CN115334551B - 基于契约理论的任务卸载与资源分配优化方法及系统 - Google Patents
基于契约理论的任务卸载与资源分配优化方法及系统 Download PDFInfo
- Publication number
- CN115334551B CN115334551B CN202211264605.2A CN202211264605A CN115334551B CN 115334551 B CN115334551 B CN 115334551B CN 202211264605 A CN202211264605 A CN 202211264605A CN 115334551 B CN115334551 B CN 115334551B
- Authority
- CN
- China
- Prior art keywords
- edge server
- type
- base station
- contract
- resource allocation
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0917—Management thereof based on the energy state of entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
- H04W28/0967—Quality of Service [QoS] parameters
- H04W28/0975—Quality of Service [QoS] parameters for reducing delays
-
- 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)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于契约理论的任务卸载与资源分配优化方法及系统。首先建立基站和边缘服务器的模型,针对任务卸载场景,计算基站和边缘服务器的效用;然后构建基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,最后通过数学方法和遗传优化算法求解基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,获取最优的契约项。本发明提出的基于契约理论的激励方法以实现任务卸载和资源分配,并保证基站效用的最大化。同时,本发明还首次引入计算激励来平衡计算任务卸载和资源分配,可以实现实时高效的任务卸载和资源分配。
Description
技术领域
本发明属于无线协作通信技术领域,具体涉及一种基于契约理论的任务卸载与资源分配优化方法及系统。
背景技术
随着移动终端,例如,手机、平板、智能车辆等在人们的生活当中越来越普及,用户对数据的传输速率和服务质量的要求呈指数增长。虽然新型的终端设备在中央处理器方面越来越强大,但是这些终端设备也无法在短时间内处理大量的计算任务。目前,终端设备距离远程控制中心较远,高峰期间内基站过载严重,难以保障终端设备的服务质量和服务要求,云计算难以满足大数据、实时性和可靠性的要求。
边缘计算网络作为新兴的网络范式,提供具有低延迟高带宽的服务。其将有较强计算和存储能力的计算节点铺设在网路边缘,这些散落在网络边缘的服务器可以给用户提供高带宽低延迟的服务,终端设备能够以较低的时延来获得大量的计算资源。
尽管边缘计算有许多优势,但是仍然面临着许多问题。首先是在网络中缺乏一种有效的激励机制来促使边缘服务器主动提供计算资源。由于处理计算任务会消耗自身能量,损失自身的计算资源,边缘服务器在没有足够奖励的情况下不愿意参与计算。此外,因为每个边缘服务器的剩余计算资源量和位置等都是其私有信息,基站对此类信息是未知的,这被称作信息非对称场景,这给激励机制的设计带来了巨大的挑战。其次,缺乏一个有效的任务卸载和计算资源分配策略。基站通过利用边缘服务器的闲置计算资源将任务卸载到边缘服务器,根据不同偏好的为任务选择合适的边缘服务器来最大化基站的效用。边缘服务器共享计算资源意愿度的异构性和动态的网络拓扑结构的限制使得问题更为复杂,因此,本文针对这两个方面的挑战进行了研究。
发明内容
为了应对边缘计算网络中信息非对称问题,本发明的目的在于提出契约理论来实现实时高效的任务卸载和资源分配方法。
为了达到上述目的,本发明所采用的技术方案是:基于契约理论的任务卸载与资源分配优化方法及系统,其特征在于,包括如下步骤:
一种基于契约理论的任务卸载与资源分配优化方法,其特征在于,所述方法包括如下步骤:
建立基站和边缘服务器的模型,针对任务卸载场景,计算基站和边缘服务器的效用;
构建基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,
通过数学方法和遗传优化算法求解基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,获取最优的契约项。
在上述的基于契约理论的任务卸载与资源分配优化方法,所述边缘计算网络模型
包括1个基站和个边缘服务器,表示为;其中基站具有部分处理任务的能
力并且负责协调通信和计算资源;边缘服务器的类型定义如下:将其按照升序分为个类
型,表示为,其中,根据先前边缘服务器的性能表现,基站
可以预测的概率表示为,并且满足。
在上述的基于契约理论的任务卸载与资源分配优化方法,基站为类边缘服务器
设计项条款,每一项条款对应每个类型的边缘服务器;边缘服务器在类型值为的情况
下签约合同项目,其中表示基站卸载到类型的边缘服务器的计算任务比例系
数,表示类型为的边缘服务器提供的计算资源比例系数,是基站支付给类型为的边
缘服务器相应的奖励。
在上述的基于契约理论的任务卸载与资源分配优化方法,契约需要满足个人理性约束:
契约需要满足激励相容条件约束:
BS获得最大期望效用的目标函数为:
在上述的基于契约理论的任务卸载与资源分配优化方法,满足,
其中表示没有计算任务卸载到类型为的边缘服务器上计算,表示所有的计算
任务都由类型为的边缘服务器计算,表示所有的任务都在边缘服务器上计算;
满足:,其中表示类型为的边缘服务器没有提供计算资源,表示类型
为的边缘服务器提供了自身的所有计算资源。
通过遗传算法求解目标函数,具体是:
将基站的效用定义为适应度函数;
一种基于契约理论的任务卸载与资源分配优化系统,其特征在于,包括:
第一模块:被配置为用于建立基站和边缘服务器的模型,针对任务卸载场景,计算基站和边缘服务器的效用;
第二模块:被配置为用于构建基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,
第三模块:被配置为通过数学方法和遗传优化算法求解基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,获取最优的契约项。
与现有技术相比,本发明的有益效果是:该方法针对契约签订边缘服务器的私有信息引起的信息非对称问题和边缘服务器自私性引起的不愿意主动参与计算的问题,提出的基于契约理论的激励方法以实现任务卸载和资源分配,并保证基站效用的最大化。同时,本发明还首次引入计算激励来平衡计算任务卸载和资源分配,可以实现实时高效的任务卸载和资源分配。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
步骤1,将基于市场驱动的契约理论引入到信息非对称协同计算机制中去,建立基站的模型和边缘服务器的效用模型。
步骤2,考虑到边缘服务器的自私性及其状态信息的非对称性,边缘服务器不愿意在没有奖励的情况下消耗自身能量来参与计算。基站向边缘服务器提供契约,总结得到个人理性和激励相容条件,实现对边缘服务器私有信息的有效甄别,以激励边缘服务器提供自身计算资源来参与计算。
步骤3,通过评估边缘服务器的表现,基站将支付相应的奖励并激励他们参与计算,从而使得基站的效用最大化。
进一步的,所述建立边缘服务器和基站的模型的实现过程为:假设边缘计算网络
模型包括1个基站和个边缘服务器,表示为。基站具有部分处理任务的能力并
且负责协调通信和计算资源。在高峰时间期间,任务可由基站卸载到计算资源空闲的边缘
服务器进行处理。边缘服务器的私有信息被建模为服务器类型,将具有异构性的边缘服务
器分为不同的类型对于基站是有益的,因为他可以动态地调整为每种类型设计的契约项。
边缘服务器的类型定义如下:将其按照升序分为个类型,表示为,其中,根据先前边缘服务器的性能表现,基站可以预测的概率表示为,并
且满足。
基站为类边缘服务器设计项条款,每一项条款对应每个类型的边缘服务器;
边缘服务器在类型值为的情况下签约合同项目,其中表示基站卸载到类型
的边缘服务器的计算任务比例系数,表示类型为的边缘服务器提供的计算资源比例系
数,是基站支付给类型为的边缘服务器相应的奖励。
由于边缘服务器的自私性,基站为了确保边缘服务器愿意接受契约条款,基站需要保证每个边缘服务器所获得的期望效用是大于等于零的,即所设计的契约需要满足个人理性约束:
又因为边缘服务器的私有信息对于基站是未知的,为了甄别边缘服务器的私有信息,基站需要确保每个边缘服务器当且仅当选择自己类型相关的契约项时才能获得最大效用,即所设计的契约需要满足激励相容条件约束:
基站获得最大期望效用的目标函数为:
其中,满足,其中表示没有计算任务卸载到类型为的边
缘服务器上计算,表示所有的计算任务都由类型为的边缘服务器计算,表示
所有的任务都在边缘服务器上计算;满足:,其中表示类型为的边缘
服务器没有提供计算资源,表示类型为的边缘服务器提供了自身的所有计算资源。
再来通过遗传算法求解优化问题。将基站的效用定义为适应度函数,然后将任务
卸载比例和资源分配比例组合起来当作染色体,把适应度高的染色体作为精英留给下
一代,适应度低的进行变异操作产生后代,适应度中等的用于产生父代,然后交叉父代个体
来产生后代,直至找寻到最优的个体,进而得到最优的契约来使得基站的效用最
大化。
Claims (4)
1.一种基于契约理论的任务卸载与资源分配优化方法,其特征在于,所述方法包括如下步骤:
建立基站和边缘服务器的模型,针对任务卸载场景,计算基站和边缘服务器的效用;
构建基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,
通过数学方法和遗传优化算法求解基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,获取最优的契约项;
基站和边缘服务器的模型包括1个基站和个边缘服务器,表示为;其中
基站具有部分处理任务的能力并且负责协调通信和计算资源;边缘服务器的类型定义如
下:将其按照升序分为个类型,表示为,其中,根据先前
边缘服务器的性能表现,基站可以预测的概率表示为,并且满足;
基站为类边缘服务器设计项条款,每一项条款对应每个类型的边缘服务器;边缘
服务器在类型值为的情况下签约合同项目,其中表示基站卸载到类型的
边缘服务器的计算任务比例系数,表示类型为的边缘服务器提供的计算资源比例系
数,是基站支付给类型为的边缘服务器相应的奖励;
契约需要满足个人理性约束:
契约需要满足激励相容条件约束:
BS获得最大期望效用的目标函数为:
4.一种基于契约理论的任务卸载与资源分配优化系统,其特征在于,包括:
第一模块:被配置为用于建立基站和边缘服务器的模型,针对任务卸载场景,计算基站和边缘服务器的效用;
第二模块:被配置为用于构建基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,
第三模块:被配置为通过数学方法和遗传优化算法求解基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数,获取最优的契约项;
基站和边缘服务器的模型包括1个基站和个边缘服务器,表示为
;其中基站具有部分处理任务的能力并且负责协调通信和计算资源;边缘服务器的类型定
义如下:将其按照升序分为个类型,表示为,其中,根据先前边缘服务器的性能表现,基站可以预测的概率表示为,并且满足;
基站为类边缘服务器设计项条款,每一项条款对应每个类型的边缘服务器;边缘
服务器在类型值为的情况下签约合同项目,其中表示基站卸载到类型的
边缘服务器的计算任务比例系数,表示类型为的边缘服务器提供的计算资源比例系
数,是基站支付给类型为的边缘服务器相应的奖励;
契约需要满足个人理性约束:
契约需要满足激励相容条件约束:
BS获得最大期望效用的目标函数为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211264605.2A CN115334551B (zh) | 2022-10-17 | 2022-10-17 | 基于契约理论的任务卸载与资源分配优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211264605.2A CN115334551B (zh) | 2022-10-17 | 2022-10-17 | 基于契约理论的任务卸载与资源分配优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115334551A CN115334551A (zh) | 2022-11-11 |
CN115334551B true CN115334551B (zh) | 2023-03-24 |
Family
ID=83915414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211264605.2A Active CN115334551B (zh) | 2022-10-17 | 2022-10-17 | 基于契约理论的任务卸载与资源分配优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115334551B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116069414B (zh) * | 2023-03-06 | 2023-06-09 | 湖北工业大学 | 一种电力物联网计算任务卸载激励优化方法和存储介质 |
CN116204318A (zh) * | 2023-03-08 | 2023-06-02 | 北京邮电大学 | 融合计算卸载及能源馈送激励的边缘网络资源交易方法 |
CN116095721B (zh) * | 2023-04-07 | 2023-06-27 | 湖北工业大学 | 一种融合感知通信的移动群智网络契约激励方法及系统 |
CN116233869B (zh) * | 2023-05-10 | 2023-07-18 | 湖北工业大学 | 计算激励、任务分配及无人机位置联合优化方法及系统 |
CN116643808B (zh) * | 2023-05-29 | 2024-04-16 | 北京邮电大学 | 一种基于远期合同的边缘网络计算卸载方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111800495A (zh) * | 2020-06-30 | 2020-10-20 | 华北电力大学 | 一种车辆雾计算中的任务卸载系统和方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109005057B (zh) * | 2018-07-19 | 2021-02-12 | 华北电力大学 | 一种基于契约理论和匹配理论的资源分配与任务卸载方法 |
WO2020044353A1 (en) * | 2018-08-30 | 2020-03-05 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method for collaborative task offloading automation in smart containers |
CN109951873B (zh) * | 2019-02-28 | 2020-09-29 | 华北电力大学 | 一种物联网雾计算中信息不对称不确定下的任务卸载机制 |
CN110972160B (zh) * | 2019-10-21 | 2022-06-28 | 湖北工业大学 | 一种异构蜂窝网络中无人机流量卸载契约机制设计方法 |
CN112948116B (zh) * | 2021-03-05 | 2023-06-13 | 电子科技大学 | 一种基于在线激励的边缘计算合作计算资源分配方法 |
CN113377533B (zh) * | 2021-06-07 | 2023-11-21 | 重庆邮电大学 | 无人机协助移动边缘计算中的动态计算卸载和服务器部署方法 |
CN113709698A (zh) * | 2021-09-08 | 2021-11-26 | 同济大学 | 一种基于任务块的车联网雾计算协作任务卸载控制方法 |
-
2022
- 2022-10-17 CN CN202211264605.2A patent/CN115334551B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111800495A (zh) * | 2020-06-30 | 2020-10-20 | 华北电力大学 | 一种车辆雾计算中的任务卸载系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115334551A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
WO2021254349A1 (zh) | 一种基于竞争博弈的多用户切片资源分配方法 | |
CN111193615B (zh) | 一种移动边缘计算网络中的边缘计算节点选择方法 | |
CN112929915B (zh) | 一种移动边缘计算的动态数据卸载方法及系统 | |
CN113438621A (zh) | 一种基于网联车辅助的边缘计算卸载与资源分配方法 | |
Zhou et al. | Optimization of energy consumption of green data center in e-commerce | |
CN113037876B (zh) | 基于合作博弈的云下行任务边缘节点资源分配方法 | |
CN114928612B (zh) | 移动边缘计算中协同卸载的激励机制与资源分配方法 | |
Feng et al. | Optimal cooperative wireless communication for mobile user data offloading | |
Yuan et al. | Incentivizing federated learning under long-term energy constraint via online randomized auctions | |
Besharati et al. | A prototype auction-based mechanism for computation offloading in fog-cloud environments | |
CN116112953A (zh) | 基于移动边缘计算的区块链任务卸载和资源分配方法 | |
Xue et al. | Collaborative computation offloading and resource allocation based on dynamic pricing in mobile edge computing | |
Lyu et al. | Multi-leader multi-follower Stackelberg game based resource allocation in multi-access edge computing | |
CN110971707B (zh) | 一种在移动边缘网络中的分布式服务缓存方法 | |
CN112036625A (zh) | 一种电力市场背景下基于主从博弈的新能源消纳方法 | |
CN108901003B (zh) | 一种d2d协作网络场景下基于社会关系的功率分配方法 | |
Yang et al. | Incorporating user willingness in contract-based incentive mechanism for D2D cooperative data forwarding | |
Analoui et al. | Microeconomics-based resource allocation in overlay networks by using non-strategic behavior modeling | |
CN115696452A (zh) | 云边协同计算中的卸载决策与资源配置联合优化的博弈方法 | |
CN115439026A (zh) | 基于嵌套联邦学习的多智能体自组织需求响应方法及系统 | |
Xin et al. | Online node cooperation strategy design for hierarchical federated learning | |
Sun et al. | Competitive Pricing for Resource Trading in Sliced Mobile Networks: A Multi-Agent Reinforcement Learning Approach | |
CN113784372A (zh) | 一种面向终端多业务模型的联合优化方法 | |
CN114650568A (zh) | 一种移动Ad Hoc云中基于能量收集的分布式卸载方法 |
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 |