CN117544661A - 一种面向视联网计算的自适应数字孪生部署与转移方法 - Google Patents
一种面向视联网计算的自适应数字孪生部署与转移方法 Download PDFInfo
- Publication number
- CN117544661A CN117544661A CN202311547985.5A CN202311547985A CN117544661A CN 117544661 A CN117544661 A CN 117544661A CN 202311547985 A CN202311547985 A CN 202311547985A CN 117544661 A CN117544661 A CN 117544661A
- Authority
- CN
- China
- Prior art keywords
- buyer
- digital twin
- seller
- server
- deployment
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012546 transfer Methods 0.000 title claims abstract description 33
- 230000006855 networking Effects 0.000 title claims abstract description 22
- 230000001360 synchronised effect Effects 0.000 claims abstract description 18
- 238000013508 migration Methods 0.000 claims abstract description 15
- 230000005012 migration Effects 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 28
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 230000008901 benefit Effects 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 10
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 230000001934 delay Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000005304 joining Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000012530 fluid Substances 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
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
- H04L67/131—Protocols for games, networked simulations or virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向视联网计算的自适应数字孪生部署与转移方法,计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;当网络中的需求发生变化时,根据需求双方建立双重拍卖模型,买方根据约束条件评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;当同步延迟和数字孪生误差符合约束条件时,将数字孪生边缘服务器作为买方对网络计算服务器的资源出价;基于买方的出价,计算卖方加入买方联盟的沙普利值;拍卖者为买方和卖方建立匹配和支付方案;依次进行数字孪生的部署和迁移。实现无处不在、低延迟和高效的元宇宙计算服务。
Description
技术领域
本发明属于视联网技术领域,具体涉及一种面向视联网计算的自适应数字孪生部署与转移方法。
背景技术
作为互联网的下一个迭代版本,元宇宙是一个沉浸式的、持久的集体虚拟共享空间,由虚拟增强的物理和数字现实的融合而产生。在元宇宙中,人类可以在游戏、工作和社交之间实现无缝连接,这给计算能力和低延迟服务带来了前所未有的挑战。元宇宙是一个与现实世界平行的数字世界,它可以以超低延迟向用户提供一套独特的虚拟体验,在5G、人工智能和区块链等高科技领域的支持下,元宇宙可以实现支持持续进化的生态系统服务。
数字孪生使物理空间中的实体通过实时数据更新和自我学习从而获得准确的数字化模型。数字孪生被认为是元宇宙计算中资源和需求数字化的一个有前途的解决方案。由数字孪生赋能的元宇宙计算可以在不影响物理实体运行的情况下,利用经济有效的模拟实现精确的映射和实时反馈,从而监测和改进物理实体的性能。适当地部署和传输数字孪生可以为元宇宙计算赋能,满足元宇宙的计算任务需求。然而,不同的部署方案可能导致数字孪生错误和数据同步延迟的差异。因此,数字孪生的合理部署是赋能元宇宙计算的一个关键问题。
研究人员对数字孪生的部署进行了探索。Van Huynh等人研究了支持数字孪生的元宇宙中的联合通信和计算优化问题,首先提出了基于MEC的URLLC数字双胞胎架构,然后通过优化各种通信和计算变量,解决了支持数字孪生的元宇宙中的延迟/可靠性的优化问题。Lu等人通过整合数字孪生与边缘网络提出了一个无线数字孪生边缘网络模型。
尽管现有的工作对数字孪生体的部署问题提供了有价值的见解,但这些工作没有考虑数字孪生体在元宇宙计算中的部署和转移。忽略了网络中实体之间的相关性及其对数字孪生延迟和元宇宙计算任务的影响。例如,当元宇宙的计算资源需求动态变化时,数字孪生的部署需要适应性地改变以支持元宇宙服务。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种面向视联网计算的自适应数字孪生部署与转移方法,用于解决无法实现高效的数字孪生部署和转移的技术问题,实现无处不在、低延迟和高效的元宇宙计算服务。
本发明采用以下技术方案:
一种面向视联网计算的自适应数字孪生部署与转移方法,其特征在于,包括以下步骤:
S1、计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值然后,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;
S2、当视联网网络中的计算需求发生变化时,根据需求双方建立双重拍卖模型,买方根据约束条件评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;
S3、当步骤S2的同步延迟和数字孪生误差符合约束条件时,将步骤S1得到的数字孪生边缘服务器作为买方对网络计算服务器的资源出价;
S4、基于买方的出价,计算卖方j加入买方i联盟的沙普利值φ(j);然后,买方i对卖方j的出价被定义为bni,vj=αφ(j),α>0;拍卖者为买方和卖方建立匹配和支付方案;
S5、根据步骤S4得到的方案依次进行数字孪生的部署和迁移。
具体的,步骤S1具体为:
S101、依次选择延迟递减边际效益最大的元宇宙计算服务器,直到选择N个元宇宙计算服务器;
S102、输出N个数字孪生边缘服务器部署策略Γopt。
具体的,步骤S2中,元宇宙计算服务器作为卖方,数字孪生边缘服务器作为买方,
卖家对所售资源给出一个要价;根据延迟约束和卖方加入买方联盟的沙普利值,买方为资源出价;然后,拍卖者作为可信的第三方,为双重拍卖中的买方和卖方建立匹配和支付方案;
拍卖方案包括匹配阶段和定价阶段,在匹配阶段,拍卖师按照自然顺序对出价和要价进行排序,并确定切实可行的买卖双方;在定价阶段,拍卖人决定买家支付费用,卖家收到费用。
进一步的,数字孪生边缘服务器n的效用被替换为:
元宇宙计算服务器v的效用被赋予为:
其中,表示由拍卖商决定的付款,Cvn表示元宇宙计算服务器j的数字孪生迁移成本。
具体的,步骤S2中,双重拍卖模型的化问题表述为:
s.t.Jerrnv≤Jerrmax,n∈N’,v∈V’
σn,v∈{0,1}
其中,第一个和第二个约束条件确保数字孪生边缘服务器n的同步延迟和误差不应超过其最大数字孪生更新延迟Tmax和数字孪生误差以保证服务质量;第三个约束条件表示买方n和卖方v之间的匹配系数。
具体的,步骤S4中,为买方和卖方建立匹配和支付方案具体为:
将要价和出价按自然顺序排序,以确定可行的匹配对;
对于买方,将买方的出价按降序排序B′={bn1,v1,bn2,v2,...,bnN,vV},bn1,v1≥bn2,v2≥...≥bnn,vn≥0,其中,bni,vj表示买方ni愿意支付给卖方vj的价格;对于卖方,将卖方的出价按升序排序S′={s1,s2,...,sv},0≤s1≤s2≤...≤sv;
从集合S′和集合B′中确定可行的一对;如果卖家的出价不低于相应的要价bni,vi≥svi+1,那么买方和卖方就是可行的一对;bni,vi元素被添加到BC中,BC={bni,vi|bni,vi≥svi+1};
检查买家和卖家的资格,并从候选买家集中删除其他数字孪生边缘服务器对该元数据计算服务器的出价。
进一步的,对于最后的成功交易,确定对赢家的付款;买方向卖方si∈S;支付sj+1;同时,卖家收到sj+1的报酬;对于数字孪生转移方案,用快速排序方案对要价和出价进行排序,在确定赢家的阶段,计算复杂度为O(V2N2);然后,BC的最大长度为VN。
第二方面,本发明实施例提供了一种面向元宇宙计算的自适应数字孪生部署与转移系统,包括:
选择模块,计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值然后,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;
构建模块,当视联网网络中的计算需求发生变化时,根据需求双方建立双重拍卖模型,买方根据约束条件评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;
判断模块,当构建模块的同步延迟和数字孪生误差符合约束条件时,将选择模块得到的数字孪生边缘服务器作为买方对网络计算服务器的资源出价;
方案模块,基于买方的出价,计算卖方j加入买方i联盟的沙普利值φ(j);然后,买方i对卖方j的出价被定义为bni,vj=αφ(j),α>0;拍卖者为买方和卖方建立匹配和支付方案;
输出模块,根据方案模块得到的方案依次进行数字孪生的部署和迁移。
第三方面,一种芯片,包括存储器、处理器以及存储在所述存储器中并可在所述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上述面向元宇宙计算的自适应数字孪生部署与转移方法的步骤。
第四方面,本发明实施例提供了一种电子设备,包括计算机程序,所述计算机程序被处理器执行时实现上述面向元宇宙计算的自适应数字孪生部署与转移方法的步骤。
与现有技术相比,本发明至少具有以下有益效果:
一种面向视联网计算的自适应数字孪生部署与转移方法,利用合作博弈论中的Shapley值来量化合作实体对计算需求的贡献,提出基于Shapley值的数字孪生放置方案;根据所提出的数字孪生部署和迁移方法实现无处不在、低延迟和高效的计算服务。
进一步的,依次选择延迟递减边际效益最大的元宇宙计算服务器,可以实现所部署的数字孪生模型具有更低的传输时延和误差。
进一步的,根据所建立的双重拍卖模型,通过拍卖机制的个体理性、激励相容性质以及预算均衡,实现更加公平合理的实现数字孪生的部署和迁移。
进一步的,根据通过合作博弈的Shapley值、传输时延以及误差实现更加合理的定价,并通过双重拍卖机制实现多对多用户的拍卖,提供整体拍卖的效率和合理性。
进一步的,通过步骤S4可以实现拍卖模型满足个体理性、激励相容性以及预算均衡等性质,更好的实现拍卖机制的公平合理性。
可以理解的是,上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
综上所述,本发明可以进一步支持实体的移动性和动态资源需求,在平均延迟、数字孪生误差和资源利用率方面都优于基准测试。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为SPS、OPS和RANDS之间平均同步延迟在不同网络拓扑中比较结果图,其中,(a)为Arpanet19719 Topology中SPS、OPS和RANDS之间平均同步延迟实验结果,(b)为ChinaNetwork Topology中SPS、OPS和RANDS之间平均同步延迟实验结果;
图2为SPS、OPS和RANDS在不同规模网络中解决部署问题的运行时间图,其中,(a)为Arpanet19719 Topology中SPS、OPS和RANDS之间运行时间实验结果,(b)为ChinaNetworkTopology中SPS、OPS和RANDS之间运行时间实验结果;
图3描述了SPS、OPS和RANDS的平均数字孪生误差的比较结果图;
图4描述了不同初始节点选择下的平均同步延迟比较图;
图5描述了不同初始节点选择下的总体运行时间比较图;
图6描述了在时间变化的资源需求下的资源利用情况图;
图7描述了在提出的SADT中的竞标、价格/付款和需求的比较图;
图8为本发明一实施例提供的计算机设备的示意图;
图9为本发明根据一实施例提供的一种芯片的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本发明中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等,但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一预设范围也可以被称为第二预设范围,类似地,第二预设范围也可以被称为第一预设范围。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种面向视联网计算的自适应数字孪生部署与转移方法,采用元宇宙计算的数字孪生架构,以捕捉计算任务需求,利用合作博弈理论中的夏普利值来量化合作实体对元宇宙服务的贡献,并开发了一个基于夏普利值的数字孪生部署方案。夏普利值公平地衡量了合作的边缘服务器对元宇宙服务的贡献,并提供了一种解决数字孪生部署问题的有效方法。提出的数字孪生转移方案可以进一步支持实体的流动性和动态资源需求。数值结果表明,本发明在平均延迟、数字孪生误差和资源利用方面优于基准。
数字孪生赋能的元宇宙计算架构:
元宇宙计算实现了按需和全面的计算服务,整合了终端边缘、雾和云的计算资源。通过元宇宙计算,架构中提供的元宇宙服务可以在不同的地方灵活地执行。此外,实体也可以在元宇宙的任何地方访问虚拟服务。在我们的架构中,在数据同步虚拟接口的支持下,元宇宙层可以提供大量的沉浸式虚拟服务。物理层的实体由终端设备、元宇宙计算服务器和数字孪生边缘服务器组成。终端设备可以连接到元宇宙计算服务器,并通过无线通信享受元空间提供的服务。元宇宙计算服务器整合可用的计算资源,执行计算任务,如例如逼真的渲染和数据融合。数字孪生边缘服务器是从元宇宙计算服务器的一个子集中挑选出来的,用于构建和维护元宇宙计算服务器的数字孪生模型。数字孪生通过数据连续传输、AI建模、和软化支持物理实体的数字映射。在数字孪生的支持下,我们可以通过数据处理、建模、诊断和优化,动态地呈现元宇宙计算服务器的当前状态信息,支持元宇宙的按需计算和综合计算任务。在元宇宙中,数字/元宇宙层中的每个数字孪生模型都由数据驱动单元、算法单元和控制单元组成。通过上述单元,数字孪生模型可以动态地以数字形式呈现出元宇宙计算服务器的当前状态。此外,假设元宇宙计算服务器的数字孪生体被部署在一些资源丰富的服务器上。在该架构中,没有为每个元宇宙计算服务器配备一个数字孪生边缘服务器,而是选择一个优化的元宇宙计算服务器子集作为数字孪生边缘服务器的部署位置以构建这些元宇宙计算服务器的数字孪生模型。物理层用无向图G(V,E)表示,其中V={1,2,...,V}是元计算服务器的集合,而E是元宇宙计算服务器之间的物理链接集合。数字孪生边缘服务器位置的集合被表示为N={1,2,...,N},即
同步延时和数字孪生误差:
为了衡量数字孪生和其物理对应部分的状态一致性,引入了数字孪生同步延迟。数字孪生同步延迟被定义为数字孪生模型和映射的元宇宙计算服务器之间的数据传输延迟。数字孪生同步延时表示为:
其中,r表示在每个单位距离内传输一个单位数据所需的延迟,d(v,n)表示元宇宙计算服务器v和数字孪生边缘服务器n之间的最短路径距离,Dv表示传输数据的大小。数字孪生同步延迟反映了数字孪生模型的更新时间以及数字孪生模型的映射值与实体的实际值之间的偏差。
为了衡量数字孪生模型的准确性,引入了数字孪生误差,它被定义为数字孪生模型的映射值与相应实体的实际值之间的偏差。使用数字孪生误差Jerrvn来表示元宇宙计算服务器的实际值和其数字孪生映射值之间的偏差。数字孪生误差作为衡量映射实体状态准确性的一个重要指标,直接决定了数字孪生边缘服务器的服务性能。在实践中,这种偏差是由数据传输过程中的丢包引起的。关注元宇宙计算服务器在转发阶段的数据丢包对数字孪生模型误差的影响。数字孪生误差Jerrvn表示为:
Jerrvn=λ{1-(1-η)hvn}
其中,η表示每个元计算服务器的丢包率,hvn表示元数据计算服务器v和n之间最短路径的跳数,λ是比例系数。
两种用于元宇宙计算的数字孪生部署方案
引入一个决策变量Yvn,表示元数据计算服务器v的数字孪生是否映射到数字孪生边缘服务器n;如果边缘服务器v的DT映射到DT边缘服务器n,二元变量Yvn为1,否则,Yvn=0。因此,这个优化问题可以定义如下:
Jerrmax表示允许的最大DT错误,Tcomvn表示表示平均同步延迟。第一个约束是元宇宙计算服务器的数字孪生仅分配给一个数字孪生边缘服务器,第三个约束条件是完整性变量的要求。
综上所述,在数字孪生误差约束下,数字孪生部署问题的目标是最小化平均同步延迟。
然而,数字孪生边缘服务器的部署问题是混合整数非线性编程问题,是一个NP困难的问题。为了解决这个问题,在安置问题的精确方案和启发式方案的启发下,提出了一个最优部署方案(OPS)和一个基于夏普利值的部署方案(SPS)。
最优部署方案(OPS),设计了一个基于枚举的最优部署方案。
具体来说,首先列举了N个数字孪生边缘服务器的所有可能部署情况,并将它们记录到集合P中;
然后,根据不同的部署策略和最短路径原则,确定了元宇宙计算服务器和数字孪生边缘服务器之间的联系;
最后,计算出在每个部署案例中,元宇宙数据计算服务器和相应的数字孪生边缘服务器之间的平均同步延迟Tλ;在数字孪生误差小于允许的最大数字孪生误差的条件下,根据所有部署案例中平均同步延迟的比较,更新最小平均同步延迟Tmin,得到最优部署案例。基于枚举的最优部署方案的复杂度为O(V!);随着网络规模的扩大,所提出的最优部署方案具有非常高的计算复杂性。
本发明一种面向视联网计算的自适应数字孪生部署与转移方法,包括以下步骤:
S1、计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值然后,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;
基于夏普利值的部署方案(SPS)
在这个方案中,元宇宙计算服务器被设想成参与合作游戏的玩家,由于夏普利值通过考虑加入了联盟的玩家们的所有排列的边际效益来全面衡量玩家的贡献,所以网络中的元宇宙计算服务器的重要性可以通过合作博弈的夏普利值来评估。设计了一个涉及所有元计算服务器的合作博弈模型,然后通过元计算服务器的夏普利值提出了一个数字孪生边缘服务器放置方案。
S101、依次选择延迟递减边际效益最大的元宇宙计算服务器,直到选择了N个元宇宙计算服务器;
S102、输出N个数字孪生边缘服务器部署策略Γopt。
下列算法说明了基于夏普利值部署的实现过程。
如下列算法所示,从第2行到第5行,算所有边缘服务器的夏普利值并对/>按降序进行排序,其计算复杂度为O(V2),从第八行到第二十行,我们依次选择N个元宇宙计算服务器,计算复杂度为O(NV)。因此,该算法的计算复杂度为O(V2)。
沙普利基于值的放置方案:
输入:
网络拓扑结构G(V,E),数字孪生服务器数量N,允许的最大误差Jerrmax,
输出:
最终的边缘服务器数字孪生部署集Γopt
S2、当视联网网络中的计算需求发生变化时,根据需求双方建立双重拍卖模型,根据约束条件,买方首先评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;
数字孪生转移方案:
在元宇宙计算中,资源去向的动态性和用户的流动性可能会给上述数字孪生部署方案带来额外的延迟。此外,元宇宙计算服务器可能会被大量的需求所淹没,而无法提供高质量的元宇宙服务,因此提出了一种用于移动元数据计算的自适应数字孪生传输方案。
共同考虑元宇宙计算服务器的资源和元宇宙计算服务器与数字孪生边缘服务器之间的同步延迟。尽管如此,元宇宙计算服务器和数字孪生边缘服务器属于不同的阵营,资源的不同分配将给元宇宙计算服务器和数字孪生边缘服务器带来不同的经济利益。拍卖机制是一种公平的交易方式,可以在市场上以竞争性的价格将卖方的资源有效地分配给买方。
因此,根据元数据计算服务器和数字孪生边缘服务器之间的供需关系,数字孪生传输问题被建模为一个拍卖模型,其中数字孪生边缘服务器为买方,元数据计算服务器为卖方;为了支持元数据计算服务器和数字孪生边缘服务器之间的匹配,需要一个可信的第三方管理之间的交易;双重拍卖很适合这种场景的双边性质,双重拍卖中的可信第三方是拍卖者;拍卖者可以决定买家和卖家之间的匹配,向买家收取的价格,以及对卖家的奖励价格;
在双重拍卖模型中,卖家(元宇宙计算服务器)对所售资源给出一个要价。根据延迟约束和卖方加入买方联盟的沙普利值,买方(数字孪生边缘服务器)为资源出价;
然后,拍卖者作为可信的第三方,为双重拍卖中的买方和卖方建立匹配和支付方案;因此,这个拍卖方案包括匹配阶段和定价阶段。
在匹配阶段,拍卖师按照自然顺序对出价和要价进行排序,并确定切实可行的买卖双方。
在定价阶段,拍卖人可以决定买家支付多少钱,卖家收到多少钱,卖方的资源表示为:
R={Rs1,Rs2,...,RsV′}
其中,RsV′代表第V′个元空间计算服务器的资源数量。
让N′={1,2,...,N′}为数字孪生边缘服务器的集合,其中,N′=|N′|。
数字孪生边缘服务器有投标价格矩阵为:
B={bn,v:1≤n≤N′,1≤v≤V′}
其中,bn,v被定义为数字孪生边缘服务器n愿意为元数据计算服务器v支付的最高价格。
由于买卖双方的效用是衡量双拍模式的最重要的经济指标,因此买卖双方的总效用最大化对于评估双拍模式的有效性至关重要。
在本发明中,买方n的效用不仅与出价和付款有关,而且还与成功匹配方之间的数据传输延迟有关。因此,给出数字孪生边缘服务器n的效用为:
其中,σn,v表示数字孪生边缘服务器n和元空间计算服务器v之间的匹配系数,表示卖家v的付款。
然而,数字孪生边缘服务器和元空间计算服务器之间的同步延迟是由成功匹配的买卖双方决定,因此,数字孪生边缘服务器n的效用被替换为:
同样地,元宇宙计算服务器v的效用被赋予为:
其中,表示由拍卖商决定的付款,Cvn表示元宇宙计算服务器j的数字孪生迁移成本。
在双重拍卖模型中,目标是使买卖双方的效用最大化,将优化问题表述为:
s.t.Jerrnv≤Jerrmax,n∈N’,v∈V’
σn,v∈{0,1}
第一个和第二个约束条件确保数字孪生边缘服务器n的同步延迟和误差不应超过其最大数字孪生更新延迟Tmax和数字孪生误差以保证服务质量。第三个约束条件表示买方n和卖方v之间的匹配系数。
提出了一种基于沙普利值和拍卖的数字孪生转移方案(SADT)。SADT的基本思想是在保证真实定价方案的同时,尽可能多地保留可行的匹配对,使买卖双方的效用最大化。
S3、如果同步延迟和数字孪生误差符合约束条件,则数字孪生边缘服务器作为买方对网络计算服务器的资源出价;
根据约束条件和买方首先评估同步延迟和数字孪生误差是否满足和其中,n∈N′,v∈V′;如果同步延迟和数字孪生误差符合约束条件,则数字孪生边缘服务器作为买方对网络计算服务器的资源出价。
S4、对于买方的出价,首先计算卖方j加入买方i联盟的沙普利值φ(j);然后,买方i对卖方j的出价被定义为bni,vj=αφ(j),其中α>0;拍卖者为买方和卖方建立匹配和支付方案;
S5、对于买方,将买方的出价按降序排序B′={bn1,v1,bn2,v2,...,bnN,vV},bn1,v1≥bn2,v2≥...≥bnn,vn≥0,其中,bni,vj表示买方ni愿意支付给卖方vj的价格;对于卖方,将卖方的出价按升序排序S′={s1,s2,...,sv},0≤s1≤s2≤...≤sv。
S6、从集合S′和集合B′中确定可行的一对;如果卖家的出价不低于相应的要价bni,vi≥svi+1,那么买方和卖方就是可行的一对;bni,vi元素被添加到BC中,BC={bni,vi|bni,vi≥svi+1}(见算法2的第4行);
S7、检查买家和卖家的资格,并从候选买家集中删除其他数字孪生边缘服务器对该元数据计算服务器的出价(从第5行到第14行)。
S8、对于最后的成功交易,确定对赢家的付款。买方需要向卖方si∈S;支付sj+1;同时,卖家收到sj+1的报酬(从第15行到第20行)。
S9、根据以上步骤建立的拍卖方案依次进行数字孪生的部署和迁移。
数字孪生转移方案的细节在下列算法中显示。
将要价和出价按自然顺序排序,以确定可行的匹配对。
本发明再一个实施例中,提供一种面向元宇宙计算的自适应数字孪生部署与转移系统,该系统能够用于实现上述面向视联网计算的自适应数字孪生部署与转移方法,具体的,该面向元宇宙计算的自适应数字孪生部署与转移系统包括选择模块、构建模块、判断模块、方案模块以及输出模块。
其中,选择模块,计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值然后,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;
构建模块,当视联网网络中的计算需求发生变化时,根据需求双方建立双重拍卖模型,买方根据约束条件评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;
判断模块,当构建模块的同步延迟和数字孪生误差符合约束条件时,将选择模块得到的数字孪生边缘服务器作为买方对网络计算服务器的资源出价;
方案模块,基于买方的出价,计算卖方j加入买方i联盟的沙普利值φ(j);然后,买方i对卖方j的出价被定义为bni,vj=αφ(j),α>0;拍卖者为买方和卖方建立匹配和支付方案;
输出模块,根据方案模块得到的方案依次进行数字孪生的部署和迁移。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于面向视联网计算的自适应数字孪生部署与转移方法的操作,包括:
计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值然后,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;当视联网网络中的计算需求发生变化时,根据需求双方建立双重拍卖模型,买方根据约束条件评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;当同步延迟和数字孪生误差符合约束条件时,将得到的数字孪生边缘服务器作为买方对网络计算服务器的资源出价;基于买方的出价,计算卖方j加入买方i联盟的沙普利值φ(j);然后,买方i对卖方j的出价被定义为bni,vj=αφ(j),α>0;拍卖者为买方和卖方建立匹配和支付方案;根据得到的方案依次进行数字孪生的部署和迁移。
请参阅图8,终端设备为计算机设备,该实施例的计算机设备60包括:处理器61、存储器62以及存储在存储器62中并可在处理器61上运行的计算机程序63,该计算机程序63被处理器61执行时实现实施例中的储层改造井筒中流体组成计算方法,为避免重复,此处不一一赘述。或者,该计算机程序63被处理器61执行时实现实施例*系统中各模型/单元的功能,为避免重复,此处不一一赘述。
计算机设备60可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备60可包括,但不仅限于,处理器61、存储器62。本领域技术人员可以理解,图8仅仅是计算机设备60的示例,并不构成对计算机设备60的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器61可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器62可以是计算机设备60的内部存储单元,例如计算机设备60的硬盘或内存。存储器62也可以是计算机设备60的外部存储设备,例如计算机设备60上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
进一步地,存储器62还可以既包括计算机设备60的内部存储单元也包括外部存储设备。存储器62用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器62还可以用于暂时地存储已经输出或者将要输出的数据。
请参阅图9,终端设备为芯片,该实施例的芯片600包括处理器622,其数量可以为一个或多个,以及存储器632,用于存储可由处理器622执行的计算机程序。存储器632中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器622可以被配置为执行该计算机程序,以执行上述的*方法。
另外,芯片600还可以包括电源组件626和通信组件650,该电源组件626可以被配置为执行芯片600的电源管理,该通信组件650可以被配置为实现芯片600的通信,例如,有线或无线通信。此外,该芯片600还可以包括输入/输出(I/O)接口658。芯片600可以操作基于存储在存储器632的操作系统。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(Non-Volatile Memory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关面向视联网计算的自适应数字孪生部署与转移方法的相应步骤;计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤:
计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值然后,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;当视联网网络中的计算需求发生变化时,根据需求双方建立双重拍卖模型,买方根据约束条件评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;当同步延迟和数字孪生误差符合约束条件时,将得到的数字孪生边缘服务器作为买方对网络计算服务器的资源出价;基于买方的出价,计算卖方j加入买方i联盟的沙普利值φ(j);然后,买方i对卖方j的出价被定义为bni,vj=αφ(j),α>0;拍卖者为买方和卖方建立匹配和支付方案;根据得到的方案依次进行数字孪生的部署和迁移。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明方法的程序举例
表1
表2
表3
在表1中,显示了买方基于沙普利值的出价矩阵。在SADT中,我们首先将卖家的出价按升序排列,即 对于表三中买方的出价,按降序排列,即B0={b1,2=8,b3,6=7,b1,7=6,...,b2,1=3,b1,3=2}。
在候选确定阶段,我们定义如果bni,vi≥svi+1,则买方和卖方的出价是可行的。对于B′中的第一个元素b1,2=8,买方1对卖方2的出价和S′中的下一个要价元素都小于买方1的出价b1,2=8。
因此,b1,2=8被添加到BC,候选集BC={b1,2=8,b1,7=6,b3,5=5,b2,3=4,b2,1=3,b1,3=2}。在确定赢家阶段,依次判断元素bi,j是否满足bi,j∈BC。对于b1,2=8,因为它存在于集合BC中,所以买家1和卖家2分别被添加到Bwin和Swin中;
然后,bi,2被从BC中删除。买方1的付款与卖方2的收费相同,即大于卖方2的最小要价。最后,我们得到Bwin={1,2,3},Swin={1,2,3,5,7},
σ={(1,2),(1,7),(3,5),(2,3),(2,1)}
延迟最小的数字孪生布局
为了评估所提出的方案的性能,使用Internet Topology Zoo中的在线网络拓扑结构进行模拟。在不丧失一般性的情况下,考虑不同的网络拓扑结构,即有18个节点的Arpanet19719拓扑结构和有42个节点的Chinanet网络。在本文中,所有的模拟都是在Python 3.7.1中实现的,运行在一台拥有双3.30GHz CPU、8.00GB内存和Windows 10操作系统的PC上。
比较所提出的SPS、OPS和随机放置方案(RANDS)在三种不同规模网络拓扑结构中的平均同步延迟和运行时间。特别是,对于RANDS,我们重复了1000次的随机选择过程,并取其平均值。
请参阅图1,在不同的网络拓扑结构中,平均同步延时随着数字孪生边缘服务器数量的增加而减少。这是因为数字孪生边缘服务器的增加减少了从每个元宇宙计算服务器到数字孪生边缘服务器的最短传输距离。此外,我们观察到,在不同的网络拓扑结构中,OPS实现了最低的平均数据同步延迟。对于提议的SPS,随着数字孪生边缘服务器数量的增加,在不同规模的网络拓扑结构中,SPS的平均同步延迟与OPS的平均同步延迟最接近、
请参阅图2,中X轴表示数字孪生边缘服务器的数量,Y轴表示运行时间。观察到OPS的运行时间要比SPS和RANDS长得多,因为OPS必须计算所有可能的放置情况的平均同步延迟,以获得最佳放置策略。随着数字孪生边缘服务器数量的增加,拟议的OPS中需要计算的实例数量急剧增加,导致时间消耗增加。此外,随着数字孪生边缘服务器数量的增加,SPS和RANDS的运行时间几乎是一样的。
同时观察到,OPS给出了数字孪生放置问题的最优解,但由于计算复杂,在实践中是不可接受的。然而,它不能保证给定的放置策略满足所需的误差约束。本发明提出的SPS不仅给出了一个接近最优的放置策略,而且其计算复杂度也比OPS低得多。因此,本发明提出的SPS为数字孪生放置问题提供了一个令人满意的解决方案。
用于数字孪生误差最小化的数字孪生部署
请参阅图3,平均数字孪生误差随着数字孪生边缘服务器的数量的增加而逐渐减少。RANDS的数字孪生误差始终高于OPS和SPS。当数字孪生边缘服务器的数量少于4个时,使用提出的SPS的数字孪生平均误差低于OPS,因为SPS通过沙普利值选择高度集中的数字孪生部署服务器的沙普利值。随着数字孪生边缘服务器的数量增加,所选数字孪生边缘服务器的中心性逐渐降低。使用OPS的边缘服务器的平均误差低于使用提出的SPS。
SPS中初始节点选择的影响
比较提出的的SPS在不同初始节点选择下的平均同步延时和运行时间。具体来说,将初始节点的数量设定为1、3、5和7,并分别命名为SPS-Top-1、SPS-Top-3、SPSTop-5和SPS-Top-7。在此基础上,依次选择具有最大延迟递减边际效益的元数据计算服务器,直到选出N个元宇宙计算服务器。
请参阅图4和图5,展示了不同初始候选节点下的平均同步延迟和运行时间的仿真结果。在图4中,随着所选初始候选节点数量的增加,平均同步延迟逐渐减少。这是因为元宇宙计算服务器的增加可以增加计算实例的数量,提出的SPS可以探索更多的放置实例来获得放置策略。而选择的初始节点数量的增加对减少平均更新延迟的影响较小。从图5中可以看出,SPS的运行时间随着所选初始节点数量的增加而逐渐增加。这是因为选择的初始节点越多,在提议的SPS中需要计算的实例就越多。
系统效率
在动态元宇宙计算中,设在t时间内的数字孪生边缘服务器(DES)的资源和资源占用。资源数量R和资源占用率RO的具体参数设置见表3。为了直观地展示建议方案的优势,对核心时间不同下的不同资源需求进行了比较模拟。
具体来说,与类似的EDA方案进行了比较模拟,以验证所提出的SPS和SADT的性能。图6显示了在时间变化的资源需求下的资源利用情况。对于拟议的SPS,当资源需求高于每个数字孪生边缘服务器可以控制的资源时,资源利用率是恒定的。
本发明采用了动态关联调整机制。该机制允许DT边缘服务器在动态资源需求环境下购买可用资源。此外,提出的SADT支持一对多的拍卖机制,而EDA仅限于一对一的匹配方式。因此,使用SADT的数字孪生边缘服务器的资源利用率比使用SPS和EDA的要高得多。
模拟提出的SADT的多个买方和卖方对下的经济属性(即出价、价格/付款和需求)。在图7中,通过直方图展示了拟议的SADT方案的经济属性。在直方图中,每个条形图代表成功匹配的定价对。在提出的SADT中,向每个获胜的买方收取的价格等于向每个获胜的卖方支付的报酬。从图7中可以看出,每个获胜的买方的付款不高于其出价。每个获胜的卖家收到的付款不低于其要求。同时,所有买家的付款总额与所有卖家收到的价格相等。因此,SADT具有个人理性和预算平衡的经济属性。
综上所述,本发明一种面向视联网计算的自适应数字孪生部署与转移方法,利用合作博弈论中的Shapley值来量化合作实体对计算需求的贡献,提出基于Shapley值的数字孪生放置方案;数字孪生传输方案能够进一步支持实体的移动性和动态资源需求;数值结果表明,本发明在平均延迟、数字孪生误差和资源利用率方面都优于基准测试。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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,在本发明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。
所述集成的模块/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介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等,需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种面向视联网计算的自适应数字孪生部署与转移方法,其特征在于,包括以下步骤:
S1、计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值然后,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;
S2、当视联网网络中的计算需求发生变化时,根据需求双方建立双重拍卖模型,买方根据约束条件评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;
S3、当步骤S2的同步延迟和数字孪生误差符合约束条件时,将步骤S1得到的数字孪生边缘服务器作为买方对网络计算服务器的资源出价;
S4、基于买方的出价,计算卖方j加入买方i联盟的沙普利值φ(j);然后,买方i对卖方j的出价被定义为bni,vj=αφ(j),α>0;拍卖者为买方和卖方建立匹配和支付方案;
S5、根据步骤S4得到的方案依次进行数字孪生的部署和迁移。
2.根据权利要求1所述的面向视联网计算的自适应数字孪生部署与转移方法,其特征在于,步骤S1具体为:
S101、依次选择延迟递减边际效益最大的元宇宙计算服务器,直到选择N个元宇宙计算服务器;
S102、输出N个数字孪生边缘服务器部署策略Γopt。
3.根据权利要求1所述的面向视联网计算的自适应数字孪生部署与转移方法,其特征在于,步骤S2中,元宇宙计算服务器作为卖方,数字孪生边缘服务器作为买方,卖家对所售资源给出一个要价;根据延迟约束和卖方加入买方联盟的沙普利值,买方为资源出价;然后,拍卖者作为可信的第三方,为双重拍卖中的买方和卖方建立匹配和支付方案;拍卖方案包括匹配阶段和定价阶段,在匹配阶段,拍卖师按照自然顺序对出价和要价进行排序,并确定切实可行的买卖双方;在定价阶段,拍卖人决定买家支付费用,卖家收到费用。
4.根据权利要求3所述的面向视联网计算的自适应数字孪生部署与转移方法,其特征在于,数字孪生边缘服务器n的效用被替换为:
元宇宙计算服务器v的效用被赋予为:
其中,表示由拍卖商决定的付款,Cvn表示元宇宙计算服务器j的数字孪生迁移成本。
5.根据权利要求1所述的面向视联网计算的自适应数字孪生部署与转移方法,其特征在于,步骤S2中,双重拍卖模型的优化问题表述为:
s.t.Jerrnv≤Jerrmax,n∈N’,v∈V’
σn,v∈{0,1}
其中,第一个和第二个约束条件确保数字孪生边缘服务器n的同步延迟和误差不应超过其最大数字孪生更新延迟Tmax和数字孪生误差以保证服务质量;第三个约束条件表示买方n和卖方v之间的匹配系数。
6.根据权利要求1所述的面向视联网计算的自适应数字孪生部署与转移方法,其特征在于,步骤S4中,为买方和卖方建立匹配和支付方案具体为:
将要价和出价按自然顺序排序,以确定可行的匹配对;
对于买方,将买方的出价按降序排序B′={bn1,v1,bn2,v2,...,bnN,vV},bn1,v1≥bn2,v2≥...≥bnn,vn≥0,其中,bni,vj表示买方ni愿意支付给卖方vj的价格;对于卖方,将卖方的出价按升序排序S′={s1,s2,...,sv},0≤s1≤s2≤...≤sv;
从集合S′和集合B′中确定可行的一对;如果卖家的出价不低于相应的要价bni,vi≥svi+1,那么买方和卖方就是可行的一对;bni,vi元素被添加到BC中,BC={bni,vi|bni,vi≥svi+1};
检查买家和卖家的资格,并从候选买家集中删除其他数字孪生边缘服务器对该元数据计算服务器的出价。
7.根据权利要求6所述的面向视联网计算的自适应数字孪生部署与转移方法,其特征在于,对于最后的成功交易,确定对赢家的付款;买方向卖方si∈S;支付sj+1;同时,卖家收到sj+1的报酬。
8.一种面向元宇宙计算的自适应数字孪生部署与转移系统,其特征在于,包括:
选择模块,计算每个元宇宙计算服务器在当前网络拓扑中的的夏普利值然后,选择具有最大夏普利值的元宇宙计算服务器作为部署数字孪生边缘服务器的第一候选服务器;
构建模块,当视联网网络中的计算需求发生变化时,根据需求双方建立双重拍卖模型,买方根据约束条件评估同步延迟和数字孪生误差是否满足最大误差和最大时延要求;
判断模块,当构建模块的同步延迟和数字孪生误差符合约束条件时,将选择模块得到的数字孪生边缘服务器作为买方对网络计算服务器的资源出价;
方案模块,基于买方的出价,计算卖方j加入买方i联盟的沙普利值φ(j);然后,买方i对卖方j的出价被定义为bni,vj=αφ(j),α>0;拍卖者为买方和卖方建立匹配和支付方案;
输出模块,根据方案模块得到的方案依次进行数字孪生的部署和迁移。
9.一种芯片,其特征在于,
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,
包括如权利要求9所述的芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311547985.5A CN117544661A (zh) | 2023-11-20 | 2023-11-20 | 一种面向视联网计算的自适应数字孪生部署与转移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311547985.5A CN117544661A (zh) | 2023-11-20 | 2023-11-20 | 一种面向视联网计算的自适应数字孪生部署与转移方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117544661A true CN117544661A (zh) | 2024-02-09 |
Family
ID=89783771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311547985.5A Pending CN117544661A (zh) | 2023-11-20 | 2023-11-20 | 一种面向视联网计算的自适应数字孪生部署与转移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117544661A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853208A (zh) * | 2024-03-07 | 2024-04-09 | 广东格利数字服务有限公司 | 基于元宇宙的数字化平台智能化部署控制方法及系统 |
-
2023
- 2023-11-20 CN CN202311547985.5A patent/CN117544661A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853208A (zh) * | 2024-03-07 | 2024-04-09 | 广东格利数字服务有限公司 | 基于元宇宙的数字化平台智能化部署控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | An intelligent economic approach for dynamic resource allocation in cloud services | |
CN102640475B (zh) | 云计算环境内的云间资源共享的方法和系统 | |
Mihailescu et al. | On economic and computational-efficient resource pricing in large distributed systems | |
CN117544661A (zh) | 一种面向视联网计算的自适应数字孪生部署与转移方法 | |
Fang et al. | A double auction model for competitive generators and large consumers considering power transmission cost | |
Pourebrahimi et al. | Market-based resource allocation in grids | |
CN114047971B (zh) | 边缘计算资源分配方法及装置 | |
Babic et al. | An analysis of power trading agent competition 2014 | |
CN108898300A (zh) | 供应链网络风险级联模型的构建方法 | |
US8527322B2 (en) | Proactive demand shaping for a configurable product portfolio with uncertain demand | |
Li et al. | A dynamic pricing reverse auction‐based resource allocation mechanism in cloud workflow systems | |
Shi et al. | Continuous double auction mechanism and bidding strategies in cloud computing markets | |
Alahdadi et al. | A truthful and budget-balanced double auction model for resource allocation in cloud computing | |
Shinde et al. | A multi-agent model for cross-border trading in the continuous intraday electricity market | |
CN111343595B (zh) | 一种d2d任务卸载系统及其多类型资源交易方法 | |
Zhang et al. | Continuous double auction for cloud market: Pricing and bidding analysis | |
WO2002052375A2 (en) | Systems and methods for trading electrical transmission rights | |
Streitberger et al. | On the simulation of grid market coordination approaches | |
JP4763969B2 (ja) | 電力取引約定処理支援コンピュータシステム | |
JP2007317029A (ja) | 電力取引の約定処理方法、装置、プログラムおよびシミュレータ装置 | |
Gudu et al. | On MAS-based, scalable resource allocation in large-scale, dynamic environments | |
Li et al. | Proportional Dynamics in Linear Fisher Markets with Auto-bidding: Convergence, Incentives and Fairness | |
Ramezani et al. | A Market-based Framework for Resource Management in Cloud Federation | |
WO2018129489A1 (en) | Systems and methods of sequencing or combining multiple related, but different, transaction requests into a single transaction | |
Giovannetti | The anatomy of buyer–seller dynamics in decentralized markets |
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 |