一种基于博弈的雾网络协同调度激励方法及系统技术方案

技术编号:21205303 阅读:26 留言:0更新日期:2019-05-25 02:52
本发明专利技术公开了一种基于博弈的雾网络协同调度激励方法及系统。其中,该雾网络协同调度激励方法包括如下步骤:将服务请求节点的请求参数信息发送到所属的服务请求控制器;根据预测的服务提供控制器的服务策略,计算服务请求控制器提供的最优计算服务报酬价格;将最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略;将最优计算服务策略发回到服务请求控制器,为服务请求节点制定卸载策略;根据卸载策略为服务请求节点进行计算任务卸载。本发明专利技术在协同调度策略中引入博弈,实现了服务提供控制器和服务请求控制器的净收益最大化,为服务请求节点提供了优质卸载服务。

A Game-based Incentive Method and System for Cooperative Dispatching in Fog Networks

The invention discloses an incentive method and system for collaborative dispatching of fog network based on game theory. The incentive method of collaborative scheduling in fog network includes the following steps: sending the request parameter information of service request node to the service request controller; calculating the optimal service reward price provided by the service request controller according to the service strategy of the predicted service delivery controller; and sending the optimal service reward price and request parameter information to the service provider. The controller formulates the optimal computing service strategy, sends the optimal computing service strategy back to the service request controller, and formulates the unloading strategy for the service request node, and unloads the computing task for the service request node according to the unloading strategy. By introducing game theory into the cooperative scheduling strategy, the invention maximizes the net income of the service provider controller and the service request controller, and provides high quality unloading service for the service request node.

【技术实现步骤摘要】
一种基于博弈的雾网络协同调度激励方法及系统
本专利技术涉及一种基于博弈的雾网络协同调度激励方法,同时涉及相应的雾网络协同调度激励系统,属于智能计算

技术介绍
随着终端设备的快速增长,网络中的数据流量呈爆炸式增长。根据预测,到2020年将有500亿智能物联网(IoT)设备,整体移动数据流量将从2017年的11EB/月增加到2021年的49EB/月。最近提出的云计算具有足够的计算能力和稳定的能源供应,可以作为共享池,为终端用户提供灵活高效的服务,并提高资源分配灵活性和效率。然而,云计算不能满足未来物联网应用低延迟、高可靠性的需求,例如车对车通信、增强现实、可穿戴设备、智能电网等。此外,云端的资源通常位于离终端较远的地方,无法支持移动性和实时互动的需求,而且无法保证服务质量(QoS)。为了解决这些问题,有前景的雾计算出现了。在雾计算中,终端设备可以直接在网络边缘执行任务并满足移动应用的新要求。由于各种不同的设备产生的大量应用和海量的各种数据需要处理,而且这些智能设备(例如,手机,车辆,机器人)的能力和能量供应有限,通常会有资源限制,所以有必要提出一种有效的卸载方案来完成雾网络中的计算任务。雾计算可以允许资源受限的终端设备将资源匮乏的移动设备的数据处理卸载到其他的雾节点。不同于云服务器,在雾网络中,雾节点通常只有有限的能源供应。在雾网络系统中,资源调度方案目的是实现能耗与任务时延之间的折中,并保证终端用户的QoS。为了解决卸载时间、卸载目的地、以及卸载量等服务问题,控制器需要对网络节点资源、信道状态、用户关系、数据内容等网络资源进行感知。在雾网络中,终端节点可以选择订阅邻近的服务节点提供服务,这些节点可以属于其他移动提供商。为了更好地服务终端节点,不同的雾控制器愿意在一定程度上交换其感知的所有节点的信息并共享其服务。因此,研究雾网络的协同调度对于优化雾网络中的计算任务卸载至关重要。
技术实现思路
针对现有技术的不足,本专利技术所要解决的首要技术问题在于提供一种基于博弈的雾网络协同调度激励方法。本专利技术所要解决的另一技术问题在于提供一种基于博弈的雾网络协同调度激励系统。为实现上述专利技术目的,本专利技术采用下述的技术方案:根据本专利技术实施例的第一方面,提供一种基于博弈的雾网络协同调度激励方法,包括如下步骤:将服务请求节点的请求参数信息发送到所属的服务请求控制器;根据预测的服务提供控制器的服务策略,计算服务请求控制器提供的最优计算服务报酬价格;并将所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略;将所述最优计算服务策略发回到服务请求控制器,为服务请求节点制定卸载策略;根据所述卸载策略为服务请求节点进行计算任务卸载。其中较优地,所述请求参数信息包括计算任务特征、服务质量需求和用户节点特性。其中较优地,根据预测的服务提供控制器的服务策略,计算服务请求控制器提供的最优计算服务报酬价格,包括如下步骤:预测服务提供控制器服务策略,计算向服务提供控制器请求服务帮助的请求收益和请求成本;根据向服务提供控制器请求服务帮助的请求收益和请求成本计算请求净收益;计算服务请求节点在本地完成计算任务时服务请求控制器的净收益;根据请求净收益和本地完成计算任务的净收益获取差值净收益,计算差值净收益最大化时支付给服务提供控制器的最优计算服务报酬价格。其中较优地,将求得的所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略,包括如下步骤:根据请求参数信息确定服务提供节点;根据服务请求控制器提供的最优计算服务报酬价格计算服务提供控制器的计算服务收益和计算服务成本;根据计算服务收益和计算服务成本,计算服务提供控制器的服务净收益;计算服务净收益最大化时服务提供控制器提供给服务请求节点的计算资源百分比,将该计算资源百分比作为最优计算资源百分比;根据选取的服务提供节点和提供给服务请求节点的最优计算资源百分比制定最优计算服务策略。其中较优地,所述根据请求参数信息确定服务提供节点;包括如下步骤:服务提供控制器根据请求参数信息确定计算资源;根据服务提供节点的计算资源初步确定提供服务的服务提供节点;在初步确定的服务提供节点中,选取与服务请求节点邻近的服务提供节点提供服务。其中较优地,将所述最优计算服务策略发回到服务请求控制器,为服务请求节点制定卸载策略,包括如下步骤:根据服务提供控制器提供的最优计算服务策略,计算向服务提供控制器请求服务帮助的服务收益和服务成本;根据向服务提供控制器请求服务帮助的服务收益和服务成本计算服务净收益;计算服务请求节点在本地完成计算任务时服务请求控制器的净收益;根据服务净收益和在本地完成计算任务的净收益获取服务差值净收益,如果服务差值净收益大于零,则服务请求控制器选择向服务提供控制器寻求计算卸载帮助;否则,选择在本地进行计算;根据选择结果为服务请求节点制定卸载策略。其中较优地,所述计算服务请求节点在本地完成计算任务时服务请求控制器的净收益,采用如下公式获得:其中,uil为在本地完成计算任务的净收益;τi为时延收益系数;li为卸载数据大小;为本地的最大计算速率。其中较优地,所述差值净收益,采用如下公式获得:其中,ui为进差值净收益;τi为时延收益系数;li为卸载数据大小;πi为服务价格;Ri为信道容量;λi为计算资源百分比;C0为最大计算速率;为本地的最大计算速率。其中较优地,根据计算服务收益和计算服务成本,计算服务提供控制器的服务净收益为:其中,up为服务净收益;为最优计算服务报酬价格;li为卸载数据大小;Ri为信道容量;λi为计算资源百分比;C0为最大计算速率;β为单位能耗价格;P0为最大计算功率;为本地的最大计算速率。根据本专利技术实施例的第二方面,提供一种基于博弈的雾网络协同调度激励系统,包括处理器和存储器;所述存储器上存储有可用在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时实现如下步骤:将服务请求节点的请求参数信息发送到所属的服务请求控制器;根据预测的服务提供控制器的服务策略,计算服务请求控制器提供的最优计算服务报酬价格;并将所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略;将所述最优计算服务策略发回到服务请求控制器,为服务请求节点制定卸载策略;根据所述卸载策略为服务请求节点进行计算任务卸载。本专利技术所提供的基于博弈的雾网络协同调度激励方法,在不同控制器之间进行协同调度,一定程度上交换其所有节点的资源信息,可以激励服务提供节点为服务请求节点提供服务,服务请求控制器和服务提供控制器分别选择最优计算服务报酬价格和最优计算资源量,最大化各自的净收益,每个服务请求控制器以最优计算服务价格支付给服务提供控制器,服务提供控制器调度服务提供节点分别以最优计算资源量为每个服务请求节点提供计算服务,该激励方法使得服务请求控制器和服务提供控制器的净收益均达到最大化。附图说明图1为本专利技术所提供的实施例中,进行协同调度的结构图;图2为本专利技术所提供的基于博弈的雾网络协同调度激励方法的流程图;图3为本专利技术所提供的基于博弈的雾网络协同调度激励系统的结构示意图。具体实施方式下面结合附图和具体实施例对本专利技术的
技术实现思路
进行详细具体的说明。如图1所示,在移动边缘计算/雾本文档来自技高网
...

【技术保护点】
1.一种基于博弈的雾网络协同调度激励方法,其特征在于包括如下步骤:将服务请求节点的请求参数信息发送到所属的服务请求控制器;根据预测的服务提供控制器的服务策略,计算服务请求控制器提供的最优计算服务报酬价格;并将所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略;将所述最优计算服务策略发回到服务请求控制器,为服务请求节点制定卸载策略;根据所述卸载策略为服务请求节点进行计算任务卸载。

【技术特征摘要】
1.一种基于博弈的雾网络协同调度激励方法,其特征在于包括如下步骤:将服务请求节点的请求参数信息发送到所属的服务请求控制器;根据预测的服务提供控制器的服务策略,计算服务请求控制器提供的最优计算服务报酬价格;并将所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略;将所述最优计算服务策略发回到服务请求控制器,为服务请求节点制定卸载策略;根据所述卸载策略为服务请求节点进行计算任务卸载。2.如权利要求1所述的基于博弈的雾网络协同调度激励方法,其特征在于:所述请求参数信息包括计算任务特征、服务质量需求和用户节点特性。3.如权利要求1所述的基于博弈的雾网络协同调度激励方法,其特征在于根据预测的服务提供控制器的服务策略,计算服务请求控制器提供的最优计算服务报酬价格,包括如下步骤:预测服务提供控制器的服务策略,计算向服务提供控制器请求服务帮助的请求收益和请求成本;根据向服务提供控制器请求服务帮助的请求收益和请求成本计算请求净收益;计算服务请求节点在本地完成计算任务时服务请求控制器的净收益;根据请求净收益和在本地完成计算任务的净收益获取差值净收益,计算差值净收益最大化时支付给服务提供控制器的最优计算服务报酬价格。4.如权利要求3所述的基于博弈的雾网络协同调度激励方法,其特征在于将求得的所述最优计算服务报酬价格和请求参数信息发送到服务提供控制器制定最优计算服务策略,包括如下步骤:根据请求参数信息确定服务提供节点;根据服务请求控制器提供的最优计算服务报酬价格计算服务提供控制器的计算服务收益和计算服务成本;根据计算服务收益和计算服务成本,计算服务提供控制器的服务净收益;计算服务净收益最大化时服务提供控制器提供给服务请求节点的计算资源百分比,将该计算资源百分比作为最优计算资源百分比;根据选取的服务提供节点和提供给服务请求节点的最优计算资源百分比制定最优计算服务策略。5.如权利要求4所述的基于博弈的雾网络协同调度激励方法,其特征在于所述根据请求参数信息确定服务提供节点;包括如下步骤:服务提供控制器根据请求参数信息确定计算资源;根据服务提供节点的计算资源初步确定提供服务的服务提供节点;在初步确定的服务提供节点中,选取与服务请求节点邻近的服务提供节点提供服务。6.如权利要...

【专利技术属性】
技术研发人员:沈斐张冲冲张国威杨旸李强
申请(专利权)人:上海无线通信研究中心
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1