CN113873024A - 一种边缘雾网络中数据差分化下载方法 - Google Patents

一种边缘雾网络中数据差分化下载方法 Download PDF

Info

Publication number
CN113873024A
CN113873024A CN202111118157.0A CN202111118157A CN113873024A CN 113873024 A CN113873024 A CN 113873024A CN 202111118157 A CN202111118157 A CN 202111118157A CN 113873024 A CN113873024 A CN 113873024A
Authority
CN
China
Prior art keywords
data
fog
downloading
user
mode
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
CN202111118157.0A
Other languages
English (en)
Other versions
CN113873024B (zh
Inventor
沈斐
吕承丞
唐亮
卜智勇
赵宇
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.)
Shanghai Institute of Microsystem and Information Technology of CAS
Original Assignee
Shanghai Institute of Microsystem and Information Technology of CAS
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 Shanghai Institute of Microsystem and Information Technology of CAS filed Critical Shanghai Institute of Microsystem and Information Technology of CAS
Priority to CN202111118157.0A priority Critical patent/CN113873024B/zh
Publication of CN113873024A publication Critical patent/CN113873024A/zh
Application granted granted Critical
Publication of CN113873024B publication Critical patent/CN113873024B/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
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • 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
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
    • H04L67/1078—Resource delivery mechanisms
    • H04L67/1082—Resource delivery mechanisms involving incentive schemes
    • 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)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明涉及一种边缘雾网络中数据差分化下载方法，所述雾网络中包括一个云、雾和用户的三层分层架构，包括以下步骤：根据用户所需下载数据量的不同为所述用户分配数据下载方式；根据不同的数据下载方式，用斯塔克伯格博弈建立博弈参与者的不同效用函数；对不同的数据下载方式下的博弈参与者，求解不同效用函数的博弈平衡并确定最优下载策略。本发明可以有效优化边缘雾网络性能，防止大量数据带来的过载和网络拥塞，提升网络的稳定性，提高用户下载数据的灵活性和积极性，并为雾节点带来可观的收益。

Description

一种边缘雾网络中数据差分化下载方法
技术领域
本发明涉及无线通信技术领域，特别是涉及一种边缘雾网络中数据差分化下载方法。
背景技术
过去几年中，在海量的数据存储和计算方面，云计算已成为应用最广泛的解决方案之一。然而，不断增长的数据通信量给网络带来了巨大的负担，可能导致网络过载和拥塞，使得终端设备与云数据中心之间的通信延迟成为整个系统的瓶颈。边缘雾网络通过在终端和云数据中心之间提供部署在网络边缘的具有计算能力的中间层节点，将云计算拓展到雾网络中，从而减轻传统云计算数据中心的负担，有效解决上述问题。
由于雾网络中存在大量数据下载及卸载需求，因此节点的选择会极大影响雾网络中任务处理的延迟。目前，已有不少针对任务下载或卸载的雾节点选择算法的研究，如CN112769910A专利文件公开了一种雾节点卸载选择算法，可以选择耗能最少的雾节点进行任务卸载，但其没有对卸载任务进行分类，导致无法有效降低中大型任务处理延迟。此外，雾网络中雾节点的收益经常得不到保证，这会导致雾节点缺乏辅助用户下载任务的积极性。因此，需要统筹考虑雾网络中数据差分化的下载方法。
现有技术的不足主要体现在三个方面，一是辅助下载节点的选择过于简单，多数研究只能选择单个雾节点或随机雾节点进行数据的辅助下载，无法根据数据类型灵活地选择辅助下载雾节点；二是无法有效减少中大型数据的下载时间，现有研究大多数局限于小型数据任务，针对大型任务辅助下载的延迟仍然较高。三是忽略了雾节点的收益，提高雾节点收益能有效激励雾节点辅助用户下载数据，而现有研究大多只聚焦于用户收益或系统的能耗需求而忽略了雾节点的收益。
发明内容
本发明所要解决的技术问题是提供一种边缘雾网络中数据差分化下载方法，能够有效优化边缘雾网络性能，防止大量数据带来的过载和网络拥塞，提升网络的稳定性，提高用户下载数据的灵活性和积极性，并为雾节点带来可观的收益。
与现有的辅助数据下载方案相比，本发明以雾网络为框架，考虑到了雾节点的特性及所需下载数据任务的大小。本发明将考虑并解决以下技术难题：
雾网络中，为用户辅助下载数据的雾节点之间存在竞争，需要制定一个有效的动态的选择雾节点下载数据的机制。
保证对小型任务下载效率的前提下，有效地提高对中大型任务的下载效率。
雾网络中，所有雾节点为用户提供辅助下载服务时不可避免地需要承担数据传输，能量消耗等成本，为此需要保证雾节点辅助用户下载数据时的收益，以激励雾节点积极提供辅助下载服务。
本发明解决其技术问题所采用的技术方案是：提供一种边缘雾网络中数据差分化下载方法，所述雾网络中包括一个云、雾和用户的三层分层架构，包括以下步骤：
(1)根据用户所需下载数据量的不同为所述用户分配数据下载方式；其中，所述数据下载方式包括第一数据下载方式、第二数据下载方式和第三数据下载方式，所述第一数据下载方式、第二数据下载方式和第三数据下载方式下载的数据量依次增加；
(2)根据不同的数据下载方式，用斯塔克伯格博弈建立博弈参与者的不同效用函数；
(3)对不同的数据下载方式下的博弈参与者，求解不同效用函数的博弈平衡并确定最优下载策略。
所述步骤(1)中的第一数据下载方式为：所述用户在连接雾服务器节点基础上，连接雾边缘节点辅助下载数据；第二数据下载方式为：所述用户在连接到云服务器基础上，连接雾边缘节点辅助下载数据；第三数据下载方式为：所述用户在连接到云服务器基础上，连接雾边缘节点及雾服务器节点同时辅助下载数据任务。
所述步骤(2)中将用户和雾节点之间的博弈描述为斯塔克伯格博弈，其中，雾节点作为领导者，用户作为追随者。
所述步骤(2)中当所述数据下载方式为第一数据下载方式时，所述效用函数为
Figure BDA0003274231100000021
其中，
Figure BDA0003274231100000022
表示采用所述第一数据下载方式时用户i的效用函数，
Figure BDA0003274231100000023
表示采用所述第一数据下载方式时雾边缘节点j的效用函数，T1为用户i自行下载数据与通过所述第一数据下载方式下载数据的时间差，
Figure BDA0003274231100000024
表示雾边缘节点j辅助用户i下载数据的单价，λi表示卸载数据的比率，
Figure BDA0003274231100000025
表示任务的总数据大小，
Figure BDA0003274231100000026
表示雾边缘节点j向用户i传输数据的单位传输成本，α1,α2为归一化因子，满足α1+α2＝1,0＜α1＜1,0＜α2＜1,α2＜＜α1。
所述步骤(2)中当所述数据下载方式为第二数据下载方式时，所述效用函数为
Figure BDA0003274231100000031
其中，
Figure BDA0003274231100000032
表示采用所述第二数据下载方式时用户i的效用函数，
Figure BDA0003274231100000033
表示采用所述第二数据下载方式时雾边缘节点j的效用函数，T2为用户i自行下载数据与通过所述第二数据下载方式下载数据的时间差，
Figure BDA0003274231100000034
表示雾边缘节点j辅助用户i下载数据的单价，λi表示卸载数据的比率，
Figure BDA0003274231100000035
表示任务的总数据大小，
Figure BDA0003274231100000036
表示雾边缘节点j从云端下载数据的单位传输成本，
Figure BDA0003274231100000037
表示雾边缘节点j向用户i传输数据的单位传输成本，α1,α2为归一化因子，满足α1+α2＝1,0＜α1＜1,0＜α2＜1,α2＜＜α1。
所述步骤(2)中当所述数据下载方式为第三数据下载方式时，所述效用函数为
Figure BDA0003274231100000038
其中，
Figure BDA0003274231100000039
表示采用所述第三数据下载方式时用户i的效用函数，
Figure BDA00032742311000000310
表示采用所述第三数据下载方式时雾边缘节点j的效用函数，
Figure BDA00032742311000000311
表示采用所述第三数据下载方式时雾服务器k的效用函数，T3为用户i自行下载数据与通过所述第三数据下载方式下载数据的时间差，
Figure BDA00032742311000000312
表示雾边缘节点j辅助用户i下载数据的单价，
Figure BDA00032742311000000313
表示雾服务器k辅助用户下载数据的单价，γ为雾服务器k的数据下载分配率，λi表示卸载数据的比率，
Figure BDA00032742311000000314
表示任务的总数据大小，
Figure BDA00032742311000000315
表示雾边缘节点j从云端下载数据的单位传输成本，
Figure BDA00032742311000000316
表示雾边缘节点j向用户i传输数据的单位传输成本，
Figure BDA00032742311000000317
表示雾服务器k从云端下载数据，
Figure BDA00032742311000000318
表示雾服务器k向用户i传输数据的单位传输成本，α1,α2为归一化因子，满足α1+α2＝1,0＜α1＜1,0＜α2＜1,α2＜＜α1。
所述步骤(3)具体为：首先在雾节点策略固定的条件下先导出用户的最佳卸载率，然后根据所述最佳卸载率得到雾节点的最优单价。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明建立了一种分层架构，并在此基础上提出了一种基于斯塔克伯格博弈的辅助数据下载方案，主要提高了用户对中大型数据的下载速度。这种基于斯塔克伯格博弈模型的辅助数据下载机制能够准确地描述用户和雾节点之间的交互，并找出纳什均衡，从而得到一种为用户和雾节点带来最大效用的下载策略。本发明可以获得差分化数据类型的雾节点最优定价策略及用户最优下载比例，将所需下载数据分为大中小三种类型，在雾节点辅助用户下载数据时，可以有效地提高服务质量。
附图说明
图1是本发明实施方式的流程图；
图2是本发明实施方式中雾网络的分层系统架构及辅助下载服务示意图；
图3是本发明实施方式数据辅助下载过程示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种边缘雾网络中数据差分化下载方法，所述雾网络中包括一个云、雾和用户的三层分层架构，包括以下步骤：根据用户所需下载数据量的不同为所述用户分配数据下载方式；根据不同的数据下载方式，用斯塔克伯格博弈建立博弈参与者的不同效用函数；对不同的数据下载方式下的博弈参与者，求解不同效用函数的博弈平衡并确定最优下载策略。本实施方式基于数据下载量将数据下载方式分为三种类型。该方法可以在保证小型数据下载效率的前提下使中、大型数据能得到更快速的下载，有效提高服务质量和用户体验。同时使多个雾节点参与数据的下载，减少单个节点的数据下载压力，并最大化雾节点的收益。本发明将雾网络中用户和雾节点之间的交互转化为斯塔克伯格博弈的过程，通过求解其博弈的平衡点找到博弈参与者的最佳策略。如图1所示，具体如下：
S1，建立雾网络分层架构模型
假设用户需要在一个用户密集型区域内下载数据，如学校、办公楼等。在该区域内，蜂窝网络基站部署在附近，以提供无缝覆盖。雾网络分层架构的系统模型如图2所示。该分层架构主要分为了云层，雾层及用户层共三层，其中包括用户、雾边缘节点、雾服务器节点和云服务器。雾边缘节点和雾服务器节点作为雾层中的设备，可以从云层的云服务器处下载数据，云服务器与核心网络相连。图2中所有用户均配备三个无线接口：WiFi接口、蓝牙接口、LTE接口。因此，它们可以通过WiFi接口、蓝牙接口和LTE接口与雾节点和云服务器进行通信。该架构还将用户层中用户的所需下载数据分为了大中小三种类型，不同类型的数据将会以不同方式进行下载。在进行数据。其中，小型数据由于其数据量较小，用户可直接通过雾节点辅助下载，而无需雾节点先从云服务器处下载数据；而中、大型数据则需要雾节点先从云服务器处下载数据，以辅助用户进行下载。
S2，根据所需下载数据量，为不同任务分配不同下载方式
如图3所示，在该系统架构中，云服务器作为系统的信息中心，管理雾节点信息并处理用户的辅助下载请求。首先，所有雾节点都会将其服务信息发送到云服务器。如果用户需要雾节点来辅助下载数据，它们将向云服务器发送请求。然后，云服务器将根据所需下载数据的大小为用户选择合适辅助下载方法，并将附近可用雾节点的信息发送给用户。最后，用户从附近的雾节点中选择成本最低的雾节点来辅助下载数据，并确定下载比率。如果附近没有价格满足用户需求的雾节点，则用户可以直接下载数据。其数据下载方式可分为三种：
小型数据下载：用户在连接雾服务器节点基础上，连接雾边缘节点辅助下载小型数据任务。
中型数据卸载：用户在连接到云服务器基础上，连接雾边缘节点辅助下载中型数据任务。
大型数据卸载：用户在连接到云服务器基础上，连接雾边缘节点及雾服务器节点同时辅助下载大型数据任务。
S3，根据下载方式不同，用斯塔克伯格博弈建立参与者的不同效用函数。
假设有C个用户，NE个雾边缘节点，NS个雾服务器节点，及云服务中心N。
用户i可以用一个五元组表示
Figure BDA0003274231100000051
其中，
Figure BDA0003274231100000052
为任务的总数据大小，λi为卸载数据的比率，rSi为用户i直接从雾服务器下载数据的速率，rNi为用户i直接从云服务器下载数据的速率，pi表示用户瞬时位置。
雾边缘节点j可用一个六元组表示
Figure BDA0003274231100000053
其中，
Figure BDA0003274231100000054
表示节点辅助用户下载数据的单价，
Figure BDA0003274231100000055
和
Figure BDA0003274231100000056
分别表示雾边缘节点从云端下载数据及向用户传输数据的单位传输成本，如能耗等。
Figure BDA0003274231100000061
和
Figure BDA0003274231100000062
分别表示雾边缘节点从云端下载数据及向用户传输数据的速率。
Figure BDA0003274231100000063
表示雾节点的位置。
雾服务器节点k可用一个六元组表示
Figure BDA0003274231100000064
与雾边缘节点类似，
Figure BDA0003274231100000065
表示雾服务器辅助用户下载数据的单价，
Figure BDA0003274231100000066
和
Figure BDA0003274231100000067
分别表示雾服务器从云端下载数据及向用户传输数据的单位传输成本。
Figure BDA0003274231100000068
和
Figure BDA0003274231100000069
分别表示雾服务器从云服务器处下载数据及向用户传输数据的速率。
Figure BDA00032742311000000610
表示雾服务器的位置。
云服务器主要用于控制雾节点辅助用户下载数据，并为用户选择合适的下载方式，可用一个二元组表示N＝{φ1,φ2}，其中φ1表示中型数据阈值，小于φ1的数据被定义为小型数据，φ2为大型数据阈值，大于φ2的数据被定义为大型数据，其余数据被定义为中型数据。
用户i的效用函数如下：
Figure BDA00032742311000000611
其中，F(T,T′)是时间差上的用户满意度函数，T是它需要在没有雾节点辅助的情况下下载数据的时间，T′是它需要雾节点辅助下下载数据的时间，H(η)表示用户需要支付给雾节点的费用。
如果用户i完全自行从雾服务器或云服务器处下载数据，则所需时间为
Figure BDA00032742311000000612
或
Figure BDA00032742311000000613
根据用户i需要下载的数据量大小，可分为三种情况，假设用户从雾节点处下载的数据量为
Figure BDA00032742311000000614
自行下载的数据量为
Figure BDA00032742311000000615
S31，小型数据下载效用函数
若用户i所需下载数据
Figure BDA00032742311000000616
用户在连接雾服务器节点基础上，连接雾边缘节点辅助下载小型数据任务。所需下载时间为：
Figure BDA00032742311000000617
其中，
Figure BDA0003274231100000071
表示用户i直接从雾服务器下载
Figure BDA0003274231100000072
数据量所需的时间，
Figure BDA0003274231100000073
表示用户通过雾边缘节点辅助下载
Figure BDA0003274231100000074
数据量所需的时间，两者中较长的下载时间即为用户下载全部数据所需的时间。
所节省的时间为用户自行下载数据与通过雾节点辅助下载数据的时间差，表示为：
Figure BDA0003274231100000075
由于满意度函数是随节约时间的递增函数，故可将F(T,T′)定义为：
F(T-T′)＝ln(1+T1),
其中T1＝T-T′。
成本为用户i需支付给雾边缘节点的辅助下载费用，定义为：
Figure BDA0003274231100000076
可得用户效用函数为：
Figure BDA0003274231100000077
其中α1,α2为归一化因子，α1+α2＝1,0＜α1＜1,0＜α2＜1，α2＜＜α1。
雾边缘节点j的效用函数如下所示：
Figure BDA0003274231100000078
其中H(η)是雾节点的直接利润，L(λ)是根据传输数据比例λ制定的传递数据的成本函数。
小型数据辅助下载过程中，雾边缘节点成本函数为：
Figure BDA0003274231100000079
可得雾边缘节点j的效用函数为：
Figure BDA00032742311000000710
S32,中型数据下载效用函数
若用户i所需下载数据
Figure BDA00032742311000000711
用户在连接到云服务器基础上，连接雾边缘节点辅助下载中型数据任务。用户需要的下载时间如下：
Figure BDA0003274231100000081
其中，
Figure BDA0003274231100000082
表示用户i直接从云服务器下载
Figure BDA0003274231100000083
数据量所需的时间，
Figure BDA0003274231100000084
表示用户通过雾边缘节点辅助下载
Figure BDA0003274231100000085
数据量所需的时间，两者中较长的下载时间即为用户下载全部数据所需的时间。
可得用户i效用函数：
Figure BDA0003274231100000086
其中,T2＝T-T″。
中型数据辅助下载过程中，雾边缘节点成本为
Figure BDA0003274231100000087
可得雾边缘节点j的效用函数为：
Figure BDA0003274231100000088
S33，大型数据下载效用函数
若用户i所需下载数据
Figure BDA0003274231100000089
用户在通过LTE接口连接到云服务器基础上，通过蓝牙接口连接雾边缘节点及通过WiFi接口连接雾服务器节点同时辅助下载大型数据任务。
所需下载时间为
Figure BDA00032742311000000810
其中
Figure BDA00032742311000000811
表示用户i直接从云服务器下载
Figure BDA00032742311000000812
数据量所需的时间，
Figure BDA00032742311000000813
表示用户通过雾边缘节点和雾服务器辅助下载
Figure BDA00032742311000000814
数据量所需的时间，两者的较大值即为用户下载全部数据所需的时间。γ为雾服务器的数据下载分配率，由于大部分下载任务需要速率较快的雾服务器辅助下载，因此需满足
Figure BDA00032742311000000815
用户i效用函数为：
Figure BDA0003274231100000091
其中,T3＝T-T″′。
雾边缘节点j的效用函数为：
Figure BDA0003274231100000092
其中
Figure BDA0003274231100000093
为用户支付给雾边缘节点j的收益，
Figure BDA0003274231100000094
为雾边缘节点辅助用户下载数据的成本。
雾服务器k的效用函数为：
Figure BDA0003274231100000095
其中
Figure BDA0003274231100000096
为用户支付给雾服务器k的收益，
Figure BDA0003274231100000097
为雾服务器辅助用户下载数据的成本。
S4，对不同下载方式下博弈的参与者，求解其博弈平衡并确定最优下载策略。
本实施方式将用户和雾节点之间的博弈被描述为斯塔克伯格博弈，其中雾节点作为领导者，用户作为追随者。博弈分为两个阶段。在第一阶段，每个雾节点提供单价η。在第二阶段，用户根据单价η确定来自雾节点的数据卸载百分比λ。最后，用户选择价格最低的雾节点来帮助数据卸载。我们可以利用反向归纳法求解斯塔克伯格博弈，即在雾节点策略固定的条件下先导出第二阶段中用户的最佳卸载率λ*，然后得到第一阶段中雾节点的最优单价η*。
以中型数据下载为例，可以分为以下两个问题：
Figure BDA0003274231100000098
Figure BDA0003274231100000099
当雾节点确定价格时，用户i必须决定从节点处下载数据的百分比λi，以最大限度发挥辅助数据下载功能。设
Figure BDA00032742311000000910
为满足
Figure BDA00032742311000000911
的λi的值：
Figure BDA00032742311000000912
Figure BDA00032742311000000913
表示为：
Figure BDA0003274231100000101
如果
Figure BDA0003274231100000102
计算
Figure BDA0003274231100000103
关于λi的一阶导数，得：
Figure BDA0003274231100000104
再计算
Figure BDA0003274231100000105
关于λi得二阶导数，得：
Figure BDA0003274231100000106
因此，可证明
Figure BDA0003274231100000107
为严格凸函数。因此将满足
Figure BDA0003274231100000108
的λi值设为
Figure BDA0003274231100000109
Figure BDA00032742311000001010
如果
Figure BDA00032742311000001011
计算
Figure BDA00032742311000001012
关于λi的一阶导数，得：
Figure BDA00032742311000001013
故
Figure BDA00032742311000001014
时，
Figure BDA00032742311000001015
取最大值。
可以得到用户i的最佳策略为：
Figure BDA00032742311000001016
其中，
Figure BDA0003274231100000111
表示当
Figure BDA0003274231100000112
时
Figure BDA0003274231100000113
的值，且
Figure BDA0003274231100000114
雾边缘节点j定价：由于
Figure BDA0003274231100000115
的取值为
Figure BDA0003274231100000116
当
Figure BDA0003274231100000117
时，没有卸载发生，用户自行下载所需数据。
当
Figure BDA0003274231100000118
时，雾边缘节点的最佳卸载策略为
Figure BDA0003274231100000119
当
Figure BDA00032742311000001110
时，
Figure BDA00032742311000001111
计算
Figure BDA00032742311000001112
关于
Figure BDA00032742311000001113
的一阶导数，得：
Figure BDA00032742311000001114
再计算
Figure BDA00032742311000001115
关于
Figure BDA00032742311000001116
的二阶导数，得：
Figure BDA00032742311000001117
同样，可以证明
Figure BDA00032742311000001118
为严格凸函数。令
Figure BDA00032742311000001119
为满足
Figure BDA00032742311000001120
的
Figure BDA00032742311000001121
的值，
Figure BDA00032742311000001122
可得雾边缘节点最佳策略为：
Figure BDA00032742311000001123
同理，对小型数据下载，本发明将其分为以下两个问题：
Figure BDA00032742311000001124
Figure BDA00032742311000001125
对大型数据下载，本发明将其分别分为以下三个问题：
Figure BDA0003274231100000121
Figure BDA0003274231100000122
Figure BDA0003274231100000123
与中型数据下载相似，本发明可以推导出小型数据和大型数据下载情况下用户和雾节点的最佳策略。
不难发现，本实施方式主要是建立了一种分层架构，并在此基础上提出了一种基于斯塔克伯格博弈的辅助数据下载方案，主要提高了用户对中大型数据的下载速度。这种基于斯塔克伯格博弈模型的辅助数据下载机制能够准确地描述用户和雾节点之间的交互，并找出纳什均衡，从而得到一种为用户和雾节点带来最大效用的下载策略。因此，本发明可以有效优化边缘雾网络性能，防止大量数据带来的过载和网络拥塞，提升网络的稳定性，提高用户下载数据的灵活性和积极性，并为雾节点带来可观的收益。

Claims (7)

1.一种边缘雾网络中数据差分化下载方法，其特征在于，所述雾网络中包括一个云、雾和用户的三层分层架构，包括以下步骤：
(1)根据用户所需下载数据量的不同为所述用户分配数据下载方式；其中，所述数据下载方式包括第一数据下载方式、第二数据下载方式和第三数据下载方式，所述第一数据下载方式、第二数据下载方式和第三数据下载方式下载的数据量依次增加；
(2)根据不同的数据下载方式，用斯塔克伯格博弈建立博弈参与者的不同效用函数；
(3)对不同的数据下载方式下的博弈参与者，求解不同效用函数的博弈平衡并确定最优下载策略。
2.根据权利要求1所述的边缘雾网络中数据差分化下载方法，其特征在于，所述步骤(1)中的第一数据下载方式为：所述用户在连接雾服务器节点基础上，连接雾边缘节点辅助下载数据；第二数据下载方式为：所述用户在连接到云服务器基础上，连接雾边缘节点辅助下载数据；第三数据下载方式为：所述用户在连接到云服务器基础上，连接雾边缘节点及雾服务器节点同时辅助下载数据任务。
3.根据权利要求2所述的边缘雾网络中数据差分化下载方法，其特征在于，所述步骤(2)中将用户和雾节点之间的博弈描述为斯塔克伯格博弈，其中，雾节点作为领导者，用户作为追随者。
4.根据权利要求3所述的边缘雾网络中数据差分化下载方法，其特征在于，所述步骤(2)中当所述数据下载方式为第一数据下载方式时，所述效用函数为
Figure FDA0003274231090000011
其中，
Figure FDA0003274231090000012
表示采用所述第一数据下载方式时用户i的效用函数，
Figure FDA0003274231090000013
表示采用所述第一数据下载方式时雾边缘节点j的效用函数，T1为用户i自行下载数据与通过所述第一数据下载方式下载数据的时间差，
Figure FDA0003274231090000014
表示雾边缘节点j辅助用户i下载数据的单价，λi表示卸载数据的比率，
Figure FDA0003274231090000015
表示任务的总数据大小，
Figure FDA0003274231090000016
表示雾边缘节点j向用户i传输数据的单位传输成本，α1,α2为归一化因子，满足α1+α2＝1,0＜α1＜1,0＜α2＜1,α2＜＜α1。
5.根据权利要求3所述的边缘雾网络中数据差分化下载方法，其特征在于，所述步骤(2)中当所述数据下载方式为第二数据下载方式时，所述效用函数为
Figure FDA0003274231090000021
其中，
Figure FDA0003274231090000022
表示采用所述第二数据下载方式时用户i的效用函数，
Figure FDA0003274231090000023
表示采用所述第二数据下载方式时雾边缘节点j的效用函数，T2为用户i自行下载数据与通过所述第二数据下载方式下载数据的时间差，
Figure FDA0003274231090000024
表示雾边缘节点j辅助用户i下载数据的单价，λi表示卸载数据的比率，
Figure FDA0003274231090000025
表示任务的总数据大小，
Figure FDA0003274231090000026
表示雾边缘节点j从云端下载数据的单位传输成本，
Figure FDA0003274231090000027
表示雾边缘节点j向用户i传输数据的单位传输成本，α1,α2为归一化因子，满足α1+α2＝1,0＜α1＜1,0＜α2＜1,α2＜＜α1。
6.根据权利要求3所述的边缘雾网络中数据差分化下载方法，其特征在于，所述步骤(2)中当所述数据下载方式为第三数据下载方式时，所述效用函数为
Figure FDA0003274231090000028
其中，
Figure FDA0003274231090000029
表示采用所述第三数据下载方式时用户i的效用函数，
Figure FDA00032742310900000210
表示采用所述第三数据下载方式时雾边缘节点j的效用函数，
Figure FDA00032742310900000211
表示采用所述第三数据下载方式时雾服务器k的效用函数，T3为用户i自行下载数据与通过所述第三数据下载方式下载数据的时间差，
Figure FDA00032742310900000212
表示雾边缘节点j辅助用户i下载数据的单价，
Figure FDA00032742310900000213
表示雾服务器k辅助用户下载数据的单价，γ为雾服务器k的数据下载分配率，λi表示卸载数据的比率，
Figure FDA00032742310900000214
表示任务的总数据大小，
Figure FDA00032742310900000215
表示雾边缘节点j从云端下载数据的单位传输成本，
Figure FDA00032742310900000216
表示雾边缘节点j向用户i传输数据的单位传输成本，
Figure FDA00032742310900000217
表示雾服务器k从云端下载数据，
Figure FDA00032742310900000218
表示雾服务器k向用户i传输数据的单位传输成本，α1,α2为归一化因子，满足α1+α2＝1,0＜α1＜1,0＜α2＜1,α2＜＜α1。
7.根据权利要求3所述的边缘雾网络中数据差分化下载方法，其特征在于，所述步骤(3)具体为：首先在雾节点策略固定的条件下先导出用户的最佳卸载率，然后根据所述最佳卸载率得到雾节点的最优单价。
CN202111118157.0A 2021-09-23 2021-09-23 一种边缘雾网络中数据差分化下载方法 Active CN113873024B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111118157.0A CN113873024B (zh) 2021-09-23 2021-09-23 一种边缘雾网络中数据差分化下载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111118157.0A CN113873024B (zh) 2021-09-23 2021-09-23 一种边缘雾网络中数据差分化下载方法

Publications (2)

Publication Number Publication Date
CN113873024A true CN113873024A (zh) 2021-12-31
CN113873024B CN113873024B (zh) 2022-09-23

Family

ID=78993670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111118157.0A Active CN113873024B (zh) 2021-09-23 2021-09-23 一种边缘雾网络中数据差分化下载方法

Country Status (1)

Country Link
CN (1) CN113873024B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180337820A1 (en) * 2017-05-16 2018-11-22 Wistron Corporation Monitoring method based on internet of things, fog computing terminal and internet of things system
CN109447048A (zh) * 2018-12-25 2019-03-08 苏州闪驰数控系统集成有限公司 一种人工智能预警系统
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
CN110351309A (zh) * 2018-04-02 2019-10-18 中国科学院上海微系统与信息技术研究所 网络节点间计算任务卸载平衡方法、系统、介质及设备
CN111625287A (zh) * 2020-04-07 2020-09-04 中南大学 基于诱饵效应的雾节点任务卸载方法、系统、介质及设备
CN111738315A (zh) * 2020-06-10 2020-10-02 西安电子科技大学 基于对抗融合多源迁移学习的图像分类方法
CN111954236A (zh) * 2020-07-27 2020-11-17 河海大学 一种基于优先级的分层边缘计算卸载方法
CN112236979A (zh) * 2018-08-27 2021-01-15 康维达无线有限责任公司 用于启用基于雾的数据处理的数据样本模板(dst)管理

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180337820A1 (en) * 2017-05-16 2018-11-22 Wistron Corporation Monitoring method based on internet of things, fog computing terminal and internet of things system
CN110351309A (zh) * 2018-04-02 2019-10-18 中国科学院上海微系统与信息技术研究所 网络节点间计算任务卸载平衡方法、系统、介质及设备
CN112236979A (zh) * 2018-08-27 2021-01-15 康维达无线有限责任公司 用于启用基于雾的数据处理的数据样本模板(dst)管理
CN109447048A (zh) * 2018-12-25 2019-03-08 苏州闪驰数控系统集成有限公司 一种人工智能预警系统
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
CN111625287A (zh) * 2020-04-07 2020-09-04 中南大学 基于诱饵效应的雾节点任务卸载方法、系统、介质及设备
CN111738315A (zh) * 2020-06-10 2020-10-02 西安电子科技大学 基于对抗融合多源迁移学习的图像分类方法
CN111954236A (zh) * 2020-07-27 2020-11-17 河海大学 一种基于优先级的分层边缘计算卸载方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王蓓蓓，等: "激励机制赋能高效雾网络", 《电信科学》 *

Also Published As

Publication number Publication date
CN113873024B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN109656703B (zh) 一种移动边缘计算辅助车辆任务卸载方法
CN111163519B (zh) 系统收益最大化的无线体域网资源分配与任务卸载方法
CN110351754B (zh) 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法
CN107122249A (zh) 一种基于边缘云定价机制的任务卸载决策方法
CN105657750B (zh) 一种网络动态资源的计算方法及装置
CN109802998B (zh) 一种基于博弈的雾网络协同调度激励方法及系统
CN110503396B (zh) 基于多技能的复杂空间众包任务分配方法
CN107734482B (zh) 基于d2d和业务卸载的内容分发方法
CN109525426A (zh) 一种基于fv的开放式mec平台的服务控制系统及方法
CN115334551B (zh) 基于契约理论的任务卸载与资源分配优化方法及系统
CN108009024A (zh) Ad-hoc云环境中分布式博弈任务卸载方法
CN111800486B (zh) 一种云边协同的资源调度方法及系统
WO2022213529A1 (zh) 实例部署方法、装置、云系统、计算设备及存储介质
WO2020216205A1 (zh) 用于交友的方法及设备
CN107360202A (zh) 一种终端的接入调度方法和装置
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
CN108990067B (zh) 一种应用于超密集异构网络的能效控制方法
CN110830390A (zh) 一种QoS驱动的移动边缘网络资源分配方法
CN113377516A (zh) 面向边缘计算的车辆任务卸载的集中式调度方法与系统
CN113873024B (zh) 一种边缘雾网络中数据差分化下载方法
CN107807922A (zh) 用于确定聚会地点的方法和装置
CN113127267B (zh) 一种分布式存储环境下强一致性多副本数据访问回应方法
CN113747450A (zh) 一种移动网络中业务部署方法、装置及电子设备
CN103442034B (zh) 一种基于云计算技术的流媒体服务方法和系统
CN110070377A (zh) 一种信息流定向广告竞价智能投放方法，装置及系统

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