CN112887435A - 一种提高边缘计算中任务卸载合作率的方法 - Google Patents

一种提高边缘计算中任务卸载合作率的方法 Download PDF

Info

Publication number
CN112887435A
CN112887435A CN202110395058.0A CN202110395058A CN112887435A CN 112887435 A CN112887435 A CN 112887435A CN 202110395058 A CN202110395058 A CN 202110395058A CN 112887435 A CN112887435 A CN 112887435A
Authority
CN
China
Prior art keywords
task
edge server
edge
prize
server
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
CN202110395058.0A
Other languages
English (en)
Other versions
CN112887435B (zh
Inventor
李登
魏真艳
刘佳琦
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN202110395058.0A priority Critical patent/CN112887435B/zh
Publication of CN112887435A publication Critical patent/CN112887435A/zh
Application granted granted Critical
Publication of CN112887435B publication Critical patent/CN112887435B/zh
Active 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及移动边缘计算技术领域，尤其涉及一种提高边缘计算中任务卸载合作率的方法。本发明通过在基站建立奖金池，边缘服务器设定偏好因子，收到卸载任务请求后，根据偏好因子按照预设的方法计算预期收益并定价，移动设备根据定价与卸载任务的延迟对边缘服务器进行排序，计算服务器选择因子，同时边缘服务器也可以根据任务选择因子的大小对卸载任务进行选择，任务完成后获得报酬和奖励金，根据奖励金更新奖金池和偏好因子，本发明充分利用边缘服务器的空闲资源，协助负载过重的移动设备卸载任务，降低移动设备的计算成本，提高移动设备的收益，提高边缘计算中任务卸载合作率。

Description

一种提高边缘计算中任务卸载合作率的方法
技术领域
本发明涉及移动边缘计算技术领域，尤其涉及一种提高边缘计算中任务卸载合作率的方法。
背景技术
移动边缘计算(Mobile Edge Computing，MEC)是5G网络中移动边缘网络与Internet服务的结合，是将核心业务下沉到移动网络的边缘，在网络边缘部署存储和计算资源，为移动网络提供计算服务和IT服务环境，从而为移动用户提供低时延、高带宽的网络服务。移动边缘计算的服务器是从移动基站或其附属的服务器扩展到网络边缘具有计算和存储能力的所有设备，如车联网中的车辆、路边单元，摄像头、机顶盒等嵌入式设备，路由器，或智能手机等用户终端。任务卸载是移动边缘计算中关键技术之一，是将资源受约束设备的计算密集的任务卸载到终端设备附近的边缘服务器，边缘服务器作为边缘服务器为终端设备提供低时延、强大的计算服务。因此，在边缘计算中边缘服务器协作用户卸载计算是非常重要的。
由于边缘服务器提供卸载服务需要消耗计算资源和网络资源，同时还会产生大量能耗。由于边缘服务器的私有性，边缘服务器的所有者将不愿主动提供任务卸载服务。在现有技术中，为了实现上述移动边缘计算，主要通过基站根据卸载任务的大小，将卸载任务随机分配至可用边缘服务器，当边缘服务器拒绝提供卸载服务时，再进行下一次分配，直至找到合适的边缘服务器。
在上述移动边缘计算过程中，移动设备、基站和边缘服务器为相对独立的单元，卸载任务由基站进行随机分配，任务卸载的合作率低，且费时费力。
发明内容
基于此，本发明针对上述技术问题，通过设置奖金池和奖励模型，根据移动边缘计算过程参与者的支出或收益情况，对于完成移动边缘计算过程的边缘服务器根据获得的奖金更新风险偏好，其中的风险偏好影响边缘服务器的预期收益及其任务定价，另通过计算相关的服务器选择因子和任务选择因子实现双向选择，从而提高边计算中任务卸载合作率，同时提高移动设备和边缘服务器的收益。
一种提高边缘计算中任务卸载合作率的方法，应用于移动边缘计算过程，具体包括：
所述移动设备将任务卸载请求信息通过基站发送至边缘服务器；
所述边缘服务器根据任务卸载请求信息采用预设的收益计算方法计算预期收益及预期收益率；并根据所述预期收益和处理所述任务的成本向所述基站提交任务定价；
所述移动设备根据获取的任务定价以及卸载任务的时延计算服务器选择因子，并选择服务器选择因子最小的边缘服务器进行卸载任务；当多个移动设备同时选择第一边缘服务器时，所述第一边缘服务器根据任务定价和任务大小计算任务选择因子，选择任务选择因子最小的任务；
所述边缘服务器执行完成任务后将结果返回任务所对应的第一移动设备，所述第一移动设备根据任务定价向基站付款，基站向边缘服务器发放确定的报酬和根据奖励模型确定奖励金；
根据所述奖励金更新基站奖金池，所述边缘服务器根据奖励金更新风险偏好因子。
进一步的，所述奖励模型建立具体包括：
将预设时间段的任务进行随机编号，所述编号由M个号码组成，每个号码的取值为1-N，当该预设时间段的任务完成后，确定中奖号码及中奖等级；
当任务编号与中奖号码有M个相同数字时，执行所述任务编号的边缘服务器获得一等奖；
当任务编号与中奖号码有M-1个相同数字时，执行所述任务编号的边缘服务器获得一等奖；
任务编号与中奖号码有M-2个相同数字时，执行所述任务编号的边缘服务器获得一等奖；其他为不中奖；
各等奖的中奖概率为
Figure BDA0003018292220000031
一二等将的奖金为
Figure BDA0003018292220000032
Figure BDA0003018292220000033
为第t轮获ξ等奖的边缘服务器的数量，
Figure BDA0003018292220000034
为t轮中三等奖的边缘服务器的数量，ψ3为三等奖的奖金值。
进一步的，所述边缘服务器根据任务卸载请求信息采用预设的收益计算方法计算预期收益及预期收益率，具体包括：
边缘服务器i的预期收益率Pwi为：
Figure BDA0003018292220000036
其中，
Figure BDA0003018292220000041
表示边缘服务器i前t-1轮卸载任务获得的奖励金之和，
Figure BDA0003018292220000042
表示边缘服务器i前t-1轮卸载任务为获得奖励金付出的成本之和；Eri t为预期收益，plot为边缘服务器i执行本轮卸载任务为获得奖励金的付出成本；
预期收益的计算方法分为多种情况计算公式如下：
当未中奖时，边缘服务器i的预期收益Eri t可以表示为
Figure BDA0003018292220000045
Figure BDA00030182922200000415
为决策权重函数，表示为
Figure BDA0003018292220000046
W+(p)为概率函数，表示为
Figure BDA0003018292220000047
δi为边缘服务器i的偏好因子；
当边缘服务器i中小奖且t-1轮没有中一等奖时，预期收益Eri t可以表示为
Figure BDA0003018292220000049
当t-1轮有其他边缘服务器中一等奖时，此时边缘服务器i第t轮的预期收益Eri t可以表示为
Figure BDA00030182922200000411
当边缘服务器i在t-1轮中一等奖时，此时边缘服务器i第t轮的预期收益Eri t可以表示为
Figure BDA00030182922200000413
边缘服务器i卸载任务的成本可表示为
Figure BDA00030182922200000414
其中，
Figure BDA0003018292220000051
为边缘服务器的能耗因子，
Figure BDA0003018292220000052
是单位能耗的经济成本，fi为边缘服务器的时钟频率，cτj是卸载任务所需的时钟周期，cτj＝kjdj，其中kj为CPU周期系数，dj为任务大小。
进一步的，边缘服务器i的对移动设备j的任务τj的定价为
Figure BDA0003018292220000053
所述服务器选择因子具体为：
Figure BDA0003018292220000054
其中，0＜δψ＜1为常数，delayi,j为边缘服务器i卸载任务τj的时间延迟。进一步的，所述任务选择因子具体为：
Figure BDA0003018292220000055
其中，pi,j为边缘服务器i卸载任务τj获得的确定的报酬，Eri为边缘服务器i的预期收益，plot为基站给出的奖励金的参考值。
进一步的，所述移动设备向基站付款额为bi,j+γRplot，基站向边缘服务器发放的报酬为pi,j＝bi,j。
进一步的，所述基站奖金池更新具体为：
Figure BDA0003018292220000056
其中，plot为基站给出的奖励金的参考值，γR＞0为奖池系数，Mi,j表示买卖方选择因子，
Figure BDA0003018292220000057
为t+1轮奖金池的增加值，
Figure BDA0003018292220000058
为第t+1轮开出的总奖励金。
进一步的，所述边缘服务器的风险偏好因子δi更新的公式为：
Figure BDA0003018292220000061
其中，
Figure BDA0003018292220000062
为边缘服务器i在第t轮的风险偏好因子，
Figure BDA0003018292220000063
为边缘服务器i在第t+1轮的风险偏好因子，
Figure BDA0003018292220000064
表示边缘服务器i卸载任务获得的奖励金之和，
Figure BDA0003018292220000065
表示边缘服务器i卸载任务为获得奖励金付出的成本之和；
Figure BDA0003018292220000066
为风险偏好转变阈值，
Figure BDA0003018292220000067
与边缘服务器当前的风险偏好有关，边缘服务器风险喜好程度越高，
Figure BDA0003018292220000068
越低，风险偏好转变阈值
Figure BDA0003018292220000069
与边缘服务器i的风险偏好
Figure BDA00030182922200000610
的关系可以表示为
Figure BDA00030182922200000611
有益效果：
本发明通过将移动设备、基站和边缘服务器进行相互关联，基站设置有奖金池，当边缘服务器获得任务卸载请求时，先计算相关的预期收益和成本反馈给移动设备，移动设备和边缘服务器根据选择因子进行双向选择，边缘服务器执行完任务后，获得相应的报酬和奖励金，根据获得的奖励金，更新奖金池和边缘服务器偏好因子，所述偏好因子决定预期收益的大小并决定边缘服务器的成本确定，提高边缘计算中任务卸载的合作效率，充分利用边缘服务器的空闲资源，协助负载过重的移动设备卸载任务，降低移动设备的计算成本，提高移动设备和边缘服务器的收益。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明实施例提供的一种提高边缘计算中任务卸载合作率的方法的流程图；
图2为本发明实施例提供的一种提高边缘计算中任务卸载合作率的方法的实例图；
图3为本发明实施例提供的边缘服务器合作率比较图；
图4为本发明实施例提供的移动设备收益比较图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，在本发明实施例中，提出了一种提高边缘计算中任务卸载合作率的方法的流程图，具体包括以下步骤：
步骤S101，所述移动设备将任务卸载请求信息通过基站发送至边缘服务器。
在本发明实施例中，所述移动设备为计算资源不足的设备作为购买资源的买家；所述基站为可信第三方，用于信息的传递，收款或发放酬金，并设立有奖金池以及奖励模型，所述奖励模型具体包括：
将预设时间段获得的卸载任务进行随机编号，所述编号由M个号码组成，每个号码的取值为1-N，当该预设时间段的任务完成后，确定中奖号码及中奖等级；当任务编号与中奖号码有M个相同数字时，执行所述任务编号的边缘服务器获得一等奖；当任务编号与中奖号码有M-1个相同数字时，执行所述任务编号的边缘服务器获得一等奖；任务编号与中奖号码有M-2个相同数字时，执行所述任务编号的边缘服务器获得一等奖；其他为不中奖。各等奖的中奖概率如公式(1)。
Figure BDA0003018292220000081
一二等将的奖金如公式(2)所示：
Figure BDA0003018292220000082
其中，
Figure BDA0003018292220000083
为第t轮获ξ等奖的边缘服务器的数量，
Figure BDA0003018292220000084
为t轮中三等奖的边缘服务器的数量，ψ3为三等奖的奖金值，由基站直接设定具体数值。
所述的任务卸载请求信息具体包括任务大小，移动设备可接受的任务最大时延，当基站获得任务卸载请求信息后，向所有可用的边缘服务器广播移动设备。
步骤S102，所述边缘服务器根据任务卸载请求信息采用预设的收益计算方法计算预期收益及预期收益率；并根据所述预期收益和处理所述任务的成本向所述基站提交任务定价。
在本发明实施例中，所述边缘服务器i的预期收益率Pwi为：
Figure BDA0003018292220000085
其中，
Figure BDA0003018292220000091
表示边缘服务器i前t-1轮卸载任务获得的奖励金之和，
Figure BDA0003018292220000092
表示边缘服务器i前t-1轮卸载任务为获得奖励金付出的成本之和；Eri t为预期收益，plot为边缘服务器i执行本轮卸载任务为获得奖励金的付出成本。
在本发明实施例中，预期收益的计算方法分为多种情况计算公式如下：
当未中奖时，边缘服务器i的预期收益Eri t可以表示为
Figure BDA0003018292220000095
Figure BDA00030182922200000914
为决策权重函数，表示为
Figure BDA0003018292220000096
W+(p)为概率函数，表示为
Figure BDA0003018292220000097
δi为边缘服务器i的偏好因子；
当边缘服务器i中小奖且t-1轮没有中一等奖时，预期收益Eri t可以表示为：
Figure BDA0003018292220000099
当t-1轮有其他边缘服务器中一等奖时，此时边缘服务器i第t轮的预期收益Eri t可以表示为：
Figure BDA00030182922200000911
当边缘服务器i在t-1轮中一等奖时，此时边缘服务器i第t轮的预期收益Eri t可以表示为：
Figure BDA00030182922200000913
边缘服务器i卸载任务的成本可表示为
Figure BDA0003018292220000101
其中，
Figure BDA0003018292220000102
为边缘服务器的能耗因子，
Figure BDA0003018292220000103
是单位能耗的经济成本，fi为边缘服务器的时钟频率，cτj是卸载任务所需的时钟周期，cτj＝kjdj，其中kj为CPU周期系数，dj为任务大小。
步骤S103，所述移动设备根据获取的任务定价以及卸载任务的时延计算服务器选择因子，并选择服务器选择因子最小的边缘服务器进行卸载任务；当多个移动设备同时选择第一边缘服务器时，所述第一边缘服务器根据任务定价和任务大小计算任务选择因子，选择任务选择因子最小的任务。
在本发明实施例中，服务器选择因子
Figure BDA0003018292220000104
的计算公式如下所示
Figure BDA0003018292220000105
任务选择因子
Figure BDA0003018292220000106
的计算公式如下所示
Figure BDA0003018292220000107
步骤S104，所述边缘服务器执行完成任务后将结果返回任务所对应的第一移动设备，所述第一移动设备根据任务定价向基站付款，基站向边缘服务器发放确定的报酬和根据奖励模型确定奖励金。
在本发明实施例中，移动设备向基站付款为bi,j+γRplot，其中γR为奖池系数。基站向边缘服务器发放的确定的报酬pi,j为pi,j＝bi,j。其中奖励金根据中奖情况发放奖励金。
步骤S105，根据所述奖励金更新基站奖金池，所述边缘服务器根据奖励金更新风险偏好因子。
在本发明实施例中，第t+1轮的奖金池的计算公式为
Figure BDA0003018292220000111
其中，plot为BS给出的奖励金的参考值，γR＞0为奖池系数，Mi,j表示买卖方选择因子，
Figure BDA0003018292220000112
为t+1轮奖金池的增加值，
Figure BDA0003018292220000113
为第t+1轮开出的总奖励金。
在本发明实施例中，在上一轮的奖励金确定后，边缘服务器的风险偏好因子δi更新的公式为
Figure BDA0003018292220000114
其中，
Figure BDA0003018292220000115
为边缘服务器i在第t轮的风险偏好因子，
Figure BDA0003018292220000116
为边缘服务器i在第t+1轮的风险偏好因子。
Figure BDA0003018292220000117
表示边缘服务器i卸载任务获得的随机奖励金之和，
Figure BDA0003018292220000118
表示边缘服务器i卸载任务为获得随机奖励金付出的成本之和。
Figure BDA0003018292220000119
为风险偏好转变阈值，
Figure BDA00030182922200001110
与边缘服务器当前的风险偏好有关，边缘服务器风险喜好程度越高，
Figure BDA00030182922200001111
越低。风险偏好转变阈值
Figure BDA00030182922200001112
与边缘服务器i的风险偏好
Figure BDA00030182922200001113
的关系可以表示为
Figure BDA00030182922200001114
当边缘服务器获得随机奖励金时，其风险喜好程度增加。风险喜好程度越强，边缘服务器的预期收益率越高，边缘服务器卸载任务的预期收益越大，相应地对卸载任务的定价越低。即我们通过随机奖励金的方法，能够激励更多的边缘服务器卸载任务，提高边缘计算中任务卸载合作率，同时提高移动设备的收益。
以下以具体的实例进行进一步说明。
在本实例中，假设网络有3个边缘服务器E1，E2,E3、4个具有请求任务的移动设备N1，N2，...，N4和一个具有卸载任务能力的BS(E0),任务的价值分别为(6，4，10，8，6)。M＝5,N＝13,ψ3＝1，γ1＝0.95，γ2＝0.05，Θt＝100。每个设备有一个待卸载的任务τ1,τ2,...,τ4。每个边缘服务器都有一个风险偏好因子
Figure BDA0003018292220000121
卸载任务的成本Ci,j，具体参数如表1所示。
表1边缘服务器具体参数
Figure BDA0003018292220000122
设定
Figure BDA0003018292220000123
αb＝0.5，β＝0.5，边缘服务器根据预期收益率判断是否参与任务卸载，并根据预期收益对任务进行定价。
根据公式计算预期收益率Pwi
Pw0＝0.90 Pw1＝1.30 Pw2＝1.26 Pw3＝2.15
边缘服务器对彩票的预期收益为
Er0＝1.51 Er1＝2.16 Er2＝1.91 Er3＝2.81
边缘服务器对任务的定价如表2所示
表2边缘服务器对任务的定价
Figure BDA0003018292220000124
Figure BDA0003018292220000131
根据任务选择因子和服务器选择因子确定选择的结果，结果如图2所示。
根据模拟结果，边缘服务器完成任务所得的随机奖励金Rwi,j为：
Rw0,2＝0，Rw2，1＝0，Rw2，3＝0，Rw3，4＝0
得请求者的收益Uj为
U1＝5.85，U2＝9.37，U3＝8.32，U1＝6.54
根据本轮的收益情况可得下一轮的预期收益率
Pw0＝0.90 Pw1＝1.30 Pw2＝1.30 Pw3＝2.16。
PMMRA是用于计算卸载中移动设备和边缘服务器的资源交易方法，是以最大化边缘服务器收益为目的的一种多轮拍卖方法。PMMRA可有效地为移动设备匹配卸载任务的边缘服务器，并确定移动设备应支付给边缘服务器的报酬。
图3是采用本发明方法实施例LIM与PMMRA方法边缘服务器合作率的对比图。从图中可以看出，随着时间的变化，LIM的合作率始终高于PMMRA的合作率。这是由于在LIM的奖励模型的作用下，可有效地吸引边缘服务器参与任务卸载。
图4为采用本发明方法实施例LIM与PMMRA方法作用的任务卸载中移动设备的收益对比图。从图中可以看出，随着边缘服务器数量的增加，移动设备的收益不断增加，并趋于稳定。这是由于在边缘服务器数量达到饱和前，随着边缘服务器的增加，任务卸载数量不断增加，因此移动设备的收益不断增加。当边缘服务器的数量达到饱和，任务总是由最有效的边缘服务器卸载，因此移动设备的收益保持稳定。并且，由于LIM中对于卸载任务的边缘服务器有随机的奖励，可有效地激励边缘服务器降低对任务的定价，从而导致LIM的移动设备的收益始终高于PMMRA方法中的移动设备的收益。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

Claims (8)

1.一种提高边缘计算中任务卸载合作率的方法，应用于移动设备资源不足时将任务通过基站卸载至边缘服务器过程，其特征在于，具体包括：
所述移动设备将任务卸载请求信息通过基站发送至边缘服务器；所述基站构建奖金池；
所述边缘服务器根据任务卸载请求信息采用预设的收益计算方法计算预期收益及预期收益率；并根据所述预期收益和处理所述任务的成本向所述基站提交任务定价；
所述移动设备根据获取的任务定价以及卸载任务的时延计算服务器选择因子，并选择服务器选择因子最小的边缘服务器进行卸载任务；当多个移动设备同时选择第一边缘服务器时，所述第一边缘服务器根据任务定价和任务大小计算任务选择因子，选择任务选择因子最小的任务；
所述边缘服务器执行完成任务后将结果返回任务所对应的第一移动设备，所述第一移动设备根据任务定价向基站付款，基站向对应的边缘服务器发放确定的报酬和根据奖励模型确定奖励金；
根据所述奖励金更新基站奖金池，所述边缘服务器根据获得的奖励金更新风险偏好因子。
2.根据权利要求1所述的提高边缘计算中任务卸载合作率的方法，其特征在于，所述奖励模型建立具体包括：
将预设时间段的任务进行随机编号，所述编号由M个号码组成，每个号码的取值为1-N，当该预设时间段的任务完成后，确定中奖号码及中奖等级；
当任务编号与中奖号码有M个相同数字时，执行所述任务编号的边缘服务器获得一等奖；
当任务编号与中奖号码有M-1个相同数字时，执行所述任务编号的边缘服务器获得一等奖；
任务编号与中奖号码有M-2个相同数字时，执行所述任务编号的边缘服务器获得一等奖；其他为不中奖；
各等奖的中奖概率为
Figure FDA0003018292210000021
一二等将的奖金为
Figure FDA0003018292210000022
Figure FDA0003018292210000023
为第t轮获ξ等奖的边缘服务器的数量，
Figure FDA0003018292210000024
为t轮中三等奖的边缘服务器的数量，γξ为第ξ等奖的奖金比例，ψ3为三等奖的奖金值。
3.根据权利要求1所述的提高边缘计算中任务卸载合作率的方法，其特征在于，所述边缘服务器根据任务卸载请求信息采用预设的收益计算方法计算预期收益及预期收益率，具体包括：
边缘服务器i的预期收益率Pwi为：
Figure FDA0003018292210000025
其中，
Figure FDA0003018292210000026
表示边缘服务器i前t-1轮卸载任务获得的奖励金之和，
Figure FDA0003018292210000027
表示边缘服务器i前t-1轮卸载任务为获得奖励金付出的成本之和；
Figure FDA0003018292210000028
为预期收益，plot为边缘服务器i执行本轮卸载任务为获得奖励金的付出成本；
预期收益的计算方法分为多种情况计算公式如下：
当未中奖时，边缘服务器i的预期收益
Figure FDA0003018292210000029
可以表示为
Figure FDA0003018292210000031
Figure FDA00030182922100000314
为决策权重函数，表示为
Figure FDA0003018292210000032
W+(p)为概率函数，表示为
Figure FDA0003018292210000033
δi为边缘服务器i的偏好因子；
当边缘服务器i中小奖且t-1轮没有中一等奖时，预期收益
Figure FDA0003018292210000034
可以表示为
Figure FDA0003018292210000035
当t-1轮有其他边缘服务器中一等奖时，此时边缘服务器i第t轮的预期收益
Figure FDA0003018292210000036
可以表示为
Figure FDA0003018292210000037
当边缘服务器i在t-1轮中一等奖时，此时边缘服务器i第t轮的预期收益
Figure FDA0003018292210000038
可以表示为
Figure FDA0003018292210000039
边缘服务器i卸载任务的成本可表示为
Figure FDA00030182922100000310
其中，
Figure FDA00030182922100000311
为边缘服务器的能耗因子，
Figure FDA00030182922100000312
是单位能耗的经济成本，fi为边缘服务器的时钟频率，cτj是卸载任务所需的时钟周期，cτj＝kjdj，其中kj为CPU周期系数；
边缘服务器i的对移动设备j的任务τj的定价为
Figure FDA00030182922100000313
4.根据权利要求1所述的提高边缘计算中任务卸载合作率的方法，其特征在于，所述服务器选择因子具体为：
Figure FDA0003018292210000041
其中，0＜δψ＜1为常数，delayi,j为边缘服务器i卸载任务τj的时间延迟。
5.根据权利要求1所述的提高边缘计算中任务卸载合作率的方法，其特征在于，所述任务选择因子具体为：
Figure FDA0003018292210000042
其中，pi,j为边缘服务器i卸载任务τj获得的确定的报酬，Eri为边缘服务器i的预期收益，plot为基站给出的奖励金的参考值。
6.根据权利要求1所述的提高边缘计算中任务卸载合作率的方法，其特征在于，所述移动设备向基站付款额为bi,j+γRplot，基站向边远服务器发放的报酬为pi,j＝bi,j。
7.根据权利要求1所述的提高边缘计算中任务卸载合作率的方法，其特征在于，所述基站奖金池更新具体为：
Figure FDA0003018292210000043
其中，plot为基站给出的奖励金的参考值，γR＞0为奖池系数，Mi,j表示买卖方选择因子，
Figure FDA0003018292210000044
为t+1轮奖金池的增加值，
Figure FDA0003018292210000045
为第t+1轮开出的总奖励金。
8.根据利要求1所述的提高边缘计算中任务卸载合作率的方法，其特征在于，所述边缘服务器的风险偏好因子δi更新的公式为：
Figure FDA0003018292210000051
其中，
Figure FDA0003018292210000052
为边缘服务器i在第t轮的风险偏好因子，
Figure FDA0003018292210000053
为边缘服务器i在第t+1轮的风险偏好因子，
Figure FDA0003018292210000054
表示边缘服务器i卸载任务获得的奖励金之和，
Figure FDA0003018292210000055
表示边缘服务器i卸载任务为获得奖励金付出的成本之和；
Figure FDA0003018292210000056
为风险偏好转变阈值，
Figure FDA0003018292210000057
与边缘服务器当前的风险偏好有关，边缘服务器风险喜好程度越高，
Figure FDA0003018292210000058
越低，风险偏好转变阈值
Figure FDA00030182922100000511
与边缘服务器i的风险偏好
Figure FDA0003018292210000059
的关系可以表示为：
Figure FDA00030182922100000510
γξ为第ξ等奖的奖金比例。
CN202110395058.0A 2021-04-13 2021-04-13 一种提高边缘计算中任务卸载合作率的方法 Active CN112887435B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110395058.0A CN112887435B (zh) 2021-04-13 2021-04-13 一种提高边缘计算中任务卸载合作率的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110395058.0A CN112887435B (zh) 2021-04-13 2021-04-13 一种提高边缘计算中任务卸载合作率的方法

Publications (2)

Publication Number Publication Date
CN112887435A true CN112887435A (zh) 2021-06-01
CN112887435B CN112887435B (zh) 2022-05-20

Family

ID=76040022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110395058.0A Active CN112887435B (zh) 2021-04-13 2021-04-13 一种提高边缘计算中任务卸载合作率的方法

Country Status (1)

Country Link
CN (1) CN112887435B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114168279A (zh) * 2021-11-24 2022-03-11 贵州安禾晟达企业管理有限公司 海量数据的任务调度方法及系统
CN114666339A (zh) * 2022-02-16 2022-06-24 中南大学 一种基于中智集的边缘卸载方法、系统及存储介质

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7653689B1 (en) * 2002-05-17 2010-01-26 Abacast, Inc. Intelligent virtual content distribution network system and method
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
CN108958931A (zh) * 2018-06-21 2018-12-07 北京邮电大学 一种计算迁移方法及装置
CN109040193A (zh) * 2018-07-10 2018-12-18 广东工业大学 基于无依赖子任务的移动设备云资源分配方法
CN109802998A (zh) * 2018-12-28 2019-05-24 上海无线通信研究中心 一种基于博弈的雾网络协同调度激励方法及系统
CN109905860A (zh) * 2019-02-28 2019-06-18 华北电力大学 一种基于车辆雾计算的服务器招募及任务卸载优化方案
CN109919033A (zh) * 2019-01-31 2019-06-21 中山大学 一种基于边缘计算的自适应城市寻人方法
CN110231984A (zh) * 2019-06-06 2019-09-13 湖南大学 多工作流任务分配方法、装置、计算机设备和存储介质
CN110544147A (zh) * 2019-08-05 2019-12-06 西北工业大学 一种mec中基于双向拍卖的多任务跨服务器资源分配方法
CN110798849A (zh) * 2019-10-10 2020-02-14 西北工业大学 一种超密网边缘计算的计算资源分配与任务卸载方法
CN111031102A (zh) * 2019-11-25 2020-04-17 哈尔滨工业大学 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法
CN111163521A (zh) * 2020-01-16 2020-05-15 重庆邮电大学 移动边缘计算中一种分布式异构环境下的资源分配方法
CN111163519A (zh) * 2019-12-27 2020-05-15 东北大学秦皇岛分校 系统收益最大化的无线体域网资源分配与任务卸载算法
CN111274037A (zh) * 2020-01-21 2020-06-12 中南大学 一种边缘计算任务卸载方法、系统
CN111400001A (zh) * 2020-03-09 2020-07-10 清华大学 一种面向边缘计算环境的在线计算任务卸载调度方法
CN111641681A (zh) * 2020-05-11 2020-09-08 国家电网有限公司 基于边缘计算和深度强化学习的物联网服务卸载决策方法
WO2020198157A1 (en) * 2019-03-28 2020-10-01 Palo Alto Networks, Inc. Multi-access distributed edge security in mobile networks
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
CN112328397A (zh) * 2020-11-10 2021-02-05 西安电子科技大学 5g异构网络系统及其协同车辆计算任务卸载方法
CN112416554A (zh) * 2020-11-20 2021-02-26 北京邮电大学 一种任务迁移方法、装置、电子设备及存储介质
CN112445617A (zh) * 2020-11-25 2021-03-05 中国石油大学(华东) 一种基于移动边缘计算的负载策略选择方法及系统
CN112612553A (zh) * 2021-01-06 2021-04-06 重庆邮电大学 一种基于容器技术的边缘计算任务卸载方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7653689B1 (en) * 2002-05-17 2010-01-26 Abacast, Inc. Intelligent virtual content distribution network system and method
CN108958931A (zh) * 2018-06-21 2018-12-07 北京邮电大学 一种计算迁移方法及装置
CN109040193A (zh) * 2018-07-10 2018-12-18 广东工业大学 基于无依赖子任务的移动设备云资源分配方法
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
CN109802998A (zh) * 2018-12-28 2019-05-24 上海无线通信研究中心 一种基于博弈的雾网络协同调度激励方法及系统
CN109919033A (zh) * 2019-01-31 2019-06-21 中山大学 一种基于边缘计算的自适应城市寻人方法
CN109905860A (zh) * 2019-02-28 2019-06-18 华北电力大学 一种基于车辆雾计算的服务器招募及任务卸载优化方案
WO2020198157A1 (en) * 2019-03-28 2020-10-01 Palo Alto Networks, Inc. Multi-access distributed edge security in mobile networks
CN110231984A (zh) * 2019-06-06 2019-09-13 湖南大学 多工作流任务分配方法、装置、计算机设备和存储介质
CN110544147A (zh) * 2019-08-05 2019-12-06 西北工业大学 一种mec中基于双向拍卖的多任务跨服务器资源分配方法
CN110798849A (zh) * 2019-10-10 2020-02-14 西北工业大学 一种超密网边缘计算的计算资源分配与任务卸载方法
CN111031102A (zh) * 2019-11-25 2020-04-17 哈尔滨工业大学 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法
CN111163519A (zh) * 2019-12-27 2020-05-15 东北大学秦皇岛分校 系统收益最大化的无线体域网资源分配与任务卸载算法
CN111163521A (zh) * 2020-01-16 2020-05-15 重庆邮电大学 移动边缘计算中一种分布式异构环境下的资源分配方法
CN111274037A (zh) * 2020-01-21 2020-06-12 中南大学 一种边缘计算任务卸载方法、系统
CN111400001A (zh) * 2020-03-09 2020-07-10 清华大学 一种面向边缘计算环境的在线计算任务卸载调度方法
CN111641681A (zh) * 2020-05-11 2020-09-08 国家电网有限公司 基于边缘计算和深度强化学习的物联网服务卸载决策方法
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
CN112328397A (zh) * 2020-11-10 2021-02-05 西安电子科技大学 5g异构网络系统及其协同车辆计算任务卸载方法
CN112416554A (zh) * 2020-11-20 2021-02-26 北京邮电大学 一种任务迁移方法、装置、电子设备及存储介质
CN112445617A (zh) * 2020-11-25 2021-03-05 中国石油大学(华东) 一种基于移动边缘计算的负载策略选择方法及系统
CN112612553A (zh) * 2021-01-06 2021-04-06 重庆邮电大学 一种基于容器技术的边缘计算任务卸载方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
JIAQI LIU等: "Optimal Mobile Association and Power Allocation in Device-to-Device-Enable Heterogeneous Networks with Non-Orthogonal Multiple Access Protocol", 《2018 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC)》 *
LI DENG等: "Artificial Intelligence in the Rising Wave of Deep Learning: The Historical Path and Future Outlook", 《IEEE SIGNAL PROCESSING MAGAZINE》 *
XIAOHENG DENG等: "User-Centric Computation Offloading for Edge Computing", 《IEEE INTERNET OF THINGS JOURNAL》 *
夏士超等: "移动边缘计算中分布式异构任务卸载算法", 《电子与信息学报》 *
梁俊斌等: "物联网中多设备多服务器的移动边缘计算任务卸载技术综述", 《计算机科学》 *
马惠荣等: "绿色能源驱动的移动边缘计算动态任务卸载", 《计算机研究与发展》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114168279A (zh) * 2021-11-24 2022-03-11 贵州安禾晟达企业管理有限公司 海量数据的任务调度方法及系统
CN114666339A (zh) * 2022-02-16 2022-06-24 中南大学 一种基于中智集的边缘卸载方法、系统及存储介质
CN114666339B (zh) * 2022-02-16 2023-04-11 中南大学 一种基于中智集的边缘卸载方法、系统及存储介质

Also Published As

Publication number Publication date
CN112887435B (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
Ganuza et al. Signal orderings based on dispersion and the supply of private information in auctions
CN112887435B (zh) 一种提高边缘计算中任务卸载合作率的方法
CN108009879B (zh) 一种基于竞价模式升舱的方法及系统
CN110417872A (zh) 一种面向移动区块链的边缘网络资源分配方法
CN108335182B (zh) 一种基于双边拍卖机制的云平台Web服务交易系统及方法
CN111262940A (zh) 一种车载边缘计算应用缓存方法、装置及系统
US10049382B2 (en) Systems and methods for predicting and pricing of gross rating point scores by modeling viewer data
CN107784561A (zh) 一种移动众包系统中在线激励机制的实现方法
CN114047971B (zh) 边缘计算资源分配方法及装置
Adikari et al. A new approach to real-time bidding in online advertisements: Auto pricing strategy
Leslie et al. The welfare effects of ticket resale
Cramton et al. Discrete clock auctions: an experimental study
CN113301158A (zh) 一种移动边缘计算环境下基于拍卖理论的资源分配方法
CN111625287B (zh) 基于诱饵效应的雾节点任务卸载方法、系统、介质及设备
CN110266770B (zh) 基于博弈论的闲置云资源调度方法和装置
US20200349570A1 (en) System and method for enhanced clock auctions and combinatorial clock auctions
Andrews Understanding the effects of quota trading on mobile usage dynamics
Raviv The role of the bidding process in price determination: Jump bidding in sequential English auctions
CN111524002A (zh) 联名信用卡额度确定方法及装置
CN111311102A (zh) 资源配比调整方法、装置、设备和计算机可读存储介质
Xie et al. On user cooperative caching by reverse auction
Merlo et al. The home selling problem: Theory and evidence
CN115328650B (zh) 一种基于智能合约最大化系统获利的边缘节点分配方法
Zhu et al. On truthful auction mechanisms for electricity allocation with multiple time slots
CN114338685B (zh) 基于信用度-价格关系的边缘服务器资源分配方法

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
GR01 Patent grant
GR01 Patent grant