一种移动边缘计算的动态数据卸载方法及系统技术方案

本发明专利技术公开了一种移动边缘计算的动态数据卸载方法及系统，方法包括：通过构建基于用户效益函数最大化和服务器收益函数最大化的双层优化问题模型，由所述双层优化问题模型求解确定终端用户的数据卸载量、服务器的定价和终端用户进行数据卸载的目标服务器，终端用户将数据卸载至目标服务器。具有充分照顾到终端用户和服务器双方的权益，有效解决边缘计算资源交易中一方处于垄断地位，满足边缘计算资源需求多样性等优点。需求多样性等优点。需求多样性等优点。

【技术实现步骤摘要】
一种移动边缘计算的动态数据卸载方法及系统


[0001]本专利技术涉及计算机网络
，尤其涉及一种移动边缘计算的动态数据卸载方法及系统。

技术介绍

[0002]移动边缘计算(Mobile Edge Computing，MEC)已经成为在网络边缘和靠近移动终端用户的地方提供计算资源的重要解决方案。终端用户可以将他们的计算任务卸载到MEC服务器，MEC服务器可以进一步处理用户卸载的任务。MEC技术的主要好处在于能够减少延迟，从而提高移动应用程序的性能，降低移动设备的能源消耗，减轻本地执行计算任务的负担。软件定义网络(Software Define Network，SDN)具有设计动态、可管理性、适应性强和成本效益高的特点，使得MEC系统可以大大受益于SDN技术。博弈论(Game Theory)也被用于处理MEC系统中的数据卸载问题，终端用户可以通过分布式方式自主制定数据卸载决策。
[0003]当前有很多技术关注对移动边缘计算数据卸载和资源分配问题的研究。文献1(Y.Wang，M.Sheng，X.Wang，L.Wang and J.Li，
″
Mobile
‑
Edge Computing：Partial Computation Offloading Using Dynamic Voltage Scaling，
″
in IEEE Transactions on Communications，2016.)提出了一种MEC计算和通信资源的联合分配方案，以最大限度地减少终端用户在MEC服务器上的能耗和应用程序的执行延迟。文献2(C.You，K.Huang，H.Chae and B.Kim，
″
Energy
‑
Efficient Resource Allocation for Mobile
‑
Edge Computation Offloading，
″
in IEEE Transactions on Wireless Communications，2017.)提出了一个集中优化问题，目标是终端用户能耗的加权和最小化，同时考虑了终端用户的计算延迟约束。此外，文献3(S.Guo，J.Liu，Y.Yang，B.Xiao and Z.Li，
″
Energy
‑
Efficient Dynamic Computation Offloading and Cooperative Task Scheduling in Mobile Cloud Computing，
″
in IEEE Transactions on Mobile Computing，2019.)关注MEC系统的节能运行，并提出了一种动态计算卸载和任务调度方案，以缩短应用程序完成时间和减少终端用户的能耗。
[0004]现有技术中的这些工作在研究MEC系统的计算卸载和资源分配问题时，通常将终端用户默认为理智的，忽略了终端用户的自私行为，缺少针对终端用户行为的激励机制研究。由于MEC服务器的计算能力有限，如果过多的计算任务被卸载到MEC服务器，就会出现网络拥塞。

技术实现思路

[0005]本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种充分照顾到终端用户和服务器双方的权益，有效解决边缘计算资源交易中一方处于垄断地位，满足边缘计算资源需求多样性的移动边缘计算的动态数据卸载方法及系统。
[0006]为解决上述技术问题，本专利技术提出的技术方案为：一种移动边缘计算的动态数据卸载方法，包括，通过构建基于用户效益函数最大化和服务器收益函数最大化的双层优化
问题模型，由所述双层优化问题模型求解确定终端用户的数据卸载量、服务器的定价和终端用户进行数据卸载的目标服务器，终端用户将数据卸载至目标服务器；
[0007]所述用户效益函数基于用户感知满意度与用户成本确定；
[0008]所述服务器收益函数基于服务器的收益确定。
[0009]进一步地，所述双层优化问题模型如式(1)所示：
[0010][0011]式(1)中，b
(t)*
为在时隙t所有终端用户的最优数据卸载向量，为在时隙t终端用户u向服务器s的数据卸载量，u为终端用户编号，s为服务器编号，t为时隙编号，U为终端用户的集合，为在时隙t终端用户u的用户效益函数，为在时隙t不含终端用户u的其余终端用户的数据卸载矢量，p
(t)
为在时隙t所有服务器的价格向量，p
(t)*
为在时隙t所有服务器的最优价格向量，P
s(t)
(b
(t)
，p
(t)
)为服务器s的服务器收益函数，b
(t)
为在时隙t所有终端用户的数据卸载矢量。
[0012]进一步地，所述用户效益函数根据终端用户享受服务器的满意度和成本定义，如式(2)所示：
[0013][0014]式(2)中，α
u
和β
u
为针对终端用户u的预设参数，为在时隙t终端用户u的相对数据卸载，为在时隙t服务器s的定价，为在时隙t终端用户u预设的消费动力，其余参数的定义与上文相同；
[0015]所述服务器收益函数根据服务器的收入和成本定义，如式(3)所示：
[0016][0017]式(3)中，为在时隙t终端用户u向服务器s的数据卸载量，为在时隙t服务器s的单位数据计算成本，其余参数的定义与上文相同。
[0018]进一步地，通过所述双层优化问题模型求解确定终端用户的数据卸载量、服务器的定价和终端用户进行数据卸载的目标服务器的具体步骤包括：
[0019]通过迭代计算确定每个终端用户的数据卸载量、每个服务器的定价和每个终端用户向每个服务器卸载数据的动作概率；
[0020]所述迭代计算过程包括：
[0021]S1.根据式(4)计算终端用户的数据卸载量，
[0022][0023]根据式(5)计算服务器的定价，
[0024][0025]式(4)和式(5)中，为本轮迭代计算得到的在时隙t终端用户u向服务器s的数据卸载量，为经上一轮迭代后得到的在时隙t其余终端用户u
′
向服务器的数据卸载总量，为经上一轮迭代后得到的在时隙t服务器s的定价，为本轮迭代计算得到的在时隙t服务器s的定价，为经上一轮迭代后得到的在时隙t服务器s的单位数据计算成本；
[0026]S2.根据式(6)计算终端用户向服务器卸载数据的动作概率，
[0027][0028]式(6)中，为在本轮迭代得到的在时隙t终端用户u向服务器s卸载数据的动作概率，为在时隙t
‑
1时计算得到的终端用户u向服务器s卸载数据的动作概率，η为预设的学习率参数，0＜η＜1，为在时隙t服务器s的奖励概率，为在时隙t终端用户u的动作集合，为在时隙t
‑
1终端用户u的动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动边缘计算的动态数据卸载方法，其特征在于，通过构建基于用户效益函数最大化和服务器收益函数最大化的双层优化问题模型，由所述双层优化问题模型求解确定终端用户的数据卸载量、服务器的定价和终端用户进行数据卸载的目标服务器，终端用户将数据卸载至目标服务器；所述用户效益函数基于用户感知满意度与用户成本确定；所述服务器收益函数基于服务器的收益确定。2.根据权利要求1所述的移动边缘计算的动态数据卸载方法，其特征在于：所述双层优化问题模型如式(1)所示：式(1)中，为在时隙t所有终端用户的最优数据卸载向量，为在时隙t终端用户u向服务器s的数据卸载量，u为终端用户编号，s为服务器编号，t为时隙编号，U为终端用户的集合，为在时隙t终端用户u的用户效益函数，为在时隙t不含终端用户u的其余终端用户的数据卸载矢量，p
(t)
为在时隙t所有服务器的价格向量，为在时隙t所有服务器的最优价格向量，P
s(t)
(b
(t)
，p
(t)
)为服务器s的服务器收益函数，b
(t)
为在时隙t所有终端用户的数据卸载矢量。3.根据权利要求2所述的移动边缘计算的动态数据卸载方法，其特征在于：所述用户效益函数根据终端用户享受服务器的满意度和成本定义，如式(2)所示：式(2)中，α
u
和β
u
为针对终端用户u的预设参数，为针对终端用户u的预设参数，为在时隙t终端用户u的相对数据卸载，为在时隙t服务器s的定价，为在时隙t终端用户u预设的消费动力，其余参数的定义与上文相同；所述服务器收益函数根据服务器的收入和成本定义，如式(3)所示：式(3)中，为在时隙t终端用户u向服务器s的数据卸载量，为在时隙t服务器s的单位数据计算成本，其余参数的定义与上文相同。4.根据权利要求3所述的移动边缘计算的动态数据卸载方法，其特征在于：通过所述双层优化问题模型求解确定终端用户的数据卸载量、服务器的定价和终端用户进行数据卸载的目标服务器的具体步骤包括：通过迭代计算确定每个终端用户的数据卸载量、每个服务器的定...

【专利技术属性】
技术研发人员：张德宇，张琳，张尧学，
申请(专利权)人：中南大学，
类型：发明
国别省市：