CN115941699B - 一种动态定价的边缘计算资源分配方法 - Google Patents

Abstract

本发明提出了一种动态定价的边缘计算资源分配方法。首先根据边缘计算场景得到所有终端用户的任务资源需求和所有边缘服务器的计算资源容量；然后构建终端用户和边缘服务器交易总效用最大化问题模型，边缘服务器根据剩余资源数量动态地对每剩余单位资源定价，终端用户对边缘服务器出价，计算用户和边缘服务器交易的总效用；最后将边缘服务器和终端用户的匹配视为一个二部图匹配问题，采用改进的匈牙利算法得到使交易总效用最大的最佳匹配。本发明能够适用于边缘计算网络场景下终端用户的任务卸载和边缘服务器的资源分配，通过拍卖边缘服务器的计算资源，最大化终端用户和边缘服务器交易的总效用。

Description

一种动态定价的边缘计算资源分配方法

技术领域

本发明主要涉及到边缘计算领域，特别是涉及到一种动态定价的边缘计算资源分配方法。

背景技术

随着万物互联和5G时代的到来，智能终端已经深入生活和生产的各个方面，比如智能交通、智能家居、自动驾驶等等领域，而终端用户的增长也带来了暴增的数据量，且新兴应用对数据和信息处理的要求越来越高。由于数据量的不断增加和对数据处理要求的不断提高，边缘计算应运而生。边缘计算作为一种层次化的分布式计算架构，通过利用网络边缘设备的计算和存储能力，就近给用户提供低延迟、高性能的计算服务，是继云计算、移动互联网、物联网后的一种新型计算范式。

为了满足终端用户应用时延敏感、计算密集等需求，采用计算卸载技术，将每个用户的任务部分地或完整地卸载到边缘服务器中执行。而计算卸载中的资源分配能够解决将任务卸载到哪里的问题。边缘服务器有丰富的计算资源可出售，其可以根据剩余资源数量动态地定价，剩余资源越少则每单位计算资源价格更高，而用户需要购买计算资源以完成计算卸载，因此合理的资源分配方案使用户和边缘服务器匹配能够使用户和边缘服务器的总效用最大化。

综上所述，在满足边缘服务器的资源容量限制的条件下，为提高边缘服务器和用户的总效用，需要利用计算卸载技术，边缘服务器动态地对剩余资源定价，终端用户购买边缘服务器的计算资源以完成计算卸载，针对多用户多边缘服务器系统中的资源分配问题，采用合理的用户和边缘服务器匹配方案，使边缘服务器和用户的总效用最大化。

发明内容

本发明提出了一种动态定价的边缘计算资源分配方法，主要应用于边缘计算方面，主要优点是使用户和边缘服务器达到最佳匹配，从而能够最大化边缘计算网络场景下用户和边缘服务器的交易总效用。本发明的方案具体如下：

1.网络控制器可以通过一种近似算法来得到动态定价的资源分配方案：

步骤1、构建边缘计算网络场景，网络中移动设备由集合U＝{u₁,u₂,...,u_i,...,u_m}表示，其中i表示用户的序号，边缘服务器由集合D＝{d₁,d₂,...,d_j,...,d_n}表示，其中j表示边缘服务器的序号，假设用户的任务不可分割；

步骤2、用户需要购买边缘服务器的资源以完成计算卸载，边缘服务器向用户出售资源并获得报酬，边缘服务器收益的函数为其中，y_j表示d_j出售的资源单元数量，g_j表示d_j因为提供资源而得到的报酬，p_j表示d_j每单元资源的真实成本，用户的效用函数为/>其中s_i表示用户u_i获得的资源的真实价值，t_i表示用户u_i支付的金额，x_ij为用户的匹配变量，若x_ij＝1，则表示用户u_i获得边缘服务器的资源，若x_ij＝0，则表示用户u_i没有获得边缘服务器的资源，优化目标是使用户和边缘服务器交易的总效用到最大化，其中α为常量；

步骤3、对边缘服务器的剩余可出售资源单元进行拍卖，动态地对边缘服务器的剩余可出售资源单元进行定价，剩余可出售资源单元数量越少，则提交给平台的剩余每单元资源报价越高，d_j已出售资源单元数量y_j与其剩余每单元资源价格g(y_j)满足拍卖过程中将用户和边缘服务器匹配视为一个二部图匹配问题，采用改进的匈牙利算法使拍卖双方总效用达到最大化。

2.进一步，每个用户u_i和边缘服务器d_j之间交易的资源单元总和不能超过d_j的可出售资源单元容量A_j，且参与计算卸载的用户和边缘服务器的效用必须为正，即满足

3.进一步，边缘服务器提供其剩余每单位资源价格，需要任务卸载的用户对边缘服务器出价，并根据所需购买的资源数量和边缘服务器的剩余每单位资源价格计算交易所产生的效用，边缘服务器收到用户出价之后，根据用户购买的资源数量和自身剩余每单位资源价格计算交易对自身产生的效用。

4.进一步，边缘服务器提供一个起拍价1.5*g(y_j)，用户可以对边缘服务器出价，边缘服务器的资源拍卖中每轮拍卖边缘服务器只和出价最高的用户成交，当没有用户出价时，边缘服务器降价5％，若降价至g(y_j)，则关闭交易。

5.进一步，将拍卖过程中用户和边缘服务器的匹配视为一个二部图匹配问题，采用改进的匈利算法使用户和边缘服务器交易的总效用达到最大，其至少还包括以下步骤：

1)将用户集合和边缘服务器集合视为两个不相交的顶点集合，其中用户和边缘服务器为顶点，用户顶点和边缘服务器顶点之间存在边，用户集合和边缘服务器集合内部均不存在边，用户和边缘服务器构成一个二部图G＝{V,E}，连接用户u_i和边缘服务器d_j的边e_ij的权值w_ij为用户u_i和边缘服务器d_j交易完成后产生的效用和；

2)用一个t阶邻接矩阵表示用户集合和边缘服务器集合，当m＞n时，t＝m，在集合D中添加m-n个元素，添加的m-n个元素作为虚拟服务器节点，连接虚拟服务器节点与用户的边的权值为0，当m＜n时，t＝n，在集合U中添加n-m个元素，此时添加的n-m个元素作为虚拟用户节点，连接虚拟用户节点和边缘服务器的边的权值为0，用邻接矩阵L[t][t]表示用户集合和边缘服务器集合，其中，行代表用户，列代表边缘服务器，邻接矩阵中的元素L[i][j]为连接用户u_i和边缘服务器d_j的边e_ij的权值w_ij；

3)初始化最佳匹配M为空，最佳匹配M的权值之和W＝0，将邻接矩阵L[t][t]中所有权值w_ij取反；

4)找到邻接矩阵L[t][t]中每一行的最小值r[i]，然后将该行每一个元素都减去r[i]；

5)找到邻接矩阵L[t][t]中每一列的最小值c[j]，然后将该列每一个元素都减去c[j]；

6)将邻接矩阵L[t][t]中0元素所在的行或列的所有元素用水平线段或垂直线段连接起来，如果能用少于n条线段覆盖邻接矩阵内所有0元素，则跳至步骤7)，否则跳到步骤8)；

7)将未被线段覆盖的元素中的最小值记为k，并将所有未被线段覆盖的元素减去k，然后将k添加到所有被线段覆盖两次的元素中，跳至步骤6)；

8)遍历每一行的元素w_ij，找到该行第一个0元素，将该0元素所在的行u_i和列d_j连接的边e_ij加入匹配M，W＝W+w_ij，并在邻接矩阵中去掉u_i和d_j所在的行和列；

9)得到使权值和W最大的最佳匹配M，算法结束。

与现有技术相比，本方法的优点在于：

提出了一种动态定价的边缘计算资源分配方法，适用于不同种类、不同规模的终端设备群和边缘服务器群，在服务器资源和交易效用的限制下，考虑使边缘服务器和终端用户的交易总效用最大化，使用户和边缘服务器的匹配达到最佳匹配，从而能够最大化边缘服务器和用户交易的总效用。

附图说明

图1是本发明的流程框图；

图2是本发明的用户和服务器匹配算法的流程图；

图3是本发明的边缘计算网络中计算卸载任务请求的示例图；

图4是本发明的边缘服务器和用户匹配的示例图；

图5是本发明的改进的匈牙利算法中对邻接矩阵作变换的示例图；

具体实施方式

下面结合附图3和附图4对本发明作进一步的详细描述。

假设以5G背景下的医院、超市为例。

步骤一、获取网络中所有用户的任务资源需求和所有边缘服务器的资源容量以及剩余每单位资源价格；

步骤二、用户需要购买边缘服务器的资源以完成计算卸载，边缘服务器向用户出售资源并获得报酬，边缘服务器收益的函数为其中，y_j表示d_j出售的资源单元数量，g_j表示d_j因为提供资源而得到的报酬，p_j表示d_j每单元资源的真实成本，用户的效用函数为/>其中s_i表示用户u_i获得的资源的真实价值，t_i表示用户u_i支付的金额，x_ij为用户的匹配变量，若x_ij＝1，则表示用户u_i获得边缘服务器的资源，若x_ij＝0，则表示用户u_i没有获得边缘服务器的资源，优化目标是使用户和边缘服务器交易的总效用达到最大化，其中α为常量；

步骤三、对边缘服务器的剩余可出售资源单元进行拍卖，动态地对边缘服务器的剩余可出售资源单元进行定价，剩余可出售资源单元数量越少，则提交给平台的剩余每单元资源报价越高，d_j已出售资源单元数量y_j与其剩余每单元资源价格g(y_j)满足拍卖过程中将用户和边缘服务器匹配视为一个二部图匹配问题，采用改进的匈牙利算法使拍卖双方总效用达到最大化:

a)将用户集合和边缘服务器集合视为两个不相交的顶点集合，其中用户和边缘服务器为顶点，用户顶点和边缘服务器顶点之间存在边，用户集合和边缘服务器集合内部均不存在边，用户和边缘服务器构成一个二部图G＝{V,E}，连接用户u_i和边缘服务器d_j的边e_ij的权值w_ij为用户u_i和边缘服务器d_j交易完成后产生的效用和；

b)用一个t阶邻接矩阵表示用户集合和边缘服务器集合，当m＞n时，t＝m，在集合D中添加m-n个元素，添加的m-n个元素作为虚拟服务器节点，连接虚拟服务器节点与用户的边的权值为0，当m＜n时，t＝n，在集合U中添加n-m个元素，此时添加的n-m个元素作为虚拟用户节点，连接虚拟用户节点和边缘服务器的边的权值为0，用邻接矩阵L[t][t]表示用户集合和边缘服务器集合，其中，行代表用户，列代表边缘服务器，邻接矩阵中的元素L[i][j]为连接用户u_i和边缘服务器d_j的边e_ij的权值w_ij；

c)初始化最佳匹配M为空，最佳匹配M的权值之和W＝0，将邻接矩阵L[t][t]中所有权值w_ij取反；

d)找到邻接矩阵L[t][t]中每一行的最小值r[i]，然后将该行每一个元素都减去r[i]；

e)找到邻接矩阵L[t][t]中每一列的最小值c[j]，然后将该列每一个元素都减去c[j]；

f)将邻接矩阵L[t][t]中0元素所在的行或列的所有元素用水平线段或垂直线段连接起来，如果能用少于n条线段覆盖邻接矩阵内所有0元素，则跳至步骤g)，否则跳到步骤h)；

g)将未被线段覆盖的元素中的最小值记为k，并将所有未被线段覆盖的元素减去k，然后将k添加到所有覆盖两次的元素中，跳至步骤f)；

h)遍历每一行的元素w_ij，找到该行第一个0元素，将该0元素所在的行u_i和列d_j连接的边e_ij加入匹配M，W＝W+w_ij，并在邻接矩阵中去掉u_i和d_j所在的行和列；

i)得到使权值和W最大的最佳匹配M，算法结束。

Claims (5)

1.一种动态定价的边缘计算资源分配方法，其特征在于，将边缘服务器资源分配问题视为一个二部图匹配问题，对参与拍卖的边缘服务器资源进行动态定价，并采用改进的匈牙利算法解决二部图匹配问题，所述方法至少包括以下步骤：

步骤1、构建边缘计算网络场景，网络中移动设备由集合U＝{u₁,u₂,...,u_i,...,u_m}表示，其中i表示用户的序号，边缘服务器由集合D＝{d₁,d₂,...,d_j,...,d_n}表示，其中j表示边缘服务器的序号，假设用户的任务不可分割；

步骤2、用户需要购买边缘服务器的资源以完成计算卸载，边缘服务器向用户出售资源并获得报酬，边缘服务器收益的函数为其中，y_j表示d_j出售的资源单元数量，g_j表示d_j因为提供资源而得到的报酬，p_j表示d_j每单元资源的真实成本，用户的效用函数为/>其中s_i表示用户u_i获得的资源的真实价值，t_i表示用户u_i支付的金额，x_ij为用户的匹配变量，若x_ij＝1，则表示用户u_i获得边缘服务器的资源，若x_ij＝0，则表示用户u_i没有获得边缘服务器的资源，优化目标是使用户和边缘服务器交易的总效用达到最大化，其中α为常量；

步骤3、对边缘服务器的剩余可出售资源单元进行拍卖，动态地对边缘服务器的剩余可出售资源单元进行定价，剩余可出售资源单元数量越少，则提交给平台的剩余每单元资源报价越高，d_j已出售资源单元数量y_j与其剩余每单元资源价格g(y_j)满足拍卖过程中将用户和边缘服务器匹配视为一个二部图匹配问题，采用改进的匈牙利算法使拍卖双方总效用达到最大化。

2.根据权利要求1中所述的一种动态定价的边缘计算资源拍卖方法，其特征在于每个用户u_i和边缘服务器d_j之间交易的资源单元总和不能超过d_j的可出售资源单元容量A_j，且参与计算卸载的用户和边缘服务器的效用必须为正，即满足

3.根据权利要求1中所述的一种动态定价的边缘计算资源分配方法，其特征在于边缘服务器提供其剩余每单位资源价格，需要任务卸载的用户对边缘服务器出价，并根据所需购买的资源数量和边缘服务器的剩余每单位资源价格计算交易所产生的效用，边缘服务器收到用户出价之后，根据用户购买的资源数量和自身剩余每单位资源价格计算交易对自身产生的效用。

4.根据权利要求1中所述的一种动态定价的边缘计算资源分配方法，其特征在于，所述步骤3中，边缘服务器提供一个起拍价1.5*g(y_j)，用户可以对边缘服务器出价，边缘服务器的资源拍卖中每轮拍卖边缘服务器只和出价最高的用户成交，当没有用户出价时，边缘服务器降价5％，若降价至g(y_j)，则关闭交易。

5.根据权利要求1中所述的一种动态定价的边缘计算资源分配方法，其特征在于，所述步骤3中，并将拍卖过程中用户和边缘服务器的匹配视为一个二部图匹配问题，采用改进的匈利算法使用户和边缘服务器交易的总效用达到最大，其至少还包括以下步骤：

1)将用户集合和边缘服务器集合视为两个不相交的顶点集合，其中用户和边缘服务器为顶点，用户顶点和边缘服务器顶点之间存在边，用户集合和边缘服务器集合内部均不存在边，用户和边缘服务器构成一个二部图G＝{V,E}，连接用户u_i和边缘服务器d_j的边e_ij的权值w_ij为用户u_i和边缘服务器d_j交易完成后产生的效用和；

2)用一个t阶邻接矩阵表示用户集合和边缘服务器集合，当m＞n时，t＝m，在集合D中添加m-n个元素，添加的m-n个元素作为虚拟服务器节点，连接虚拟服务器节点与用户的边的权值为0，当m＜n时，t＝n，在集合U中添加n-m个元素，此时添加的n-m个元素作为虚拟用户节点，连接虚拟用户节点和边缘服务器的边的权值为0，用邻接矩阵L[t][t]表示用户集合和边缘服务器集合，其中，行代表用户，列代表边缘服务器，邻接矩阵中的元素L[i][j]为连接用户u_i和边缘服务器d_j的边e_ij的权值w_ij；

3)初始化最佳匹配M为空，最佳匹配M的权值之和W＝0，将邻接矩阵L[t][t]中所有权值w_ij取反；

4)找到邻接矩阵L[t][t]中每一行的最小值r[i]，然后将该行每一个元素都减去r[i]；

5)找到邻接矩阵L[t][t]中每一列的最小值c[j]，然后将该列每一个元素都减去c[j]；

6)将邻接矩阵L[t][t]中0元素所在的行或列中所有元素用水平线段或垂直线段连接起来，如果能用少于n条线段覆盖邻接矩阵内所有0元素，则跳至步骤7)，否则跳到步骤8)；

7)将未被线段覆盖的元素中的最小值记为k，并将所有未被线段覆盖的元素减去k，然后将k添加到所有被线段覆盖两次的元素中，跳至步骤6)；

8)遍历每一行的元素w_ij，找到该行第一个0元素，将该0元素所在的行u_i和列d_j连接的边e_ij加入匹配M，W＝W+w_ij，并在邻接矩阵中去掉u_i和d_j所在的行和列；

9)得到使权值和W最大的最佳匹配M，算法结束。