CN113269461A - 一种基于博弈的边缘计算资源管理方法 - Google Patents

一种基于博弈的边缘计算资源管理方法 Download PDF

Info

Publication number
CN113269461A
CN113269461A CN202110640434.8A CN202110640434A CN113269461A CN 113269461 A CN113269461 A CN 113269461A CN 202110640434 A CN202110640434 A CN 202110640434A CN 113269461 A CN113269461 A CN 113269461A
Authority
CN
China
Prior art keywords
user terminal
terminal equipment
edge server
utility function
edge
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
CN202110640434.8A
Other languages
English (en)
Inventor
杨凯
高晓铮
邰岩
周荣花
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110640434.8A priority Critical patent/CN113269461A/zh
Publication of CN113269461A publication Critical patent/CN113269461A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于博弈的边缘计算资源管理方法，属于边缘计算资源管理领域。本发明实现方法为：构建边缘计算网络，构建用于衡量边缘服务器边缘计算资源使用收益的效用函数；构建用于衡量用户终端设备边缘计算资源使用收益的效用函数；以用户终端设备效用函数为约束，求解以边缘服务器效用函数为目标函数的最大值问题，即构建存在纳什均衡解的基于效用函数的Stackelberg博弈模型；根据构建的存在纳什均衡解的基于效用函数的博弈模型，进行资源管理优化，调整边缘服务器与用户终端设备双方交易策略，实现边缘计算资源管理，兼顾用户终端设备与边缘服务器双方收益，同时实现用户终端设备与边缘服务器双方收益最大化。

Description

一种基于博弈的边缘计算资源管理方法
技术领域
本发明涉及一种边缘计算资源管理方法，属于边缘计算资源管理领域。
背景技术
随着物联网时代的到来，传统以云计算为中心的集中式处理逐渐显现出很多弊端。在应用市场的激励下，边缘计算作为新型范式逐渐被广泛应用于各类服务中。边缘计算技术在提供丰富计算、存储资源的同时，也带来了如何统筹这些资源的问题。
目前，边缘计算还处于一个发展的阶段，在很多场景中，边缘服务器等基础设施还存在建设不完善无法充分满足用户终端设备实际需求的情况，这就导致在使用效能上往往会侧重用户终端设备或边缘服务器一方。传统的定价模式存在一些弊端，一方面定价机制会导致额外的信任成本损耗，进而使得交易双方无法同时实现收益最大化；另一方面静态的定价策略难以满足用户终端设备对于边缘计算资源实际需求的动态变化。
因此，目前需要一种能够通过动态调整使得用户终端设备与边缘服务器同时实现收益最大化的边缘计算资源管理方法。
发明内容
本发明公开一种基于博弈的边缘计算资源管理方法要解决的技术问题是：基于Stackelberg博弈实现边缘计算资源管理，兼顾用户终端设备与边缘服务器双方收益，同时实现用户终端设备与边缘服务器双方收益最大化。
本发明的目的是通过下述技术方案实现的：
本发明公开一种基于博弈的边缘计算资源管理方法，包括如下步骤：
步骤一：构建边缘计算网络，所述边缘计算网络包括一个边缘服务器和多个用户终端设备，用户间彼此独立且互不干扰影响，任何个体终端设备均能够与边缘服务器实时通信，边缘服务器与用户终端设备双方凭借交易策略实现利用边缘计算资源的目的。
边缘服务器的交易策略为实时定价策略，边缘服务器向用户终端设备传递其实时定价策略。所述实时定价策略为边缘服务器在此时刻，出租/出售边缘计算资源的单位数据定价。
用户终端设备交易策略为实时任务处理需求，用户终端设备向边缘服务器传递其实时任务处理需求。所述实时任务处理需求为用户终端设备在此时刻，待处理任务量与自身选择的数据卸载比率的乘积。
作为优选，所述步骤一中，边缘服务器与用户终端设备的实时通信通过有线或无线方式实现。
步骤二：构建用于衡量边缘服务器边缘计算资源使用收益的效用函数，简写为边缘服务器效用函数；构建用于衡量用户终端设备边缘计算资源使用收益的效用函数，简写为用户终端设备效用函数；其中，边缘服务器效用函数是出租/出售闲置边缘计算资源带来的收益减去边缘服务器成本，用户终端设备效用函数是租赁/购买边缘计算资源带来的收益减去用户终端设备成本；
所述边缘服务器出租/出售闲置边缘计算资源带来的收益包括收取的酬金。
所述边缘服务器成本包括计算消耗。
用户终端设备效用函数是租赁/购买边缘计算资源带来的收益包括高质量用户体验，所述高质量用户体验指比使用边缘计算资源之前用户体验好的用户体验。
所述用户终端设备成本包括传输消耗、支付的酬金。
支付的酬金通常与待处理任务大小成正比，即越大的计算处理需求，所需边缘计算资源越多，相应待支付酬金越高，反之亦然。
用户终端设备收益与间接提高的处理任务效率相关，提高的效率越高，提供服务质量越好，用户使用体验越好。
为便于步骤三构建存在纳什均衡解的基于效用函数的博弈模型，作为优选，边缘服务器效用函数Ue(p)如下：
Figure BDA0003107391870000021
其中，p为边缘服务器单位数据定价，c为处理任务每秒CPU运转圈数，xn为用户终端设备数据卸载比率，Tn为待处理任务量，n∈N，N为用户终端设备数量，S为固定计算消耗。
为便于步骤三构建存在纳什均衡解的基于效用函数的博弈模型，作为优选，用户终端设备效用函数U(xn，p)如下：
U(xn，p)＝αlog2(xn+1)-λPn-p·xnTnc
其中，αlog2(xn+1)为用户终端设备收益，α与间接提高的处理任务效率相关，λ为发射功率转换参数，Pn为用户终端设备n的发射功率，p·xnTnc为支付酬金。
步骤三：以用户终端设备效用函数为约束，求解以边缘服务器效用函数为目标函数的最大值问题，即构建存在纳什均衡解的基于效用函数的博弈模型。
步骤四：根据步骤三构建的存在纳什均衡解的基于效用函数的博弈模型，进行资源管理优化，通过迭代算法动态调整边缘服务器与用户终端设备双方交易策略，基于Stackelberg博弈实现边缘计算资源管理，兼顾用户终端设备与边缘服务器双方收益，同时实现用户终端设备与边缘服务器双方收益最大化。
有益效果：
本发明公开一种基于博弈的边缘计算资源管理方法，构建边缘计算网络，构建用于衡量边缘服务器边缘计算资源使用收益的效用函数；构建用于衡量用户终端设备边缘计算资源使用收益的效用函数；以用户终端设备效用函数为约束，求解以边缘服务器效用函数为目标函数的最大值问题，即构建存在纳什均衡解的基于效用函数的Stackelberg博弈模型；根据构建的存在纳什均衡解的基于效用函数的博弈模型，进行资源管理优化，调整边缘服务器与用户终端设备双方交易策略，实现边缘计算资源管理，兼顾用户终端设备与边缘服务器双方收益，同时实现用户终端设备与边缘服务器双方收益最大化。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例提供一种基于博弈的边缘计算资源管理方法实现流程示意图；
图2是本发明实施例证明基于该效用函数的博弈问题存在纳什均衡解的流程示意图；
图3是本发明实施例中用户终端设备任务数据卸载比率变化图；
图4是本发明实施例中用户终端设备效用函数值变化图。
具体实施方式
为了更好的说明本发明的目的和优点，下面结合附图和实例对发明内容做进一步说明。
实施例1：
如图1所示，本实施例公开的一种基于博弈的边缘计算资源管理方法，具体实现方法包括如下步骤：
步骤一：构建边缘计算网络，所述边缘计算网络包括一个边缘服务器和多个用户终端设备，用户间彼此独立且互不干扰影响，任何个体终端设备均能够与边缘服务器实时通信，边缘服务器与用户终端设备双方凭借交易策略实现利用边缘计算资源的目的。
用户间彼此独立且互不干扰影响，任何个体终端设备均可与边缘服务器实时通信。每个用户终端设备都有待处理任务，任务之间彼此独立，且均可划分为任意大小传输至边缘服务器，采用边缘计算中常用的局部卸载的工作方式，即可以选择性地卸载全部或部分任务至边缘侧进行计算分析。用户终端设备均可自由调整局部卸载策略。边缘服务器均可自由调整定价策略。
具体的，对于所有接入边缘服务器的用户终端设备的任务都能得到妥善的存储和处理，且不论卸载任务的大小、难易，边缘服务器都会在固定的时间内完成接收和处理，固定的接收时间和处理时间均为1秒，用户终端设备能够自行调整发射功率以完成待处理任务的传输，边缘服务器能够自行调整计算能力以满足处理任务的实际需求。
用户终端设备与边缘服务器的通信采用时分复用的模式，因此在计算卸载时不存在用户之间的相互干扰和影响，由此可知，用户终端设备n在卸载时的上行链路传输速率为：
Figure BDA0003107391870000041
其中，B信道带宽，Pn，为用户终端设备n的发射功率，H为信道增益，σ2为高斯白噪声。
步骤二：构建用于衡量边缘服务器边缘计算资源使用收益的效用函数，简写为边缘服务器效用函数；构建用于衡量用户终端设备边缘计算资源使用收益的效用函数，简写为用户终端设备效用函数；其中，边缘服务器效用函数是出租/出售闲置边缘计算资源带来的收益减去边缘服务器成本，用户终端设备效用函数是租赁/购买边缘计算资源带来的收益减去用户终端设备成本；
所述边缘服务器出租/出售闲置边缘计算资源带来的收益包括收取的酬金。
所述边缘服务器成本包括计算消耗。
用户终端设备效用函数是租赁/购买边缘计算资源带来的收益包括高质量用户体验，所述高质量用户体验指比使用边缘计算资源之前用户体验好的用户体验。
所述用户终端设备成本包括传输消耗、支付的酬金。
支付的酬金通常与待处理任务大小成正比，即越大的计算处理需求，所需边缘计算资源越多，相应待支付酬金越高，反之亦然。
用户终端设备收益与间接提高的处理任务效率相关，提高的效率越高，提供服务质量越好，用户使用体验越好。
具体的，其中边缘服务器效用函数的表达式如下：
Figure BDA0003107391870000042
其中，p为边缘服务器单位数据定价，c为处理任务每秒CPU运转圈数，xn为用户终端设备数据卸载比率，Tn为待处理任务量，n∈N，N为用户终端设备集，S为固定计算消耗。
其中用户终端设备效用函数的表达式如下：
U(xn，p)＝αlog2(xn+1)-λPn-p·xnTnc
其中，αlog2(xn+1)为用户终端设备收益，α与间接提高的处理任务
效率相关，λ为发射功率转换参数，p·xnTnc为支付酬金。
步骤三：以用户终端设备效用函数为约束，求解以边缘服务器效用函数为目标函数的最大值问题，即构建存在纳什均衡解的基于效用函数的博弈模型。
该博弈模型是以边缘服务器作为领导者，用户终端设备作为跟随者的Stackelberg动态博弈模型，该博弈优化了双方的效用函数，兼顾双方收益。
具体的，如图2所示，基于双方效用函数，提出以下定理。
定理1(用户终端设备数据卸载策略纳什均衡解的存在性).在用户终端设备与边缘服务器之间的博弈中，在边缘服务器单位数据定价为p的情况下，用户终端设备数据卸载策略存在纳什均衡解。
证明.由于用户终端设备任务数据卸载比率存在0≤xn≤1，则其策略空间为有界闭集，且用户终端设备效用函数在(0，1)上是连续可导的。因此，用户终端设备效用函数U(xn，p)关于xn的一阶导数为：
Figure BDA0003107391870000051
其中，
Figure BDA0003107391870000052
对效用函数U(xn，p)求关于xn的二阶导数为：
Figure BDA0003107391870000053
因此，用户终端设备的效用函数为严格凹函数。所以本博弈问题中的用户终端设备数据卸载策略存在纳什均衡解。
定理2(边缘服务器定价策略纳什均衡解的存在性).在用户终端设备与边缘服务器之间的博弈中，边缘服务器定价策略存在纳什均衡解。
证明.由于用户终端设备策略对于任意一边缘服务器定价策略p存在唯一纳什均衡解，即
Figure BDA0003107391870000054
与此同时，边缘服务器的均衡策略是基于已知的用户终端设备响应的最优策略。由于定义的用户终端设备函数应为正值，因此单位数据定价p对于用户终端设备策略集有固定上界，所以存在边缘服务器定价策略满足以下关系：
Figure BDA0003107391870000055
因此，在本博弈问题中的边缘服务器定价策略存在纳什均衡解。
步骤四：根据步骤三构建的存在纳什均衡解的基于效用函数的博弈模型，进行资源管理优化，通过迭代算法动态调整边缘服务器与用户终端设备双方交易策略，基于Stackelberg博弈实现边缘计算资源管理，兼顾用户终端设备与边缘服务器双方收益，同时实现用户终端设备与边缘服务器双方收益最大化。
在时刻t，边缘服务器的单位数据定价为p(t)，并将其通知所有参与博弈的用户终端设备。用户终端设备根据自身对于待处理任务的实际需求，综合考虑收益和代价，进而调整其任务数据卸载比率，使得自身效用函数最大。每个用户终端设备更新自身交易策略的速度正比于其效用函数的梯度，即：
Figure BDA0003107391870000061
其中，τ为用户终端设备迭代单位时间，t为边缘服务器迭代单位时间。称τ至τ+1为一个用户终端设备进行策略调整的迭代周期，经过迭代后，其任务数据卸载比率调整为：
Figure BDA0003107391870000062
其中，μ为用户终端设备学习速率。
由于定理1证明用户终端设备效用函数是严格的凹函数，因此在经过足够多次数的迭代后，用户终端设备必可以找到其数据卸载策略的纳什均衡点。
相应地，也可以通过相似的迭代算法得到边缘服务器的最优定价策略。在具体的实现过程中，边缘服务器应保持单位数据定价不变，直到获得该定价策略下用户终端设备的最佳策略，即达到子问题的纳什均衡点。之后，在其迭代周期t至t+1内，根据用户终端设备对于卸载策略的变化对定价策略进行调整。每个边缘服务器的迭代周期中都包含若干个用户终端设备的迭代周期。边缘服务器调整之后的单位数据定价表示为：
Figure BDA0003107391870000063
其中，ε为边缘服务器学习速率，
Figure BDA0003107391870000064
为t时刻边缘服务器效用函数对于p(t)的偏导。具体可以通过设置一个极小量e来计算，如下：
Figure BDA0003107391870000065
此后，作为整个博弈问题领导者的边缘服务器经过多次迭代，达到自身效用函数最大，随即停止调整。同时，将此时刻单位数据定价作为最优定价，而在此定价下的用户终端设备最优策略作为用户终端设备最佳卸载策略。本问题的纳什均衡解被找到，在该解下，任何博弈参与者均不能通过单独改变自身策略获得更大的收益。
具体的，双方交易策略的动态调整是通过迭代算法实现的，求解以边缘服务器效用函数作为目标函数，用户终端设备效用函数作为约束的最大值问题。
基于定理1和定理2，本实施例通过迭代算法实现动态的边缘计算资源管理。具体如下：
Figure BDA0003107391870000071
首先，完成初始化后，由边缘服务器将初始定价发送给所有用户终端设备。之后，用户终端设备在自身的小迭代周期内，更新任务数据卸载比率，找到该时刻定价下的纳什均衡点。之后，边缘服务器计算自身效用函数值，同时根据收集的用户终端设备信息更新其单位数据定价策略。周而复始，直到其效用函数值不再增大。最终，达到整体的纳什均衡点，即基于Stackelberg博弈实现边缘计算资源管理，兼顾用户终端设备与边缘服务器双方收益，同时实现用户终端设备与边缘服务器双方收益最大化。
综上，在单服务器多用户的场景下，一方面传统的定价机制会导致额外的信任成本损耗，进而使得交易双方无法同时实现收益最大化；另一方面静态的定价策略难以满足用户终端设备对于边缘计算资源实际需求的动态变化。针对上述问题，本实施例公开的一种基于博弈的边缘计算资源管理方法，首先构建网络模型和通信模型。之后，将问题本身建模成Stackelberg博弈问题，用户终端设备根据实际需求及边缘服务器定价策略，调整其局部卸载方案，边缘服务器则根据用户终端设备卸载方案，调整其定价策略。通过多次迭代，不断调整交易策略，用户终端设备与边缘服务器能够同时实现收益最大化。
实施例二：
为验证该方案有效性，当有8个用户终端设备布置在边缘服务器周围。每个用户终端设备都会选择边缘服务器进行交易，选择性地上传全部或部分待处理任务至边缘侧，向其租赁/购买计算、存储资源。在仿真中，令用终端设备与边缘服务器间的通信信道带宽B为2MHz，信道增益Hn为-40dB噪声功率σ2为-174dBm/Hz。用户终端设备待处理任务数据量Tn随机分布于[150；190]kb之间，其效率参数α为10，发射功率转换参数为3.63×1015用户学习速率为1×10-4，初始任务数据卸载比率xn(0)为[0；1]之间的随机数。边缘服务器每秒CPU周期c为1000，初始定价p0为1x10-9，边缘学习速率为1×1015，边缘服务器计算的固定消耗S为0.01。在用户终端设备迭代小周期内，其交易策略调整过程，如图3所示。在边缘服务器迭代大周期内，其交易策略调整过程，如图4所示。
以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于博弈的边缘计算资源管理方法，其特征在于：包括如下步骤，
步骤一：构建边缘计算网络，所述边缘计算网络包括一个边缘服务器和多个用户终端设备，用户间彼此独立且互不干扰影响，任何个体终端设备均能够与边缘服务器实时通信，边缘服务器与用户终端设备双方凭借交易策略实现利用边缘计算资源的目的；
边缘服务器的交易策略为实时定价策略，边缘服务器向用户终端设备传递其实时定价策略；所述实时定价策略为边缘服务器在此时刻，出租/出售边缘计算资源的单位数据定价；
用户终端设备交易策略为实时任务处理需求，用户终端设备向边缘服务器传递其实时任务处理需求；所述实时任务处理需求为用户终端设备在此时刻，待处理任务量与自身选择的数据卸载比率的乘积；
步骤二：构建用于衡量边缘服务器边缘计算资源使用收益的效用函数，简写为边缘服务器效用函数；构建用于衡量用户终端设备边缘计算资源使用收益的效用函数，简写为用户终端设备效用函数；其中，边缘服务器效用函数是出租/出售闲置边缘计算资源带来的收益减去边缘服务器成本，用户终端设备效用函数是租赁/购买边缘计算资源带来的收益减去用户终端设备成本；
所述边缘服务器出租/出售闲置边缘计算资源带来的收益包括收取的酬金；
所述边缘服务器成本包括计算消耗；
用户终端设备效用函数是租赁/购买边缘计算资源带来的收益包括高质量用户体验，所述高质量用户体验指比使用边缘计算资源之前用户体验好的用户体验；
所述用户终端设备成本包括传输消耗、支付的酬金；
支付的酬金通常与待处理任务大小成正比，即越大的计算处理需求，所需边缘计算资源越多，相应待支付酬金越高，反之亦然；
用户终端设备收益与间接提高的处理任务效率相关，提高的效率越高，提供服务质量越好，用户使用体验越好；
步骤三：以用户终端设备效用函数为约束，求解以边缘服务器效用函数为目标函数的最大值问题，即构建存在纳什均衡解的基于效用函数的博弈模型；
步骤四：根据步骤三构建的存在纳什均衡解的基于效用函数的博弈模型，进行资源管理优化，通过迭代算法动态调整边缘服务器与用户终端设备双方交易策略，基于Stackelberg博弈实现边缘计算资源管理，兼顾用户终端设备与边缘服务器双方收益，同时实现用户终端设备与边缘服务器双方收益最大化。
2.如权利要求1所述的一种基于博弈的边缘计算资源管理方法，其特征在于：为便于步骤三构建存在纳什均衡解的基于效用函数的博弈模型，边缘服务器效用函数Ue(p)如下：
Figure FDA0003107391860000021
其中，p为边缘服务器单位数据定价，c为处理任务每秒CPU运转圈数，xn为用户终端设备数据卸载比率，Tn为待处理任务量，n∈N,N为用户终端设备数量，S为固定计算消耗。
3.如权利要求2所述的一种基于博弈的边缘计算资源管理方法，其特征在于：为便于步骤三构建存在纳什均衡解的基于效用函数的博弈模型，用户终端设备效用函数U(xn,p)如下：
U(xn，p)＝α log2(xn+1)-λPn-p·xnTnc
其中，α log2(xn+1)为用户终端设备收益，α与间接提高的处理任务效率相关，λ为发射功率转换参数，Pn为用户终端设备n的发射功率，p·xnTnc为支付酬金。
4.如权利要求1、2或3所述的一种基于博弈的边缘计算资源管理方法，其特征在于：所述步骤一中，边缘服务器与用户终端设备的实时通信通过有线或无线方式实现。
CN202110640434.8A 2021-06-09 2021-06-09 一种基于博弈的边缘计算资源管理方法 Pending CN113269461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110640434.8A CN113269461A (zh) 2021-06-09 2021-06-09 一种基于博弈的边缘计算资源管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110640434.8A CN113269461A (zh) 2021-06-09 2021-06-09 一种基于博弈的边缘计算资源管理方法

Publications (1)

Publication Number Publication Date
CN113269461A true CN113269461A (zh) 2021-08-17

Family

ID=77234588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110640434.8A Pending CN113269461A (zh) 2021-06-09 2021-06-09 一种基于博弈的边缘计算资源管理方法

Country Status (1)

Country Link
CN (1) CN113269461A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113613261A (zh) * 2021-08-23 2021-11-05 南京航空航天大学 基于合作队列博弈的边缘计算网络中的任务卸载分配方法
CN114124955A (zh) * 2021-11-12 2022-03-01 华南师范大学 一种基于多智能体博弈的计算卸载方法
CN114125061A (zh) * 2021-10-14 2022-03-01 南京邮电大学 共享边缘服务平台中的资源最优分配方法
CN115190126A (zh) * 2022-07-01 2022-10-14 北京理工大学长三角研究院(嘉兴) 一种协调计算与传输的移动边缘计算系统及最优卸载方法
CN115242800A (zh) * 2022-09-22 2022-10-25 湖北工业大学 一种基于博弈论的移动边缘计算资源优化方法及装置
CN115460080A (zh) * 2022-08-22 2022-12-09 昆明理工大学 一种区块链辅助的时变平均场博弈边缘计算卸载优化方法
CN115941699A (zh) * 2021-10-26 2023-04-07 湘潭大学 一种动态定价的边缘计算资源分配方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110018834A (zh) * 2019-04-11 2019-07-16 北京理工大学 一种混合移动云/边缘计算的任务卸载和数据缓存方法
US20200160411A1 (en) * 2018-11-16 2020-05-21 Mitsubishi Electric Research Laboratories, Inc. Methods and Systems for Optimal Joint Bidding and Pricing of Load Serving Entity
CN112015545A (zh) * 2020-07-23 2020-12-01 山东师范大学 车辆边缘计算网络中的任务卸载方法及系统
WO2021012584A1 (zh) * 2019-07-25 2021-01-28 北京工业大学 一种移动边缘计算场景下制定单任务迁移策略的方法
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
CN112888002A (zh) * 2021-01-26 2021-06-01 重庆邮电大学 一种基于博弈论的移动边缘计算任务卸载及资源分配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200160411A1 (en) * 2018-11-16 2020-05-21 Mitsubishi Electric Research Laboratories, Inc. Methods and Systems for Optimal Joint Bidding and Pricing of Load Serving Entity
CN110018834A (zh) * 2019-04-11 2019-07-16 北京理工大学 一种混合移动云/边缘计算的任务卸载和数据缓存方法
WO2021012584A1 (zh) * 2019-07-25 2021-01-28 北京工业大学 一种移动边缘计算场景下制定单任务迁移策略的方法
CN112015545A (zh) * 2020-07-23 2020-12-01 山东师范大学 车辆边缘计算网络中的任务卸载方法及系统
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
CN112888002A (zh) * 2021-01-26 2021-06-01 重庆邮电大学 一种基于博弈论的移动边缘计算任务卸载及资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龙隆等: "移动边缘计算中计算卸载与资源分配的联合优化策略", 《高技术通讯》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113613261B (zh) * 2021-08-23 2022-07-01 南京航空航天大学 基于合作队列博弈的边缘计算网络中的任务卸载分配方法
CN113613261A (zh) * 2021-08-23 2021-11-05 南京航空航天大学 基于合作队列博弈的边缘计算网络中的任务卸载分配方法
CN114125061A (zh) * 2021-10-14 2022-03-01 南京邮电大学 共享边缘服务平台中的资源最优分配方法
CN114125061B (zh) * 2021-10-14 2023-12-08 南京邮电大学 共享边缘服务平台中的资源最优分配方法
CN115941699B (zh) * 2021-10-26 2024-04-19 湘潭大学 一种动态定价的边缘计算资源分配方法
CN115941699A (zh) * 2021-10-26 2023-04-07 湘潭大学 一种动态定价的边缘计算资源分配方法
CN114124955B (zh) * 2021-11-12 2023-07-07 华南师范大学 一种基于多智能体博弈的计算卸载方法
CN114124955A (zh) * 2021-11-12 2022-03-01 华南师范大学 一种基于多智能体博弈的计算卸载方法
CN115190126B (zh) * 2022-07-01 2023-08-18 北京理工大学长三角研究院(嘉兴) 一种协调计算与传输的移动边缘计算系统及最优卸载方法
CN115190126A (zh) * 2022-07-01 2022-10-14 北京理工大学长三角研究院(嘉兴) 一种协调计算与传输的移动边缘计算系统及最优卸载方法
CN115460080A (zh) * 2022-08-22 2022-12-09 昆明理工大学 一种区块链辅助的时变平均场博弈边缘计算卸载优化方法
CN115460080B (zh) * 2022-08-22 2024-04-05 昆明理工大学 一种区块链辅助的时变平均场博弈边缘计算卸载优化方法
CN115242800A (zh) * 2022-09-22 2022-10-25 湖北工业大学 一种基于博弈论的移动边缘计算资源优化方法及装置

Similar Documents

Publication Publication Date Title
CN113269461A (zh) 一种基于博弈的边缘计算资源管理方法
Wang et al. A machine learning approach for task and resource allocation in mobile-edge computing-based networks
Tang et al. An incentive mechanism for cross-silo federated learning: A public goods perspective
CN110262845B (zh) 区块链使能的分布式计算任务卸载方法及系统
Xu et al. A channel portfolio optimization framework for trading in a spectrum secondary market
Xu et al. Bandwidth allocation for multiple federated learning services in wireless edge networks
CN107249218A (zh) 一种mec中无线资源和云资源的联合分配方法
Kebriaei et al. Double-sided bandwidth-auction game for cognitive device-to-device communication in cellular networks
Tong et al. Stackelberg game-based task offloading and pricing with computing capacity constraint in mobile edge computing
CN111405587B (zh) 基于信道定价的虚拟无线网络资源分配方法
CN116489708B (zh) 面向元宇宙的云边端协同的移动边缘计算任务卸载方法
CN115473894A (zh) 算网中基于区块链的算力安全感知及协同方法
CN108990067A (zh) 一种应用于超密集异构网络的能效控制方法
Cao et al. An iterative auction mechanism for data trading
CN104811466B (zh) 云媒体资源分配的方法及装置
Liang et al. Resource competition in blockchain networks under cloud and device enabled participation
Sultana et al. Two-tier architecture for spectrum auction in SDN-enabled cloud radio access network
CN111918376B (zh) 一种面向非正交多址接入的多用户功率控制方法
CN115242800B (zh) 一种基于博弈论的移动边缘计算资源优化方法及装置
Ou et al. Two-Tier Resource Allocation for Multitenant Network Slicing: A Federated Deep Reinforcement Learning Approach
CN116382806A (zh) 一种任务卸载方法、装置及计算机可读存储介质
Lyu et al. Multi-leader multi-follower Stackelberg game based resource allocation in multi-access edge computing
Kattiyan Ramamoorthy et al. Stackelberg game-theoretic spectrum allocation for QoE-Centric wireless multimedia communications
CN111343238A (zh) 移动边缘计算中联合计算和带宽资源分配实现方法
Cassavia et al. Distributed computing by leveraging and rewarding idling user resources from P2P networks

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210817

WD01 Invention patent application deemed withdrawn after publication