移动边缘计算中协同卸载的激励机制与资源分配方法组成比例

本发明专利技术涉及无线通信和边缘计算技术领域，公开了一种移动边缘计算中协同卸载的激励机制与资源分配方法，步骤包括：构建一个具有空闲移动设备辅助MEC服务器卸载忙碌用户计算任务的系统模型；在满足基站BS计划征集的计算资源量的约束条件下，建立激励问题的数学模型，并设计计算资源共享拍卖CRSA机制以促使更多的空闲设备参与协同卸载；建立边缘计算模型，在满足时延的约束条件下，建立以系统总能耗最小化为目标的优化问题数学模型；引入简化变量，改变系统总能耗的数学表达式，以获得简化后的以系统总能耗最小化为目标的优化问题数学模型，并提出资源分配方法使得系统能耗达到最小。本发明专利技术所设计的CRSA机制和资源分配方案，使得系统的能耗达到最小。使得系统的能耗达到最小。

【技术实现步骤摘要】
移动边缘计算中协同卸载的激励机制与资源分配方法


[0001]本专利技术涉及无线通信和边缘计算
，尤其涉及一种移动边缘计算中协同卸载的激励机制与资源分配方法。

技术介绍

[0002]移动边缘计算(Mobile Edge Computing,MEC)作为一种新兴起的网络架构，正受到全球范围内学者的广泛关注。MEC通过将计算资源、存储资源下沉到网络边缘，邻近地为移动设备提供超低时延的计算服务。MEC允许移动设备将计算任务卸载到网络边缘，既能降低回传链路资源消耗，又能减少回传带来的时延。
[0003]MEC被认为是一种很有前途的技术，该技术支持移动用户将移动应用任务卸载至网络边缘处的MEC服务器上执行，从而满足移动应用对低时延和高计算能力的需求。MEC最近的一个趋势是集成协同任务卸载框架，即来自移动用户的计算任务不仅可以由网络边缘处的MEC服务器执行，而且可以卸载至用户附近空闲移动设备上，一方面能有效减轻MEC服务器的计算负载，从而缓解高峰时段的网络拥堵和非高峰时段的资源浪费，另一方面也能充分利用网络边缘处的资源，从而进一步提高MEC系统的能效。在协同任务卸载框架下，设计高能效MEC系统需要解决如何激励空闲移动设备参与协同卸载以及如何分配网络边缘资源以最小化系统能耗的问题。
[0004]合理地分配网络边缘处的资源是实现高能效MEC系统的关键，已有大量文献对其进行了研究。然而，这部分文献都没有考虑任务的协同卸载和激励机制的设计。对于协同任务卸载，一些文献提出了不同的实现方法以获得高能效MEC系统。然而，这些文献均假设设备无条件卸载计算任务，没有考虑激励机制设计。还有一些文献研究了MEC或车载MEC系统中协同任务卸载的激励机制设计问题。然而，这些文献又没有考虑高能效MEC系统的设计问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的是提供一种移动边缘计算中协同卸载的激励机制与资源分配方法，不仅能促使更多的空闲设备参与任务的协同卸载，而且在协同卸载方式下能使系统能耗达到最小。
[0006]本专利技术通过以下技术手段解决上述技术问题：
[0007]移动边缘计算中协同卸载的激励机制与资源分配方法，包括以下步骤：
[0008]S1、构建一个具有空闲移动设备辅助MEC服务器卸载忙碌用户计算任务的系统模型，所述系统模型包括一个基站BS和多个移动用户；
[0009]S2、在满足基站BS计划征集的计算资源量的约束条件下，建立激励问题的数学模型，并设计计算资源共享拍卖机制以促使更多的空闲设备参与协同卸载；
[0010]S3、建立边缘计算模型，在满足时延的约束条件下，建立以系统总能耗最小化为目标的优化问题数学模型；
[0011]S4、引入简化变量，改变系统总能耗的数学表达式，以获得简化后的以系统总能耗最小化为目标的优化问题数学模型，并提出资源分配方法使得系统能耗达到最小。
[0012]进一步，所述步骤S1的具体方法为：在基站BS处集成有一个MEC服务器，所述移动用户包括有计算需求的忙碌用户和能提供计算服务的空闲用户，所述空闲用户为协作者；用集合K＝{1,2,
…
,K}和E＝{1,2，
…
，E}分别表示K个忙碌用户和E个协作者，假设每个忙碌用户k都有一个计算密集且时延敏感型的应用程序任务k，面向数据分区的应用程序，对数据任意分区以进行并行处理，本专利技术考虑面向数据分区的应用程序，对于这类应用，输入数据事先已知，并且由于位独立性，可以对数据任意分区以进行并行处理；用A
k
表示任务k的输入数据大小，单位为比特，忙碌用户的计算任务通过蜂窝链路卸载给MEC服务器和利用D2D技术卸载给愿意提供计算服务的协作者去执行；通过预测得到基站BS计划征集的计算资源量U，假设该信息可用。
[0013]进一步，对所述带宽资源分配做简化假设，具体为：假设将不同带宽分别分配给基站BS和协作者以避免蜂窝链路和D2D链路之间的传输干扰，并进一步假设基站BS占用正交子信道，每个子信道的带宽为W
b
，为避免D2D链路之间的传输干扰，假设每个D2D链路对分配一个正交子信道，子信道的带宽用W
d
表示，进一步假设W
d
＝W
b
＝W。
[0014]进一步，所述步骤S2的具体步骤为：
[0015]S201、将基站BS和协作者之间的互动建模为一个拍卖游戏，其中，基站BS是拍卖师，它向协作者征集投标，然后选出获胜标并将拍卖结果通知给协作者；每个协作者e可以向基站BS投递一个或者多个标，用集合L
e
表示，标中元素f
e,n
和l
e,n
分别表示愿意提供的计算资源量和提供相对应计算资源量的价格；
[0016]S202、提供计算服务会消耗协作者的计算资源，则协作者e的成本为提供相对应计算资源量的价格减去得到的奖励，即Φ
e
(x
e
)＝∑
n∈N l
e,n
x
e,n
‑
r
e
(∑
n∈N x
e,n
)，其中，x
e,n
表示投标是否为获胜投标的指示变量，r
e
表示中标的协作者e可获得的奖励，基站BS的成本为给所有提供计算服务的协作者的奖励，
[0017]即Ψ(x)＝∑
e∈E
r
e
(∑
n∈E
x
e,n
)，
[0018]将激励协作者提供计算服务的激励问题的目标设为最小化基站BS成本和所有协作者成本之和，即∑
e∈E
∑
n∈N l
e,n
x
e,n
，称为总成本；
[0019]S203、在满足基站BS计划征集的计算资源量的约束条件下，建立的激励问题的数学模型为：
[0020]P1:
[0021]s.t.C1:x
e,n
∈{0,1},e∈E,n∈N
[0022]C2:
[0023]C3:
[0024]其中，约束C1表明x
e,n
是二元变量，约束C2表明每个协作者e最多只有一个投标获胜，约束C3表明征集到的总计算资源量应超过基站BS计划征集的计算资源量；
[0025]S204、对于获胜投标的确定问题，采用价格密度进行选择，即如果协作者e的价格密度l
e,n
/f
e,n
是最小的，则选择协作者e的第n个投标为获胜投标，并且始终选择的是提供计
算资源量多且价格低的投标作为获胜投标，基站BS计划征集的计算资源量是有下限的，拍卖结束后，获胜投标所能提供的计算资源总量至少等于该下限，对于基站BS给获胜协者e的奖励，获胜协作者e可获得的奖励为获胜协作者e不参与拍卖时将胜出的协作者的价格密度与获胜协作者e所提供的计算资源量的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动边缘计算中协同卸载的激励机制与资源分配方法，其特征在于，包括以下步骤：S1、构建一个具有空闲移动设备辅助MEC服务器卸载忙碌用户计算任务的系统模型，所述系统模型包括一个基站BS和多个移动用户；S2、在满足基站BS计划征集的计算资源量的约束条件下，建立激励问题的数学模型，并设计计算资源共享拍卖CRSA机制以促使更多的空闲设备参与协同卸载；S3、建立边缘计算模型，在满足时延的约束条件下，建立以系统总能耗最小化为目标的优化问题数学模型；S4、引入简化变量，改变系统总能耗的数学表达式，以获得简化后的以系统总能耗最小化为目标的优化问题数学模型，并提出资源分配方法使得系统能耗达到最小。2.根据权利要求1所述的移动边缘计算中协同卸载的激励机制与资源分配方法，其特征在于：所述步骤S1的具体方法为：在基站BS处集成有一个MEC服务器，所述移动用户包括有计算需求的忙碌用户和能提供计算服务的空闲用户，所述空闲用户为协作者；用集合K＝{1,2,
…
,K}和E＝{1,2，
…
，E}分别表示K个忙碌用户和E个协作者，假设每个忙碌用户k都有一个计算密集且时延敏感型的应用程序任务k，面向数据分区的应用程序，对数据任意分区以进行并行处理；用A
k
表示任务k的输入数据大小，单位为比特，忙碌用户的计算任务通过蜂窝链路卸载给MEC服务器和利用D2D技术卸载给愿意提供计算服务的协作者去执行；通过预测得到基站BS计划征集的计算资源量U，假设该信息可用。3.根据权利要求2所述的移动边缘计算中协同卸载的激励机制与资源分配方法，其特征在于：对所述带宽资源分配做简化假设，具体为：假设将不同带宽分别分配给基站BS和协作者以避免蜂窝链路和D2D链路之间的传输干扰，并进一步假设基站BS占用正交子信道，每个子信道的带宽为W
b
，为避免D2D链路之间的传输干扰，假设每个D2D链路对分配一个正交子信道，子信道的带宽用W
d
表示，进一步假设W
d
＝W
b
＝W。4.根据权利要求3所述的移动边缘计算中协同卸载的激励机制与资源分配方法，其特征在于：所述步骤S2的具体步骤为：S201、将基站BS和协作者之间的互动建模为一个拍卖游戏，其中，基站BS是拍卖师，它向协作者征集投标，然后选出获胜标并将拍卖结果通知给协作者；每个协作者e可以向基站BS投递一个或者多个标，用集合L
e
表示，标中元素f
e,n
和l
e,n
分别表示愿意提供的计算资源量和提供相对应计算资源量的价格；S202、提供计算服务会消耗协作者的计算资源，则协作者e的成本为提供相对应计算资源量的价格减去得到的奖励，即Φ
e
(x
e
)＝∑
n∈N
l
e,n
x
e,n
‑
r
e
(∑
n∈N
x
e,n
)，其中，x
e,n
表示投标是否为获胜投标的指示变量，r
e
表示中标的协作者e可获得的奖励，基站BS的成本为给所有提供计算服务的协作者的奖励，即Ψ(x)＝∑
e∈E
r
e
(∑
n∈E
x
e,n
)，将激励协作者提供计算服务的激励问题的目标设为最小化基站BS成本和所有协作者成本之和，即∑
e∈E
∑
n∈N
l
e,n
x
e,n
，称为总成本；S203、在满足基站BS计划征集的计算资源量的约束条件下，建立的激励问题的数学模型为：P1:∑
e∈E
∑
n∈N
l
e,n
x
e,n
s.t.C1:x
e,n
∈{0,1},e∈E,n∈NC2:C3:其中，约束C1表明x
e,n
是二元变量，约束C2表明每个协作者e最多只有一个投标获胜，约束C3表明征集到的总计算资源量应超过基站BS计划征集的计算资源量；S204、对于获胜投标的确定问题，采用价格密度进行选择，即如果协作者e的价格密度l
e,n
/f
e,n
是最小的，则选择协作者e的第n个投标为获胜投标，并且始终选择的是提供计算资源量多且价格低的投标作为获胜...

【专利技术属性】
技术研发人员：蒲旭敏，温万里，冯文婷，陈前斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：