CN113472854A - 一种复杂边缘环境智能网络协作式任务卸载方法、设备及介质 - Google Patents

Abstract

本发明公开一种复杂边缘环境智能网络协作式任务卸载方法、设备及介质，方法包括：边缘智能网络服务器从智能网络终端设备接收卸载任务得到自身所需承担运算量，将其与自身的运算能力比较，确定自身在所有边缘智能网络服务器协作过程中所承担的角色：热区边缘智能网络服务器或者非热区边缘智能网络服务器；以最小化边缘智能网络服务器总体能耗为原则，采用非合作博弈中相关均衡的方法，为所有热区边缘智能网络服务器计算配对策略，即为每个热区边缘智能网络服务器找到当前为其提供协助的非热区边缘智能网络服务器。本发明在一定程度上均衡智能网络终端设备卸载的运算量，可缓解任务运算量分布不均衡问题，有效降低边缘智能网络服务器能量消耗。

Description

一种复杂边缘环境智能网络协作式任务卸载方法、设备及 介质

技术领域

本发明属于智能智能网络的任务边缘卸载领域，具体涉及一种复杂边缘环境智能网络协作式任务卸载方法、设备及介质。

背景技术

“万物互联”使事物变得简单便捷，随着智能网络设备和基础设施的发展，智能网络日益走进人们的生活。然而，真正的互联互通依赖于对采集到的大量数据的及时处理，这与智能网络终端设备自身有限的运算能力形成一组矛盾。

边缘智能网络服务器的出现为缓解这样的矛盾提供了可能。相比于云服务器，边缘智能网络服务器与智能网络终端设备的近距离有效降低了数据传输时延，有利于提高智能网络节点用户的用户体验质量。在不同的场景中，有很多不同的实体可以充当边缘智能网络服务器的功能，比如：在通信场景中的基站，在车联网场景中的路边侧单元等。

尽管边缘智能网络服务器具有上述优点，但是单个边缘智能网络服务器的运算能力同样是有限的。而不同时刻边缘智能网络服务器接入的智能网络节点用户数是不一样的，这意味着若当前时刻接入用户数过多，单个边缘智能网络服务器的运算资源不足于其所要承担的运算量，就会造成运算资源供不应求的问题。

这时可通过采用边缘智能网络服务器协作的方式来解决单个边缘智能网络服务器可能存在的运算资源不足的问题。然而，边缘智能网络服务器协作会增加能耗，因此在智能网络节点用户做出具体的卸载决定时，需要考虑边缘智能网络服务器总体能耗的限制。虽然也有部分研究考虑到了边缘智能网络服务器协作的必要性，但是对于边缘智能网络服务器协作的关键配对问题却都没有给出好的解决方案。

近年来很多研究用非协作博弈的做法来解决优化问题。比如：寻求纳什均衡点来解决多用户的运算卸载问题；构建双层Stackelberg博弈模型解决智能网络终端设备场景下的云计算问题；用相关均衡解决频谱资源的分配等。

发明内容

本发明提供一种复杂边缘环境智能网络协作式任务卸载方法、设备及介质，在一定程度上均衡智能网络终端设备卸载的运算量，以缓解任务运算量分布不均衡问题，有效地降低边缘智能网络服务器能量消耗。

为实现上述技术目的，本发明采用如下技术方案：

一种复杂边缘环境智能网络协作式任务卸载方法，包括以下步骤：

边缘智能网络服务器从智能网络终端设备接收卸载任务得到自身所需承担运算量，将其与自身的运算能力比较，确定该边缘智能网络服务器在所有边缘智能网络服务器协作过程中所承担的角色：热区边缘智能网络服务器或者非热区边缘智能网络服务器；

以最小化边缘智能网络服务器总体能耗为原则，采用非合作博弈中相关均衡的方法，为所有热区边缘智能网络服务器计算配对策略，即为每个热区边缘智能网络服务器找到当前为其提供协助的非热区边缘智能网络服务器。

在更优的技术方案中，智能网络终端设备根据任务时延最小的原则，在所有边缘智能网络服务器中选择边缘智能网络服务器进行任务卸载。

在更优的技术方案中，若自身所需承担运算量大于自身的运算能力，则确定该边缘智能网络服务器为热区边缘智能网络服务器，否则为非热区边缘智能网络服务器。

在更优的技术方案中，计算配对策略的非合作博弈模型为：

其中，

是配对过程中的边缘智能网络服务器有限集合；

表示边缘智能网络服务器配对的策略集合：假设热区边缘智能网络服务器m对应有N^nh个候选非热区边缘智能网络服务器，k泛指其中任一个候选非热区边缘智能网络服务器，则热区边缘智能网络服务器m有N^nh种卸载策略，依次为

A_mk＝1表示候选非热区边缘智能网络服务器k为热区边缘智能网络服务器m提供协助，否则表示不提供帮助；

是热区边缘智能网络服务器m的效用函数集合，所述效用函数以最小化边缘智能网络服务器总体能耗为原则。

在更优的技术方案中，任意边缘智能网络服务器m的效用函数集合

具体为：

U＝u-E_cpl， (2)

E_cpl≤E (6)

其中，u是保证U为正的常量；E_cpl是全体边缘智能网络服务器总体能耗，E_comp为全体边缘智能网络服务器的运算能耗，K表示能耗系数，C_m表示由智能网络终端设备卸载到边缘智能网络服务器m的任务运算量，即在边缘智能网络服务器的通信范围覆盖下的终端设备向其卸载的任务量之和，f^m表示热区边缘智能网络服务器m的运算速率；λ和ρ分别表示非热区边缘智能网络服务器的启动和热区边缘智能网络服务器的规划系数，其均为非负常数值，N^h表示热区边缘智能网络服务器的数量；

W_n为边缘智能网络服务器n承担的运算量，N为参与协作过程的边缘智能网络服务器的总数量，G_n表示边缘智能网络服务器n自身的运算容量，上述式(4)表示对于参与协作的所有边缘智能网络服务器而言，总的运算负载不超过总的运算能力；W^h表示的是当前热区边缘智能网络服务器的待卸载运算量之和，

表示非热区边缘智能网络服务器的富余运算资源之和，上述式(5)表示热区服务器需要卸载的运算量少于非热区多余的运算资源，该约束利于确保热区卸载运算量的及时处理；E表示全体边缘服务器的能量的总约束，上述式 (6)表示边缘智能网络服务器在进行合作任务卸载时要满足系统对全体边缘服务器的总体能耗约束。

在更优的技术方案中，使用相关均衡方法求解非合作博弈模型得到所有热区边缘智能网络服务器配对策略的方法具体为：

1)遍历每一个热区边缘智能网络服务器m，根据表达式(2)得到不同的效用函数值；

2)根据表达式(8)计算得到该热区边缘智能网络服务器m在T时刻采用策略A_mj未采用策略A_mi的后悔程度：

其中，

为每个热区边缘智能网络服务器m在T时刻采用策略A_mj与采用策略A_mi的效用函数差异值，计算式为：

表示在T时刻热区边缘智能网络服务器m的配对策略中包含策略A_mi所构成的集合，

表示在T时刻热区边缘智能网络服务器m的配对策略中包含策略A_mj所构成的策略集合。

3)遍历热区边缘智能网络服务器m的每一种配对策略，根据表达式(10)和(11)计算策略A_mi和A_mj被选中时的可能性分布，并将可能性分布值大于0的策略更新为最优策略的候选策略，并进入到下一轮迭代筛选；其中，策略A_mi和A_mj被选中时的可能性分布的计算式为：：

若策略的可能性大于0，则对应策略成为最优策略的候选策略。

4)更新策略集，即是将3)中得到的所有可能性大于0的策略集合起来构成新的策略集；

5)根据表达式(8)更新采用当前策略的后悔程度；

6)迭代，返回步骤1)，直到得到收敛值，即最终收敛得到最佳的配对策略。

一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现上述任一项所述的方法。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。

有益效果

本发明中，智能网络终端设备将一部分运算量卸载到接入的边缘智能网络服务器中，如果当前运算量超过了该边缘智能网络服务器的运算负荷，则该边缘智能网络服务器可向周围有运算资源剩余的边缘智能网络服务器求助。同时，本发明以最小化全体边缘智能网络服务器能耗为目的，做出边缘智能网络服务器协作配对决定，可以缓解不同边缘智能网络服务器中的任务运算量分布不均衡问题，提高智能网络终端设备用户体验质量的同时最大化边缘智能网络服务器能效。

具体实施方式

下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程，对本发明的技术方案作进一步解释说明。

本发明研究复杂边缘环境智能网络在边缘智能网络服务器协助下的任务卸载问题。智能网络设备作为移动终端与承担卸载任务的边缘智能网络服务器构成端-边系统。智能网络设备将部分运算量卸载到边缘智能网络服务器中，由边缘智能网络服务器对卸载运算量进行处理，再将结果反馈回来给智能网络终端设备，这可以有效提高任务完成效率，提高智能网络节点用户体验质量(Quality of Experience,QoE)。但是，由于边缘智能网络服务器运算资源同样有限，本发明为了提高整体性能，相邻的边缘智能网络服务器之间采用协作的方式进行二次卸载，在一定程度上均衡智能网络终端设备卸载的运算量，以缓解任务运算量分布不均衡问题。

整体而言，本发明应用于包括边缘智能网络服务器和智能网络终端设备的两层智能智能网络中。智能网络终端设备将一部分运算量卸载到接入的边缘智能网络服务器中，如果当前运算量超过了该边缘智能网络服务器的运算负荷，则该边缘智能网络服务器可向周围有运算资源剩余的边缘智能网络服务器求助。

首先，根据任务时延最小的原则，智能网络终端设备用户做出卸载决定，得到每一个边缘智能网络服务器当前时刻下所需要承担的运算量。

每个边缘智能网络服务器在得到当前时刻运算量之后，将边缘智能网络服务器所需承担的运算量与自身的运算容限进行对比，以确定边缘智能网络服务器当前扮演的角色：若该边缘智能网络服务器运算资源资供不应求，则该边缘智能网络服务器确定为需要周围边缘智能网络服务器帮助的热区边缘智能网络服务器；若边缘智能网络服务器运算资源供过于求，则该边缘智能网络服务器为可以为热区边缘智能网络服务器提供帮助的非热区边缘智能网络服务器。

然后，基于边缘智能网络服务器确定的角色，本发明需要得到边缘智能网络服务器协作过程中的互助策略。在本实施例中，边缘智能网络服务器协作过程的配对应该满足以下条件：

第一：互助就近，热区边缘智能网络服务器只能由与其相邻的非热区边缘智能网络服务器提供帮助。

第二：非热区边缘智能网络服务器提供的帮助量不能够超过自身的运算容限。

为了提高边缘智能网络服务器协作效率，本方案以最小化全体边缘智能网络服务器能耗为目的，做出边缘智能网络服务器协作配对决定。在智能网络终端设备任务卸载过程中边缘智能网络服务器能耗包括：

1)运算能耗：

其中K表示能耗系数，C_m表示智能网络终端设备卸载到边缘智能网络服务器m的任务运算量，f^m表示热区边缘智能网络服务器m的运算速率。

2)协作能耗：E_lch＝λN^nh，其中，λ表示非热区边缘智能网络服务器的启动系数，N^nh表示边缘智能网络服务器协作时为热区边缘智能网络服务器提供帮助的边缘智能网络服务器数目，即非热区边缘智能网络服务器的数量。

3)规划能耗：E_schl＝ρN^h，其中，ρ表示热区边缘智能网络服务器的规划系数，N^h表示位于热点区域运算资源供给不足的边缘智能网络服务器的数量，即热区边缘智能网络服务器的数量。

为了解决边缘智能网络服务器配对问题，本发明提出了一种基于非合作博弈的智能网络终端设备任务卸载方法：热区边缘智能网络服务器是这场博弈的参与者，它们自私地独自做出配对决定，而不管这种决定是否会损害整体的利益。具体采用非合作博弈中的相关均衡做法完成边缘智能网络服务器有效配对，基于“后悔匹配”思想，边缘智能网络服务器做出配对决定，得到最优配对策略，旨在提高智能网络终端设备用户体验质量的同时最大化边缘智能网络服务器能效。

具体地，本发明将边缘智能网络服务器配对建立成以下非协作博弈论模型：

其中，

是边缘智能网络服务器配对过程中的有限集合，

表示边缘智能网络服务器配对的策略集合：假设热区边缘智能网络服务器m对应有 N^nh个候选非热区边缘智能网络服务器，k泛指其中任一个候选非热区边缘智能网络服务器，则热区边缘智能网络服务器m有N^nh种卸载策略，依次为

A_mk＝1 表示候选非热区边缘智能网络服务器k为热区边缘智能网络服务器m提供帮助，否则表示不提供帮助。

是热区边缘智能网络服务器m的效用函数值集合，该集合包含当前时刻下所有的热区和非热区边缘智能网络服务器的效用函数集合，它用来从非合作博弈的候选策略集中找到最优策略。

进一步的，本发明以最小化边缘智能网络服务器总体能耗为原则，因此可将配对策略降低的能量消耗作为效用函数，表示为：

U＝u-E_cpl， (2)

其中u是保证U为正的常量，E_cpl是边缘智能网络服务器总体能耗。

同时，在以最小化边缘智能网络服务器总体能耗为原则的式上，此外还需要满足以下约束条件：

E_cpl≤E (6)

W_n为边缘智能网络服务器n承担的运算量，N为参与协作过程的边缘智能网络服务器的总数量，G_n表示边缘智能网络服务器n自身的运算容量。约束(4)表示对于参与协作的所有边缘智能网络服务器而言，总的运算负载不超过总的运算能力；W^h表示的是当前热区边缘智能网络服务器的待卸载运算量之和，

表示非热区边缘智能网络服务器的富余运算资源之和，上述式(5)表示热区服务器需要卸载的运算量少于非热区多余的运算资源，该约束利于确保热区卸载运算量的及时处理；E表示全体边缘服务器的能量的总约束，上述式(6)表示边缘智能网络服务器在进行合作任务卸载时要满足系统对全体边缘服务器的总体能耗约束。

在本发明的优化实施例中，具体采用非合作博弈中相关均衡的方法为所有热区边缘智能网络服务器计算配对策略。所述的相差均衡是策略集合的可能性分布，表示为：

其中，

表示在T时刻热区边缘智能网络服务器m的配对策略中包含策略A_mi所构成的集合，

表示在T时刻热区边缘智能网络服务器m的配对策略中包含策略A_mj所构成的策略集合。本发明假定策略A_mi在T-1时刻被应用，在T时刻趋于用A_mj去替换它。根据“后悔匹配”的思想，如下表达效用函数差异值：

从而，即可根据

按照以下表达式(9)来计算T时刻采用策略A_mj而未采用策略A_mi的后悔程度

最终，根据表达式(10)和(11)，可以推导出下列策略A_mi和A_mj被选中时的可能性分布，并将可能性分布值大于0的策略更新为最优策略的候选策略，并进入到下一轮迭代筛选；其中，策略A_mi和A_mj被选中时的可能性分布的计算式为：

需要指出的是，与其他现有研究不同，本实施例方案中，博弈参与者即热区边缘智能网络服务器的数目是变化的。这是因为，边缘智能网络服务器在不同时刻接入的智能网络终端设备数目是变化的。上一时刻需要承担较多运算量的热区边缘智能网络服务器在下一时刻可能成为助人的非热区边缘智能网络服务器。因此在本发明方案中，策略集的规模和数目都是随时间变化而非固定的。

实施实例：

在实例仿真场景中，假定边缘智能网络服务器分布在5*5的分布式网格中，智能网络终端设备与边缘智能网络服务器的传输功率分别设置为10dBm和20dBm，智能网络终端设备与边缘智能网络服务器的运算能力f^v和f^m分别设置为1GHz和10GHz。

三个时刻下的相关边缘智能网络服务器数目以表格的形式表示出来如表1所示。

表1

结合表格可以看到热区边缘智能网络服务器的数目在8：00与12：00是相同的，而12： 00非热区数目更多。对应地，在12：00的效用值更高，能耗越低。然而，非热区边缘智能网络服务器的数目8：00比20：00少，但是8：00的效用值反而更高，能耗更低。由此可以发现：热区边缘智能网络服务器数目对实验结果造成的影响比非热区边缘智能网络服务器数目要大。此处给出如下解释：首先，热区边缘智能网络服务器数目越多，表示本发明采用的相关均衡做法具有更大的策略集；其次，非热区边缘智能网络服务器数目越多，意味着有更多边缘智能网络服务器配对的(单个)策略。于是热区边缘智能网络服务器可提供的搜索范围更大，更有利于找到最优的结果。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围的情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (8)

1.一种复杂边缘环境智能网络协作式任务卸载方法，其特征在于，包括以下步骤：

边缘智能网络服务器从智能网络终端设备接收卸载任务得到自身所需承担运算量，将其与自身的运算能力比较，确定该边缘智能网络服务器在所有边缘智能网络服务器协作过程中所承担的角色：热区边缘智能网络服务器或者非热区边缘智能网络服务器；

以最小化边缘智能网络服务器总体能耗为原则，采用非合作博弈中相关均衡的方法，为所有热区边缘智能网络服务器计算配对策略，即为每个热区边缘智能网络服务器找到当前为其提供协助的非热区边缘智能网络服务器。

2.根据权利要求1所述的方法，其特征在于，智能网络终端设备根据任务时延最小的原则，在所有边缘智能网络服务器中选择边缘智能网络服务器进行任务卸载。

3.根据权利要求1所述的方法，其特征在于，若自身所需承担运算量大于自身的运算能力，则确定该边缘智能网络服务器为热区边缘智能网络服务器，否则为非热区边缘智能网络服务器。

4.根据权利要求1所述的方法，其特征在于，计算配对策略的非合作博弈模型为：

其中，

是配对过程中的边缘智能网络服务器有限集合；

表示边缘智能网络服务器配对的策略集合：假设热区边缘智能网络服务器m对应有N^nh个候选非热区边缘智能网络服务器，k泛指其中任一个候选非热区边缘智能网络服务器，则热区边缘智能网络服务器m有N^nh种卸载策略，依次为A_m1，...，A_mk，...，

A_mk＝1表示候选非热区边缘智能网络服务器k为热区边缘智能网络服务器m提供协助，否则表示不提供帮助；

是热区边缘智能网络服务器m的效用函数集合，所述效用函数以最小化边缘智能网络服务器总体能耗为原则。

5.根据权利要求4所述的方法，其特征在于，任意边缘智能网络服务器m的效用函数集合

具体为：

U＝u-E_cpl， (2)

E_cpl≤E (6)

其中，u是保证U为正的常量；E_cpl是全体边缘智能网络服务器总体能耗，E_comp为全体边缘智能网络服务器的运算能耗，K表示能耗系数，C_m表示由智能网络终端设备卸载到边缘智能网络服务器m的任务运算量，即在边缘智能网络服务器的通信范围覆盖下的终端设备向其卸载的任务量之和，f^m表示热区边缘智能网络服务器m的运算速率；λ和ρ分别表示非热区边缘智能网络服务器的启动和热区边缘智能网络服务器的规划系数，其均为非负常数值，N^h表示热区边缘智能网络服务器的数量；

W_n为边缘智能网络服务器n承担的运算量，N为参与协作过程的边缘智能网络服务器的总数量，G_n表示边缘智能网络服务器n自身的运算容量，上述式(4)表示对于参与协作的所有边缘智能网络服务器而言，总的运算负载不超过总的运算能力；W^h表示的是当前热区边缘智能网络服务器的待卸载运算量之和，

表示非热区边缘智能网络服务器的富余运算资源之和，上述式(5)表示热区服务器需要卸载的运算量少于非热区多余的运算资源，该约束利于确保热区卸载运算量的及时处理；E表示全体边缘服务器的能量的总约束，上述式(6)表示边缘智能网络服务器在进行合作任务卸载时要满足系统对全体边缘服务器的总体能耗约束。

6.根据权利要求5所述的方法，其特征在于，使用相关均衡方法求解非合作博弈模型得到所有热区边缘智能网络服务器配对策略的方法具体为：

1)遍历每一个热区边缘智能网络服务器m，根据表达式(2)得到不同的效用函数值；

2)根据表达式(8)计算得到该热区边缘智能网络服务器m在T时刻采用策略A_mj未采用策略A_mi的后悔程度：

其中，

为每个热区边缘智能网络服务器m在T时刻采用策略A_mj与采用策略A_mi的效用函数差异值，计算式为：

表示在T时刻热区边缘智能网络服务器m的配对策略中包含策略A_mi所构成的集合，

表示在T时刻热区边缘智能网络服务器m的配对策略中包含策略A_mj所构成的策略集合。

3)遍历热区边缘智能网络服务器m的每一种配对策略，根据表达式(10)和(11)计算策略A_mi和A_mj被选中时的可能性分布，并将可能性分布值大于0的策略更新为最优策略的候选策略，并进入到下一轮迭代筛选；其中，策略A_mi和A_mj被选中时的可能性分布的计算式为：：

若策略的可能性大于0，则对应策略成为最优策略的候选策略。

4)更新策略集，即是将3)中得到的所有可能性大于0的策略集合起来构成新的策略集；

5)根据表达式(8)更新采用当前策略的后悔程度；

6)迭代，返回步骤1)，直到得到收敛值，即最终收敛得到最佳的配对策略。

7.一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1～6中任一项所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～6中任一项所述的方法。