【技术实现步骤摘要】
本专利技术属于移动边缘计算领域，涉及一种基于定价的车辆多接入边缘计算任务卸载方法。
技术介绍
1、车辆成为日常生活的一部分，人们对于各种车载应用的服务需求增加，同时对资源的需求急剧增加以及对应用程序性能要求变严格。对于资源有限的车辆终端来说，爆炸式增长的计算量对于车来说是一个很大的负担。为了满足这些应用的爆炸式资源需求，可以将部分计算任务卸载到云端服务器进行执行缓解终端压力。但是移动云端距离车辆较远，要处理的应用任务上传到远端云服务器需要耗费较大的开销，如时延和能耗。为了解决这个问题，边缘计算被认为是一个较好的解决方法。在信息传输领域近年来的重大转变背景下，边缘计算(edge computing)作为创新的分布式计算模型，旨在将数据处理能力从中心化数据中心转移到接近数据源的位置，如传感器、终端设备或用户附近，以优化延迟问题，提升处理速度和安全性。这在车载边缘计算中尤为明显，其中边缘计算与车辆系统集成，使数据处理直接在车辆的边缘设备上完成。同时，多接入边缘计算(mec)通过在网络边缘部署服务器，减少了移动设备与数据中心之间的距离，满足了大量移动设备对高效数据处理的需求。随设备数量增多，边缘服务器面临巨大挑战，需通过有效的资源管理和定价策略优化资源使用，保障mec系统稳定运行。此过程中，定价模型的采用激励用户行为考量，确保了资源的精准分配和计算资源价值的合理反映。
2、在现有的多接入边缘计算(mec)研究中，虽然通过定价机制、资源共享和任务调度等方法有效提升了资源利用效率和处理速度，但这些方法往往未能充分考虑到车辆高动态
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于定价的车辆多接入边缘计算任务卸载方法，实现服务器间的负载均衡，降低网络链路压力。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种基于定价的车辆多接入边缘计算任务卸载方法，本专利技术考虑由一个宏基站、m个路侧单元作为边缘服务器，并和n辆车组成的车载mec系统场景；该场景中，宏基站收集其覆盖范围的全球信息，并为路侧单元设计定价策略；路侧单元安装边缘计算服务器，作为边缘服务器为移动车辆提供计算服务；mbs将对每个路侧单元执行一个策略，而车辆根据每个时隙t的给定价格做出二进制卸载决策；位于第m个路侧单元覆盖范围内的车辆生成的任务遵循泊松过程，其速率表示为表示第m个路侧单元第t个时隙覆盖的车辆集合；任务用一个元组描述，x表示每个任务的平均卸载数据量，y表示完成一个任务所需的平均cpu周期，表示任务k的生成时刻，dk表示任务k的延迟约束；
4、在该场景中，任务卸载的方法包括：分别建立车辆最优卸载问题模型和边缘服务器最优价格问题模型；通过解决边缘服务器最优价格问题得到边缘服务器最优定价策略，从而使路侧单元吸引车辆卸载任务，以避免服务拥堵；同时，通过纳什q学习解决车辆最优卸载问题，得到车辆在路侧单元上的卸载策略。
5、进一步的，所述车辆最优卸载问题模型以车辆效用功能最大化为目标，其表示为：
6、
7、
8、
9、
10、αn,m,k(t)∈{0,1}
11、式中，αn(t)表示车辆效用功能，表示车辆的长期效用，αn,m,k(t)表示车辆的卸载决策，fn,m,k(t)表示任务k的完成时刻，dn表示车辆n在宏基站覆盖范围内的停留时间，en,m,k(t)表示车辆的实际支付，bn,m,k(t)表示车辆的支付预算，mn表示车辆n在时隙t时连接的边缘服务器的集合。
12、进一步的，所述边缘服务器最优价格问题模型以利润最大化为目标，其表示为：
13、
14、
15、式中，pm(t)表示每个任务服务的价格，表示路侧单元集合，vm(t)表示第m个路侧单元的轮廓，表示第m个路侧单元的队列大小的上界，qm(t)表示处理队列中的任务数。
16、进一步的，所述解决边缘服务器最优价格问题得到边缘服务器最优定价策略包括：
17、路侧单元的价格表示为：
18、
19、式中，β为一个负常数，表示第m个路侧单元的队列大小的上界，qm(t)表示路侧单元m的任务积压量，表示初始定价；
20、在qm(t-t′)≤τ0μm时，有表示路侧单元m接收到的任务数，t′表示上一个时隙，则将pm(t)代入边缘服务器最优价格问题的目标函数，得到拉格朗日函数：
21、
22、式中，θm表示拉格朗日乘子；对该拉格朗日函数求导，当时，得到路侧单元m的最优供给量：
23、
24、式中，μm表示一行队列任务的服务速率，τ0表示一个时间槽的时间；在时隙t时，边缘服务器提供的供给量表示为表示向上取整函数，对应的价格表示为在此价格下，边缘服务器吸引车辆卸载，以避免服务拥堵。
25、进一步的，所述通过纳什q学习解决车辆最优卸载问题，得到车辆在路侧单元上的卸载策略包括：
26、s1、初始化q值，τ＝1，τ表示迭代次数，un表示车辆n的效用函数；
27、s2、当进入步骤s3，否则进入步骤s9；
28、s3、观察其他智能体行为α1,…,αn-1,αn+1,…,αn，当进入步骤s4，否则进入步骤s5；
29、s4、更新个体行为选择的概率
30、
31、式中，a表示行动空间，表示折现因子；
32、s5、根据当前可能性分布向量选择联合策略α；
33、s6、接收边缘服务器在联合策略下发布的价格pm(τ)并计算相应的效用，得到
34、
35、s7、更新
36、
37、式中，ρ∈(0,1)表示折现因子，ητ∈(0,1)表示学习率，rn表示奖励，表示智能体n对所选均衡的收益，an表示行为参数；
38、s8、设置τ←τ+1，若τ小于阈值，返回步骤s2，否则进入步骤s9；
39、s9、计算混合策略
40、
41、返回并令
42、本专利技术的有益效果在于：本专利技术所提出的基于定价的车辆多接入边缘计算任务卸载方法着重于采用先进的博弈论和人工智能算法，以捕捉mec系统中的动态合作框架，并通过智能化的任务分配和资源调度策略，更加精准地响应车辆的实时数据处理需求。通过对边缘服务器分组和任务重传策略的优化，不仅可以实现服务器间的负载均衡，降低网络链路压力，还能有效减少隐私数据的泄露风险。此外，结合车辆的移动性特征和任务到达的随机性，本专利技术能够在保证服务质量的同时，最大限度地减少模型参数和计算需求，提高系统的整体性能和可靠性。
43、本专利技术的其他优点、本文档来自技高网...
【技术保护点】
1.一种基于定价的车辆多接入边缘计算任务卸载方法，其特征在于：考虑由一个宏基站、M个路侧单元作为边缘服务器，并和N辆车组成的车载MEC系统场景；该场景中，宏基站收集其覆盖范围的全球信息，并为路侧单元设计定价策略；路侧单元安装边缘计算服务器，作为边缘服务器为移动车辆提供计算服务；MBS将对每个路侧单元执行一个策略，而车辆根据每个时隙t的给定价格做出二进制卸载决策；位于第m个路侧单元覆盖范围内的车辆生成的任务遵循泊松过程，其速率表示为表示第m个路侧单元第t个时隙覆盖的车辆集合；任务用一个元组描述，X表示每个任务的平均卸载数据量，Y表示完成一个任务所需的平均CPU周期，表示任务k的生成时刻，Dk表示任务k的延迟约束；
2.根据权利要求1所述的方法，其特征在于：所述车辆最优卸载问题模型以车辆效用功能最大化为目标，其表示为：
3.根据权利要求1所述的方法，其特征在于：所述边缘服务器最优价格问题模型以利润最大化为目标，其表示为：
4.根据权利要求1所述的方法，其特征在于：所述解决边缘服务器最优价格问题得到边缘服务器最优定价策略包括：
5.根据权
6.根据权利要求5所述的方法，其特征在于：步骤S4中，更新表示为：
...【技术特征摘要】
1.一种基于定价的车辆多接入边缘计算任务卸载方法，其特征在于：考虑由一个宏基站、m个路侧单元作为边缘服务器，并和n辆车组成的车载mec系统场景；该场景中，宏基站收集其覆盖范围的全球信息，并为路侧单元设计定价策略；路侧单元安装边缘计算服务器，作为边缘服务器为移动车辆提供计算服务；mbs将对每个路侧单元执行一个策略，而车辆根据每个时隙t的给定价格做出二进制卸载决策；位于第m个路侧单元覆盖范围内的车辆生成的任务遵循泊松过程，其速率表示为表示第m个路侧单元第t个时隙覆盖的车辆集合；任务用一个元组描述，x表示每个任务的平均卸载数据量，y表示完成一个任务所需的平均cpu周期，表示任务k的生成时刻，...
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。