基于云-边缘协同计算的任务卸载方法及系统技术方案

本发明专利技术提供一种基于云‑边缘协同计算的任务卸载方法及系统，首先获取云服务器需要卸载的计算任务信息以及各边缘服务器的计算状态信息；然后以云服务器以及各边缘服务器的效用最大化为优化目标，以云服务器的定价策略限制以及各边缘服务器对云服务器需要卸载的计算任务的计算量限制为约束条件，确定各边缘服务器的最优卸载决策以及云服务器的最优定价决策；最后基于最优卸载决策以及最优定价决策，将云服务器需要卸载的计算任务卸载至各边缘服务器进行处理。不仅可以保证云服务器可以以最小成本实现计算任务的卸载，还可以保证各边缘服务器的利润最大化。同时，可以使包含有云服务器以及各边缘服务器的系统可以实现计算任务的均衡分配。

【技术实现步骤摘要】
基于云-边缘协同计算的任务卸载方法及系统
本专利技术涉及移动通信
，尤其涉及一种基于云-边缘协同计算的任务卸载方法及系统。
技术介绍
物联网技术是第五代网络(5G)的重要范例，它使各种无处不在的对象相互交互和协作以实现共同的目标。据预测，在不久的将来，全球物联网设备的数量将超过800亿。同时，随着技术的进步和智能移动设备的普及，出现了许多基于物联网技术的计算密集型应用，例如智能交通，智慧医疗，在线互动游戏以及增强/虚拟现实(AR/VR)等。但是，当前的设备已经受到计算资源和能耗的限制，这在将来支持这些计算密集型应用时可能成为不可避免的瓶颈。云计算已成为提高设备计算能力的一个有前途的范例，在资源丰富的云服务器运行应用程序，从而克服了移动设备计算资源受限和存储容量有限的挑战。但是，由于额外的传输成本以及与云服务器的长传输距离的延迟，导致云计算在处理延迟敏感的物联网服务时不可行。最近，边缘计算已成为应对5G架构中计算密集型任务的重要方案，该方案将云计算服务从集中式云扩展到网络边缘设置的边缘服务器。为了在大大减少延迟和系统成本的情况下提高应用程序的服务质量，云服务器和边缘服务器可以相互协作来处理计算任务。近年来，云-边缘协作已成为研究热点，其中云服务器的资源丰富，但成本较高，边缘服务器的资源有限，但成本相对较低，因此云服务器与边缘服务器可以相互协作以更好地发挥其优势。目前已有专利技术研究了典型的云-边缘协作场景，其中移动用户将计算任务转移到边缘服务器，并在必要时请求云服务器的协助。它们中的大多数旨在改善系统的服务质量，即减少任务的延迟，系统成本或能耗等。但是，任务卸载过程不可避免地会消耗大量的计算和通信资源，鉴于边缘服务器和云服务器通常都是理性和自私的，它们将不愿参加任务卸载过程而没有获得任何回报。因此，如何实现云-边缘协作网络构架的任务均衡，提升资源利用率成为亟待解决的问题。
技术实现思路
本专利技术实施例提供一种基于云-边缘协同计算的任务卸载方法及系统，用以解决现有技术中存在的缺陷。本专利技术实施例提供一种基于云-边缘协同计算的任务卸载方法，包括：获取云服务器需要卸载的计算任务信息以及各边缘服务器的计算状态信息；基于所述计算任务信息以及所述计算状态信息，以所述云服务器以及各边缘服务器的效用最大化为优化目标，以所述云服务器的定价策略限制以及各边缘服务器对所述云服务器需要卸载的计算任务的计算量限制为约束条件，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策；基于所述最优卸载决策以及所述最优定价决策，将所述云服务器需要卸载的计算任务卸载至各边缘服务器进行处理。根据本专利技术一个实施例的基于云-边缘协同计算的任务卸载方法，所述确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，具体包括：基于所述计算任务信息以及所述计算状态信息，采用斯塔克尔伯格博弈模型模拟所述云服务器与各边缘服务器之间的交互，并采用基于梯度的迭代搜索算法对所述斯塔克尔伯格博弈模型进行分析，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策。根据本专利技术一个实施例的基于云-边缘协同计算的任务卸载方法，所述采用基于梯度的迭代搜索算法对所述斯塔克尔伯格博弈模型进行分析，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，具体包括：基于所述云服务器的定价策略限制，确定所述云服务器的初始价格，并将所述初始价格发送至各边缘服务器，以使各边缘服务器基于所述初始价格确定各边缘服务器的卸载决策并进行反馈；基于所述迭代搜索算法，对所述初始价格进行更新，得到更新价格，并将所述更新价格发送至各边缘服务器，以使各边缘服务器基于所述更新价格确定各边缘服务器的卸载决策并进行反馈，直至各边缘服务器当前次迭代得到的卸载决策与前一次迭代得到的卸载决策的相对误差小于等于预设阈值。根据本专利技术一个实施例的基于云-边缘协同计算的任务卸载方法，所述确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，之后还包括：基于各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，分别确定各边缘服务器的最佳效用以及所述云服务器的最佳效用。根据本专利技术一个实施例的基于云-边缘协同计算的任务卸载方法，所述基于各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，分别确定各边缘服务器的最佳效用以及所述云服务器的最佳效用，具体包括：将各边缘服务器的最优卸载决策分别代入至边缘服务器效用函数，得到各边缘服务器的最佳效用；将所述云服务器的最优定价决策代入至云服务器效用函数，得到所述云服务器的最佳效用。根据本专利技术一个实施例的基于云-边缘协同计算的任务卸载方法，所述边缘服务器效用函数基于边缘服务器的满意度函数以及边缘服务器的奖惩函数确定。根据本专利技术一个实施例的基于云-边缘协同计算的任务卸载方法，所述云服务器效用函数基于所述云服务器的奖惩函数之和、所述云服务器上处理需要卸载的计算任务时的成本以及将所述计算任务卸载至各边缘服务器上进行处理时的成本确定。本专利技术实施例还提供一种基于云-边缘协同计算的任务卸载系统，包括：获取模块、决策模块和卸载模块。其中，获取模块用于获取云服务器需要卸载的计算任务信息以及各边缘服务器的计算状态信息；决策模块用于基于所述计算任务信息以及所述计算状态信息，以所述云服务器以及各边缘服务器的效用最大化为优化目标，以所述云服务器的定价策略限制以及各边缘服务器对所述云服务器需要卸载的计算任务的计算量限制为约束条件，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策；卸载模块用于基于所述最优卸载决策以及所述最优定价决策，将所述云服务器需要卸载的计算任务卸载至各边缘服务器进行处理。本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于云-边缘协同计算的任务卸载方法的步骤。本专利技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于云-边缘协同计算的任务卸载方法的步骤。本专利技术实施例提供的基于云-边缘协同计算的任务卸载方法及系统，首先获取云服务器需要卸载的计算任务信息以及各边缘服务器的计算状态信息；然后基于所述计算任务信息以及所述计算状态信息，以所述云服务器以及各边缘服务器的效用最大化为优化目标，以所述云服务器的定价策略限制以及各边缘服务器对所述云服务器需要卸载的计算任务的计算量限制为约束条件，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策；最后基于所述最优卸载决策以及所述最优定价决策，将所述云服务器需要卸载的计算任务卸载至各边缘服务器进行处理。不仅可以保证云服务器可以以最小成本实现计算任务的卸载，还可以保证各边缘服务器的利润最大化。同时，可以使包含有云服务器以及各边缘服务器的系统可以实现计算任务的均衡分配。附图说明...

【技术保护点】
1.一种基于云-边缘协同计算的任务卸载方法，其特征在于，包括：/n获取云服务器需要卸载的计算任务信息以及各边缘服务器的计算状态信息；/n基于所述计算任务信息以及所述计算状态信息，以所述云服务器以及各边缘服务器的效用最大化为优化目标，以所述云服务器的定价策略限制以及各边缘服务器对所述云服务器需要卸载的计算任务的计算量限制为约束条件，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策；/n基于所述最优卸载决策以及所述最优定价决策，将所述云服务器需要卸载的计算任务卸载至各边缘服务器进行处理。/n

【技术特征摘要】
1.一种基于云-边缘协同计算的任务卸载方法，其特征在于，包括：
获取云服务器需要卸载的计算任务信息以及各边缘服务器的计算状态信息；
基于所述计算任务信息以及所述计算状态信息，以所述云服务器以及各边缘服务器的效用最大化为优化目标，以所述云服务器的定价策略限制以及各边缘服务器对所述云服务器需要卸载的计算任务的计算量限制为约束条件，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策；
基于所述最优卸载决策以及所述最优定价决策，将所述云服务器需要卸载的计算任务卸载至各边缘服务器进行处理。


2.根据权利要求1所述的基于云-边缘协同计算的任务卸载方法，其特征在于，所述确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，具体包括：
基于所述计算任务信息以及所述计算状态信息，采用斯塔克尔伯格博弈模型模拟所述云服务器与各边缘服务器之间的交互，并采用基于梯度的迭代搜索算法对所述斯塔克尔伯格博弈模型进行分析，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策。


3.根据权利要求2所述的基于云-边缘协同计算的任务卸载方法，其特征在于，所述采用基于梯度的迭代搜索算法对所述斯塔克尔伯格博弈模型进行分析，确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，具体包括：
基于所述云服务器的定价策略限制，确定所述云服务器的初始价格，并将所述初始价格发送至各边缘服务器，以使各边缘服务器基于所述初始价格确定各边缘服务器的卸载决策并进行反馈；
基于所述迭代搜索算法，对所述初始价格进行更新，得到更新价格，并将所述更新价格发送至各边缘服务器，以使各边缘服务器基于所述更新价格确定各边缘服务器的卸载决策并进行反馈，直至各边缘服务器当前次迭代得到的卸载决策与前一次迭代得到的卸载决策的相对误差小于等于预设阈值。


4.根据权利要求1-3中任一项所述的基于云-边缘协同计算的任务卸载方法，其特征在于，所述确定各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，之后还包括：
基于各边缘服务器的最优卸载决策以及所述云服务器的最优定价决策，分别确定各边缘服务...

【专利技术属性】
技术研发人员：周欢，王振宁，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北;42