一种基于多臂老虎机学习的边缘服务部署与用户分配方法组成比例

本发明专利技术提出了一种基于多臂老虎机学习的边缘服务部署与用户分配方法，属于移动边缘计算技术领域，包括构建边缘服务部署模型和服务延迟模型；基于资源利用和服务满意度，构建服务效用量化表示模型，针对边缘计算环境下用户特定的约束，构建面向服务效用最大化的边缘服务部署和用户分配联合优化数学模型，针对问题特性，假设每个边缘服务器视为臂膀，每个用户视为独立玩家，将问题转化为多臂老虎机问题，基于多臂老虎机学习方法对问题进行求解，并采用上置信界策略来处理多臂老虎机问题中的开发‑利用权衡，得到有理论性能保证的边缘服务部署方案和用户分配方案，本发明专利技术能最大化服务供应商的整体服务效用。

【技术实现步骤摘要】

本专利技术涉及有移动边缘计算，具体而言涉及一种基于多臂老虎机学习的边缘服务部署与用户分配方法。

技术介绍

1、与云服务器相比，边缘服务器的计算、存储和通信资源有限，使得资源提供成本高昂。此外，每个边缘服务器可以覆盖一个较小的地理区域，具体取决于并置的无线基础设施。因此，需要多个应用服务实例为某个区域内地理分布的用户提供服务。同时，在资源和预算的约束下，边缘服务器通常只允许部署有限数量的应用服务实例。部署更多的应用服务实例，提供更低的服务延迟确实可以帮助提高服务满意度，但过度优化服务延迟可能会导致资源利用率降低同时导致更高的成本。在这种情况下，服务提供商可能无法实现更好的服务效用。这使得联合考虑资源利用率和服务满意度至关重要，不仅关系到用户体验，更涉及到应用服务提供商在竞争激烈的市场中的竞争力和长期可持续性。这要求考虑部署应用服务实例的位置和如何将用户分配到具有所需服务的边缘服务器上，同时还要满足用户特定的服务延迟要求、预算限制和边缘服务器的资源限制一系列约束，建立更实用的服务提供策略，以提高资源利用率并降低成本，优化整体服务效用。不幸的是，大多数现有研究仅本文档来自技高网...

【技术保护点】

1.一种基于多臂老虎机学习的边缘服务部署与用户分配方法，其特征在于：所述方法包括如下步骤：

2.根据权利要求1所述的一种基于多臂老虎机学习的边缘服务部署与用户分配方法，其特征在于：在步骤S1中，定义了边缘服务部署模型：

3.根据权利要求1所述的一种基于多臂老虎机学习的边缘服务部署与用户分配方法，其特征在于：在步骤S1中，定义了服务延迟模型：

4.根据权利要求1所述的一种基于多臂老虎机学习的边缘服务部署与用户分配方法，其特征在于：在步骤S1中，定义了服务效用量化表示模型：

5.根据权利要求1所述的一种基于多臂老虎机学习的边缘服务部署与用户分配...

【技术特征摘要】

1.一种基于多臂老虎机学习的边缘服务部署与用户分配方法，其特征在于：所述方法包括如下步骤：

2.根据权利要求1所述的一种基于多臂老虎机学习的边缘服务部署与用户分配方法，其特征在于：在步骤s1中，定义了边缘服务部署模型：

3.根据权利要求1所述的一种基于多臂老虎机学习的边缘服务部署与用户分配方法，其特征在于：在步骤s1中，定义了服务延迟模型：

4.根据权利要求1所述的一种基于多臂老虎机学习的边缘服务部署与用户分配方法，其特征在于：在步骤s1中，定义了服务效用...

【专利技术属性】
技术研发人员：赵璐，邓锐，周剑，王烟濛，肖甫，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：