【技术实现步骤摘要】
本专利技术属于车辆边缘计算技术，尤其涉及一种考虑评论信息影响的车辆边缘计算系统的资源分配方法。
技术介绍
1、涉及车辆边缘计算下的资源分配问题的主题包括资源分配、车辆边缘计算和深度强化学习。
2、a、资源分配
3、近年来，无线网络的快速发展导致了其复杂性和异质性的增加，这使得有必要从传统的资源分配机制中进行转变。郭胜杰等人提出了一个级联的匈牙利信道分配算法，这简化了具有可靠性要求的资源分配问题，将其转变为具有机会约束的强大的功率分配问题。陈星等人提出了一种自适应的资源分配方法，该方法由一个带有反馈循环的框架组成，结合了迭代的qos预测模型和基于粒子群优化(pso)的运行时决策算法。吴大鹏等人提出了一种新颖的启发式无线资源分配方案，该方案考虑了切片特性，分析了它们的特性，并将其转化为资源利用的网络利润模型。ghanbari等人通过组织各种分类，包括成本感知、环境感知、效率感知、负载平衡感知、功率感知、qos感知、基于sla的和利用感知机制，对资源分配技术进行了全面的研究。与此同时，battula等人强调了雾计算领域中最近的资源分配算法对资源提供者的补偿和雾资源的成本估计的考虑不足。但是，上述所有研究都没有考虑将博弈理论应用到资源分配解决方案中。
4、博弈理论已经成为解决无线网络中资源分配问题的一种普遍方法。钟旭东等人将资源分配问题构建为一个合作博弈，强调了博弈理论在这一背景下的潜力。吴笃成等人探索了博弈理论在5g小单元网络中的同层干扰减轻中的应用，强调了博弈理论和分布式学习解决方案在这一背景下的
5、b、移动边缘计算
6、最近，关于边缘计算资源分配的文献已经探索了各种方案。林福宏等人介绍了一个通用的边缘计算入侵检测系统(ids)架构，这是他们的资源分配模型的基础。zamzam等人应用博弈理论分析用户行为，成功得到满足所有用户并达到均衡状态的解决方案。bahreini等人解决了两级边缘计算系统中的资源分配和定价问题，而马世恒等人提出了一个涉及用户、边缘节点和服务提供商的三方循环博弈(3cg)。在这个模型中，用户选择他们喜欢的服务，服务提供商选择成本效益较高的边缘节点，边缘节点优先考虑高价值的用户。baek等人研究了三种用于物联网环境边缘计算中的资源分配的动态定价方案，数值结果验证了提出的定理，并对三种机制进行了比较分析。孙玉虎等人通过提出一个名为dpoda的双向拍卖方案，解决了边缘计算中的资源分配问题。林梓帆等人基于大量的研究和应用场景，对边缘计算和边缘资源分配技术进行了概述。然而，vec中的资源分配过程通常涉及动态和随机的连续交互，但上述文章中很少有考虑到这个问题的解决方案。
7、c、深度强化学习
8、关于边缘计算中的资源分配和计算卸载的文献已经提出了各种基于深度强化学习架构的架构，以应对移动设备和vec环境的需求带来的挑战。承楠等人介绍了一种空-天-地集成网络(sagin)边缘/云计算架构，该架构考虑了使用深度强化学习(drl)卸载计算密集型应用的能源和计算约束。王佳黛等人提出了一种基于深度强化学习的资源分配(drlra)方案。这种方法可以适应性地分配资源，减少平均服务时间，并在不同的vec环境下平衡资源使用。alfakih等人[36]旨在做出最优的卸载决策，以最小化系统成本，包括能耗和计算时间延迟，sarsa算法被用来解决这个问题。
9、黄亮等人通过提出一种基于深度q网络(dqn)的任务卸载和资源分配算法，解决了计算卸载中适当资源分配的需求。陈杰男等人介绍了一个智能资源分配框架(iraf)，深度强化学习(drl)算法被用来解决协作移动边缘计算(comec)网络中的复杂资源分配问题。周欢等人研究了基于深度强化学习(drl)在动态多用户mec系统中的计算卸载和资源分配方案的联合优化。冯杰等人为区块链启用的mec系统开发了一个协作计算卸载和资源分配框架，采用了异步优势演员-评论家算法来解决问题。宁兆龙等人构建了一个采用深度强化学习方法的车载边缘计算的智能卸载系统。tan等人提出了一种联合通信、缓存和计算策略，以实现基于深度强化学习的车载网络中的成本效率。然而，上述研究均未考虑到评论对车载边缘计算(vec)中分配问题的影响。
技术实现思路
1、针对上述问题，本专利技术提供一种考虑评论信息影响的车辆边缘计算系统的资源分配方法。
2、本专利技术的一种考虑评论信息影响的车辆边缘计算系统的资源分配方法，构建一个由两个有竞争关系的边缘服务器组成的市场，在两个服务阶段中提供计算卸载服务；每个服务阶段开始时，两个边缘服务器都在博弈后宣布他们的最优定价策略，第二阶段的定价策略受到第一阶段结束时车辆生成的评价信息的影响；车辆根据服务信息、定价、车辆偏好和评价信息选择他们的边缘服务器；然后根据选择相同边缘服务器的其他车辆的资源请求信息决定自己的请求策略；在车辆不愿意公开他们的资源请求信息的情况下，使用深度强化学习框架来最大化车辆的效用。具体为：
3、首先，构建一个在卸载服务的两个阶段有两个竞争边缘服务器的垄断市场模型。
4、其中，车辆生成服务请求，并将这些请求卸载给边缘服务器进行处理；边缘服务器垄断了市场，为车辆提供服务，并制定相应的定价策略，从车辆中获取收入。
5、a.边缘服务器的效用
6、假设市场中的两个竞争边缘服务器为h和l，他们各自拥有的边缘单位eu数量分别为mh和ml。
7、第一阶段：在服务开始之前，边缘服务器h和l将公布他们各自的第一阶段价格，分别设为和假设在第一阶段，边缘服务器h和l的服务请求的到达率遵循泊松分布，平均到达率分别为：和车辆对边缘服务器的偏好表示为：和分别代表边缘服务器h和l；边缘服务器为车辆提供的边缘计算服务的质量由两部分组成：一部分是服务的客观质量，即车辆根据边缘服务器的品牌、声誉和服务产品信息所形成的一般理解；另一部分是经验质量，即车辆在服务后的体验，这在服务结束之前是未知的；设qi，i＝h,l为边缘服务器i的客观质量；假设边缘服务器h有高的客观质量，l有低的客观质量；这里，设置qh＝q，ql＝θq，其中θ∈(0,1)；θ的值越高，两个边缘服务器之间的客观质量差距就越小；定义ηi，i＝h,l为车辆在服务提供商i服务后的体验质量；考虑到车辆体验服务的可变性，设置ηi～u(-1,1)；此外，车辆还会比较边缘服务器之间的价格差异，以感知损失或收益的感觉，边缘服务器h的价格差为：因此，车辆在第一阶段对边缘服务器h和l的净效用是：当时，如本文档来自技高网...
【技术保护点】
1.一种考虑评论信息影响的车辆边缘计算系统的资源分配方法，其特征在于，
【技术特征摘要】
1.一种考虑评论信息影响的车辆边缘计...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。