CN113301158B - 一种移动边缘计算环境下基于拍卖理论的资源分配方法 - Google Patents

Abstract

本发明公开了一种移动边缘计算环境下基于拍卖理论的资源分配方法，涉及移动边缘计算环境下的资源分配技术领域。包括：步骤1：初始化边缘服务器资源容量；步骤2：移动用户向边缘服务器提交计算任务需求及估价；步骤3：对边缘服务器的资源配置组合根据归一化处理结果进行重新排序；步骤4：将移动用户提交的计算任务需求转换为CPU资源和信道资源需求；步骤5：确定移动用户的投标标的并参与投标竞价；步骤6：利用原始‑对偶近似算法对参与竞价的移动用户进行赢家确定；步骤7：通过VCG竞价机制确定每个赢家需要支付的价格。本发明解决了移动设备在本地无法处理新型应用的问题，在多项式时间复杂度内得到一个近似最优解的资源分配结果。

Description

一种移动边缘计算环境下基于拍卖理论的资源分配方法

技术领域

本发明涉及移动边缘计算环境下的资源分配技术领域，具体涉及一种移动边缘计算环境下基于拍卖理论的资源分配方法。

背景技术

近年来，随着移动互联网和智能终端的快速发展，越来越多的新型应用出现在人们的日常生活中，例如，人脸识别和交互式游戏等。然而，由于物理距离的限制，移动设备(Mobile Device，MD)能使用的资源通常是有限的，因此计算能力和电池续航能力也受到限制，这一特性使移动设备难以有效地处理一些新型应用。为了解决上述问题，移动边缘计算(Mobile Edge Computing，MEC)的概念应运而生。移动边缘计算是将具有存储和计算能力的网络设备实体部署在移动网络边缘，为移动用户提供IT服务和计算能力。

移动边缘计算中的资源分配致力于解决如何高效公平地分配网络资源以实现移动用户任务处理的问题。而移动边缘计算中的资源都是由边缘云服务供应商提供的，面对移动边缘计算中的资源分配问题，若单从性能指标的角度来得到最优分配方案存在一些不足。这种资源分配方式只考虑用户需求而没有考虑边缘云服务供应商的利益。事实上，移动边缘计算是一个面向市场的服务模式，边缘云服务供应商可能不愿意在没有利润驱动时共享其空闲资源。为此，在保证性能指标的前提下，从经济学的角度设计激励机制以鼓励边缘云服务供应商为用户提供网络资源是符合实际需求的。因此，在移动边缘计算环境中，如何在保证移动用户的服务质量前提下，设计高效的资源分配机制激励边缘云服务供应商为移动用户提供其拥有的网络资源是关键问题。同时，由于求解资源分配问题已被证明是NP-hard(Non-deterministic Polynomial-time hard)问题，当问题规模较大时，无法在多项式时间复杂度下得到最优解。为此，需设计接近最优的近似算法，在多项式时间内完成资源分配。

发明内容

本发明为了解决上述问题，提供了一种移动边缘计算环境下基于拍卖理论的资源分配方法，设计了原始-对偶近似算法，使边缘云服务供应商在提供服务时，可以在保证移动用户的体验质量(Quality of Experience，QoE)的前提下，在多项式时间内以接近最优解的分配方式获得经济效益，同时，在经济利益的驱使下，可以鼓励更多的边缘云服务供应商提供其空闲资源。

本发明的技术方案是：

一种移动边缘计算环境下基于拍卖理论的资源分配方法，包括如下步骤：

步骤1：初始化边缘服务器资源容量；

将边缘服务器l的CPU资源容量表示为C_l，与边缘服务器l匹配的基站的信道资源容量表示为B_l，并假设边缘服务器拥有I种固定的资源配置组合，表示为(c_i,bw_i)，i∈I，其中c_i表示提供的CPU资源，以每秒钟CPU周期数表示，bw_i表示提供的信道资源，以信道数目表示；

步骤2：N个移动用户向边缘云服务供应商提交各自的计算任务需求以及各移动用户对其各自计算任务的估价；

步骤3：分别对各边缘服务器拥有的资源配置组合进行归一化处理得到资源占用率，并对各资源占用率按递增顺序排序，得到资源占用率的升序序列，进而得到对应的资源配置组合的序列；

步骤4：按照资源配置组合的数据形式，将各移动用户提交的计算任务需求转换为相应的CPU资源和信道资源需求；

步骤5：根据各移动用户的CPU资源和信道资源需求及其对各自计算任务的估价，移动用户确定各自的投标标的并参与投标竞价，移动用户确定的投标标的构成集合Β＝{b₁,b₂,…,b_n}，n＝1,2,3,…,N；

步骤6：利用原始-对偶近似算法对参与竞价的N个移动用户进行赢家确定，从而得到资源分配结果集合A；

步骤7：根据各移动用户的投标标的和资源分配结果集合A，通过VCG竞价机制确定每个赢家需要支付的价格；

步骤8：结束。

进一步地，根据所述的移动边缘计算环境下基于拍卖理论的资源分配方法，在步骤2中，移动用户n提交的计算任务需求表示为

其中，n＝1,2,3,…,N，d_n表示移动用户n完成计算任务需要输入的数据量大小，s_n表示移动用户n完成该计算任务所需要的CPU周期数，δ_n表示移动用户n为了完成计算任务最大可容忍延迟阈值；

移动用户n对其计算任务的估价表示为v_n，即移动用户n为获取边缘云服务以完成其计算任务而愿意支付的最大货币成本量。

进一步地，根据所述的移动边缘计算环境下基于拍卖理论的资源分配方法，步骤3中所述资源配置组合的序列的获得方法为：

首先，对边缘服务器的I种资源配置组合分别按照公式(1)做归一化处理，得到资源占用率Φ_i，i∈I：

然后，将Φ_i按递增顺序排序，得到新的序列Φ_j，j∈I，新的资源占用率序列Φ_j满足Φ_j≤Φ_j′，j＜j′∪j≠j′∈I；

最后，根据资源占用率序列Φ_j得到相对应的资源配置组合的序列(c_j,bw_j)。

进一步地，根据所述的移动边缘计算环境下基于拍卖理论的资源分配方法，在步骤4中，将移动用户n提交的计算任务需求按照资源配置组合的数据形式转换为相应的CPU资源和信道资源需求(uc_n,ubw_n)的方法，包括如下步骤：

步骤4.1：令j＝1；

步骤4.2：计算边缘服务器处理移动用户n的计算任务的时延T_n，并判断T_n是否满足移动用户n的最大可容忍时延；

步骤4.2.1：从边缘服务器获取资源配置组合(c_j,bw_j)，并令uc_n＝c_j，ubw_n＝bw_j，计算边缘服务器处理移动用户n的计算任务的时延T_n；

步骤4.2.2：判断是否T_n≤δ_n，即是否(uc_n,ubw_n)满足移动用户n的最大可容忍时延，若是，则(uc_n,ubw_n)即为移动用户n转换后的对CPU资源与信道资源的需求，执行步骤5，若否，则执行步骤4.3；

步骤4.3：令j＝j+1，并转至步骤4.2。

进一步地，根据所述的移动边缘计算环境下基于拍卖理论的资源分配方法，所述T_n的计算方法如下：

边缘服务器处理移动用户n的计算任务时，需要先将用户的输入数据d_n通过上行传输信道传输给基站，这个过程会产生一个如式(2)所示的输入数据通过上行链路上传至边缘服务器的时延：

其中，d_n表示移动用户n完成计算任务需要输入的数据量大小；R_n表示移动用户n传输数据时的上行链路速率，如公式(3)所示：

其中，ubw_n表示移动用户n对信道资源的需求，w表示上行链路带宽；p_n表示传输功率；h_n,l表示移动用户n到边缘服务器l对应的基站的上行链路功率增益；N₀表示基站对应移动用户n的上行链路噪声功率；

移动用户n将输入数据传输到边缘服务器的基站之后，边缘服务器开始处理接收到的数据，完成用户的计算任务，这个过程会产生一个如式(4)所示的边缘服务器处理任务的时延：

其中，s_n表示完成该计算任务所需要的CPU周期，uc_n表示移动用户n需要的CPU资源，以每秒钟CPU周期数表示；

综合上述，移动用户n将计算任务卸载到边缘服务器执行时的时延

进一步地，根据所述的移动边缘计算环境下基于拍卖理论的资源分配方法，所述步骤6包括如下步骤：

步骤6.1：初始化以下参数：资源分配结果集合A＝{x₁,x₂,x₃,…,x_N}，n＝1,2,3,…,N，其中原始变量x_n＝0；对偶变量

与

所述原始变量为x_n∈N＝{0,1}，表示移动用户n能否获得所需资源，若x_n＝1，表示移动用户n中标成为赢家，得到请求的资源，可以将计算任务卸载到边缘服务器中执行；若x_n＝0，表示移动用户n没有中标未成为赢家，没有得到请求的资源，不能将计算任务卸载到边缘服务器中；

步骤6.2：根据边缘服务器的资源限制条件，选择赢家，从而确定最终的资源分配结果集合A；

步骤6.2.1：判断是否所有赢家对CPU资源的需求总量没有超过边缘服务器的CPU资源最大容量以及对信道资源的需求总量没有超过边缘服务器相应基站的信道资源最大容量，若是，则执行步骤6.2.2至6.2.5，若否，则得到最终的资源分配结果集合A，转至步骤7；

步骤6.2.2：根据公式(7)计算未成为赢家的各移动用户的投标标的中CPU资源与信道资源的单位价格；

其中，unit_v_n为未成为赢家的移动用户n的投标标的中CPU资源与信道资源的单位价格；

步骤6.2.3：将步骤6.2.2的计算结果中最大值所对应的移动用户作为赢家，记作n^*并更新对应的原始变量x_n*＝1；

步骤6.2.4：根据公式(8)和公式(9)更新对偶变量θ和z；

其中，H_c＝max_n∈N{uc_n}为N个移动用户的所有投标标的中最大的CPU资源数；H_b＝max_n∈N{ubc_n}为N个移动用户的所有投标标的中最大的信道资源数；

步骤6.2.5：执行步骤6.2.1。

进一步地，根据所述的移动边缘计算环境下基于拍卖理论的资源分配方法，所述步骤7包括如下步骤：

步骤7.1：用t表示循环次数，令t＝1；

步骤7.2：从资源分配结果集合A＝{x₁,x₂,x₃,…,x_N}中确定对应的原始变量x_t的数值：若x_t＝1，则判定对应的移动用户t为赢家，执行步骤7.3；若x_t＝0，则判定对应的移动用户t没有胜标，则令t＝t+1，且若t＞N，则转至步骤8，否则再次执行步骤7.2；

步骤7.3：计算赢家t需要支付的价格；

步骤7.3.1：计算N个移动用户中除移动用户t以外的其他移动用户带来的社会效益，记作sw_-t＝∑_h∈N\{t}v_hx_h；

步骤7.3.2：计算当移动用户t没有参与竞价时其它移动用户产生的社会效益；方法为：首先将移动用户t的投标标的b_t从集合Β中删除，得到一个新的集合Β_-t＝{b₁,b₂,b₃,…,b_t-1,b_t+1,…,b_N}，即移动用户t退出竞价，将参与竞价的移动用户集合表示为N′，N′＝{1,2,3,…,t-1,t+1,…,N}；再然后根据Β_-t和参与竞价的移动用户集合N′，按照步骤6的方法，得到一个新的资源分配结果集合，记作A′＝{x′₁,x′₂,x′₃,…,x′_t-1,x′_t+1,…,x′_N}，此时N′这个移动用户带来的社会效益记作sw′_-t＝∑_h∈N′v_hx′_h；

步骤7.3.3：用p_t，t∈W表示赢家t需要支付的价格，则根据VCG竞价机制，p_t＝sw′_-t-sw_-t；

步骤7.4：令t＝t+1，若t＞N，则得到全部赢家需要支付的价格，转至步骤8，否则转至步骤7.2。

本发明具有如下有益效果：本发明将拍卖这一经济理论模型运用到移动边缘计算的资源分配机制中，充分考虑了移动边缘计算特征，利用拍卖理论对边缘云服务供应商拥有的网络资源进行合理的分配，为移动用户提供所需的通信和计算资源，能够有效解决移动设备在本地无法处理新型应用的问题。另外，本发明方法能够在多项式时间复杂度内满足移动用户多样化的需求，保证移动用户的服务质量。同时，充分考虑了边缘云服务供应商提供资源的动机并对其进行经济补偿，以最大化边缘云服务供应商的利益为目标，使其在提供资源中获得最大经济效益。

附图说明

图1为本实施方式移动边缘计算的应用场景示意图；

图2为本实施方式移动边缘计算环境下基于拍卖理论的资源分配方法流程图；

图3为本发明方法与传统的动态规划资源分配方法和最优资源分配方法关于资源利用率随移动设备数目变化的实验结果对比图；

图4为本发明方法与传统的动态规划资源分配方法和最优资源分配方法关于社会效益随移动设备数目变化的实验结果对比图；

图5为本发明方法与传统的动态规划资源分配方法和最优资源分配方法关于时间开销随移动设备数目变化的实验结果对比图。

具体实施方式

为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的较佳实施方式。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本申请的公开内容理解的更加透彻全面。

在MEC环境中，边缘云服务供应商通过提供边缘服务器(Edge Server，ES)来完成移动用户的边缘云服务。在本实施方式的应用场景中，如图1所示，存在多个边缘服务器，每一个边缘服务器都可以为移动用户(即移动设备)提供边缘云服务。每个边缘服务器都匹配一个基站(Base Station，BS)，从而完成信号的发送，基站的覆盖范围有限，因此每个基站匹配的边缘服务器能提供的边缘云服务的范围是有限的，每个边缘服务器只能对其覆盖范围内的移动用户提供边缘云服务。本实施方式的移动边缘计算环境下基于拍卖理论的资源分配方法中，不考虑移动用户与边缘服务器的匹配过程，默认移动用户将需要的边缘云服务以投标的方式提交给可以为其提供服务的一个边缘服务器。每个边缘服务器都会收到多个移动用户的边缘云服务请求，本实施方式的移动边缘计算环境下基于拍卖理论的资源分配方法是对一个边缘服务器拥有的CPU资源和与该边缘服务器匹配的基站的信道资源进行分配。

移动用户将需要完成的计算任务通过向边缘服务器请求边缘云服务来完成。计算任务由输入数据量大小、完成该计算任务所需要的CPU周期和移动用户可容忍的最大延迟阈值来表示，并提交给边缘服务器，将这些数据进行转换，变换为与之对应的CPU资源和信道资源。在边缘服务器和基站的资源容量有限的限制条件下，通过设置目标函数，即社会效益最大化，寻求最优资源分配方式。由于求解最优分配是一个NP-hard问题，因此本实施方式引入原始-对偶近似方法，在多项式时间内得到一个近似最优解的资源分配结果。最终使用VCG(Vickrey-Clarke-Groves)方法计算获胜的移动用户即赢家应该支付的价格。

图2是本实施方式的移动边缘计算环境下基于拍卖理论的资源分配方法的流程图，所述移动边缘计算环境下基于拍卖理论的资源分配方法包括如下步骤：

步骤1：初始化边缘服务器资源容量；

在本实施方式中，将边缘服务器l的CPU资源容量表示为C_l，与边缘服务器l匹配的基站的信道资源容量表示为B_l，并假设边缘服务器拥有I种固定的资源配置组合，表示为(c_i,bw_i)，i∈I，其中c_i表示提供的CPU资源，以每秒钟CPU周期数表示，bw_i表示提供的信道资源，以信道数目表示。

步骤2：移动用户向边缘云服务供应商提交各自的计算任务需求以及各移动用户对其各自计算任务的估价；

在本实施方式中，将向边缘云服务供应商提交计算任务需求的所有N个移动用户的集合表示为N＝{1,2,...,n}，移动用户们希望从边缘服务器l处获得边缘云服务，以完成各自的计算任务。在本实施方式中，将移动用户n(n＝1,2,3,…,N)提交的计算任务需求表示为

其中d_n表示移动用户n完成计算任务需要输入的数据量大小，s_n表示移动用户n完成该计算任务所需要的CPU周期数，δ_n表示移动用户n为了完成计算任务最大可容忍延迟阈值；移动用户n对其计算任务的估价表示为v_n，即移动用户n为获取边缘云服务以完成其计算任务而愿意支付的最大货币成本量。

步骤3：分别对各边缘服务器拥有的资源配置组合进行归一化处理得到资源占用率，并对各资源占用率按递增顺序排序，得到资源占用率的升序序列，进而得到对应的资源配置组合的序列；

首先，对边缘服务器的I种资源配置组合分别按照公式(1)做归一化处理，得到资源占用率Φ_i，i∈I：

然后，将Φ_i按递增顺序排序，得到新的序列Φ_j，j∈I，新的资源占用率序列Φ_j满足Φ_j≤Φ_j′，j＜j′∪j≠j′∈I。

最后，根据资源占用率序列Φ_j得到相对应的资源配置组合的序列(c_j,bw_j)；

步骤4：按照资源配置组合的数据形式，将各移动用户提交的计算任务需求转换为相应的CPU资源和信道资源需求；

将移动用户n提交的计算任务需求

按照资源配置组合的数据形式转换为请求边缘服务器提供的CPU资源和信道资源需求，表示为(uc_n,ubw_n)，其中uc_n表示移动用户n对CPU资源的需求，ubw_n表示移动用户n对信道资源的需求。将移动用户n提交的计算任务需求转换为相应的CPU资源和信道资源需求(uc_n,ubw_n)的方法，包括如下步骤：

步骤4.1：令j＝1；

步骤4.2：计算边缘服务器处理移动用户n的计算任务的时延T_n，并判断T_n是否满足移动用户n的最大可容忍时延；

步骤4.2.1：从边缘服务器获取资源配置组合(c_j,bw_j)，并令uc_n＝c_j，ubw_n＝bw_j，计算边缘服务器处理移动用户n的计算任务的时延T_n，T_n的计算方法如下：

边缘服务器处理移动用户n的计算任务时，需要先将用户的输入数据d_n通过上行传输信道传输给基站，这个过程会产生一个如式(2)所示的输入数据通过上行链路上传至边缘服务器的时延：

其中，d_n表示移动用户n完成计算任务需要输入的数据量大小；R_n表示移动用户n传输数据时的上行链路速率，如公式(3)所示：

其中，ubw_n表示移动用户n对信道资源的需求，w表示上行链路带宽；p_n表示传输功率；h_n,_l表示移动用户n到边缘服务器l对应的基站的上行链路功率增益；N₀表示基站对应移动用户n的上行链路噪声功率。

移动用户n将输入数据传输到边缘服务器的基站之后，边缘服务器开始处理接收到的数据，完成用户的计算任务。这个过程会产生一个如式(4)所示的边缘服务器处理任务的时延：

其中，s_n表示完成该计算任务所需要的CPU周期，uc_n表示移动用户n需要的CPU资源，以每秒钟CPU周期数表示。

综合上述，移动用户n将计算任务卸载到边缘服务器执行时的时延

步骤4.2.2：判断是否T_n≤δ_n，即是否(uc_n,ubw_n)满足移动用户n的最大可容忍时延，若是，则(uc_n,ubw_n)即为移动用户n转换后的对CPU资源与信道资源的需求，执行步骤5，若否，则执行步骤4.3；

步骤4.3：令j＝j+1，并转至步骤4.2；

步骤5：对于提交计算任务需求的N个移动用户，根据各移动用户的CPU资源和信道资源需求及其对各自计算任务的估价，移动用户确定各自的投标标的并参与投标竞价，N个移动用户确定的投标标的构成集合Β＝{b₁,b₂,…,b_n}，n＝1,2,3,…,N；

在本实施方式中，将N个移动用户确定的投标标的放在集合Β中，Β＝{b₁,b₂,…,b_n}，n＝1,2,3,…,N，其中b_n为移动用户n的投标标的，由移动用户n根据其CPU资源需求、信道资源需求及其对其计算任务的估价确定，即b_n＝{uc_n,ubw_n,v_n}，移动用户n将按照该投标标的参与投标竞价。

步骤6：利用原始-对偶近似算法对参与竞价的N个移动用户进行赢家确定，从而得到资源分配结果集合A和赢家集合W。

由于求解资源分配问题的最优解是一个NP-hard问题，因此本实施方式使用原始-对偶近似算法得到一个近似最优解的分配方法，具体包括如下步骤：

步骤6.1：初始化以下参数：资源分配结果集合A＝{x₁,x₂,x₃,…,x_N}，n＝1,2,3,…,N，其中原始变量x_n＝0；对偶变量

与

赢家集合

所述原始变量为x_n∈N＝{0,1}，表示移动用户n能否获得所需资源，若x_n＝1，表示移动用户n中标成为赢家，得到请求的资源，可以将计算任务卸载到边缘服务器中执行；若x_n＝0，表示移动用户n没有中标没有成为赢家，没有得到请求的资源，不能将计算任务卸载到边缘服务器中。

步骤6.2：根据边缘服务器的资源限制条件，选择赢家，从而确定最终的资源分配结果集合A和赢家集合W。

步骤6.2.1：判断是否同时满足式(5)与式(6)，若是，则执行步骤6.2.2至6.2.5，若否，则得到最终的资源分配结果集合A和赢家集合W，转至步骤7。

其中，式(5)表示所有赢家对CPU资源的需求总量没有超过边缘服务器的CPU资源最大容量；式(6)表示所有赢家对信道资源的需求总量没有超过边缘服务器相应基站的信道资源最大容量。

步骤6.2.2：根据公式(7)计算不在集合W中的各移动用户的投标标的中CPU资源与信道资源的单位价格。

其中，unit_v_n为移动用户n的投标标的中CPU资源与信道资源的单位价格，n∈N\W，表示n在集合N中但是不在集合W中；

步骤6.2.3：将步骤6.2.2的计算结果中最大值所对应的移动用户作为赢家，记作n^*，将n^*添加到赢家集合W中，并更新对应的原始变量

步骤6.2.4：根据公式(8)和公式(9)更新对偶变量θ和z。

其中，H_c＝max_n∈N{uc_n}为N个移动用户的所有投标标的中最大的CPU资源数；H_b＝max_n∈N{ubc_n}为N个移动用户的所有投标标的中最大的信道资源数；

步骤6.2.5：执行步骤6.2.1。

步骤7：通过VCG竞价机制确定每个赢家需要支付的价格。

VCG竞价机制是指，由于竞价成功者参与了竞价，导致整体收益减少，这个减少量就是竞价成功者应该支付的价格。也就是说，赢家集合W中的各移动用户的支付价格均需要一一计算，方法为：

步骤7.1：用t表示循环次数，令t＝1；

步骤7.2：从资源分配结果集合A＝{x₁,x₂,x₃,…,x_N}中确定对应的原始变量x_t的数值：若x_t＝1，则判定对应的移动用户t为赢家，执行步骤7.3；若x_t＝0，则判定对应的移动用户t没有胜标，则令t＝t+1，且若t＞N，则转至步骤8，否则再次执行步骤7.2；

步骤7.3：计算赢家t需要支付的价格；

步骤7.3.1：计算N个移动用户中除移动用户t以外的其他移动用户带来的社会效益，记作sw_-t＝∑_h∈N\{t}v_hx_h；

步骤7.3.2：计算当移动用户t没有参与竞价时其它移动用户产生的社会效益；方法为：首先将移动用户t的投标标的b_t从集合Β中删除，得到一个新的集合Β_-t＝{b₁,b₂,b₃,…,b_t-1,b_t+1,…,b_N}，即移动用户t退出竞价，将参与竞价的移动用户集合表示为N′，N′＝{1,2,3,…,t-1,t+1,…,N}；再然后根据Β_-t和参与竞价的移动用户集合N′，按照步骤6的方法，得到一个新的资源分配结果集合，记作A′＝{x′₁,x′₂,x′₃,…,x′_t-₁,x′_t+1,…,x′_N}，此时N′这个移动用户带来的社会效益记作sw′_-t＝∑_h∈N′v_hx′_h。

步骤7.3.3：用p_t，t∈W表示赢家t需要支付的价格，则根据VCG竞价机制，p_t＝sw′_-t-sw_-t。

步骤7.4：令t＝t+1，若t＞N，则得到全部赢家需要支付的价格，转至步骤8，否则转至步骤7.2。

步骤8：结束。

在本实施方式中，将本发明方法在一个尺寸为50×50平方米能够捕捉MEC应用场景特征的区域进行了应用测试实验，在场景中部署了500个MDs和100个ESs。每个移动设备对资源进行投标，每个移动设备的单位投标价格在[0,1]范围内随机均匀分布。边缘服务器的最大覆盖半径是在[1,10]内随机均匀生成的。LP求解器使用Java平台的ILOGCPLEX12.6.2。在Java平台上使用ILOG CPLEX能够求解最大化社会福利问题的最优解。

在本实施方式中，采用资源分配机制中普遍使用的评价指标：资源利用率和时间开销，以及基于拍卖理论的社会效益作为评价指标。其中资源利用率为分配的资源量与边缘服务器拥有的资源总量的比值；时间开销为资源分配机制算法的运行时间，需分别进行计算和评估；社会效益为衡量整个机制成效的指标，定义为所有买家的投标价格之和。这些指标中时间开销越小、资源利用率和社会效益越高，资源分配机制的性能越好。

在本实施方式中，选用传统的动态规划资源分配方法和最优资源分配方法作为对比方法，与本专利提出的原始-对偶分配方法进行性能比较。分别从社会效益、资源利用率和时间开销三个方面，进行相应的性能对比，测试结果如图3～图5所示。

本发明在社会效益、资源利用率和时间开销方面都优于动态规划资源分配方法，接近于最优资源分配方法给出的最优社会效益和资源利用率，具有较低的时间开销，说明了本发明在综合性能上的有益效果。

应当理解的是，本领域技术人员在本发明技术构思的启发下，在不脱离本发明内容的基础上，可以根据上述说明做出各种改进或变换，这仍落在本发明的保护范围之内。

Claims (6)

1.一种移动边缘计算环境下基于拍卖理论的资源分配方法，其特征在于，包括如下步骤：

步骤1：初始化边缘服务器资源容量；

将边缘服务器l的CPU资源容量表示为C_l，与边缘服务器l匹配的基站的信道资源容量表示为B_l，并假设边缘服务器拥有I种固定的资源配置组合，表示为(c_i,bw_i)，i∈I，其中c_i表示提供的CPU资源，以每秒钟CPU周期数表示，bw_i表示提供的信道资源，以信道数目表示；

步骤2：N个移动用户向边缘云服务供应商提交各自的计算任务需求以及各移动用户对其各自计算任务的估价；

步骤3：分别对各边缘服务器拥有的资源配置组合进行归一化处理得到资源占用率，并对各资源占用率按递增顺序排序，得到资源占用率的升序序列，进而得到对应的资源配置组合的序列；

步骤4：按照资源配置组合的数据形式，将各移动用户提交的计算任务需求转换为相应的CPU资源和信道资源需求；

步骤5：根据各移动用户的CPU资源和信道资源需求及其对各自计算任务的估价，移动用户确定各自的投标标的并参与投标竞价，移动用户确定的投标标的构成集合B＝{b₁,b₂,…,b_n}，n＝1,2,3,…,N；

步骤6：利用原始-对偶近似算法对参与竞价的N个移动用户进行赢家确定，从而得到资源分配结果集合A；

步骤6.1：初始化以下参数：资源分配结果集合A＝{x₁,x₂,x₃,…,x_N}，n＝1,2,3,…,N，其中原始变量x_n＝0；对偶变量

与

所述原始变量为x_n∈N＝{0,1}，表示移动用户n能否获得所需资源，若x_n＝1，表示移动用户n中标成为赢家，得到请求的资源，可以将计算任务卸载到边缘服务器中执行；若x_n＝0，表示移动用户n没有中标未成为赢家，没有得到请求的资源，不能将计算任务卸载到边缘服务器中；

步骤6.2：根据边缘服务器的资源限制条件，选择赢家，从而确定最终的资源分配结果集合A；

步骤6.2.1：判断是否所有赢家对CPU资源的需求总量没有超过边缘服务器的CPU资源最大容量以及对信道资源的需求总量没有超过边缘服务器相应基站的信道资源最大容量，若是，则执行步骤6.2.2至6.2.5，若否，则得到最终的资源分配结果集合A，转至步骤7；

步骤6.2.2：根据公式(7)计算未成为赢家的各移动用户的投标标的中CPU资源与信道资源的单位价格；

其中，v_n为移动用户n对其计算任务的估价表示，即移动用户n为获取边缘云服务以完成其计算任务而愿意支付的最大货币成本量；unit_v_n为未成为赢家的移动用户n的投标标的中CPU资源与信道资源的单位价格；

步骤6.2.3：将步骤6.2.2的计算结果中最大值所对应的移动用户作为赢家，记作n*并更新对应的原始变量

步骤6.2.4：根据公式(8)和公式(9)更新对偶变量θ和z；

其中，H_c＝max_n∈N{uc_n}为N个移动用户的所有投标标的中最大的CPU资源数；H_b＝max_n∈N{ubw_n}为N个移动用户的所有投标标的中最大的信道资源数；

步骤6.2.5：执行步骤6.2.1；

步骤7：根据各移动用户的投标标的和资源分配结果集合A，通过VCG竞价机制确定每个赢家需要支付的价格；

步骤8：结束。

2.根据权利要求1所述的移动边缘计算环境下基于拍卖理论的资源分配方法，其特征在于，在步骤2中，移动用户n提交的计算任务需求表示为

其中，n＝1,2,3,…,N，d_n表示移动用户n完成计算任务需要输入的数据量大小，s_n表示移动用户n完成该计算任务所需要的CPU周期数，δ_n表示移动用户n为了完成计算任务最大可容忍延迟阈值；

移动用户n对其计算任务的估价表示为v_n，即移动用户n为获取边缘云服务以完成其计算任务而愿意支付的最大货币成本量。

3.根据权利要求1所述的移动边缘计算环境下基于拍卖理论的资源分配方法，其特征在于，步骤3中所述资源配置组合的序列的获得方法为：

首先，对边缘服务器的I种资源配置组合分别按照公式(1)做归一化处理，得到资源占用率Φ_i，i∈I：

然后，将Φ_i按递增顺序排序，得到新的序列Φ_j，j∈I，新的资源占用率序列Φ_j满足Φ_j≤Φ_j′，j＜j′∪j≠j′∈I；

最后，根据资源占用率序列Φ_j得到相对应的资源配置组合的序列(c_j,bw_j)。

4.根据权利要求3所述的移动边缘计算环境下基于拍卖理论的资源分配方法，其特征在于，在步骤4中，将移动用户n提交的计算任务需求按照资源配置组合的数据形式转换为相应的CPU资源和信道资源需求(uc_n,ubw_n)的方法，包括如下步骤：

步骤4.1：令j＝1；

步骤4.2：计算边缘服务器处理移动用户n的计算任务的时延T_n，并判断T_n是否满足移动用户n的最大可容忍时延；

步骤4.2.1：从边缘服务器获取资源配置组合(c_j,bw_j)，并令uc_n＝c_j，ubw_n＝bw_j，计算边缘服务器处理移动用户n的计算任务的时延T_n；

步骤4.2.2：判断是否T_n≤δ_n，即是否(uc_n,ubw_n)满足移动用户n的最大可容忍时延，若是，则(uc_n,ubw_n)即为移动用户n转换后的对CPU资源与信道资源的需求，执行步骤5，若否，则执行步骤4.3；

步骤4.3：令j＝j+1，并转至步骤4.2。

5.根据权利要求4所述的移动边缘计算环境下基于拍卖理论的资源分配方法，其特征在于，所述T_n的计算方法如下：

边缘服务器处理移动用户n的计算任务时，需要先将用户的输入数据d_n通过上行传输信道传输给基站，这个过程会产生一个如式(2)所示的输入数据通过上行链路上传至边缘服务器的时延：

其中，d_n表示移动用户n完成计算任务需要输入的数据量大小；R_n表示移动用户n传输数据时的上行链路速率，如公式(3)所示：

其中，ubw_n表示移动用户n对信道资源的需求，w表示上行链路带宽；p_n表示传输功率；h_n,l表示移动用户n到边缘服务器l对应的基站的上行链路功率增益；N₀表示基站对应移动用户n的上行链路噪声功率；

移动用户n将输入数据传输到边缘服务器的基站之后，边缘服务器开始处理接收到的数据，完成用户的计算任务，这个过程会产生一个如式(4)所示的边缘服务器处理任务的时延：

其中，s_n表示完成该计算任务所需要的CPU周期，uc_n表示移动用户n需要的CPU资源，以每秒钟CPU周期数表示；

综合上述，移动用户n将计算任务卸载到边缘服务器执行时的时延

6.根据权利要求1所述的移动边缘计算环境下基于拍卖理论的资源分配方法，其特征在于，所述步骤7包括如下步骤：

步骤7.1：用t表示循环次数，令t＝1；

步骤7.2：从资源分配结果集合A＝{x₁,x₂,x₃,…,x_N}中确定对应的原始变量x_t的数值：若x_t＝1，则判定对应的移动用户t为赢家，执行步骤7.3；若x_t＝0，则判定对应的移动用户t没有胜标，则令t＝t+1，且若t＞N，则转至步骤8，否则再次执行步骤7.2；

步骤7.3：计算赢家t需要支付的价格；

步骤7.3.1：计算N个移动用户中除移动用户t以外的其他移动用户带来的社会效益，记作sw_-t＝∑_h∈N\{t}v_hx_h；

步骤7.3.2：计算当移动用户t没有参与竞价时其它移动用户产生的社会效益；方法为：首先将移动用户t的投标标的b_t从集合B中删除，得到一个新的集合B_-t＝{b₁,b₂,b₃,…,b_t-1,b_t+1,…,b_N}，即移动用户t退出竞价，将参与竞价的移动用户集合表示为N′，N′＝{1,2,3,…,t-1,t+1,…,N}；再然后根据B_-t和参与竞价的移动用户集合N′，按照步骤6的方法，得到一个新的资源分配结果集合，记作A′＝{x′₁,x′₂,x′₃,…,x′_t-1,x′_t+1,…,x′_N}，此时N′这个移动用户带来的社会效益记作sw′_-t＝∑_h∈N′v_hx′_h；

步骤7.3.3：用p_t，t∈W表示赢家t需要支付的价格，则根据VCG竞价机制，p_t＝sw′_-t-sw_-t；

步骤7.4：令t＝t+1，若t＞N，则得到全部赢家需要支付的价格，转至步骤8，否则转至步骤7.2。

Images