用户U_m作为计算节点；

从以上分析中得出边缘计算节点选择的目标函数为：

以上优化问题要满足三个限制条件，第一个条件说明优化矩阵X中的元素为二进制变量，第二个限制条件说明数据提供服务商的租用节点个数不超过最大租用额度，第三个限制条件表示边缘计算节点最多只能与一个数据提供服务提供商建立租用关系。

2.根据权利要求1所述的移动边缘计算网络中的边缘计算节点选择方法，其特征在于，步骤4所述的针对目标函数，采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性、计算特性，以追求社交福利最大化为目标，对边缘计算节点进行分配，具体如下：

步骤4.1、初始化，输入任务量

计算能力f_m，数据请求用户请求数δ，未匹配集合U,O_d，具体如下：

(4.1.1)数据请求用户U_m进行信息广播，根据社交网络信息计算b_i,j，s_i,j；

(4.1.2)根据物理信息计算传输时延

步骤4.2、计算数据提供服务商请求，具体如下：

(4.2.1)数据提供服务商根据数据请求用户信息计算数据请求用户的重要程度，提出初始价格，计算数据请求用户的综合属性，根据计算结果提出初始价格；

(4.2.2)数据提供服务商对数据请求用户进行效用函数计算，获得偏好排序列表

选择排名靠前的数据请求用户进行租用请求；

步骤4.3、建立数据提供服务商与边缘计算节点的租用匹配关系，具体如下：

(4.3.1)当δ＝1时数据请求用户与数据提供服务商建立租用关系，将数据请求用户从未匹配集合U中移除；

(4.3.2)当δ＞1时数据请求用户根据公式计算其效用函数，并且获得偏好排序列表

根据偏好排序列表选择排名最靠前的数据提供服务商进行租用匹配，将数据请求用户从未匹配集合U中移除；

(4.3.3)当δ＝0时数据请求用户保持未匹配状态；

(4.3.4)重复步骤(4.3.1)～步骤(4.3.3)直至所有的数据提供服务商均与O_d个边缘计算节点建立租用匹配关系；

步骤4.4、结束算法，获得匹配对输出结果。

Images