一种基于移动边缘计算的资源卸载决策方法技术

本发明专利技术公开了一种基于移动边缘计算的资源卸载决策方法，包括以下步骤：通过参数初始化，获取资源卸载所需参数；根据资源卸载所需参数，将初始状态下用户与最近的基站建立连接，按照领导者和跟随者的顺序更新基于本轮的最优策略；基于更新的最优策略，经过多个迭代周期，判断某一时刻每个移动用户的效用和基站的效用是否达到最大，如果是则停止迭代，否则返回步骤二继续进行迭代，通过多轮博弈收敛到Stackelberg均衡，使基站和用户双方效用均达到最大，最终完成资源的卸载。本发明专利技术提出的方案有利于在提高边缘服务器效用的同时保证移动设备的服务质量。动设备的服务质量。动设备的服务质量。

【技术实现步骤摘要】
一种基于移动边缘计算的资源卸载决策方法


[0001]本专利技术涉及移动边缘计算领域，尤其是涉及一种基于移动边缘计算的资源卸载决策方法。

技术介绍

[0002]移动边缘计算(MEC)是一种新的计算体系结构，用于提供计算服务，可以将云计算的服务资源推向边缘，以满足密集计算和低延迟的要求。与云计算相比，边缘计算更符合智慧电力系统的概念。轻量级的移动设备的计算能力有限，不能够很好的支持这些新型的智能移动应用。移动边缘计算网络部署的灵活性和鲁棒性，能够降低资源管理的复杂性和成本。
[0003]在现有的移动边缘计算系统中，边缘服务器和移动设备通常属于不同的主体，彼此之间存在着利益冲突以及边缘服务器通常只具有有限的计算能力等。因此，如何合理地对边缘服务器的计算资源进行定价，以及移动设备如何有效地将任务卸载到边缘服务器，以通过高效的计算卸载策略充分挖掘移动边缘计算系统的潜力是一个十分具有挑战性的问题。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种基于移动边缘计算的资源卸载决策方法解决了边缘服务器和移动设备之间存在的利益冲突的问题，提高了边缘服务器的计算能力，同时保证了移动设备的服务质量。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于移动边缘计算的资源卸载决策方法，所述方法包括以下步骤：
[0006]S1：通过参数初始化，获取资源卸载所需参数；
[0007]S2：根据资源卸载所需参数，将初始状态下用户与最近的基站建立连接，按照领导者和跟随者的顺序更新基于本轮的最优策略；
[0008]S3：基于更新的最优策略，经过多个迭代周期，判断某一时刻每个移动用户的效用和基站的效用是否达到最大，如果是则停止迭代，否则返回S2继续进行迭代，通过多轮博弈收敛到Stackelberg均衡，使基站和用户双方效用均达到最大，最终完成资源的卸载。
[0009]上述方案的有益效果是：基站和用户进行博弈，通过对边缘服务器进行计算资源定价，以及完成移动设备将任务卸载到边缘服务器，充分提高了移动边缘系统的计算能力，又保证了移动设备的服务服务质量，解决了边缘服务器和移动设备之间存在的利益冲突的问题。
[0010]进一步地，S1中资源卸载所需参数包括每个基站和用户之间的距离、用户的任务输入量、初始计算资源定价、初始任务卸载策略集合以及迭代次数。
[0011]上述进一步方案的有益效果是：通过获取博弈所需的参数，并对其进行初始化，使用户在初始状态下与最近的基站建立联系
[0012]进一步地，S2中本轮的最优策略包括计算资源定价、计算资源量以及卸载比例。
[0013]上述进一步方案的有益效果是：在博弈的过程中，对计算资源定价、计算资源量以及卸载比例进行更新，获得每轮博弈后的效用，从而判断用户效用和基站效用是否达到最大值。
[0014]进一步地，每个基站和用户之间的距离为
[0015][0016]其中，X
m
为基站在平面坐标系中横坐标方向的位置，X
k
为用户在平面坐标系中横坐标方向的位置，Y
m
为基站在平面坐标系中纵坐标方向的位置，Y
k
为用户在平面坐标系中纵坐标方向的位置；
[0017]基站服务器与用户k之间的数据上行速率为
[0018][0019]所述初始任务卸载策略集合A为
[0020][0021]其中，上式代表K
×
M个卸载策略，K为系统用户数，M为系统基站数，为用户k向第m个基站的卸载比例。
[0022]上述进一步方案的有益效果是：通过上述公式，获得用户与基站之间的距离、初始计算资源定价以及初始卸载策略，初始化模拟环境中参数的值以及第一轮游戏的策略。
[0023]进一步地，更新基于本轮的最优策略包括以下公式：
[0024]计算资源定价更新公式为
[0025][0026]其中，Δ为步长；
[0027]计算资源量更新公式为
[0028][0029]其中，D
k
为用户随机生成任务量，为用户k向第m个基站的卸载比例；
[0030]卸载比例更新公式如下：
[0031]任务的本地计算处理时延为
[0032][0033]其中，q
k
为用户k的本地CPU计算能力，θ
k
为完成用户的计算所需的CPU周期；
[0034]本地执行能耗为
[0035][0036]其中，ηk为每个CPU周期的能耗；
[0037]任务完全在本地计算的代价为
[0038][0039]其中，和分别是本地时延和本地能耗在付出代价中的比例，且分别是本地时延和本地能耗在付出代价中的比例，且为任务本地计算量，
[0040]任务到基站的传输时间和处理时间分别为
[0041][0042][0043]任务到基站的处理能耗忽略不计，传输能耗为
[0044][0045]其中，p
k
为用户的发射功率；
[0046]任务完全卸载到基站所付出的代价为
[0047][0048]其中，其中，和分别是任务卸载到基站的时延和卸载到基站的能耗在付出代价中的比例，综上得到卸载比例最优策略为
[0049][0050]移动用户利用上式调整自身卸载比例。
[0051]上述进一步方案的有益效果是：利用上式，更新基站边缘服务器和移动用户的定价，移动用户不断调整自身的卸载策略，经过多个迭代周期，直到自身效用达到最大。
[0052]进一步地，基站效用函数U
m
为
[0053][0054]其中，表示用户k需要将计算任务卸载到基站m；
[0055]领导者层的子博弈公式为
[0056][0057][0058]其中，M＝(1,2,..,m)为可连接边缘云的基站组成，s.t.为约束条件，K＝(1,2,...,k)为用户量集合，上述第一个约束条件表示基站的计算资源有限，第二个约束条件表示用户服务的定价在一定范围内；
[0059]移动用户的效用函数U
k
为
[0060][0061]其中，为计算服务支付的费用，对于k个用户来说，决策问题为整体用户收益之和最大化，追随者的子博弈公式为
[0062][0063][0064]上述进一步方案的有益效果是：通过基站和用户的效用函数以及博弈公式，进而判断每个移动用户和基站在某一时刻是否达到效用最大值，如果达到则停止迭代，否则继续下一轮的博弈。
附图说明
[0065]图1为一种基于移动边缘计算的资源卸载决策方法流程图。
[0066]图2为随机生成的基站与用户位置分布的笛卡尔平面坐标图。
具体实施方式
[0067]下面结合附图和具体实施例对本专利技术做进一步说明。
[0068]如图1所示，一种基于移动边缘计算的资源卸载决策方法，所述方法包括以下步骤：...

【技术保护点】

【技术特征摘要】
1.一种基于移动边缘计算的资源卸载决策方法，其特征在于，所述方法包括以下步骤：S1：通过参数初始化，获取资源卸载所需参数；S2：根据资源卸载所需参数，将初始状态下用户与最近的基站建立连接，按照领导者和跟随者的顺序更新基于本轮的最优策略；S3：基于更新的最优策略，经过多个迭代周期，判断某一时刻每个移动用户的效用和基站的效用是否达到最大，如果是则停止迭代，否则返回S2继续进行迭代，通过多轮博弈收敛到Stackelberg均衡，使基站和用户双方效用均达到最大，最终完成资源的卸载。2.根据权利要求1所述的基于移动边缘计算的资源卸载决策方法，其特征在于，所述S1中资源卸载所需参数包括每个基站和用户之间的距离、用户的任务输入量、初始计算资源定价、初始任务卸载策略集合以及迭代次数。3.根据权利要求2所述的基于移动边缘计算的资源卸载决策方法，其特征在于，所述S2中本轮的最优策略包括计算资源定价、计算资源量以及卸载比例。4.根据权利要求3所述的基于移动边缘计算的资源卸载决策方法，其特征在于，所述每个基站和用户之间的距离为其中，X
m
为基站在平面坐标系中横坐标方向的位置，X
k
为用户在平面坐标系中横坐标方向的位置，Y
m
为基站在平面坐标系中纵坐标方向的位置，Y
k
为用户在平面坐标系中纵坐标方向的位置；基站服务器与用户k之间的数据上行速率为所述初始任务卸载策略集合A为其中，上式代表K
×
M个卸载策略，K为系统用户数，M为系统基站数，为用户k向第m个基站的卸载比例。5.根据权利要求4所述的基于移动边缘计算的资源卸载决策方法，其特征在于，所述更新基于本轮的最优策略包括以下...

【专利技术属性】
技术研发人员：张凌浩，常政威，汪康康，周里涛，王海，梁晖辉，甘炜，唐超，刘彬，骆忠强，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：