一种面向信息年龄和基于动态价格匹配的任务分配方法组成比例

本发明专利技术公开了一种面向信息年龄(age of information,AoI)和基于动态价格匹配的任务分配方法。本发明专利技术提出一种基于AoI的感知任务分配算法，考虑用户可服务多个感知任务，完成服务的先后顺序会提供差异化的AoI。因此本发明专利技术把感知用户划分为具有不同感知优先级别的子用户，推导出不同感知优先级的子用户所提供感知数据AoI的闭式形式，并将任务与感知用户间的供求关系建模成多对多匹配问题，目的是提升双方效用总和。同时，为确定任务的支付，本发明专利技术实现基于动态价格的稳定匹配，并确保匹配双方的个体理性。最后，仿真结果表明，算法经过有限次的迭代，始终收敛到一种稳定匹配，性能上显著优于其他算法。显著优于其他算法。显著优于其他算法。

【技术实现步骤摘要】
一种面向信息年龄和基于动态价格匹配的任务分配方法


[0001]本专利技术涉及无线网络通信
以及群智感知网络，涉及稳定匹配理论、信息年龄、动态支付和优先级。主要确保稳定匹配结果，优化任务分配和系统整体性能。具体地说是一种面向信息年龄(AoI)和基于动态价格匹配的任务分配方法。

技术介绍

[0002]随着智能设备的大规模普及和多类别智能传感器的发展，群智感知(Crowd Sensing,CS)已经成为一种新的传感模式。传统的CS网络在大规模感知用户参与数据感知的情况下依赖远程云服务中心(Remote Cloud Service Center,RCSC)处理感知用户上传的众多感知数据时需要消耗大量计算资源。特别的，随着传输距离的增加，数据传输的延迟也会增加。近年来，随着移动边缘计算(Mobile Edge Computing,MEC)技术的快速发展，已有一些工作将此技术与CS系统相结合。大大减少数据传输延迟和通信成本，带来进一步提升CS网络效率的可能性。
[0003]MEC将任务计算移动到网络边缘，并分配给相应边缘的感知用户执行处理，为降低系统通信延迟和能耗、提高任务卸载水平提供了一种有效的方法。一些研究从匹配的角度，研究基于定价的一对一匹配和一对多匹配算法解决任务分配问题，优化系统网络延迟。或者提出集成竞价机制的多对一匹配解决移动用户与小型基站间的关联问题，优化系统社会福利。然而，这些研究大多集中优化系统整体性能，忽略匹配双方个体偏好。实际上，更注重个体理性的匹配双方会使匹配结果极易不稳定。还有一些研究工作虽然都考虑了匹配双方个体偏好，但假定偏好固定。当感知任务能够自适应的调整他们的支付吸引具有高感知能力的参与者时，双方偏好显著被改变，影响最终匹配结果。但是最重要的是，这些研究均未考虑AoI给高时效性要求的任务分配结果带来的影响，AoI高的感知数据会造成任务完成的质量低，任务满意度差。

技术实现思路

[0004]针对上述
技术介绍
中存在的缺陷，本专利技术考虑感知数据的信息年龄、双方偏好、执行成本和个体理性等因素，利用稳定匹配理论将感知任务与感知用户进行匹配。提出一种面向信息年龄和基于动态价格匹配的任务分配方法。
[0005]本专利技术采用以下技术方案实现：
[0006]一种面向信息年龄和基于动态价格匹配的任务分配方法，该方法基于某个边缘基站(Edge base station,EBS)实现，所述边缘基站包含任务集W＝(ω1,ω2,...,ω
m
)和用户集S＝(s1,s2,...,s
n
)。所述任务分配优化方法具体包括以下步骤：
[0007]1)使用V
i.j
表示s
i
完成任务ω
j
带来的效益估值，用c
i,j
表示用户s
i
的执行成本。使用分别表示任务ω
j
必须支付给用户s
i
的最低价格和最高价格；
[0008]2)基于用户的异构性和AoI的差异性，首先需要给出用户进行数据感知时的信息更新方式，所述信息更新方式具体为：
[0009]将一段连续时间划分为多个等同时隙，每个时隙持续时间设置为T，用θ
i,j
表示用户s
i
对任务ω
j
的更新周期，此更新周期包含多个等同时隙；将所有用户对任务ω
j
的更新周期表示为Θ
j
＝(θ
1,j
,θ
2,j
,...,θ
n,j
)。
[0010]将用户s
i
划分为具有单个或多个感知优先级的子用户，用α
i
代表子用户在用户s
i
内的优先级别；任务请求在每个更新周期的某个时隙到达，在下一个时隙被用户响应；
[0011]2.1)根据更新周期，将单个感知优先级用户即α
i
＝1时提供感知数据的平均AoI计算为
[0012][0013]2.2)当用户s
i
被划分成具有多个感知优先级的子用户时，即在α
i
≥2下的感知数据的平均AoI计算为
[0014][0015]2.3)证明当α
i
,α
i
≥1时，用户s
i
的子用户向ω
j
提供感知数据的平均AoI的通用闭式表达式为
[0016]证明：采用数学归纳法证明，步骤如下：
[0017]第一步：当α
i
＝1时，
[0018]第二步：假设当α
i
＝k，(k为大于1的自然数)时命题成立，即那么，当α
i
＝k+1时，推导出即当α
i
＝k+1时等式也成立。
[0019]最后，根据第一步和第二步，通用闭式表达式对任意的α
i
,α
i
≥1时均成立。
[0020]3)任务侧的收益与用户提供的感知数据AoI有关，基于AoI计算用户s
i
带给任务ω
j
的效益估值，具体为
[0021]V
i,j
＝K
‑
A
i,j
,s
i
∈S,ω
j
∈W，(11)
[0022]其中，K为常量，取值为自然整数。
[0023]考虑到实际真实性，由于用户s
i
执行任务ω
j
会消耗一定成本，故将执行成本c
i,j
设置为
[0024][0025]其中，D为常量，取值为自然整数。
[0026]4)然后进行问题制定，本专利技术的问题是分配不同优先级的用户执行边缘基站下发的任务。在分配不同优先级的用户执行边缘基站下发的任务前，将一些变量和约束条件定义如下：
[0027]a)P
i,j
：任务ω
j
支付给用户s
i
的价格，需满足
[0028]b)G(ω
j
)：执行任务ω
j
的用户集合；对于任意任务ω
j
∈W，其用户集合G(ω
j
)需要满足且P
i,j
≤V
i,j
；
[0029]c)G(s
i
)：被用户s
i
执行的任务集合；对于用户s
i
∈S,任务集合中的任意任务的出价P
i,j
不低于s
i
的执行成本c
i,j
；
[0030]根据上述定义，将任务和用户双方的效用函数定义如下：
[0031]4.1)定义1：(任务效用)：将任务ω
j
对用户集合G(ω
j
)里所有用户的支付情况设为任务效用定义为用户集合G本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向信息年龄和基于动态价格匹配的任务分配方法，其特征在于，该方法基于边缘基站实现，所述边缘基站包含任务集W＝(ω1,ω2,...,ω
j
,...,ω
m
)和用户集S＝(s1,s2,...,s
i
,...,s
n
)；所述任务分配方法具体包括以下步骤：1)使用V
i.j
表示用户s
i
完成任务ω
j
带来的效益估值，用c
i,j
表示用户s
i
的执行成本；使用分别表示任务ω
j
必须支付给用户s
i
的最低价格和最高价格；2)基于用户的异构性和AoI的差异性，首先需要给出用户进行数据感知时的信息更新方式，所述信息更新方式具体为：将一段连续时间划分为多个等同时隙，每个时隙持续时间设置为T，用θ
i,j
表示用户s
i
对任务ω
j
的更新周期，此更新周期包含多个等同时隙；将所有用户对任务ω
j
的更新周期表示为Θ
j
＝(θ
1,j
,θ
2,j
,...,θ
n,j
)；将用户s
i
划分为具有单个或多个感知优先级的子用户，用α
i
代表子用户在用户s
i
内的优先级别；任务请求在每个更新周期的某个时隙到达，在下一个时隙被用户响应；将用户s
i
划分为具有单个或多个感知优先级的子用户后，用户s
i
的子用户所能提供的感知数据的平均AoI的通用闭式表达式计算为3)基于AoI计算用户s
i
带给任务ω
j
的效益估值，具体为V
i,j
＝K
‑
A
i,j
,s
i
∈S,ω
j
∈W，(2)其中，K为常量，取值为自然整数；由于用户s
i
执行任务ω
j
会消耗一定成本，故将执行成本c
i,j
设置为其中，D为常量，取值为自然整数；4)在分配不同优先级的用户执行边缘基站下发的任务前，进行如下定义：a)P
i,j
：任务ω
j
支付给用户s
i
的价格，需满足b)G(ω
j
)：执行任务ω
j
的用户集合；对于任意任务ω
j
∈W，其用户集合G(ω
j
)需要满足且P
i,j
≤V
i,j
；c)G(s
i
)：被用户s
i
执行的任务集合；对于用户s
i
∈S,任务集合中的任意任务的出价P
i,j
不低于s
i
的执行成本c
i,j
；根据上述定义，将任务和用户双方的效用函数定义如下：4.1)定义1：将任务ω
j
对用户集合G(ω
j
)里所有用户的支付情况设为任务效用定义为用户集合G(ω
j
)中所有用户带来的效益估值与所有任务的支付之差，如下定义2：将任务集合G(s
i
)中所有任务对用户s
i
的支付情况设为
用户效用定义为任务集合G(s
i
)中所有用户获得的支付与执行成本的差值，具体如下4.2)针对分配不同优先级的用户执行边缘基站下发的任务这一问题，将目标函数建模为系统...

【专利技术属性】
技术研发人员：金宁，周文倩，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：