CN111885147A - 边缘计算中的一种资源动态定价方法 - Google Patents

边缘计算中的一种资源动态定价方法 Download PDF

Info

Publication number
CN111885147A
CN111885147A CN202010703150.4A CN202010703150A CN111885147A CN 111885147 A CN111885147 A CN 111885147A CN 202010703150 A CN202010703150 A CN 202010703150A CN 111885147 A CN111885147 A CN 111885147A
Authority
CN
China
Prior art keywords
user
task
resource
edge cloud
computing
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
CN202010703150.4A
Other languages
English (en)
Inventor
关向瑞
薛建彬
王璐
安悦
蔺莹
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.)
Lanzhou University of Technology
Original Assignee
Lanzhou University of Technology
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 Lanzhou University of Technology filed Critical Lanzhou University of Technology
Priority to CN202010703150.4A priority Critical patent/CN111885147A/zh
Publication of CN111885147A publication Critical patent/CN111885147A/zh
Pending legal-status Critical Current

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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/14—Charging, metering or billing arrangements for data wireline or wireless communications
    • H04L12/1403—Architecture for metering, charging or billing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/12—Avoiding congestion; Recovering from congestion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/24—Accounting or billing

Abstract

边缘计算中的一种资源动态定价方法，该方法包括：用户首先将任务处理请求发送给基站，基站根据请求做出是否需要卸载的判断，若需要，则用户进一步将任务卸载至边缘云服务器；否则，由用户自身完成任务处理；然后判断边缘云服务器的计算资源剩余情况，若资源余量高于资源总量的一半，且用户需求不强烈，则调整资源价格至较低水平；若资源余量低于总量的一半，且用户需求强烈，则调整资源价格至较高水平；并将其告知用户，用户根据资源价格确定卸载任务大小，由用户和边缘云服务器共同完成计算任务处理。本发明所述边缘云服务器拥有较好的资源，经过有效的资源定价分配，能够大概率的满足用户需求，从而优化边缘云和用户收益。

Description

边缘计算中的一种资源动态定价方法
技术领域
本发明涉及移动边缘计算技术领域，涉及一种计算卸载策略，尤其涉及一种基于Stackelberg博弈的资源动态定价方法。
背景技术
随着移动网络和物联网技术的不断发展，大量移动设备接入互联网，全球移动数据流量成倍增长。传统的云-端处理方式逐渐出现了负载瓶颈、传输延迟较大等问题，同时，数据远距离传输占用大量网络带宽，对于续航能力及计算资源有限的终端设备而言，已难以满足计算密集型应用对通信的高要求。
为了应对以上挑战，提出了移动边缘计算(Mobile Edge Computing,MEC)的概念。移动边缘计算是一种将传统云计算功能下沉到移动网络边缘，减轻中心网络负载的方法。通过在靠近用户侧的网络边缘部署MEC服务器，使资源受限的设备可以通过无线网络将计算任务卸载到网络边缘，满足移动应用高带宽需求并降低移动应用业务响应时延，有效解决移动互联网和物联网快速发展带来的高网络负荷问题，同时延长移动终端的电池寿命和设备使用周期，提高用户体验质量。
在本发明的实现过程中，本发明人发现现有技术存在以下不足：在已有的移动边缘计算网络场景中，大部分研究工作未考虑MEC服务器计算资源有限的情况及系统资源与用户需求之间的联系。然而，相对移动终端来说，虽然MEC服务器的资源较多，但实际上仍然是十分有限，采用统一定价的方式给用户分配资源的方法会造成有限资源的浪费，因此，在有限的资源管理方案中需要进一步探索有效的资源分配方法。在已有的研究工作中，绝大多数文献以用户侧或边缘云侧为单一的优化目标，未来移动通信系统的架构设计中通过用户和边缘云之间的协作计算，需要深入优化整个系统的性能，这种只考虑单一侧的建模对象不全面。因此，需要研究面向整个系统的资源定价方案，提高资源利用率，改善系统性能。
发明内容
本发明的目的是提供边缘计算中的一种基于Stackelberg博弈的计算卸载和资源动态定价方法。边缘云首先基于利己原则根据系统内的资源情况给出用户资源的统一定价，价格调整机制通过分析边缘云统一定价与用户任务请求情况，按照用户需求分别调整资源价格，并将其告知相应的用户，用户根据资源定价确定最终卸载任务的大小。同时设计了相应的算法实现用户最优卸载策略和边缘云最优定价，使得边缘云和用户利益最大化。
本发明是边缘计算中的一种资源动态定价方法，其步骤为：
(1)根据移动终端产生计算任务请求建立通信模型；
(2)将移动终端产生的部分任务卸载至边缘云服务器，建立计算模型；
(3)为边缘云服务器的单位计算资源统一定价，并将其广播给所有用户终端；
(4)判断边缘云服务器计算资源余量是否高于资源总量的一半，若是，则将资源价格调至较低水平；否则，将资源价格调至较高；
(5)根据步骤(4)设置价格调整因子，将调整后的价格重新广播给用户；
(6)用户根据接收的资源价格确定卸载任务的大小，边缘云根据用户卸载任务大小，为用户分配相应的计算资源。
本发明的有益效果是：本发明基于多移动终端场景，提出了边缘计算中的一种资源动态定价方案。本发明的部署方案包括移动终端、配备MEC服务器的宏基站，综合考虑整个移动通信系统，将移动终端的任务进行划分并分别在本地和边缘服务器计算，在终端产生任务请求后，首先判断该任务是否需要卸载，之后根据系统资源余量确定资源单价，资源丰富，下调资源价格，资源稀缺，价格上涨。根据价格确定该任务的卸载大小；若无需卸载，则直接在终端本地计算。基于资源余量的资源定价方式，可以利用价格杠杆调节用户的资源要求,有利于资源的有效利用,不容易导致网络拥塞。即使发生拥塞,也能够根据价格杠杆对用户进行调控,以减轻拥塞，提高了任务处理效率。模型将同时优化传输时延、计算时延、卸载策略、资源分配、系统收益等方面的内容。建模后最优化求得的结果将是计算卸载策略和资源定价，这使得在移动通信中无需多次调用模型进行计算，提高了系统整体效率。
附图说明
图1资源动态定价系统的结构示意图，图2移动边缘计算中的一种多用户整体架构图，图3资源动态定价方法的流程示意图；元件标号说明：101请求产生单元，102网络接入单元，103终端发送单元，104基站接收单元，105计算单元，106控制单元，107价格调整单元，108基站发送单元，109终端接收单元，201宏基站的移动边缘计算服务器，202用户端本地，S1～S7步骤。
具体实施方式
本发明是边缘计算中的一种资源动态定价方法，其步骤为：
(1)根据移动终端产生计算任务请求建立通信模型；
(2)将移动终端产生的部分任务卸载至边缘云服务器，建立计算模型；
(3)为边缘云服务器的单位计算资源统一定价，并将其广播给所有用户终端；
(4)判断边缘云服务器计算资源余量是否高于资源总量的一半，若是，则将资源价格调至较低水平；否则，将资源价格调至较高；
(5)根据步骤(4)设置价格调整因子，将调整后的价格重新广播给用户；
(6)用户根据接收的资源价格确定卸载任务的大小，边缘云根据用户卸载任务大小，为用户分配相应的计算资源。
本发明是边缘计算中的一种资源动态定价方法，整体方法的模块包括请求生成单元、终端发送单元、网络接入单元、基站接收单元、控制单元、价格调整单元、计算单元、基站发送单元和终端接收单元。
请求产生单元：用于终端用户生成任务处理请求；
终端发送单元：用于发送任务请求给目标基站；
网络接入单元：用于用户通过网络接入系统；
基站接收单元：用于接收基站覆盖范围内的移动终端的服务请求；
控制单元：用于控制计算资源价格的调控、终端用户的计算资源分配与资源价格的广播情况；
价格调整单元:用于根据系统资源情况与用户需求调整边缘云所给的资源统一定价；
计算单元：用于计算部分基站覆盖范围内的移动终端上请求的计算任务，以降低终端能耗，减少云中心负载压力；
基站发送单元：用于将计算任务处理结果发送至移动终端；
终端接收单元：用于接收基站反馈的任务处理结果；
本发明中，所述用户本地计算的时间需求为
Figure BDA0002591631640000031
Figure BDA0002591631640000032
所述用户本地计算的能耗需求为
Figure BDA0002591631640000033
Figure BDA0002591631640000034
其中，ε为能量系数，
Figure BDA0002591631640000035
表示第n个周期的CPU频率，Dk表示用户k需要处理的总任务大小，Lk表示用户k上传的计算卸载任务大小，Ck表示用户k计算单位输入数据所需的CPU周期数。
在本发明中，如果用户选择在边缘云端执行部分计算任务，B表示可用信道带宽，hk表示用户k与基站之间的信道增益，Pk为用户k的发射功率，则用户k卸载时的上行链路传输速率为rk：
Figure BDA0002591631640000036
所述用户计算卸载时间需求为
Figure BDA0002591631640000037
Figure BDA0002591631640000038
所述用户计算卸载能耗需求为
Figure BDA0002591631640000039
Figure BDA00025916316400000310
其中，σ2表示高斯白噪声的噪声功率，
Figure BDA00025916316400000311
表示MEC服务器分配给用户k的计算资源，Pr表示基站的接收功率。
在本发明的一实施例中，所述判断边缘云服务器计算资源余量是否高于资源总量的一半的公式为：
Figure BDA0002591631640000041
其中，
Figure BDA0002591631640000042
为系统计算资源剩余量，F为系统计算资源总量；
如果满足
Figure BDA0002591631640000043
则说明资源丰富，价格下调鼓励用户进行计算卸载；否则，价格上涨抑制用户需求。
完成任务Dk用户端所消耗的开销成本可以公式化为：
Figure BDA0002591631640000044
完成任务Dk边缘云端的收益可以公式化为：
Figure BDA0002591631640000045
以上所述的边缘计算中的一种资源动态定价方法，所述步骤(1)建立的通信模型，具体按以下步骤实施：
不考虑移动终端之间的干扰，把移动终端的卸载任务传输速率定义为香农公式：
Figure BDA0002591631640000046
对于一个进行部分卸载的终端用户来说，所述步骤(2)建立的计算模型包括本地计算部分和边缘云计算部分，具体按以下步骤实施：
在本发明中，如果选择在边缘云端执行的任务为Lk，则完成Lk所消耗的时间为
Figure BDA0002591631640000047
Figure BDA0002591631640000048
完成Lk所需能耗为
Figure BDA0002591631640000049
Figure BDA00025916316400000410
在本发明中，如果选择在移动终端执行的任务大小为(Dk-Lk)，则完成(Dk-Lk)所需要的时间为
Figure BDA00025916316400000411
Figure BDA00025916316400000412
完成(Dk-Lk)所需要的能耗为
Figure BDA00025916316400000413
Figure BDA00025916316400000414
以上所述的边缘计算中的一种资源动态定价方法，完成任务Dk的总时间消耗包括：(1)在边缘云端执行的时间，如果Dk的部分任务被卸载至MEC服务器；(2)从移动终端到边缘云端的任务传输时间；(3)在移动终端执行的时间，如果Dk的部分任务在本地执行；
完成任务Dk的总能量消耗包括：(1)在边缘云端执行所消耗的能量，如果Dk的部分任务被卸载至MEC服务器；(2)从移动终端到边缘云端传输任务所消耗的能量；(3)在移动终端执行所消耗的能量，如果Dk的部分任务在本地执行。
以上所述的边缘计算中的一种资源动态定价方法，价格调整单元根据价格调整因子对单位计算资源的价格进行调整，具体定义如下：
Figure BDA0002591631640000051
以上所述的边缘计算中的一种资源动态定价方法，完成任务Dk用户端所消耗的开销成本为：
Figure BDA0002591631640000052
完成任务Dk边缘云端的收益为：
Figure BDA0002591631640000053
以上所述的边缘计算中的一种资源动态定价方法，将边缘云与终端用户之间的交互建模为一个Stackelberg博弈过程，边缘云作为领导者，用户作为跟随者，边缘云根据用户卸载策略的变化，动态调节自身资源定价以最大化自身收益。跟随者根据领导者做出的价格决策调整自身卸载策略，以最小化自身成本；
领导者问题表述为：
Figure BDA0002591631640000054
跟随者问题表述为：
Figure BDA0002591631640000061
以上所述的边缘计算中的一种资源动态定价方法，以上所述的领导者收益最大化问题与跟随者成本最小化问题具体按以下过程实施：首先基于KKT条件构造拉格朗日函数获得最优卸载任务大小
Figure BDA0002591631640000062
然后基于最优卸载策略采用双向迭代搜索算法得到使边缘云收益最大的最优定价策略q。
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
具体地，请参阅图1，图1为本申请实施例提供的一种资源定价方法的结构示意图，本实施例提供一种资源动态定价方法，所述资源定价方法包括：如图1所示，依照本发明的一种资源定价方案结构图。该系统包括九个单元：请求产生单元101：用于终端用户生成任务处理请求；网络接入单元102：用于将用户通过网络接入系统；终端发送单元103：用于发送任务请求给目标基站；基站接收单元104：用于从移动终端接收服务请求、从配备MEC服务器的基站接收计算卸载执行结果；计算单元105：用于计算部分移动终端上请求的计算任务，以降低终端能耗，减少云中心负载压力；控制单元106：用于控制计算资源价格的调控、终端用户的计算资源分配与资源价格的广播情况；价格调整单元107:用于根据系统资源情况与用户需求调整边缘云所给的资源统一定价；基站发送单元108：用于将计算任务处理结果发送至移动终端；终端接收单元109：用于接收基站发送的计算结果；
如图2所示，依照本发明的一种移动边缘计算中的一种多用户整体架构图。本发明涉及移动边缘计算的整体系统，包括移动边缘计算基站201、在移动边缘计算基站覆盖范围内随机分布的移动终端202。
本发明建立的移动边缘计算环境下资源动态定价的步骤如下：1)当移动终端产生计算任务请求时，它将上传计算任务卸载到它的移动边缘计算基站；2)如果任务被确定为无需卸载，则直接在移动终端中执行任务；3)如果确定部分卸载至移动边缘计算基站，则在MEC服务器中执行任务，并且移动边缘计算基站将终端的任务的数据响应返回给移动终端。
图3为本发明提出的移动边缘计算中的一种多移动终端的资源动态定价流程图。本发明提出的一种多移动终端的资源动态定价方案包括以下几个步骤：
步骤S1：移动终端产生计算任务处理请求；
作为实施例，每个任务Dk由有序向量{Ck,Lk,fk}来描述，其特征在于：1)Ck，计算单位输入数据所需的CPU周期数；2)Lk，任务Dk卸载部分的大小；3)fk，用户k的计算能力；
步骤S2：根据用户任务请求大小判断是否需要卸载；
步骤S3：若该计算任务被判别为需要卸载至移动边缘计算基站执行，则需要判断MEC服务器的计算资源剩余情况；
步骤S4：若该MEC服务器的计算资源余量高于计算资源总量的一半，则下调资源价格；否则，价格上涨；
作为实施例，本发明为任务Dk定义了α作为与计算资源余量相关的价格调整因子。
步骤S5：配备MEC服务器的基站201将资源定价告知用户；
步骤S6：用户根据配备MEC服务器的基站201告知的资源定价确定要卸载的任务大小Lk：
步骤S7：利用所述边缘云服务器201和移动终端202分别处理用户任务请求；
具体的，在进行步骤S2之前，移动终端202需要先提出计算任务需求；
具体的，所述移动终端的计算任务时间需求为
Figure BDA0002591631640000071
Figure BDA0002591631640000072
具体的，所述移动终端的能耗需求为
Figure BDA0002591631640000073
Figure BDA0002591631640000074
其中，ε为能量系数，
Figure BDA0002591631640000075
为移动终端202第n个周期的CPU频率，Dk为用户k产生的总任务请求大小，Lk为用户k上传至配备MEC服务器的基站201的卸载任务大小，Ck位用户k计算单位输入数据所需的CPU周期数，k表示第k个CPU周期，n表示第n个CPU周期。
具体的，所述边缘计算服务器的时间需求为
Figure BDA0002591631640000076
Figure BDA0002591631640000077
所述边缘计算服务器的能耗需求为
Figure BDA0002591631640000078
Figure BDA0002591631640000079
具体的，步骤S4中的所述判断所述移动边缘计算服务器201是否满足资源余量高于资源总量一半的步骤包括：
其中，判断所述移动边缘计算服务器201是否满足资源价格下调的公式为：
Figure BDA0002591631640000081
判断所述移动边缘计算服务器201是否满足资源价格上涨的公式为：
Figure BDA0002591631640000082
其中，
Figure BDA0002591631640000083
表示系统计算资源剩余量，F表示系统计算资源总量；
如果满足
Figure BDA0002591631640000084
则所述移动边缘计算服务器201的计算资源价格下调；
如果满足
Figure BDA0002591631640000085
则所述移动边缘计算服务器201的计算资源价格上涨；
具体的，对于服务请求者，移动边缘计算服务器201为他们提供可能需要的计算资源，本发明中的Lk表示为卸载决策，表示用户k向移动边缘计算服务器201卸载的计算任务大小，价格调整因子α表示移动边缘计算服务器201的计算资源价格调整幅度。
具体的，α定义为：
Figure BDA0002591631640000086
当移动终端202不能满足自身任务请求时，调用移动边缘计算服务器201的资源，移动终端202向移动边缘计算服务器201发送卸载请求，卸载时间为
Figure BDA0002591631640000087
卸载时间
Figure BDA0002591631640000088
包括传输时间和计算时间。
移动边缘计算服务器201的开销可公式化为：
Figure BDA0002591631640000089
移动终端202的开销可公式化为：
Figure BDA00025916316400000810
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (7)

1.边缘计算中的一种资源动态定价方法，其特征在于，其步骤为：
(1)根据移动终端产生计算任务请求建立通信模型；
(2)将移动终端产生的部分任务卸载至边缘云服务器，建立计算模型；
(3)为边缘云服务器的单位计算资源统一定价，并将其广播给所有用户终端；
(4)判断边缘云服务器计算资源余量是否高于资源总量的一半，若是，则将资源价格调至较低水平；否则，将资源价格调至较高；
(5)根据步骤(4)设置价格调整因子，将调整后的价格重新广播给用户；
(6)用户根据接收的资源价格确定卸载任务的大小，边缘云根据用户卸载任务大小，为用户分配相应的计算资源。
2.根据权利要求1所述的边缘计算中的一种资源动态定价方法，其特征在于，所述步骤(1)建立的通信模型，具体按以下步骤实施：
不考虑移动终端之间的干扰，把移动终端的卸载任务传输速率定义为香农公式：
Figure FDA0002591631630000011
对于一个进行部分卸载的终端用户来说，所述步骤(2)建立的计算模型包括本地计算部分和边缘云计算部分，具体按以下步骤实施：
在本发明中，如果选择在边缘云端执行的任务为Lk，则完成Lk所消耗的时间为
Figure FDA0002591631630000018
Figure FDA0002591631630000012
完成Lk所需能耗为
Figure FDA0002591631630000013
Figure FDA0002591631630000014
在本发明中，如果选择在移动终端执行的任务大小为(Dk-Lk)，则完成(Dk-Lk)所需要的时间为
Figure FDA0002591631630000015
Figure FDA0002591631630000016
完成(Dk-Lk)所需要的能耗为
Figure FDA0002591631630000017
Figure FDA0002591631630000021
3.根据权利要求2所述的边缘计算中的一种资源动态定价方法，其特征在于，完成任务Dk的总时间消耗包括：(1)在边缘云端执行的时间，如果Dk的部分任务被卸载至MEC服务器；(2)从移动终端到边缘云端的任务传输时间；(3)在移动终端执行的时间，如果Dk的部分任务在本地执行；
完成任务Dk的总能量消耗包括：(1)在边缘云端执行所消耗的能量，如果Dk的部分任务被卸载至MEC服务器；(2)从移动终端到边缘云端传输任务所消耗的能量；(3)在移动终端执行所消耗的能量，如果Dk的部分任务在本地执行。
4.根据权利要求1所述的边缘计算中的一种资源动态定价方法，其特征在于，价格调整单元根据价格调整因子对单位计算资源的价格进行调整，具体定义如下：
Figure FDA0002591631630000022
5.根据权利要求1至4所述的边缘计算中的一种资源动态定价方法，其特征在于，完成任务Dk用户端所消耗的开销成本为：
Figure FDA0002591631630000023
完成任务Dk边缘云端的收益为：
Figure FDA0002591631630000024
6.根据权利要求1至5所述的边缘计算中的一种资源动态定价方法，其特征在于，将边缘云与终端用户之间的交互建模为一个Stackelberg博弈过程，边缘云作为领导者，用户作为跟随者，边缘云根据用户卸载策略的变化，动态调节自身资源定价以最大化自身收益。跟随者根据领导者做出的价格决策调整自身卸载策略，以最小化自身成本；
领导者问题表述为：
Figure FDA0002591631630000031
跟随者问题表述为：
Figure FDA0002591631630000032
7.根据权利要求1所述的边缘计算中的一种资源动态定价方法，其特征在于，权利要求6所述的领导者收益最大化问题与跟随者成本最小化问题具体按以下过程实施：首先基于KKT条件构造拉格朗日函数获得最优卸载任务大小
Figure FDA0002591631630000033
然后基于最优卸载策略采用双向迭代搜索算法得到使边缘云收益最大的最优定价策略q。
CN202010703150.4A 2020-07-20 2020-07-20 边缘计算中的一种资源动态定价方法 Pending CN111885147A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010703150.4A CN111885147A (zh) 2020-07-20 2020-07-20 边缘计算中的一种资源动态定价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010703150.4A CN111885147A (zh) 2020-07-20 2020-07-20 边缘计算中的一种资源动态定价方法

Publications (1)

Publication Number Publication Date
CN111885147A true CN111885147A (zh) 2020-11-03

Family

ID=73154580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010703150.4A Pending CN111885147A (zh) 2020-07-20 2020-07-20 边缘计算中的一种资源动态定价方法

Country Status (1)

Country Link
CN (1) CN111885147A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465554A (zh) * 2020-12-03 2021-03-09 广东工业大学 一种基于区块链的计算资源定价方法
CN112799833A (zh) * 2021-01-26 2021-05-14 华南理工大学 面向边缘计算的车辆应用卸载的分布式定价方法与系统
CN112822707A (zh) * 2021-01-13 2021-05-18 重庆邮电大学 一种计算资源有限mec中任务卸载与资源分配方法
CN113015217A (zh) * 2021-02-07 2021-06-22 重庆邮电大学 一种基于边云协同低成本的在线多功能业务的计算卸载方法
CN113163006A (zh) * 2021-04-16 2021-07-23 三峡大学 基于云-边缘协同计算的任务卸载方法及系统
CN114139730A (zh) * 2021-06-30 2022-03-04 武汉大学 一种面向边缘云网络中机器学习任务的动态定价和部署方法
CN114945025A (zh) * 2022-04-25 2022-08-26 国网经济技术研究院有限公司 面向电网中云边协同的价格驱动正和博弈卸载方法及系统
WO2023221444A1 (zh) * 2022-05-17 2023-11-23 华为云计算技术有限公司 一种资源管理方法以及相关装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108541027A (zh) * 2018-04-24 2018-09-14 南京邮电大学 一种基于边缘云网络的通信计算资源置换方法
CN111401744A (zh) * 2020-03-17 2020-07-10 重庆邮电大学 一种移动边缘计算中不确定性环境下的动态任务卸载方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108541027A (zh) * 2018-04-24 2018-09-14 南京邮电大学 一种基于边缘云网络的通信计算资源置换方法
CN111401744A (zh) * 2020-03-17 2020-07-10 重庆邮电大学 一种移动边缘计算中不确定性环境下的动态任务卸载方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李邱苹: ""移动边缘计算中的计算卸载和资源管理方案"", 《电信科学》 *
薛建彬: ""基于 Stackelberg博弈的资源动态定价策略"", 《华中科技大学学报（自然科学版）》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465554A (zh) * 2020-12-03 2021-03-09 广东工业大学 一种基于区块链的计算资源定价方法
CN112822707B (zh) * 2021-01-13 2022-07-12 重庆邮电大学 一种计算资源有限mec中任务卸载与资源分配方法
CN112822707A (zh) * 2021-01-13 2021-05-18 重庆邮电大学 一种计算资源有限mec中任务卸载与资源分配方法
CN112799833A (zh) * 2021-01-26 2021-05-14 华南理工大学 面向边缘计算的车辆应用卸载的分布式定价方法与系统
CN112799833B (zh) * 2021-01-26 2023-02-10 华南理工大学 面向边缘计算的车辆应用卸载的分布式定价方法与系统
CN113015217A (zh) * 2021-02-07 2021-06-22 重庆邮电大学 一种基于边云协同低成本的在线多功能业务的计算卸载方法
CN113015217B (zh) * 2021-02-07 2022-05-20 重庆邮电大学 一种基于边云协同低成本的在线多功能业务的计算卸载方法
CN113163006A (zh) * 2021-04-16 2021-07-23 三峡大学 基于云-边缘协同计算的任务卸载方法及系统
CN114139730A (zh) * 2021-06-30 2022-03-04 武汉大学 一种面向边缘云网络中机器学习任务的动态定价和部署方法
CN114139730B (zh) * 2021-06-30 2024-04-19 武汉大学 一种面向边缘云网络中机器学习任务的动态定价和部署方法
CN114945025A (zh) * 2022-04-25 2022-08-26 国网经济技术研究院有限公司 面向电网中云边协同的价格驱动正和博弈卸载方法及系统
CN114945025B (zh) * 2022-04-25 2023-09-15 国网经济技术研究院有限公司 面向电网中云边协同的价格驱动正和博弈卸载方法及系统
WO2023221444A1 (zh) * 2022-05-17 2023-11-23 华为云计算技术有限公司 一种资源管理方法以及相关装置

Similar Documents

Publication Publication Date Title
CN111885147A (zh) 边缘计算中的一种资源动态定价方法
CN111586696B (zh) 一种基于多智能体架构强化学习的资源分配及卸载决策方法
CN109951869B (zh) 一种基于云雾混合计算的车联网资源分配方法
CN113316196B (zh) 基于边缘缓存的星地协同网络中的资源分配方法及装置
CN111132191B (zh) 移动边缘计算服务器联合任务卸载、缓存及资源分配方法
CN111010684B (zh) 一种基于mec缓存服务的车联网资源分配方法
CN110493757B (zh) 单服务器下降低系统能耗的移动边缘计算卸载方法
CN112105062B (zh) 时敏条件下移动边缘计算网络能耗最小化策略方法
CN109756912B (zh) 一种多用户多基站联合任务卸载及资源分配方法
CN111200831B (zh) 一种融合移动边缘计算的蜂窝网络计算卸载方法
Sun et al. Energy-efficient multimedia task assignment and computing offloading for mobile edge computing networks
CN110856259A (zh) 移动边缘计算环境中自适应数据块大小的资源分配和卸载方法
CN111193615B (zh) 一种移动边缘计算网络中的边缘计算节点选择方法
CN111107566A (zh) 一种电力物联网场景中基于协同内容缓存的卸载方法
CN113573363A (zh) 基于深度强化学习的mec计算卸载与资源分配方法
CN115002113A (zh) 一种移动基站边缘计算力资源调度方法、系统、电子设备
El Haber et al. Computational cost and energy efficient task offloading in hierarchical edge-clouds
CN112822707B (zh) 一种计算资源有限mec中任务卸载与资源分配方法
Yao et al. Data-driven resource allocation with traffic load prediction
He et al. An offloading scheduling strategy with minimized power overhead for internet of vehicles based on mobile edge computing
CN111526526B (zh) 基于服务混搭的移动边缘计算中的任务卸载方法
Chen et al. Joint optimization of task caching, computation offloading and resource allocation for mobile edge computing
CN109600432B (zh) 内容中心移动边缘网络用户动态接入方法
Li Optimization of task offloading problem based on simulated annealing algorithm in MEC
CN116017570A (zh) 一种基于区块链的边缘计算系统资源管理方法

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: 20201103