CN116069414B - 一种电力物联网计算任务卸载激励优化方法和存储介质 - Google Patents
一种电力物联网计算任务卸载激励优化方法和存储介质 Download PDFInfo
- Publication number
- CN116069414B CN116069414B CN202310201650.1A CN202310201650A CN116069414B CN 116069414 B CN116069414 B CN 116069414B CN 202310201650 A CN202310201650 A CN 202310201650A CN 116069414 B CN116069414 B CN 116069414B
- Authority
- CN
- China
- Prior art keywords
- edge server
- grid user
- task
- utility function
- power
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 55
- 230000005284 excitation Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 59
- 238000005265 energy consumption Methods 0.000 claims abstract description 57
- 230000008901 benefit Effects 0.000 claims abstract description 24
- 230000007246 mechanism Effects 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/509—Offload
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力物联网计算任务卸载激励优化方法和存储介质,该方法包括:构建边缘服务器效用函数以构建激励机制模型;构建电网用户效用函数以构建计算任务卸载模型;根据激励机制模型和计算任务卸载模型确定电力物联网计算任务卸载激励优化模型;基于电力物联网计算任务卸载激励优化模型对电网用户效用函数中的电网用户卸载到边缘服务器的计算任务量进行变量求解得到最佳计算任务卸载量,并对边缘服务器效用函数中的边缘服务器给电网用户的定价变量进行求解得到最佳定价,从而确定能够使电网用户和边缘服务器利益均能够达到最大化的最佳优化策略,进而便于降低系统能耗,并提高资源利用率。
Description
技术领域
本发明涉及电力物联网技术领域,尤其涉及一种电力物联网计算任务卸载激励优化方法和存储介质。
背景技术
电力物联网将物联网技术应用于电力系统,可通过自动化控制和现代通信技术来提高电力系统的效率、可靠性和安全性,并实现可再生能源的平稳集成。一方面,电力物联网通信系统要求低延迟和可靠性;另一方面,输电线路在线实时监测要求数据传输的低能耗和实时性。尽管云计算拥有强大的数据处理与计算能力,但云服务器和终端设备之间距离较远带来的延迟和能耗问题,以及数据交换可能会导致回程网络瘫痪,使得电力物联网无法满足用户对服务质量的要求。
移动边缘计算作为提供信息技术服务且具有计算能力的一种新型网络结构和计算范式,一方面,将终端设备的计算任务卸载到距离终端设备更近的边缘服务器上计算,有效缩短了数据传输距离,从而减少了延迟和能耗;另一方面,能够避免网络由于大量的数据交换而造成的拥塞,提高了网络的回程能力,从而克服了云计算的缺点,提供了低能耗、低时延、高可靠性的计算能力,满足了电力物联网新兴应用服务的需求。
然而,移动边缘计算技术在给用户带来计算便利的同时,也面临许多挑战。首先,当大量计算密集型用户都选择将计算任务卸载到边缘服务器时,每个用户分到的计算资源是有限的;其次,多用户进行计算任务卸载时总会相互影响,共同竞争计算资源;最后,边缘服务器为用户提供计算服务需要一定的成本,再加上其所固有的私有性、趋利性,因此在实际的电力物联网部署中,设计高效的激励机制和计算任务卸载联合优化方法是至关重要的。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的第一个目的在于提供一种电力物联网计算任务卸载激励优化方法,以使电网用户和边缘服务器利益均能够达到最大化,从而有利于降低系统能耗,并提高资源利用率。
本发明的第二个目的在于提供一种计算机可读存储介质。
为达到上述目的,本发明通过以下技术方案实现:
一种电力物联网计算任务卸载激励优化方法,包括:
步骤S1:构建电力物联网中边缘服务器效用函数以构建边缘服务器的激励机制模型;
步骤S2:构建电力物联网中电网用户效用函数以构建电网用户的计算任务卸载模型,其中,所述边缘服务器效用函数和所述电网用户效用函数中的两个变量均为所述电网用户卸载到所述边缘服务器的计算任务量和所述边缘服务器给所述电网用户的定价;
步骤S3:根据所述边缘服务器的所述激励机制模型和所述电网用户的所述计算任务卸载模型确定电力物联网计算任务卸载激励优化模型;
步骤S4:基于所述电力物联网计算任务卸载激励优化模型对所述电网用户效用函数中的所述电网用户卸载到所述边缘服务器的计算任务量进行变量求解得到最佳计算任务卸载量,并对所述边缘服务器效用函数中的所述边缘服务器给所述电网用户的定价变量进行求解得到最佳定价;其中,所述电网用户效用函数和所述边缘服务器效用函数中的两个变量均取值所述最佳计算任务卸载量和所述最佳定价时,便于使得电网用户效益最大化和边缘服务器效益最大化。
可选的,所述步骤S1中,构建电力物联网中边缘服务器效用函数,包括:
步骤S11:确定每一电网用户卸载到所述边缘服务器的计算任务量,以确定电网用户卸载需求集;确定所述边缘服务器给每一电网用户的定价,以确定边缘服务器价格集;
步骤S12:确定所述边缘服务器执行单位计算任务量的成本,并根据所述成本、所述电网用户卸载需求集中的所述计算任务量和所述边缘服务器价格集中的所述价格构建所述边缘服务器效用函数。
可选的,所述步骤S2中,构建电力物联网中电网用户效用函数,包括:
步骤S21:确定所述电网用户对所述边缘服务器的满意值;
步骤S22:确定所述电网用户本地处理计算任务的能耗和所述电网用户向所述边缘服务器卸载计算任务时的传输能耗,并根据本地处理计算任务的能耗和所述传输能耗确定所述电网用户完成计算任务的总能耗;
步骤S23:确定所述电网用户卸载计算任务时向所述边缘服务器支付的费用;
步骤S24:根据所述满意值、所述总能耗和所述费用构建所述电网用户效用函数。
可选的,根据所述电网用户的满意度因子和所述电网用户卸载到所述边缘服务器的计算任务量确定所述满意值。
可选的,所述步骤S22中,确定所述电网用户本地处理计算任务的能耗,包括:确定所述电网用户的总计算任务量和所述电网用户在本地处理计算任务的单位能耗,并根据所述总计算任务量、所述电网用户卸载到所述边缘服务器的计算任务量以及所述单位能耗确定所述电网用户本地处理计算任务的能耗。
可选的,所述步骤S22中,确定所述电网用户向所述边缘服务器卸载计算任务时的传输能耗,包括:确定所述电网用户的数据传输功率和所述电网用户向所述边缘服务器进行数据传输的数据传输速率,并根据所述数据传输功率、所述数据传输速率和所述电网用户卸载到所述边缘服务器的计算任务量确定所述传输能耗。
可选的,确定所述电网用户向所述边缘服务器进行数据传输的数据传输速率,包括:确定所述电网用户与所述边缘服务器之间的信道带宽、信道增益和信道高斯白噪声,并根据所述信道带宽、所述信道增益、所述信道高斯白噪声和所述数据传输功率确定所述数据传输速率。
可选的,所述步骤S3中的所述电力物联网计算任务卸载激励优化模型为条件约束模型,所述条件约束模型的约束条件为:
所述电网用户卸载到所述边缘服务器的计算任务量是所述最佳计算任务卸载量,且所述边缘服务器给所述电网用户的定价是所述最佳定价时对应的电网用户效用函数值大于或者等于所述电网用户卸载到所述边缘服务器的计算任务量不是所述最佳计算任务卸载量,且所述边缘服务器给所述电网用户的定价是所述最佳定价时对应的电网用户效用函数值;以及,
所述电网用户卸载到所述边缘服务器的计算任务量是所述最佳计算任务卸载量,且所述边缘服务器给所述电网用户的定价是所述最佳定价时对应的边缘服务器效用函数值大于或者等于所述电网用户卸载到所述边缘服务器的计算任务量是所述最佳计算任务卸载量,且所述边缘服务器给所述电网用户的定价不是所述最佳定价时对应的边缘服务器效用函数值。
可选的,所述步骤S4中,对所述电网用户效用函数中的所述电网用户卸载到所述边缘服务器的计算任务量进行求偏导,以求解得到所述最佳计算任务卸载量,并对所述边缘服务器效用函数中的所述边缘服务器给所述电网用户的定价变量求偏导,以求解得到所述最佳定价。
为达到上述目的,本发明还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,实现上述所述的电力物联网计算任务卸载激励优化方法。
本发明至少具有以下技术效果:
本发明针对电力物联网服务质量需求,在考虑边缘服务器固有的私有性和趋利性、电网用户能耗和计算成本等约束限制基础上,以电网用户和边缘服务器的效益最大化为优化目标,建立电力物联网中边缘服务器效用函数以构建边缘服务器的激励机制模型和建立电力物联网中电网用户效用函数以构建电网用户的计算任务卸载模型,因电网用户和边缘服务器均无法单独改变自身策略使自身效益最大化,所以本发明基于上述模型建模得到一个提供了具体约束条件的电力物联网计算任务卸载激励优化模型,然后基于该约束条件分别求解激励机制模型和计算任务卸载模型中的优化变量,以得到相应的最佳优化变量,从而获得最佳联合优化策略,进而可使电网用户和边缘服务器利益均能够达到最大化,有利于降低系统能耗,并提高资源利用率。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明实施例的电力物联网计算任务卸载激励优化方法的流程图。
具体实施方式
下面详细描述本实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本实施例的一种电力物联网计算任务卸载激励优化方法和存储介质。
图1为本发明实施例的电力物联网计算任务卸载激励优化方法的流程图。如图1所示,该方法包括:
步骤S1:构建电力物联网中边缘服务器效用函数以构建边缘服务器的激励机制模型。
步骤S1中,构建电力物联网中边缘服务器效用函数,包括:
步骤S11:确定每一电网用户卸载到边缘服务器的计算任务量,以确定电网用户卸载需求集;确定边缘服务器给每一电网用户的定价,以确定边缘服务器价格集。
步骤S12:确定边缘服务器执行单位计算任务量的成本,并根据所述成本、电网用户卸载需求集中的计算任务量和边缘服务器价格集中的价格构建边缘服务器效用函数。
具体的,由于边缘服务器与电网用户的特性,两者之间一般没有特定的联系,所以使得边缘服务器没有动力去协助电网用户处理计算任务,因此需要给边缘服务器一定的激励使得它被自己的利益驱使形成策略性行为。
确定边缘服务器价格集为:
进一步的,可确定边缘服务器执行单位计算任务量的成本,由此可根据所述成本、电网用户卸载需求集中的计算任务量和边缘服务器价格集中的价格构建边缘服务器效用函数,即边缘服务器效用函数可确定为电网用户所给的报酬减去自身的资源消耗成本,具体如下所示:
需要说明的是确定边缘服务器效用函数即确定了边缘服务器的激励机制模型。
为使边缘服务器获得最大限度的利益,以最大化自身效益,可将边缘服务器的优化问题表述为:
步骤S2:构建电力物联网中电网用户效用函数以构建电网用户的计算任务卸载模型,其中,边缘服务器效用函数和电网用户效用函数中的两个变量均为电网用户卸载到边缘服务器的计算任务量和边缘服务器给电网用户的定价。
步骤S2中,构建电力物联网中电网用户效用函数,包括:
步骤S21:确定电网用户对边缘服务器的满意值。
其中,可根据电网用户的满意度因子和电网用户卸载到边缘服务器的计算任务量确定满意值。
具体的,在第个电网用户收到边缘服务器的定价/>后,可确定该电网用户对边缘服务器的满意值/>,其中,/>为第/>个电网用户的满意度因子,/>为取对数函数,/>表示对除了第/>个电网用户的其他电网用户卸载任务量求和,/>为中除了/>以外的任意值,/>表示第/>个电网用户,/>表示第/>个电网用户卸载到边缘服务器的计算任务量。
需要说明的是,如果电网用户卸载过多的计算任务在边缘服务器上,将很容易导致高能耗和低满意度。
步骤S22:确定电网用户本地处理计算任务的能耗和电网用户向边缘服务器卸载计算任务时的传输能耗,并根据本地处理计算任务的能耗和传输能耗确定电网用户完成计算任务的总能耗。
步骤S22中,确定电网用户本地处理计算任务的能耗,包括:确定电网用户的总计算任务量和电网用户在本地处理计算任务的单位能耗,并根据总计算任务量、电网用户卸载到边缘服务器的计算任务量以及单位能耗确定电网用户本地处理计算任务的能耗。
其中,作为一个整体表示第/>个电网用户本地处理计算任务的能耗,/>为第/>个电网用户在本地处理计算任务的单位能耗,/>和/>如上所述分别为第/>个电网用户的总计算任务量和第/>个电网用户卸载到边缘服务器的计算任务量。
步骤S22中,确定电网用户向边缘服务器卸载计算任务时的传输能耗,包括:确定电网用户的数据传输功率和电网用户向边缘服务器进行数据传输的数据传输速率,并根据数据传输功率、数据传输速率和电网用户卸载到边缘服务器的计算任务量确定传输能耗。
本实施例中,可确定传输能耗为:
步骤S23:确定电网用户卸载计算任务时向边缘服务器支付的费用。
步骤S24:根据所述满意值、总能耗和费用构建电网用户效用函数。
具体的,在第个电网用户收到边缘服务器的定价/>后,第/>个电网用户会根据自身对该边缘服务器的满意值/>和完成计算任务的能耗成本即总能耗/>,以及向边缘服务器支付的成本即费用,综合考虑自身效益,从而确定需要卸载的最佳计算任务量,即确定第/>个电网用户的效用函数为:
需要说明的是,确定电网用户效用函数即确定了电网用户的计算任务卸载模型。
步骤S3:根据边缘服务器的激励机制模型和电网用户的计算任务卸载模型确定电力物联网计算任务卸载激励优化模型。
根据步骤S1构建的激励机制模型和步骤S2构建的电网用户的计算任务卸载模型可知,首先电网用户将主动寻求自身计算任务的卸载行动,而边缘服务器设定向电网用户收取的价格,然后电网用户会根据所收取的价格调整卸载策略并与边缘服务器相互竞争,此过程中电网用户和边缘服务器不能单独改变自身的卸载策略和定价策略来增大自己的效益,为使双方效益均能够最大化,本实施例将电力物联网中的激励机制模型和计算任务卸载模型联合优化,即得到步骤S3中的电力物联网计算任务卸载激励优化模型,该电力物联网计算任务卸载激励优化模型为条件约束模型,约束条件为:
电网用户卸载到边缘服务器的计算任务量是最佳计算任务卸载量,且边缘服务器给电网用户的定价是最佳定价时对应的电网用户效用函数值大于或者等于电网用户卸载到边缘服务器的计算任务量不是最佳计算任务卸载量,且边缘服务器给电网用户的定价是最佳定价时对应的电网用户效用函数值;以及,电网用户卸载到边缘服务器的计算任务量是最佳计算任务卸载量,且边缘服务器给电网用户的定价是最佳定价时对应的边缘服务器效用函数值大于或者等于电网用户卸载到边缘服务器的计算任务量是最佳计算任务卸载量,且边缘服务器给电网用户的定价不是最佳定价时对应的边缘服务器效用函数值,具体如下所示:
其中,表示最佳计算任务卸载量,/>表示最佳定价,/>表示第/>个电网用户卸载到边缘服务器的计算任务量是最佳计算任务卸载量,且边缘服务器给该电网用户的定价是最佳定价时对应的电网用户效用函数值,/>表示第/>个电网用户卸载到边缘服务器的计算任务量不是最佳计算任务卸载量,且边缘服务器给该电网用户的定价是最佳定价时对应的电网用户效用函数值,/>表示第/>个电网用户卸载到边缘服务器的计算任务量是最佳计算任务卸载量,且边缘服务器给该电网用户的定价是最佳定价时对应的边缘服务器效用函数值,/>表示第/>个电网用户卸载到边缘服务器的计算任务量是最佳计算任务卸载量,且边缘服务器给该电网用户的定价不是最佳定价时对应的边缘服务器效用函数值。
步骤S4:基于电力物联网计算任务卸载激励优化模型对电网用户效用函数中的电网用户卸载到边缘服务器的计算任务量进行变量求解得到最佳计算任务卸载量,并对边缘服务器效用函数中的边缘服务器给电网用户的定价变量进行求解得到最佳定价;其中,电网用户效用函数和边缘服务器效用函数中的两个变量均取值最佳计算任务卸载量和最佳定价时,便于使得电网用户效益最大化和边缘服务器效益最大化。
步骤S4中,对电网用户效用函数中的电网用户卸载到边缘服务器的计算任务量进行求偏导,以求解得到最佳计算任务卸载量,并对边缘服务器效用函数中的边缘服务器给电网用户的定价变量求偏导,以求解得到最佳定价。
具体的,所述电力物联网计算任务卸载激励优化模型中包括两个优化变量,分别为第个电网用户卸载到边缘服务器的计算任务量/>和边缘服务器给第/>个电网用户的定价/>,通过电力物联网计算任务卸载激励优化模型可知,需要计算/>和/>对应的最佳变量即最佳计算任务卸载量/>和最佳定价/>,然而采用一般的优化方法算法复杂度较高,本实施例中可直接解耦为边缘服务器定价和电网用户计算任务卸载两个子问题,并针对两个子问题进行联合优化以得到最佳变量。
首先,电网用户计算任务卸载子问题是凸优化问题,本实施例可对第个电网用户的电网用户效用函数/>中的变量/>即电网用户卸载到边缘服务器的计算任务量求偏导数,由二阶偏导结果小于0可知/>函数为凸函数。因此,当一阶偏导数为0时,对应的计算任务卸载量为最佳计算任务卸载量/>,此时该最佳计算任务卸载量与边缘服务器给电网用户的定价/>有关。
其次,边缘服务器定价子问题也是凸优化问题,本实施例中可将最佳计算任务卸载量代入边缘服务器效用函数/>中。由于,该函数仅包含/>一个优化变量,所以可对/>进行求导,由二阶求导结果小于0可知/>为凸函数。因此,当一阶导数为0时,对应的价格为边缘服务器给第/>个电网用户的最佳定价/>。
进一步的,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时,可实现上述的激励机制与计算任务卸载联合优化方法。
综上所述,本发明针对电力物联网服务质量需求,在考虑边缘服务器固有的私有性和趋利性、电网用户能耗和计算成本等约束限制基础上,以电网用户和边缘服务器的效益最大化为优化目标,建立电力物联网中边缘服务器效用函数以构建边缘服务器的激励机制模型和建立电力物联网中电网用户效用函数以构建电网用户的计算任务卸载模型,因电网用户和边缘服务器均无法单独改变自身策略使自身效益最大化,所以本发明基于上述模型建模得到一个提供了具体约束条件的电力物联网计算任务卸载激励优化模型,然后基于该约束条件分别求解激励机制模型和计算任务卸载模型中的优化变量,以得到相应的最佳优化变量,从而获得最佳联合优化策略,进而可使电网用户和边缘服务器利益均能够达到最大化,有利于降低系统能耗,并提高资源利用率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种电力物联网计算任务卸载激励优化方法,其特征在于,包括:
步骤S1:构建电力物联网中边缘服务器效用函数以构建边缘服务器的激励机制模型;
步骤S2:构建电力物联网中电网用户效用函数以构建电网用户的计算任务卸载模型,其中,所述边缘服务器效用函数和所述电网用户效用函数中的两个变量均为所述电网用户卸载到所述边缘服务器的计算任务量和所述边缘服务器给所述电网用户的定价;
步骤S3:根据所述边缘服务器的所述激励机制模型和所述电网用户的所述计算任务卸载模型确定电力物联网计算任务卸载激励优化模型;
步骤S4:基于所述电力物联网计算任务卸载激励优化模型对所述电网用户效用函数中的所述电网用户卸载到所述边缘服务器的计算任务量进行变量求解得到最佳计算任务卸载量,并对所述边缘服务器效用函数中的所述边缘服务器给所述电网用户的定价变量进行求解得到最佳定价;其中,所述电网用户效用函数和所述边缘服务器效用函数中的两个变量均取值所述最佳计算任务卸载量和所述最佳定价时,便于使得电网用户效益最大化和边缘服务器效益最大化;
其中,步骤S1中的边缘服务器效用函数表示如下:
其中,表示边缘服务器效用函数,/>表示第/>个电网用户卸载到边缘服务器的计算任务量,/>是边缘服务器给第/>个电网用户的定价,/>表示求和函数,/>表示电力物联网中的电网用户个数,/>表示边缘服务器执行单位计算任务量的成本;
步骤S2中的电网用户效用函数表示如下:
2.如权利要求1所述的电力物联网计算任务卸载激励优化方法,其特征在于,所述步骤S1中,构建电力物联网中边缘服务器效用函数,包括:
步骤S11:确定每一电网用户卸载到所述边缘服务器的计算任务量,以确定电网用户卸载需求集;确定所述边缘服务器给每一电网用户的定价,以确定边缘服务器价格集;
步骤S12:确定所述边缘服务器执行单位计算任务量的成本,并根据所述成本、所述电网用户卸载需求集中的所述计算任务量和所述边缘服务器价格集中的所述价格构建所述边缘服务器效用函数。
3.如权利要求1所述的电力物联网计算任务卸载激励优化方法,其特征在于,所述步骤S2中,构建电力物联网中电网用户效用函数,包括:
步骤S21:确定所述电网用户对所述边缘服务器的满意值;
步骤S22:确定所述电网用户本地处理计算任务的能耗和所述电网用户向所述边缘服务器卸载计算任务时的传输能耗,并根据本地处理计算任务的能耗和所述传输能耗确定所述电网用户完成计算任务的总能耗;
步骤S23:确定所述电网用户卸载计算任务时向所述边缘服务器支付的费用;
步骤S24:根据所述满意值、所述总能耗和所述费用构建所述电网用户效用函数。
4.如权利要求3所述的电力物联网计算任务卸载激励优化方法,其特征在于,根据所述电网用户的满意度因子和所述电网用户卸载到所述边缘服务器的计算任务量确定所述满意值。
5.如权利要求3所述的电力物联网计算任务卸载激励优化方法,其特征在于,所述步骤S22中,确定所述电网用户本地处理计算任务的能耗,包括:
确定所述电网用户的总计算任务量和所述电网用户在本地处理计算任务的单位能耗,并根据所述总计算任务量、所述电网用户卸载到所述边缘服务器的计算任务量以及所述单位能耗确定所述电网用户本地处理计算任务的能耗。
6.如权利要求3所述的电力物联网计算任务卸载激励优化方法,其特征在于,所述步骤S22中,确定所述电网用户向所述边缘服务器卸载计算任务时的传输能耗,包括:
确定所述电网用户的数据传输功率和所述电网用户向所述边缘服务器进行数据传输的数据传输速率,并根据所述数据传输功率、所述数据传输速率和所述电网用户卸载到所述边缘服务器的计算任务量确定所述传输能耗。
7.如权利要求6所述的电力物联网计算任务卸载激励优化方法,其特征在于,确定所述电网用户向所述边缘服务器进行数据传输的数据传输速率,包括:
确定所述电网用户与所述边缘服务器之间的信道带宽、信道增益和信道高斯白噪声,并根据所述信道带宽、所述信道增益、所述信道高斯白噪声和所述数据传输功率确定所述数据传输速率。
8.如权利要求1所述的电力物联网计算任务卸载激励优化方法,其特征在于,所述步骤S3中的所述电力物联网计算任务卸载激励优化模型为条件约束模型,所述条件约束模型的约束条件为:
所述电网用户卸载到所述边缘服务器的计算任务量是所述最佳计算任务卸载量,且所述边缘服务器给所述电网用户的定价是所述最佳定价时对应的电网用户效用函数值大于或者等于所述电网用户卸载到所述边缘服务器的计算任务量不是所述最佳计算任务卸载量,且所述边缘服务器给所述电网用户的定价是所述最佳定价时对应的电网用户效用函数值;以及,
所述电网用户卸载到所述边缘服务器的计算任务量是所述最佳计算任务卸载量,且所述边缘服务器给所述电网用户的定价是所述最佳定价时对应的边缘服务器效用函数值大于或者等于所述电网用户卸载到所述边缘服务器的计算任务量是所述最佳计算任务卸载量,且所述边缘服务器给所述电网用户的定价不是所述最佳定价时对应的边缘服务器效用函数值。
9.如权利要求1所述的电力物联网计算任务卸载激励优化方法,其特征在于,所述步骤S4中,对所述电网用户效用函数中的所述电网用户卸载到所述边缘服务器的计算任务量进行求偏导,以求解得到所述最佳计算任务卸载量,并对所述边缘服务器效用函数中的所述边缘服务器给所述电网用户的定价变量求偏导,以求解得到所述最佳定价。
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1-9中任一项所述的电力物联网计算任务卸载激励优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310201650.1A CN116069414B (zh) | 2023-03-06 | 2023-03-06 | 一种电力物联网计算任务卸载激励优化方法和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310201650.1A CN116069414B (zh) | 2023-03-06 | 2023-03-06 | 一种电力物联网计算任务卸载激励优化方法和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116069414A CN116069414A (zh) | 2023-05-05 |
CN116069414B true CN116069414B (zh) | 2023-06-09 |
Family
ID=86171572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310201650.1A Active CN116069414B (zh) | 2023-03-06 | 2023-03-06 | 一种电力物联网计算任务卸载激励优化方法和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116069414B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020096639A1 (en) * | 2018-11-08 | 2020-05-14 | Intel Corporation | Function as a service (faas) system enhancements |
CN112929915A (zh) * | 2021-02-20 | 2021-06-08 | 中南大学 | 一种移动边缘计算的动态数据卸载方法及系统 |
WO2021139537A1 (zh) * | 2020-01-08 | 2021-07-15 | 上海交通大学 | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 |
CN113438621A (zh) * | 2021-07-01 | 2021-09-24 | 兰州理工大学 | 一种基于网联车辅助的边缘计算卸载与资源分配方法 |
WO2021233053A1 (zh) * | 2020-05-22 | 2021-11-25 | 华为技术有限公司 | 计算卸载的方法和通信装置 |
CN114756373A (zh) * | 2022-04-29 | 2022-07-15 | 赣南师范大学 | 面向用户满意度和波动计费的边缘计算卸载方法 |
CN114928612A (zh) * | 2022-06-01 | 2022-08-19 | 重庆邮电大学 | 移动边缘计算中协同卸载的激励机制与资源分配方法 |
CN115169800A (zh) * | 2022-06-06 | 2022-10-11 | 湖北工业大学 | 一种基于博弈论的车辆边缘计算资源分配激励方法及系统 |
CN115242800A (zh) * | 2022-09-22 | 2022-10-25 | 湖北工业大学 | 一种基于博弈论的移动边缘计算资源优化方法及装置 |
CN115334551A (zh) * | 2022-10-17 | 2022-11-11 | 湖北工业大学 | 基于契约理论的任务卸载与资源分配优化方法及系统 |
CN115686821A (zh) * | 2022-08-25 | 2023-02-03 | 中国工商银行股份有限公司 | 一种边缘计算任务的卸载方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10338913B2 (en) * | 2017-12-05 | 2019-07-02 | Archemy, Inc. | Active adaptation of networked compute devices using vetted reusable software components |
US20220245574A1 (en) * | 2019-11-05 | 2022-08-04 | Strong Force Vcn Portfolio 2019, Llc | Systems, Methods, Kits, and Apparatuses for Digital Product Network Systems and Biology-Based Value Chain Networks |
CN113364630A (zh) * | 2021-06-15 | 2021-09-07 | 广东技术师范大学 | 一种服务质量QoS差异化优化方法、装置 |
-
2023
- 2023-03-06 CN CN202310201650.1A patent/CN116069414B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020096639A1 (en) * | 2018-11-08 | 2020-05-14 | Intel Corporation | Function as a service (faas) system enhancements |
WO2021139537A1 (zh) * | 2020-01-08 | 2021-07-15 | 上海交通大学 | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 |
WO2021233053A1 (zh) * | 2020-05-22 | 2021-11-25 | 华为技术有限公司 | 计算卸载的方法和通信装置 |
CN112929915A (zh) * | 2021-02-20 | 2021-06-08 | 中南大学 | 一种移动边缘计算的动态数据卸载方法及系统 |
CN113438621A (zh) * | 2021-07-01 | 2021-09-24 | 兰州理工大学 | 一种基于网联车辅助的边缘计算卸载与资源分配方法 |
CN114756373A (zh) * | 2022-04-29 | 2022-07-15 | 赣南师范大学 | 面向用户满意度和波动计费的边缘计算卸载方法 |
CN114928612A (zh) * | 2022-06-01 | 2022-08-19 | 重庆邮电大学 | 移动边缘计算中协同卸载的激励机制与资源分配方法 |
CN115169800A (zh) * | 2022-06-06 | 2022-10-11 | 湖北工业大学 | 一种基于博弈论的车辆边缘计算资源分配激励方法及系统 |
CN115686821A (zh) * | 2022-08-25 | 2023-02-03 | 中国工商银行股份有限公司 | 一种边缘计算任务的卸载方法及装置 |
CN115242800A (zh) * | 2022-09-22 | 2022-10-25 | 湖北工业大学 | 一种基于博弈论的移动边缘计算资源优化方法及装置 |
CN115334551A (zh) * | 2022-10-17 | 2022-11-11 | 湖北工业大学 | 基于契约理论的任务卸载与资源分配优化方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于边缘计算的新型任务卸载与资源分配策略;薛建彬;安亚宁;;计算机工程与科学(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116069414A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109922152B (zh) | 一种移动边缘计算中的计算卸载方法及系统 | |
CN113114733B (zh) | 基于能量收集的分布式任务卸载和计算资源的管理方法 | |
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 | |
CN107295109A (zh) | 自组织网络云计算中的任务卸载与功率分配联合决策方法 | |
CN110888687B (zh) | 基于合约设计的移动边缘计算任务卸载最优合约设计方法 | |
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 | |
CN111262944B (zh) | 异构移动边缘计算网络中分层任务卸载的方法与系统 | |
Shah-Mansouri et al. | Profit maximization in mobile crowdsourcing: A truthful auction mechanism | |
CN112929915B (zh) | 一种移动边缘计算的动态数据卸载方法及系统 | |
CN108920273B (zh) | 一种边缘云的计算卸载激励方法 | |
CN116069414B (zh) | 一种电力物联网计算任务卸载激励优化方法和存储介质 | |
CN110768827B (zh) | 一种基于群智能算法的任务卸载方法 | |
CN115242800B (zh) | 一种基于博弈论的移动边缘计算资源优化方法及装置 | |
CN114650568A (zh) | 一种移动Ad Hoc云中基于能量收集的分布式卸载方法 | |
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 | |
Zu et al. | An auction-based mechanism for task offloading in fog networks | |
CN115801804A (zh) | 一种基于动态定价的多用户移动边缘计算卸载方法及系统 | |
CN113555887B (zh) | 电网能源控制方法、装置、电子设备及存储介质 | |
CN115829340A (zh) | 面向电力现货市场的独立储能日前交易策略系统及方法 | |
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 | |
CN114727319A (zh) | 基于vcg拍卖机制的5g mec计算任务卸载方法 | |
CN113535408A (zh) | 边缘侧计算资源拍卖式优化方法 | |
Joshi et al. | Online Task Allocation and Scheduling in Fog IoT using Virtual Bidding | |
Xue et al. | DDPS: Dynamic Differential Pricing-based Edge Offloading System with Energy Harvesting Devices | |
CN113726862B (zh) | 多边缘服务器网络下的计算卸载方法及装置 |
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 |