CN114268994A - 一种基于价格的移动边缘计算网络分布式卸载方法及装置 - Google Patents

一种基于价格的移动边缘计算网络分布式卸载方法及装置 Download PDF

Info

Publication number
CN114268994A
CN114268994A CN202111638879.9A CN202111638879A CN114268994A CN 114268994 A CN114268994 A CN 114268994A CN 202111638879 A CN202111638879 A CN 202111638879A CN 114268994 A CN114268994 A CN 114268994A
Authority
CN
China
Prior art keywords
information
user
user side
cloud server
edge cloud
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
CN202111638879.9A
Other languages
English (en)
Inventor
丁龙一
冯维
陈杰
徐玲
吴端坡
李沛
许晓荣
姜斌
居建林
朱芳
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi 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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202111638879.9A priority Critical patent/CN114268994A/zh
Publication of CN114268994A publication Critical patent/CN114268994A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种基于价格的移动边缘计算网络分布式卸载方法及装置，该方法包括边缘云服务器生成价格数组，并确定初始价格信息，对所有用户端广播初始价格信息；用户端根据初始价格信息确定用户成本最小的卸载决策信息，并将卸载决策信息发送至边缘云服务器；边缘云服务器接收到卸载决策信息后，生成卸载方案信息；边缘云服务器接收用户端发送的反馈信息时，将基于价格数组调整初始价格信息，直至边缘云服务器的卸载总量满足预设判断条件后，将调整过程中用户成本收益最大的初始价格信息作为最终价格信息。本发明实现了最小化用户成本以及最大化边缘云服务器收益，用户端的平均时延以及用户成本降低，且边缘云服务器的收益显著提高。

Description

一种基于价格的移动边缘计算网络分布式卸载方法及装置
技术领域
本申请涉及信息与通信工程技术领域，具体而言，涉及一种基于价格的移动边缘计算网络分布式卸载方法及装置。
背景技术
随着第五代移动通信技术（5G）的日益普及，其对于网络性能的要求也越来越高。而随着应用部署规模与数据规模的扩大，整个网络的运营维护成本也会极大的增加。为了克服此困难，移动边缘计算（Mobile Edge Computing, MEC）已经成为一种有效的解决方案，但在MEC商用中，如何才能让边缘云与用户端双方的数据收益最大仍然是一个需要解决的问题。
发明内容
为了解决上述问题，本申请实施例提供了一种基于价格的移动边缘计算网络分布式卸载方法及装置。
第一方面，本申请实施例提供了一种基于价格的移动边缘计算网络分布式卸载方法，所述方法包括：
边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，并确定初始价格信息，对所有所述用户端广播所述初始价格信息；
所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，并将所述卸载决策信息发送至所述边缘云服务器，所述卸载决策信息用以表征所述用户端卸载至所述边缘云服务器进行处理的卸载数据量；
所述边缘云服务器接收到卸载决策信息后，生成卸载方案信息，并将所述卸载方案信息广播至所述用户端，所述卸载方案信息用以表征所述边缘云服务器在所述用户成本收益最大时对所述用户端分配的带宽；
所述边缘云服务器接收所述用户端发送的反馈信息时，将基于所述价格数组调整所述初始价格信息，并重复所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息的步骤，直至所述边缘云服务器的卸载总量满足预设判断条件后，将调整过程中用户成本收益最大的所述初始价格信息作为最终价格信息，并执行所述最终价格信息对应的所述卸载决策信息。
优选的，所述边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，包括：
边缘云服务器获取各用户端的用户信息，所述用户信息包括本地CPU频率；
对各所述本地CPU频率的倒数进行排序，得到价格数组。
优选的，所述用户信息还包括计算1位数据所需的周期数、总计算数据；
所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，包括：
设置用以表征卸载处理量的第一处理数据，基于所述本地CPU频率、第一处理数据、周期数以及总计算数据计算所述用户端的本地计算时延；
基于所述本地CPU频率和总计算数据计算所述用户端的分配带宽，并根据所述分配带宽计算所述用户端的卸载时延；
比对所述本地计算时延和卸载时延，确定所述用户端的总时延；
基于所述初始价格信息计算所述用户端向所述边缘云服务器的预期支付费用，将所述预期支付费用与总时延之和确定为所述用户端的用户成本；
生成卸载决策信息，用以使所述用户成本最小。
优选的，所述用户信息还包括计算1位数据所需的周期数、总计算数据；
所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，包括：
设置用以表征卸载处理量的第一处理数据，基于所述本地CPU频率、第一处理数据、周期数以及总计算数据计算所述用户端的本地计算时延；
基于所述本地CPU频率和总计算数据计算所述用户端的分配带宽，并根据所述分配带宽计算所述用户端的卸载时延；
比对所述本地计算时延和卸载时延，确定所述用户端的总时延；
基于所述初始价格信息计算所述用户端向所述边缘云服务器的预期支付费用，将所述预期支付费用与总时延之和确定为所述用户端的用户成本；
生成卸载决策信息，用以使所述用户成本最小。
优选的，所述根据所述分配带宽计算所述用户端的卸载时延，包括：
根据所述分配带宽计算所述用户端的上行传输速率和下行传输速率，并分别确定上行链路传输时延、下行链路传输时延；
确定所述用户端在所述边缘云服务器的边缘云计算时延，累加所述边缘云计算时延、上行链路传输时延、下行链路传输时延，得到所述用户端的卸载时延。
优选的，所述将所述卸载方案信息广播至所述用户端之后，还包括：
所述用户端比较所述本地CPU频率和初始价格信息，生成反馈信息，并发送所述反馈信息至所述边缘云服务器，所述反馈信息用以表征所述用户端是否进行卸载；
所述将基于所述价格数组调整所述初始价格信息，包括：
当所述反馈信息表征所述用户端不进行卸载时，所述边缘云服务器将基于所述价格数组调整所述初始价格信息。
优选的，所述预设条件包括所述价格数组循环搜索完毕或所述边缘云服务器的计算容量超出约束。
第二方面，本申请实施例提供了一种基于价格的移动边缘计算网络分布式卸载装置，所述装置包括：
获取模块，用于边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，并确定初始价格信息，对所有所述用户端广播所述初始价格信息；
确定模块，用于所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，并将所述卸载决策信息发送至所述边缘云服务器，所述卸载决策信息用以表征所述用户端卸载至所述边缘云服务器进行处理的卸载数据量；
生成模块，用于所述边缘云服务器接收到卸载决策信息后，生成卸载方案信息，并将所述卸载方案信息广播至所述用户端，所述卸载方案信息用以表征所述边缘云服务器在所述用户成本收益最大时对所述用户端分配的带宽；
调整模块，用于所述边缘云服务器接收所述用户端发送的反馈信息时，将基于所述价格数组调整所述初始价格信息，并重复所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息的步骤，直至所述边缘云服务器的卸载总量满足预设判断条件后，将调整过程中用户成本收益最大的所述初始价格信息作为最终价格信息，并执行所述最终价格信息对应的所述卸载决策信息。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
第四方面，本申请实施例提供了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如第一方面或第一方面的任意一种可能的实现方式提供的方法。
本发明的有益效果为：基于Stackelberg博弈建模的方式构建用户端与边缘云服务器的交互过程，实现了最小化用户成本以及最大化边缘云服务器收益。相较于完全本地计算方法、均分带宽方法，用户端的平均时延以及用户成本降低，且边缘云服务器的收益显著提高。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需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申请的一些实施例，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为本申请实施例提供的一种基于价格的移动边缘计算网络分布式卸载方法的流程示意图；
图2为本申请实施例提供的MEC系统的架构示意图；
图3为本申请实施例提供的计算容量与时延的仿真示意图；
图4为本申请实施例提供的计算容量与收益的仿真示意图；
图5为本申请实施例提供的一种基于价格的移动边缘计算网络分布式卸载装置的结构示意图；
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
参见图1，图1是本申请实施例提供的一种基于价格的移动边缘计算网络分布式卸载方法的流程示意图。在本申请实施例中，所述方法包括：
S101、边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，并确定初始价格信息，对所有所述用户端广播所述初始价格信息。
在本申请实施例中，如图2所示，本方法可以应用于由多个用户端与一个集成了边缘云服务器的基站所构成的MEC系统中。每个基站可以同时服务多个用户端。每个用户端的计算数据可以按位任意划分，部分在本地计算，部分卸载至边缘云服务器。边缘云服务器会基于获取的各个用户信息来生成价格数组，用以后续的优化过程。此外，其还将会确定出一个用户端卸载至边缘云服务器进行数据处理时各CPU周期所需要的初始价格信息，并将该信息广播至所有的用户端。
在一种可实施方式中，所述边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，包括：
边缘云服务器获取各用户端的用户信息，所述用户信息包括本地CPU频率；
对各所述本地CPU频率的倒数进行排序，得到价格数组。
在本申请实施例中，各用户端形成的用户集合可以表示为
Figure DEST_PATH_IMAGE002
，每个用户端的计算数据按位任意划分，记
Figure DEST_PATH_IMAGE004
表示用户
Figure DEST_PATH_IMAGE006
的本地CPU频率，即每秒的CPU周期数。对K位用户端的本地CPU频率的倒数进行排序得到价格数组
Figure DEST_PATH_IMAGE008
。
S102、所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，并将所述卸载决策信息发送至所述边缘云服务器，所述卸载决策信息用以表征所述用户端卸载至所述边缘云服务器进行处理的卸载数据量。
在本申请实施例中，用户端会以最小化用户成本为目标来生成卸载决策信息，并将其发送至边缘云服务器，以此表明自身希望卸载多少卸载数据量至边缘云服务器进行处理。
在一种可实施方式中，所述用户信息还包括计算1位数据所需的周期数、总计算数据；
所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，包括：
设置用以表征卸载处理量的第一处理数据，基于所述本地CPU频率、第一处理数据、周期数以及总计算数据计算所述用户端的本地计算时延；
基于所述本地CPU频率和总计算数据计算所述用户端的分配带宽，并根据所述分配带宽计算所述用户端的卸载时延；
比对所述本地计算时延和卸载时延，确定所述用户端的总时延；
基于所述初始价格信息计算所述用户端向所述边缘云服务器的预期支付费用，将所述预期支付费用与总时延之和确定为所述用户端的用户成本；
生成卸载决策信息，用以使所述用户成本最小。
在本申请实施例中，若用户端
Figure 551495DEST_PATH_IMAGE006
的总计算数据为
Figure DEST_PATH_IMAGE010
（即用户端
Figure 311378DEST_PATH_IMAGE006
总共需要计算
Figure 28798DEST_PATH_IMAGE010
位数据），用户端
Figure 610958DEST_PATH_IMAGE006
计算1位数据所需的周期数为
Figure DEST_PATH_IMAGE012
。且设置有第一处理数据
Figure DEST_PATH_IMAGE014
，即
Figure 284385DEST_PATH_IMAGE010
中
Figure DEST_PATH_IMAGE016
位卸载至边缘云服务器计算，其余位由本地CPU计算。则用户端
Figure 231481DEST_PATH_IMAGE006
的本地计算时延对应的第一计算公式为：
Figure DEST_PATH_IMAGE018
接着，用户端还将根据本地CPU频率和总计算数据计算表征出用户端的分配带宽，进而以此计算出卸载时延
Figure DEST_PATH_IMAGE020
。
由于本地计算和卸载可以同时进行，用户端
Figure 301112DEST_PATH_IMAGE006
处理
Figure 952542DEST_PATH_IMAGE010
位数据所需的总时延对应的第二计算公式为：
Figure DEST_PATH_IMAGE022
记每个CPU周期的初始价格信息为
Figure DEST_PATH_IMAGE024
，用户端的用户成本将被定义为向边缘云服务器支付的费用加上用户端的总时延，对应的第三计算公式即为：
Figure DEST_PATH_IMAGE026
由于用户端的总时延取本地时延和卸载时延中较大值，第八计算公式实际是一个分段函数，因此可以进一步表示为第四计算公式如下：
Figure DEST_PATH_IMAGE028
为了简化公式，其中计算参数
Figure DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE032
。
用户端的优化问题可以表示为第五计算公式如下：
Figure DEST_PATH_IMAGE034
本申请将考虑边缘云服务器对初始价格信息进行统一定价，对于统一的价格
Figure DEST_PATH_IMAGE036
，目标函数
Figure DEST_PATH_IMAGE038
是关于
Figure 775748DEST_PATH_IMAGE014
的一个分段函数，且该函数在区间内均为线性。当
Figure DEST_PATH_IMAGE040
时
Figure 628166DEST_PATH_IMAGE006
在区间内递增，当
Figure DEST_PATH_IMAGE042
时
Figure 790287DEST_PATH_IMAGE006
在区间内递减，因此最优的卸载决策对应的第六计算公式如下：
Figure DEST_PATH_IMAGE044
在上式中，对于任意的k，当
Figure DEST_PATH_IMAGE046
时，用户成本
Figure DEST_PATH_IMAGE048
的取值一定为0且取值与
Figure 776566DEST_PATH_IMAGE014
无关。在这种情况下可以取
Figure DEST_PATH_IMAGE050
。由此可以得到命题1：
命题1：用户最终生成的卸载决策
Figure DEST_PATH_IMAGE052
遵循阈值决策，对应的第七计算公式如下：
Figure DEST_PATH_IMAGE054
上式中的
Figure DEST_PATH_IMAGE056
被定义的第八计算公式如下：
Figure DEST_PATH_IMAGE058
根据命题1，便可以得到用户端的最优卸载决策，以此生成卸载决策信息。即当用户
Figure 877115DEST_PATH_IMAGE006
的本地CPU频率
Figure DEST_PATH_IMAGE059
小于等于阈值
Figure DEST_PATH_IMAGE061
时，卸载
Figure DEST_PATH_IMAGE063
位数据至边缘云服务器。也就是说，用户端的本地CPU频率较小时倾向于使用边缘云；用户端的本地CPU频率较大时倾向于本地计算。
在一种可实施方式中，所述基于所述本地CPU频率和总计算数据计算所述用户端的分配带宽，包括：
对所述本地CPU频率与总计算数据的第一比值进行降序排名后，确定所述用户端向所述边缘云服务器发送卸载请求的第一概率，并基于所述第一概率计算所述用户端的分配带宽。
在本申请实施例中，本申请将认为每个用户端向边缘云服务器请求卸载的概率服从齐夫分布（Zipf）分布，用户端按照本地CPU频率
Figure 821806DEST_PATH_IMAGE059
与总任务大小
Figure 1115DEST_PATH_IMAGE010
的第一比值
Figure DEST_PATH_IMAGE065
进行降序排名，如果用户端
Figure 406732DEST_PATH_IMAGE006
的排名为j，则用户端
Figure 237153DEST_PATH_IMAGE006
向边缘云服务器请求卸载的第一概率对应的第九计算公式为：
Figure DEST_PATH_IMAGE067
其中
Figure DEST_PATH_IMAGE069
和
Figure DEST_PATH_IMAGE071
是Zipf分布的参数，本申请中认为每个用户端的参数都相同。若边缘云服务器的总带宽为B，将按照用户端进行划分，每个用户端可以使用不同频段来同时进行数据卸载，则用户端
Figure 24850DEST_PATH_IMAGE006
的分配带宽对应的第十计算公式为：
Figure DEST_PATH_IMAGE073
其中，
Figure DEST_PATH_IMAGE075
表示用户端
Figure 612826DEST_PATH_IMAGE006
的权重，与用户端的优先级相关。
Figure DEST_PATH_IMAGE077
表示用户端
Figure DEST_PATH_IMAGE079
的权重，
Figure DEST_PATH_IMAGE081
为用户端
Figure 940908DEST_PATH_IMAGE079
向边缘云服务器请求卸载的第一概率。
在一种可实施方式中，所述根据所述分配带宽计算所述用户端的卸载时延，包括：
根据所述分配带宽计算所述用户端的上行传输速率和下行传输速率，并分别确定上行链路传输时延、下行链路传输时延；
确定所述用户端在所述边缘云服务器的边缘云计算时延，累加所述边缘云计算时延、上行链路传输时延、下行链路传输时延，得到所述用户端的卸载时延。
在本申请实施例中，确定了分配带宽后，用户端
Figure 625836DEST_PATH_IMAGE006
的上行传输速率对应的第十一计算公式为：
Figure DEST_PATH_IMAGE083
用户端
Figure 250678DEST_PATH_IMAGE006
的下行传输速率对应的第十二计算公式为：
Figure DEST_PATH_IMAGE085
其中，
Figure DEST_PATH_IMAGE087
和
Figure DEST_PATH_IMAGE089
分别表示用户端
Figure 450584DEST_PATH_IMAGE006
的上行链路功率和下行链路功率，也可以从用户信息中获取。
Figure DEST_PATH_IMAGE091
表示噪声功率谱密度。
Figure DEST_PATH_IMAGE093
表示用户端
Figure 192144DEST_PATH_IMAGE006
与边缘云服务器之间的信道增益。
边缘云服务器帮助用户端进行数据计算部分的计算结果大小可以表征为
Figure DEST_PATH_IMAGE095
，其中
Figure DEST_PATH_IMAGE097
表示边缘云服务器处输入与输出数据大小的比率。并将边缘云服务器分配至用户端
Figure 59475DEST_PATH_IMAGE006
的计算速度为
Figure DEST_PATH_IMAGE099
。本申请考虑均等地分配计算速度，即
Figure DEST_PATH_IMAGE101
，其中
Figure DEST_PATH_IMAGE103
为边缘云服务器的总计算速度。则用户端
Figure 48028DEST_PATH_IMAGE006
的上行链路传输时延为：
Figure DEST_PATH_IMAGE105
；用户端
Figure 616456DEST_PATH_IMAGE006
的下行链路传输时延为：
Figure DEST_PATH_IMAGE107
，此外，用户端
Figure 896127DEST_PATH_IMAGE006
在边缘云服务器处的边缘云计算时延为：
Figure DEST_PATH_IMAGE109
。因此，用户端
Figure 493331DEST_PATH_IMAGE006
的卸载时延对应的第十三计算公式为：
Figure DEST_PATH_IMAGE111
S103、所述边缘云服务器接收到卸载决策信息后，生成卸载方案信息，并将所述卸载方案信息广播至所述用户端，所述卸载方案信息用以表征所述边缘云服务器在所述用户成本收益最大时对所述用户端分配的带宽。
在本申请实施例中，前述过程中用户端是以自身的用户成本最小为目标进行优化调整而得到的卸载决策信息，其在初始价格信息还没有发生改变前，主要表征为用户端期望分配到的分配带宽。而对于边缘云服务器而言，卸载决策信息所表征的带宽分配方式不一定是边缘云服务器自身利益最大的方式。故边缘云服务器还将以自身的收益最大为目标生成卸载方案信息，并广播至该用户端，实现与用户端的博弈过程。
具体的，考虑到边缘云服务器的实际计算能力有限，因此每个卸载周期内边缘云服务器所接收数据的CPU周期总数会受到计算能力的约束，记边缘云服务器的计算容量上限为
Figure DEST_PATH_IMAGE113
，则这个约束对应的第十四计算公式为：
Figure DEST_PATH_IMAGE115
因此边缘云服务器需要制定合适的初始价格信息，让用户端通过使用边缘云服务器的计算资源而获取实际收益,其最终目标就是最大化这部分收益。用户端最终的卸载策略将会与定价有关，因此边缘云服务器的收益是关于价格和带宽的函数，记每个CPU周期的初始价格信息为
Figure 137939DEST_PATH_IMAGE024
，则该收益优化的问题对应的第十五计算公式为：
Figure DEST_PATH_IMAGE117
其中，P1和P2中收支部分在净效用的角度可抵消。
前述过程中得到P2的最优解（即第六计算公式）之后，将其代入P1，则统一定价下边缘云服务器的优化问题可以被改写成第十六计算公式与第十七计算公式：
Figure DEST_PATH_IMAGE119
Figure DEST_PATH_IMAGE121
边缘云服务器将会以此来生成卸载方案信息。
S104、所述边缘云服务器接收所述用户端发送的反馈信息时，将基于所述价格数组调整所述初始价格信息，并重复所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息的步骤，直至所述边缘云服务器的卸载总量满足预设判断条件后，将调整过程中用户成本收益最大的所述初始价格信息作为最终价格信息，并执行所述最终价格信息对应的所述卸载决策信息。
在一种可实施方式中，所述预设条件包括所述价格数组循环搜索完毕或所述边缘云服务器的计算容量超出约束。
在本申请实施例中，用户端根据边缘云服务器生成卸载方案信息会返回有反馈信息，以此表征其是否要卸载。边缘云服务器将根据反馈信息的结果来调整初始价格信息，并重复前述的博弈过程，以此寻求可能存在的更优解。边缘云服务器将会根据之前生成的价格数组的范围来调整初始价格信息，该循环博弈计算过程将持续至边缘云服务器的卸载总量满足预设判断条件后，边缘云服务器将会从循环过程中确定的各个初始价格信息中用户成本收益最大的一个作为最终价格信息，并将其作为最好的结果，执行该最终价格信息所对应的卸载决策信息的数据处理方案。
具体的，由于前述过程中已对K位用户端的本地CPU频率的倒数进行排序来得到价格数组。假设最优价格
Figure DEST_PATH_IMAGE123
。对于最优价格区间内某一价格
Figure DEST_PATH_IMAGE125
而言，考虑
Figure DEST_PATH_IMAGE127
这种情况，由第七计算公式可知对
Figure DEST_PATH_IMAGE128
和
Figure DEST_PATH_IMAGE130
来说，当k=1，…，i时
Figure DEST_PATH_IMAGE132
=0；当k=i+1，…，K时，
Figure 500654DEST_PATH_IMAGE132
=1.因此两者总卸载数据的CPU周期数
Figure DEST_PATH_IMAGE134
也是相等的。
P3中的目标函数
Figure DEST_PATH_IMAGE136
是关于价格
Figure 770967DEST_PATH_IMAGE036
的线性递增函数，因此在
Figure DEST_PATH_IMAGE137
的情况下总是可以取得比价格
Figure 957098DEST_PATH_IMAGE130
更高的收益，这就与
Figure DEST_PATH_IMAGE139
是最优价格的假设相矛盾，因此最优价格的最优定价在价格数组中，即
Figure DEST_PATH_IMAGE141
。由此可以得到命题2：
命题2：对K位用户端的本地CPU计算频率的倒数进行排序得到
Figure DEST_PATH_IMAGE143
，则最优定价
Figure DEST_PATH_IMAGE145
一定来自
Figure DEST_PATH_IMAGE147
。
根据命题2，最优定价
Figure 615350DEST_PATH_IMAGE145
来自一个变量有限的一维数组，即价格数组，而P3是关于
Figure DEST_PATH_IMAGE148
的优化问题，因此P3可以被简化为一维搜索问题。故边缘云服务器将通过更新价格进行循环，直到搜索完毕或计算容量超出约束后，停止循环，来找出最高收益下的价格即为最优定价，即最终价格信息。
参见图3，由图3可以看出，本发明提出的带宽分配的方案相较于仅在本地计算，卸载至边缘云服务器计算时的用户平均时延均有了明显的降低，而采用本发明提出的带宽分配方案后，用户端平均时延又降低了1s左右。
参见图4，从图4可以看出，采用本发明提出的卸载方案后，边缘云服务器收益在趋于平缓的情况下，约是带宽均分时的1.5倍，在计算容量受限的情况下约是带宽均分时的2倍。
在一种可实施方式中，所述将所述卸载方案信息广播至所述用户端之后，还包括：
所述用户端比较所述本地CPU频率和初始价格信息，生成反馈信息，并发送所述反馈信息至所述边缘云服务器，所述反馈信息用以表征所述用户端是否进行卸载；
所述将基于所述价格数组调整所述初始价格信息，包括：
当所述反馈信息表征所述用户端不进行卸载时，所述边缘云服务器将基于所述价格数组调整所述初始价格信息。
在本申请实施例中，用户端在接收到卸载方案信息后，会根据前述过程由命题1与第六计算公式得到的最优卸载决策对本地CPU频率与边缘云服务器播报的初始价格信息以及能够分配到的带宽进行结果比较判断，以此决定是否进行卸载，并将结果作为反馈信息上报至边缘云服务器。边缘云服务器则会根据反馈信息来决定是否需要进行初始价格信息的调整。
下面将结合附图5，对本申请实施例提供的基于价格的移动边缘计算网络分布式卸载装置进行详细介绍。需要说明的是，附图5所示的基于价格的移动边缘计算网络分布式卸载装置，用于执行本申请图1所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图1所示的实施例。
请参见图5，图5是本申请实施例提供的一种基于价格的移动边缘计算网络分布式卸载装置的结构示意图。如图5所示，所述装置包括：
获取模块501，用于边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，并确定初始价格信息，对所有所述用户端广播所述初始价格信息；
确定模块502，用于所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，并将所述卸载决策信息发送至所述边缘云服务器，所述卸载决策信息用以表征所述用户端卸载至所述边缘云服务器进行处理的卸载数据量；
生成模块503，用于所述边缘云服务器接收到卸载决策信息后，生成卸载方案信息，并将所述卸载方案信息广播至所述用户端，所述卸载方案信息用以表征所述边缘云服务器在所述用户成本收益最大时对所述用户端分配的带宽；
调整模块504，用于所述边缘云服务器接收所述用户端发送的反馈信息时，将基于所述价格数组调整所述初始价格信息，并重复所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息的步骤，直至所述边缘云服务器的卸载总量满足预设判断条件后，将调整过程中用户成本收益最大的所述初始价格信息作为最终价格信息，并执行所述最终价格信息对应的所述卸载决策信息。
在一种可实施方式中，获取模块501包括：
获取单元，用于边缘云服务器获取各用户端的用户信息，所述用户信息包括本地CPU频率；
第一排序单元，用于对各所述本地CPU频率的倒数进行排序，得到价格数组。
在一种可实施方式中，确定模块502包括：
设置单元，用于设置用以表征卸载处理量的第一处理数据，基于所述本地CPU频率、第一处理数据、周期数以及总计算数据计算所述用户端的本地计算时延；
第一计算单元，用于基于所述本地CPU频率和总计算数据计算所述用户端的分配带宽，并根据所述分配带宽计算所述用户端的卸载时延；
比对单元，用于比对所述本地计算时延和卸载时延，确定所述用户端的总时延；
第二计算单元，用于基于所述初始价格信息计算所述用户端向所述边缘云服务器的预期支付费用，将所述预期支付费用与总时延之和确定为所述用户端的用户成本；
第一生成单元，用于生成卸载决策信息，用以使所述用户成本最小。
在一种可实施方式中，第一计算单元包括：
第一计算元件，用于对所述本地CPU频率与总计算数据的第一比值进行降序排名后，确定所述用户端向所述边缘云服务器发送卸载请求的第一概率，并基于所述第一概率计算所述用户端的分配带宽。
在一种可实施方式中，第一计算单元还包括：
第二计算元件，用于根据所述分配带宽计算所述用户端的上行传输速率和下行传输速率，并分别确定上行链路传输时延、下行链路传输时延；
累加元件，用于确定所述用户端在所述边缘云服务器的边缘云计算时延，累加所述边缘云计算时延、上行链路传输时延、下行链路传输时延，得到所述用户端的卸载时延。
在一种可实施方式中，所述装置还包括：
发送模块，用于所述用户端比较所述本地CPU频率和初始价格信息，生成反馈信息，并发送所述反馈信息至所述边缘云服务器，所述反馈信息用以表征所述用户端是否进行卸载；
所述调整模块504包括，包括：
调整单元，用于当所述反馈信息表征所述用户端不进行卸载时，所述边缘云服务器将基于所述价格数组调整所述初始价格信息。
在一种可实施方式中，所述预设条件包括所述价格数组循环搜索完毕或所述边缘云服务器的计算容量超出约束。
本领域的技术人员可以清楚地了解到本申请实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列（Field－ProgrammableGate Array，FPGA）、集成电路（Integrated Circuit，IC）等。
本申请实施例的各处理单元和/或模块，可通过实现本申请实施例所述的功能的模拟电路而实现，也可以通过执行本申请实施例所述的功能的软件而实现。
参见图6，其示出了本申请实施例所涉及的一种电子设备的结构示意图，该电子设备可以用于实施图1所示实施例中的方法。如图6所示，电子设备600可以包括：至少一个中央处理器601，至少一个网络接口604，用户接口603，存储器605，至少一个通信总线602。
其中，通信总线602用于实现这些组件之间的连接通信。
其中，用户接口603可以包括显示屏（Display）、摄像头（Camera），可选用户接口603还可以包括标准的有线接口、无线接口。
其中，网络接口604可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，中央处理器601可以包括一个或者多个处理核心。中央处理器601利用各种接口和线路连接整个电子设备600内的各个部分，通过运行或执行存储在存储器605内的指令、程序、代码集或指令集，以及调用存储在存储器605内的数据，执行终端600的各种功能和处理数据。可选的，中央处理器601可以采用数字信号处理（Digital SignalProcessing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。中央处理器601可集成中央中央处理器（Central Processing Unit，CPU）、图像中央处理器（GraphicsProcessing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到中央处理器601中，单独通过一块芯片进行实现。
其中，存储器605可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器605包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器605可用于存储指令、程序、代码、代码集或指令集。存储器605可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器605可选的还可以是至少一个位于远离前述中央处理器601的存储装置。如图6所示，作为一种计算机存储介质的存储器605中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。
在图6所示的电子设备600中，用户接口603主要用于为用户提供输入的接口，获取用户输入的数据；而中央处理器601可以用于调用存储器605中存储的基于价格的移动边缘计算网络分布式卸载应用程序，并具体执行以下操作：
边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，并确定初始价格信息，对所有所述用户端广播所述初始价格信息；
所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，并将所述卸载决策信息发送至所述边缘云服务器，所述卸载决策信息用以表征所述用户端卸载至所述边缘云服务器进行处理的卸载数据量；
所述边缘云服务器接收到卸载决策信息后，生成卸载方案信息，并将所述卸载方案信息广播至所述用户端，所述卸载方案信息用以表征所述边缘云服务器在所述用户成本收益最大时对所述用户端分配的带宽；
所述边缘云服务器接收所述用户端发送的反馈信息时，将基于所述价格数组调整所述初始价格信息，并重复所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息的步骤，直至所述边缘云服务器的卸载总量满足预设判断条件后，将调整过程中用户成本收益最大的所述初始价格信息作为最终价格信息，并执行所述最终价格信息对应的所述卸载决策信息。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统（包括分子存储器IC），或适合于存储指令和/或数据的任何类型的媒介或设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（Read-Only Memory， ROM）、随机存取器（Random AccessMemory，RAM）、磁盘或光盘等。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。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记载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，本公开的范围和精神由权利要求限定。

Claims (10)

1.一种基于价格的移动边缘计算网络分布式卸载方法，其特征在于，所述方法包括：
边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，并确定初始价格信息，对所有所述用户端广播所述初始价格信息；
所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，并将所述卸载决策信息发送至所述边缘云服务器，所述卸载决策信息用以表征所述用户端卸载至所述边缘云服务器进行处理的卸载数据量；
所述边缘云服务器接收到卸载决策信息后，生成卸载方案信息，并将所述卸载方案信息广播至所述用户端，所述卸载方案信息用以表征所述边缘云服务器在所述用户成本收益最大时对所述用户端分配的带宽；
所述边缘云服务器接收所述用户端发送的反馈信息时，将基于所述价格数组调整所述初始价格信息，并重复所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息的步骤，直至所述边缘云服务器的卸载总量满足预设判断条件后，将调整过程中用户成本收益最大的所述初始价格信息作为最终价格信息，并执行所述最终价格信息对应的所述卸载决策信息。
2.根据权利要求1所述的方法，其特征在于，所述边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，包括：
边缘云服务器获取各用户端的用户信息，所述用户信息包括本地CPU频率；
对各所述本地CPU频率的倒数进行排序，得到价格数组。
3.根据权利要求2所述的方法，其特征在于，所述用户信息还包括计算1位数据所需的周期数、总计算数据；
所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，包括：
设置用以表征卸载处理量的第一处理数据，基于所述本地CPU频率、第一处理数据、周期数以及总计算数据计算所述用户端的本地计算时延；
基于所述本地CPU频率和总计算数据计算所述用户端的分配带宽，并根据所述分配带宽计算所述用户端的卸载时延；
比对所述本地计算时延和卸载时延，确定所述用户端的总时延；
基于所述初始价格信息计算所述用户端向所述边缘云服务器的预期支付费用，将所述预期支付费用与总时延之和确定为所述用户端的用户成本；
生成卸载决策信息，用以使所述用户成本最小。
4.根据权利要求3所述的方法，其特征在于，所述基于所述本地CPU频率和总计算数据计算所述用户端的分配带宽，包括：
对所述本地CPU频率与总计算数据的第一比值进行降序排名后，确定所述用户端向所述边缘云服务器发送卸载请求的第一概率，并基于所述第一概率计算所述用户端的分配带宽。
5.根据权利要求3所述的方法，其特征在于，所述根据所述分配带宽计算所述用户端的卸载时延，包括：
根据所述分配带宽计算所述用户端的上行传输速率和下行传输速率，并分别确定上行链路传输时延、下行链路传输时延；
确定所述用户端在所述边缘云服务器的边缘云计算时延，累加所述边缘云计算时延、上行链路传输时延、下行链路传输时延，得到所述用户端的卸载时延。
6.根据权利要求1所述的方法，其特征在于，所述将所述卸载方案信息广播至所述用户端之后，还包括：
所述用户端比较所述本地CPU频率和初始价格信息，生成反馈信息，并发送所述反馈信息至所述边缘云服务器，所述反馈信息用以表征所述用户端是否进行卸载；
所述将基于所述价格数组调整所述初始价格信息，包括：
当所述反馈信息表征所述用户端不进行卸载时，所述边缘云服务器将基于所述价格数组调整所述初始价格信息。
7.根据权利要求1所述的方法，其特征在于，所述预设条件包括所述价格数组循环搜索完毕或所述边缘云服务器的计算容量超出约束。
8.一种基于价格的移动边缘计算网络分布式卸载装置，其特征在于，所述装置包括：
获取模块，用于边缘云服务器获取各用户端的用户信息，基于各所述用户信息生成价格数组，并确定初始价格信息，对所有所述用户端广播所述初始价格信息；
确定模块，用于所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息，并将所述卸载决策信息发送至所述边缘云服务器，所述卸载决策信息用以表征所述用户端卸载至所述边缘云服务器进行处理的卸载数据量；
生成模块，用于所述边缘云服务器接收到卸载决策信息后，生成卸载方案信息，并将所述卸载方案信息广播至所述用户端，所述卸载方案信息用以表征所述边缘云服务器在所述用户成本收益最大时对所述用户端分配的带宽；
调整模块，用于所述边缘云服务器接收所述用户端发送的反馈信息时，将基于所述价格数组调整所述初始价格信息，并重复所述用户端根据所述初始价格信息确定用户成本最小的卸载决策信息的步骤，直至所述边缘云服务器的卸载总量满足预设判断条件后，将调整过程中用户成本收益最大的所述初始价格信息作为最终价格信息，并执行所述最终价格信息对应的所述卸载决策信息。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述方法的步骤。
10.一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1-7任一项所述方法的步骤。
CN202111638879.9A 2021-12-30 2021-12-30 一种基于价格的移动边缘计算网络分布式卸载方法及装置 Pending CN114268994A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111638879.9A CN114268994A (zh) 2021-12-30 2021-12-30 一种基于价格的移动边缘计算网络分布式卸载方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111638879.9A CN114268994A (zh) 2021-12-30 2021-12-30 一种基于价格的移动边缘计算网络分布式卸载方法及装置

Publications (1)

Publication Number Publication Date
CN114268994A true CN114268994A (zh) 2022-04-01

Family

ID=80831486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111638879.9A Pending CN114268994A (zh) 2021-12-30 2021-12-30 一种基于价格的移动边缘计算网络分布式卸载方法及装置

Country Status (1)

Country Link
CN (1) CN114268994A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114945025A (zh) * 2022-04-25 2022-08-26 国网经济技术研究院有限公司 面向电网中云边协同的价格驱动正和博弈卸载方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114945025A (zh) * 2022-04-25 2022-08-26 国网经济技术研究院有限公司 面向电网中云边协同的价格驱动正和博弈卸载方法及系统
CN114945025B (zh) * 2022-04-25 2023-09-15 国网经济技术研究院有限公司 面向电网中云边协同的价格驱动正和博弈卸载方法及系统

Similar Documents

Publication Publication Date Title
CN109857546B (zh) 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置
CN111757354B (zh) 一种基于竞争博弈的多用户切片资源分配方法
CN109829332B (zh) 一种基于能量收集技术的联合计算卸载方法及装置
CN109802998B (zh) 一种基于博弈的雾网络协同调度激励方法及系统
CN108600014B (zh) 一种基于Stackelberg博弈的存储资源分配方法
CN111163519A (zh) 系统收益最大化的无线体域网资源分配与任务卸载算法
CN111401744B (zh) 一种移动边缘计算中不确定性环境下的动态任务卸载方法
Wang et al. Mobile data transactions in device-to-device communication networks: Pricing and auction
CN109831796B (zh) 无线网络虚拟化中的资源分配方法
CN111949409B (zh) 一种电力无线异构网中计算任务卸载方法及系统
CN113961266B (zh) 一种边云协同下基于双边匹配的任务卸载方法
CN110856228B (zh) 基于动态规划算法和反向拍卖的数据卸载方法
Gu et al. Virtualized resource sharing in cloud radio access networks through truthful mechanisms
US9665409B2 (en) Methods and apparatus facilitating access to storage among multiple computers
CN114268994A (zh) 一种基于价格的移动边缘计算网络分布式卸载方法及装置
CN113938394B (zh) 监控业务带宽分配方法、装置、电子设备及存储介质
KR102562732B1 (ko) Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법
CN110856227A (zh) 基于贪婪算法和反向拍卖的WiFi卸载激励方法
CN113778675A (zh) 一种基于面向区块链网络的计算任务分配系统及方法
CN114268995A (zh) 一种无人机移动边缘计算网络卸载方法、装置及电子设备
CN116382806A (zh) 一种任务卸载方法、装置及计算机可读存储介质
CN107277640A (zh) 基于直播平台的互动方法、装置和存储介质
US10462248B2 (en) Digital content sharing cloud service system, digital content sharing cloud service device, and method using the same
CN110839166A (zh) 一种数据共享方法及装置
CN113703970B (zh) 基于拍卖机制的服务器资源分配方法、装置、设备及介质

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