CN107465748A - 移动边缘云计算***中基于演进博弈的动态资源分配方法 - Google Patents
移动边缘云计算***中基于演进博弈的动态资源分配方法 Download PDFInfo
- Publication number
- CN107465748A CN107465748A CN201710709945.4A CN201710709945A CN107465748A CN 107465748 A CN107465748 A CN 107465748A CN 201710709945 A CN201710709945 A CN 201710709945A CN 107465748 A CN107465748 A CN 107465748A
- Authority
- CN
- China
- Prior art keywords
- population
- terminal
- cost
- task
- unloading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/54—Store-and-forward switching systems
- H04L12/56—Packet switching systems
- H04L12/5691—Access to open networks; Ingress point selection, e.g. ISP selection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/20—Selecting an access point
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种移动边缘云计算***中基于演进博弈的动态资源分配方法,包括:(1)根据网络覆盖情况将网络分成若干个区域,每个区域可接入服务点有所不同,网络内有一个集中控制器;(2)同一个区域内具有任务卸载需求的终端形成一个种群,种群内的终端建立任务卸载代价函数;(3)每个种群的所有终端在SP选择策略集内随机选择可接入SP;网络内各个种群内部建立演进博弈;(4)各个种群的终端计算任务卸载代价并将SP选择策略和代价信息发送至控制器;(5)种群根据动态复制进行SP选择策略更新;(6)动态复制达到演进均衡。本发明基于演进博弈,充分利用SP的计算资源和无线资源,在以种群内所有终端任务卸载代价都相等为目标的同时,满足各移动终端的任务卸载需求。
Description
技术领域
本发明涉及移动边缘计算技术,尤其涉及一种移动边缘云计算***(Mobile EdgeComputing,MEC)中基于演进博弈的动态资源分配方法。
背景技术
近年来,云计算已经成为学术界和工业界公认的下一代计算基础设施。与传统的IT基础设施相比,它可以提供许多特性,如可伸缩性、敏捷性、经济效率等。同时,随着快速部署的无线宽带网络和智能移动设备的日益普及,越来越多的终端使用互联网服务。然而,随着终端应用需求和计算能力需求不断提高,智能移动设备对由于尺寸、能量等限制无法满足。因此,移动边缘云计算***(Mobile Edge Computing,MEC)将朵云(Cloudlets)集成到移动环境中,方便终端将计算能力强的应用卸载到近端的朵云运行,在更低时延限制下以减少终端的任务卸载代价。
具有朵云的异构网络场景包括异构网络(Heterogeneous Networks)和朵云(Cloudlets),其中异构网络包含宏小区(Macro Cell)、微小区(Pico Cell)、微微小区(Femto cell)等。朵云是一种相对小型的计算资源池,由运营商统一部署在基站周围。基站与朵云之间通过光纤连接,此连接被称为回程链路(Backhaul)。朵云接收相关基站覆盖范围内的终端的任务请求,并在数据处理单元进行计算。
异构网络场景下的移动边缘云计算是在异构网络中各个基站附近部署了大量的云资源,于是接入点具有云资源和无线资源两种类型资源。基站和相应连接的朵云构成了服务点SP(Service Point)。SP分配的无线资源指的是上行链路的数据传输速率资源;云资源指的是朵云计算资源。朵云为连接至它的基站覆盖范围内的所有终端服务。朵云为终端提供计算资源,异构网络为终端提供无线资源,终端的SP选择策略直接影响计算资源和无线资源的分配量,从而对终端的任务卸载代价产生重要影响。因此如何实现移动边缘云计算***中SP最优选择,实现资源的有效分配,满足各个移动终端的卸载需求是亟待解决的问题。
发明内容
技术问题:本发明针对现有技术存在的问题,提供一种移动边缘云计算***中基于演进博弈的动态资源分配方法,本方法基于演进博弈,充分利用服务点(Service Point,SP)的计算资源和无线资源,在以种群内所有终端任务卸载代价都相等为目标的同时,满足各移动终端的任务卸载需求。
技术方案:本发明所述的移动边缘云计算***中基于演进博弈的动态资源分配方法包括:
(1)移动边缘云计算***MEC环境下根据网络覆盖情况将网络分成多个区域,不同的覆盖区域选择的接入服务点SP策略集有所不同,同一个区域内具有任务卸载需求的终端形成一个种群;另外,网络内存在一个集中控制器,控制器收集各个种群各个终端的SP选择策略和卸载代价;
(2)移动边缘云计算***MEC中的终端发起任务卸载请求,并建立终端的任务卸载代价函数;其中,该任务卸载代价函数包含能耗代价、时延代价和经济代价,能耗代价是终端进行任务卸载时消耗的能量,时延代价是终端进行任务卸载过程中经历的时延,经济代价是任务卸载时终端选择无线资源和云资源向SP所支付的费用;每个种群内的所有终端在进行一次任务卸载时被要求卸载相同的任务量;
(3)由于处于同一区域的具有任务卸载需求的终端形成一个种群,因此每个种群具有不同的SP选择策略集;每个种群的所有终端在SP选择策略集中随机选择可接入的SP;网络内各个种群内部建立演进博弈;
(4)各个种群的终端计算任务卸载代价并将SP选择策略和代价信息发送至控制器;控制器根据各个终端代价和种群状态信息计算种群平均任务卸载代价;
(5)由于同一个种群内终端进行任务卸载时任务量相同,因此种群根据动态复制进行SP选择和无线资源和计算资源分配;每个种群在进行一次动态复制后,种群内部分终端改变了SP选择策略,整个网络内的种群状态空间发生变化,每个SP的接入终端数量增加或减小,分配的计算资源和无线资源相应减少或增加,因此需要更新各个种群的卸载代价以进行下一次动态复制;
(6)动态复制达到演进均衡,网络内所有种群不再改变SP选择策略,各个终端获得所选择的SP分配的计算资源和无线资源,当这一轮任务完成,网络接入新的任务卸载请求并达到演进博弈演进均衡。
其中:
步骤(2)中所述能耗代价、时延代价和经济代价,各个种群可以对能耗代价、时延代价和经济代价占据的比例进行动态调节,三者影响因子之和为1。
步骤(3)中演进博弈的描述具体如下:
参与者Player:所有种群的所有终端;
种群Population:同一区域内具有任务卸载请求的终端形成一个种群,种群和网络内划分的区域数相同;
策略Strategy:每个终端的策略指的是在种群SP选择策略集合中选定的SP,网络中SP选择策略总集合为K={0,1,2,...,K},每个种群的SP选择策略向量记为[sj]1*(K+1),S=[s1;s2;...;sJ]表示所有种群的SP选择策略状态矩阵,S[j,k]=0表示种群j无法接入SP k;S[j,k]=1表示种群j可接入SP k;
种群占有率Population share:Nj表示种群j中所有具有任务卸载需求的终端个数,表示种群j中选择SPk的终端个数;则表示种群j关于SPk的种群占有率,如果S[j,k]=0,即表示种群j无法接入SP k,那么
种群状态Population state:所有SP的种群占有率构成了种群状态,种群j的种群状态表示为种群状态满足X=[x1;x2;...;xJ]表示种群状态空间,即各个种群的种群状态向量构成的矩阵;
代价函数Cost function:每个参与者的代价函数与能量消耗,时延和经济代价有关。
步骤(5)中所述的动态复制如下所示:
式中,表示种群j关于SPk的种群占有率,表示种群j内终端选择SPk的成长速度;σ表示动态复制的增益参数;表示种群j内终端选择SPk进行任务卸载的当前代价,表示种群j内所有终端进行任务卸载的当前平均代价,的计算公式如下:
种群j内在一轮动态复制后的种群占有率更新如下:
步骤(6)中演进博弈演进均衡,其求解过程如下:
①每个种群的所有终端随机选择可接入SP,并将SP选择策略信息上传至控制器,控制器建立初始化种群状态x;
②每个SP获得所有种群接入终端总量nk并平均分配计算资源和带宽资源,SP k接入的所有终端数量为连接至SP k的终端获得的CPU周期数和带宽分别为fk=Fk/nk和wk=Wk/nk,每个终端根据获得的带宽资源计算上行数据传输速率rk=wkηk;③终端根据获得的fk和rk计算任务卸载代价函数控制器获取种群内连接至各个SP的卸载代价,并计算种群平均卸载代价④种群内部进行动态复制直到所有群体在一次动态复制中,如果终端选择SP k的卸载代价大于种群的平均卸载代价动态复制变化量则种群选择SP k的终端数量减少,即种群占有率降低;相反,如果终端选择SP k的卸载代价小于种群的平均卸载代价动态复制变化量则种群选择SP k的终端数量增加,即种群占有率按照动态复制增加;
⑤经历一次动态复制后,种群状态空间全面更新,各个SP的终端接入数量变化,因此SP对带宽资源和计算资源需要重新分配,各个终端需要重新计算任务卸载代价各个种群更新平均任务卸载代价从而进行新一轮的动态复制;
⑥动态复制达到演进均衡,网络内所有种群不再改变SP选择策略。各个终端获得所选择的SP分配的计算资源和无线资源;当这一轮任务完成,网络接入新的任务卸载请求并达到新一轮演进博弈均衡。
有益效果:本发明与现有技术相比,其显著优点是:本发明基于演进博弈使网络内各个终端实现动态SP选择,从而充分利用SP中有限的计算资源和无线资源,在以最小化所有终端任务卸载代价为目标的同时,保证各种群内部终端任务卸载代价的均衡性,满足各移动终端的任务卸载需求。所述方法综合考虑终端的卸载需求,异构网络的信道状态以及朵云的计算容量限制,在保证任务实时性的情况下,动态地联合分配无线资源和云资源,最小化网络所有终端的任务卸载代价。
附图说明
图1是本发明的移动边缘云环境下的异构网络融合场景图;
图2是本发明的基于演进博弈动态资源分配方法流程图;
图3是本发明的演进博弈纳什均衡求解过程流程图。
具体实施方式
本发明基于演进博弈,充分利用朵云中有限的计算资源,在以最小化所有终端任务卸载代价为目标的同时,保证各终端任务的实时性,满足各移动终端的任务卸载需求。下面结合附图对本发明的实施方法作进一步的描述。
如附图1所示,考虑移动边缘计算环境下一个具有两层Macro-Small重叠覆盖结构的异构网络融合场景,其中1个宏基站(Macro Base Station,MBS)和K个小基站(SmallBase Station,SBS)部署在一个宏蜂窝(Macrocell)网络中。从图中可以看出,MBS部署在Macrocell网络中心位置,SBS部署在小蜂窝(Smallcell)网络中心位置。而对于Smallcell网络,由于其在商场或办公等环境下具有即插即用、发射功率小、覆盖半径小和低成本等特点,因此大量Smallcell网络各自随机固定部署于Macrocell网络覆盖范围中,由于Smallcell基站的发射功率的不同,因此其覆盖范围也具有一定的可变性。
每个基站接入具有计算能力的移动边缘云服务器(MEC Server)。每个基站和相应的MEC Sever组成服务点(Service Point,SP)。MBS和相应的MEC Sever组成宏基站服务点(MSP),SBS和相应的MEC Sever组成小基站服务点(SSP)。MEC环境下根据网络覆盖情况将网络分成多个区域。不同的覆盖区域可选择的接入SP策略有所不同。同一个区域内具有任务卸载需求的终端形成一个种群。另外,网络内存在一个集中控制器,控制器收集每个种群各个终端的卸载代价。K={0,1,2,...,K}表示网络中所有MSP和SSPs组成的集合,其中0代表MSP,{1,2,...,K}代表SSPs。宏蜂窝和小蜂窝使用正交子信道,因此本方法不考虑子信道之间的干扰。网络中所有种群集合表示为J={1,2,...,J},种群j中终端的数量被记为Nj,ΣjNj=I。I={i:i=1,...,Nj;j=1,...,J}表示所有的终端集合。终端i进行任务卸载时需要上传的数据量为bi,任务完成需要处理的指令数为di,朵云任务处理单位时间内分配的CPU周期为fk。终端的任务卸载至朵云时延包括四个部分:Δul表示通信上行链路时延,Δdl表示通信下行链路时延,Δbh表示通信回程链路时延,Δexe表示朵云进行任务处理时延。然而,由于从朵云返回的处理结果一般情况下数据量较小,与其他时延相比可以忽略不计,即设Δdl=0。另外,回程链路是高速链路,本方法也忽略Δbh的影响,设Δbh=0。每个终端i任务处理最大允许时延为在时延允许范围之内,终端i将任务卸载至朵云处理,否则本地处理。
每个基站与终端之间的信道存在固定距离路径损耗、缓慢对数正态衰落和瑞利快衰落。我们网络中所有信道采用L离散率的自适应正交振幅调制(QAM)技术,而且上下行链路不存在功率控制。如果信道的信噪比SNR在[Γl,Γl+1)范围内,则信道的当前信噪比计算值为Γl。
本文假定通信时随机选定所有频率下的子信道,则SPk吞吐量(bit/s/Hz)如下
ηk代表基站k提供的吞吐量(bit/s/Hz),因此选择基站k的终端的吞吐量为nk表示所有群体连接至SP k的终端数量。
如图2所示,本发明的移动边缘云计算***中基于演进博弈的动态资源分配方法具体包括:
(1)MEC环境下根据网络覆盖情况将网络分成多个区域。同一个区域内具有任务卸载需求的终端形成一个种群。网络内存在一个集中控制器,控制器收集每个种群各个终端的卸载代价;
(2)MEC中的终端发起任务卸载请求,并建立终端的任务卸载代价函数;每个种群各个终端的任务卸载参数相同,具有形同的特性;
(3)每个种群的所有终端在SP选择策略集中随机选择可接入SP;各个种群内部建立演进博弈。
(4)各个种群的终端计算任务卸载代价并将代价信息发送至控制器;控制器根据各个终端代价信息计算种群平均任务卸载代价;
(5)由于同一个种群内终端进行任务卸载时任务量相同,因此种群可以根据动态复制(replicator dynamics)进行SP选择。每个种群在进行一次动态复制后,种群内部分终端改变了SP选择策略,整个网络内的种群状态空间发生变化,每个SP的接入终端数量增加或减小,分配的计算资源和无线资源相应减少或增加,因此需要更新各个种群的卸载代价以进行下一次动态复制;
(6)动态复制达到均衡,网络内所有种群不再改变SP选择策略。各个终端获得所选择的SP分配的计算资源和无线资源。当这一轮任务完成,网络接入新的任务卸载请求并达到演进博弈均衡。本发明基于演进博弈,充分利用服务点(Service Point,SP)的计算资源和无线资源,在以种群内所有终端任务卸载代价都相等为目标的同时,满足各移动终端的任务卸载需求。
其中,步骤(2)中终端的任务卸载代价函数的计算公式为:
式中,表示种群j中选择SPk进行任务卸载时需要付出的代价。表示种群j中终端上传任务卸载数据时的辐射功率,同一个种群内的所有终端辐射功率相同且固定,没有功率控制;表示种群j中终端接收任务处理数据时的辐射功率;fk表示SPk为连接至它的终端分配的单位时间处理指令数;wk表示SPk为连接至它的终端分配的带宽资源;bj表示终端数据上传量;qk表示SPk单位速率售价;gk表示计算资源单位CPU周期的售价;公式第一项表示终端卸载任务的时延代价,第二项表示终端任务上传和接收处理结果的能耗代价,第三项表示终端支付计算资源和无线资源的经济代价。和分别表示种群j中能耗代价、时延代价和经济代价影响因子,三者之和等于1。SP对无线资源和计算资源的分配采用平均分配原则,即资源总量与链接终端数量的比值。SP用于任务卸载的带宽资源总量为Wk,SP用于任务卸载的计算资源总量为Fk,因此表示种群j中选择SPk的终端个数无线资源的计费方式是根据终端数据传输速率计费的,不同的SP由于信道容量和接入终端数目的不同从而分配给终端数据传输速率不同,网络内连接至同一SP的终端获得的数据传输速率完全相同。速率支付单价每个SP不同,且由SP给定。因此,连接至不同的SP获得的无线资源和付出的经济代价有所不同。计算资源的计费方式是根据SP分配给终端的CPU周期数计费的,单位时间分配给终端的CPU周期数越多,终端支付的费用越高。以下部分描述该动态资源分配方法的演进博弈过程。
本方法的演进博弈中,参与者为移动边缘云计算***中所有需要任务卸载的终端。网络接入点为终端分配无线资源,朵云为终端分配云资源,终端通过获得的无线资源和云资源进行任务卸载,从而节省用于本地运算的能量,延长电池使用时长。终端的任务卸载代价函数与终端能量消耗和购买无线资源和云资源所付出的代价有关。演进博弈描述如下:
参与者:所有种群的所有终端。
种群:同一区域内具有任务卸载请求的终端形成一个种群。种群数量和网络内划分的区域数相同。
策略:每个终端的策略指的是在种群SP选择策略集合中选定的SP。网络中SP选择策略总集合为K={0,1,2,...,K}。每个种群的SP选择策略向量记为[sj]1*(K+1)。S=[s1;s2;...;sJ]表示所有种群的SP选择策略状态矩阵。S[j,k]=0表示种群j无法接入SPk;S[j,k]=1表示种群j可接入SP k。
种群占有率(Population share):Nj表示种群j中所有具有任务卸载需求的终端个数,表示种群j中选择SPk的终端个数。则表示种群j关于SPk的种群占有率。如果S[j,k]=0,即表示种群j无法接入SP k,那么
种群状态(Population state):所有SP的种群占有率构成了种群状态,种群j的种群状态表示为种群状态满足X=[x1;x2;...;xJ]表示种群状态空间,即各个种群的种群状态向量构成的矩阵。代价函数:每个参与者的代价函数与能量消耗,时延和经济代价有关。动态复制和演进均衡:动态复制满足条件,从而达到演进均衡。步骤(5)中所述演进博弈的动态复制如下所示:
式中,表示种群j内终端选择SPk的成长速度;σ表示动态复制的增益参数;表示种群j内终端选择SPk进行任务卸载的当前代价。表示种群j内所有终端进行任务卸载的当前平均代价。
需要注意的是,和为两个不同的变量。表示种群j关于SPk的种群占有率,表示种群j内终端选择SPk的成长速度。种群j内在一轮动态复制后的种群占有率更新如下:
步骤(6)中演进博弈的纳什均衡求解过程如下:①每个种群的所有终端随机选择可接入SP,并将SP选择策略信息上传至控制器,控制器建立初始化种群状态x;②每个SP获得所有种群接入终端总量nk并平均分配计算资源和带宽资源,SP k接入的所有终端数量为连接至SP k的终端获得的CPU周期数和带宽分别为fk=Fk/nk和wk=Wk/nk,每个终端根据获得的带宽资源计算上行数据传输速率rk=wkηk;
③终端根据获得的fk和rk计算任务卸载代价函数控制器获取种群内连接至各个SP的卸载代价,并计算种群平均卸载代价④种群内部进行动态复制直到所有群体在一次动态复制中,如果终端选择SP k的卸载代价大于种群的平均卸载代价动态复制变化量则种群选择SP k的终端数量减少,即种群占有率降低;相反,如果终端选择SP k的卸载代价小于种群的平均卸载代价动态复制变化量则种群选择SP k的终端数量增加,即种群占有率按照动态复制增加;
⑤经历一次动态复制后,种群状态空间全面更新,各个SP的终端接入数量变化,因此SP对带宽资源和计算资源需要重新分配,各个终端需要重新计算任务卸载代价各个种群更新平均任务卸载代价从而进行新一轮的动态复制;
⑥动态复制达到演进均衡,网络内所有种群不再改变SP选择策略。各个终端获得所选择的SP分配的计算资源和无线资源;当这一轮任务完成,网络接入新的任务卸载请求并达到新一轮演进博弈均衡。
Claims (5)
1.一种移动边缘云计算***中基于演进博弈的动态资源分配方法,其特征在于该方法包括:
(1)移动边缘云计算***MEC环境下根据网络覆盖情况将网络分成多个区域,不同的覆盖区域选择的接入服务点SP策略集有所不同,同一个区域内具有任务卸载需求的终端形成一个种群;另外,网络内存在一个集中控制器,控制器收集各个种群各个终端的SP选择策略和卸载代价;
(2)移动边缘云计算***MEC中的终端发起任务卸载请求,并建立终端的任务卸载代价函数;其中,该任务卸载代价函数包含能耗代价、时延代价和经济代价,能耗代价是终端进行任务卸载时消耗的能量,时延代价是终端进行任务卸载过程中经历的时延,经济代价是任务卸载时终端选择无线资源和云资源向SP所支付的费用;每个种群内的所有终端在进行一次任务卸载时被要求卸载相同的任务量;
(3)由于处于同一区域的具有任务卸载需求的终端形成一个种群,因此每个种群具有不同的SP选择策略集;每个种群的所有终端在SP选择策略集中随机选择可接入的SP;网络内各个种群内部建立演进博弈;
(4)各个种群的终端计算任务卸载代价并将SP选择策略和代价信息发送至控制器;控制器根据各个终端代价和种群状态信息计算种群平均任务卸载代价;
(5)由于同一个种群内终端进行任务卸载时任务量相同,因此种群根据动态复制进行SP选择和无线资源和计算资源分配;每个种群在进行一次动态复制后,种群内部分终端改变了SP选择策略,整个网络内的种群状态空间发生变化,每个SP的接入终端数量增加或减小,分配的计算资源和无线资源相应减少或增加,因此需要更新各个种群的卸载代价以进行下一次动态复制;
(6)动态复制达到演进均衡,网络内所有种群不再改变SP选择策略,各个终端获得所选择的SP分配的计算资源和无线资源,当这一轮任务完成,网络接入新的任务卸载请求并达到演进博弈演进均衡。
2.根据权利要求1所述的移动边缘云计算***中基于演进博弈的动态资源分配方法,其特征在于:步骤(2)中所述能耗代价、时延代价和经济代价,各个种群可以对能耗代价、时延代价和经济代价占据的比例进行动态调节,三者影响因子之和为1。
3.根据权利要求1所述的移动边缘云计算***中基于演进博弈的动态资源分配方法,其特征在于:步骤(3)中演进博弈的描述具体如下:
参与者Player:所有种群的所有终端;
种群Population:同一区域内具有任务卸载请求的终端形成一个种群,种群和网络内划分的区域数相同;
策略Strategy:每个终端的策略指的是在种群SP选择策略集合中选定的SP,网络中SP选择策略总集合为K={0,1,2,...,K},每个种群的SP选择策略向量记为[sj]1*(K+1),S=[s1;s2;...;sJ]表示所有种群的SP选择策略状态矩阵,S[j,k]=0表示种群j无法接入SP k;S[j,k]=1表示种群j可接入SP k;
种群占有率Population share:Nj表示种群j中所有具有任务卸载需求的终端个数,表示种群j中选择SPk的终端个数;则表示种群j关于SPk的种群占有率,如果S[j,k]=0,即表示种群j无法接入SP k,那么
种群状态Population state:所有SP的种群占有率构成了种群状态,种群j的种群状态表示为种群状态满足X=[x1;x2;...;xJ]表示种群状态空间,即各个种群的种群状态向量构成的矩阵;
代价函数Cost function:每个参与者的代价函数与能量消耗,时延和经济代价有关。
4.根据权利要求1所述的移动边缘云计算***中基于演进博弈的动态资源分配方法,其特征在于:步骤(5)中所述的动态复制如下所示:
式中,表示种群j关于SPk的种群占有率,表示种群j内终端选择SPk的成长速度;σ表示动态复制的增益参数;表示种群j内终端选择SPk进行任务卸载的当前代价,表示种群j内所有终端进行任务卸载的当前平均代价,的计算公式如下:
种群j内在一轮动态复制后的种群占有率更新如下:
5.根据权利要求1所述的移动边缘云计算***中基于演进博弈的动态资源分配方法,其特征在于:步骤(6)中演进博弈演进均衡,其求解过程如下:
①每个种群的所有终端随机选择可接入SP,并将SP选择策略信息上传至控制器,控制器建立初始化种群状态x;
②每个SP获得所有种群接入终端总量nk并平均分配计算资源和带宽资源,SP k接入的所有终端数量为连接至SP k的终端获得的CPU周期数和带宽分别为fk=Fk/nk和wk=Wk/nk,每个终端根据获得的带宽资源计算上行数据传输速率rk=wkηk;
③终端根据获得的fk和rk计算任务卸载代价函数控制器获取种群内连接至各个SP的卸载代价,并计算种群平均卸载代价
④种群内部进行动态复制直到所有群体在一次动态复制中,如果终端选择SP k的卸载代价大于种群的平均卸载代价动态复制变化量则种群选择SP k的终端数量减少,即种群占有率降低;相反,如果终端选择SP k的卸载代价小于种群的平均卸载代价动态复制变化量则种群选择SP k的终端数量增加,即种群占有率按照动态复制增加;
⑤经历一次动态复制后,种群状态空间全面更新,各个SP的终端接入数量变化,因此SP对带宽资源和计算资源需要重新分配,各个终端需要重新计算任务卸载代价各个种群更新平均任务卸载代价从而进行新一轮的动态复制;
⑥动态复制达到演进均衡,网络内所有种群不再改变SP选择策略。各个终端获得所选择的SP分配的计算资源和无线资源;当这一轮任务完成,网络接入新的任务卸载请求并达到新一轮演进博弈均衡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710709945.4A CN107465748B (zh) | 2017-08-18 | 2017-08-18 | 移动边缘云计算***中基于演进博弈的动态资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710709945.4A CN107465748B (zh) | 2017-08-18 | 2017-08-18 | 移动边缘云计算***中基于演进博弈的动态资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107465748A true CN107465748A (zh) | 2017-12-12 |
CN107465748B CN107465748B (zh) | 2020-07-31 |
Family
ID=60549924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710709945.4A Active CN107465748B (zh) | 2017-08-18 | 2017-08-18 | 移动边缘云计算***中基于演进博弈的动态资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107465748B (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418850A (zh) * | 2018-01-11 | 2018-08-17 | 上海交通大学 | 基于半分布式的高能效云端融合计算方法及*** |
CN108737569A (zh) * | 2018-06-22 | 2018-11-02 | 浙江大学 | 一种面向移动边缘计算环境的服务选择方法 |
CN108804227A (zh) * | 2018-05-23 | 2018-11-13 | 大连理工大学 | 基于移动云计算的计算密集型任务卸载和最佳资源配置的方法 |
CN108901046A (zh) * | 2018-06-14 | 2018-11-27 | 北京大学 | 面向移动边缘计算的协同任务卸载算法及***设计方案 |
CN108901075A (zh) * | 2018-06-28 | 2018-11-27 | 电子科技大学 | 一种基于gs算法的资源分配方法 |
CN108924936A (zh) * | 2018-07-12 | 2018-11-30 | 南昌大学 | 无人机辅助无线充电边缘计算网络的资源分配方法 |
CN108965395A (zh) * | 2018-06-21 | 2018-12-07 | 河南科技大学 | 一种基于遗传算法的任务联合执行方法 |
CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算***中基于分层博弈的联合资源分配方法 |
CN109144730A (zh) * | 2018-08-28 | 2019-01-04 | 北京邮电大学 | 一种小小区下任务卸载方法及装置 |
CN109358953A (zh) * | 2018-09-20 | 2019-02-19 | 中南大学 | 一种微云中的多任务应用卸载方法 |
CN109413197A (zh) * | 2018-11-07 | 2019-03-01 | 中山大学 | 一种基于少数派博弈的不完全信息异构边缘任务卸载方法 |
CN109510869A (zh) * | 2018-11-22 | 2019-03-22 | 北京信息科技大学 | 一种基于边缘计算的物联网服务动态卸载方法及装置 |
CN109548031A (zh) * | 2018-03-01 | 2019-03-29 | 重庆大学 | 一种非平衡边缘云网络接入与资源分配机制 |
CN109548155A (zh) * | 2018-03-01 | 2019-03-29 | 重庆大学 | 一种分布式非平衡边缘云网络接入与资源分配机制 |
CN109561129A (zh) * | 2018-07-19 | 2019-04-02 | 广东工业大学 | 一种基于光纤-无线网络的协同计算卸载方法 |
CN109688596A (zh) * | 2018-12-07 | 2019-04-26 | 南京邮电大学 | 一种基于noma的移动边缘计算***构建方法 |
CN109756371A (zh) * | 2018-12-27 | 2019-05-14 | 上海无线通信研究中心 | 一种基于博弈的网络节点资源感知激励方法及*** |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110231984A (zh) * | 2019-06-06 | 2019-09-13 | 湖南大学 | 多工作流任务分配方法、装置、计算机设备和存储介质 |
CN110290539A (zh) * | 2019-07-18 | 2019-09-27 | 武汉理工大学 | 基于用户移动感知和资源预留的移动增强现实应用的资源分配装置及其工作方法 |
CN110312320A (zh) * | 2019-05-20 | 2019-10-08 | 南京航空航天大学 | 一种超密集网络中基于演化博弈理论的解耦多接入方法 |
CN110381161A (zh) * | 2019-07-29 | 2019-10-25 | 东南大学 | 电力物联网***中基于博弈论的资源调度方法 |
CN110460650A (zh) * | 2019-07-25 | 2019-11-15 | 北京信息科技大学 | 多边缘服务器场景下计算卸载的决策方法及装置 |
CN110471621A (zh) * | 2019-07-29 | 2019-11-19 | 东南大学 | 一种异构边缘环境下面向实时数据处理应用的边缘协同存储方法 |
CN110535700A (zh) * | 2019-08-30 | 2019-12-03 | 哈尔滨工程大学 | 一种多用户多边缘服务器场景下的计算卸载方法 |
CN110708713A (zh) * | 2019-10-29 | 2020-01-17 | 安徽大学 | 一种采用多维博弈的移动边缘计算移动端能效优化方法 |
CN111132348A (zh) * | 2019-12-30 | 2020-05-08 | 南方科技大学 | 移动边缘计算的资源调度方法及移动边缘计算*** |
CN111930435A (zh) * | 2020-07-13 | 2020-11-13 | 兰州理工大学 | 一种基于pd-bpso技术的任务卸载决策方法 |
CN112042167A (zh) * | 2018-01-25 | 2020-12-04 | 诺基亚通信公司 | 用于在实现移动边缘计算(mec)的通信网络中处理用户服务简档信息的方法和装置 |
CN113348445A (zh) * | 2018-12-20 | 2021-09-03 | 大众汽车股份公司 | 用于管理具有移动参与者的网络中的计算机容量的方法 |
CN114385371A (zh) * | 2022-03-23 | 2022-04-22 | 广东电网有限责任公司中山供电局 | 变电站巡检动态终端边缘计算框架构建方法及*** |
CN114785782A (zh) * | 2022-03-29 | 2022-07-22 | 南京工业大学 | 面向异构云-边计算的通用的任务卸载方法 |
CN115408329A (zh) * | 2022-08-26 | 2022-11-29 | 上海玫克生储能科技有限公司 | 即插即用型边缘计算终端硬件***架构 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7855977B2 (en) * | 2008-08-01 | 2010-12-21 | At&T Mobility Ii Llc | Alarming in a femto cell network |
CN102857548A (zh) * | 2012-04-25 | 2013-01-02 | 梁宏斌 | 一种移动云计算资源优化配置方法 |
CN105120468A (zh) * | 2015-07-13 | 2015-12-02 | 华中科技大学 | 一种基于演化博弈论的动态无线网络选择方法 |
CN105338064A (zh) * | 2015-09-29 | 2016-02-17 | 合肥工业大学 | 基于斯塔克尔伯格博弈的任务协作执行方法 |
CN105657750A (zh) * | 2015-12-29 | 2016-06-08 | 北京邮电大学 | 一种网络动态资源的计算方法及装置 |
-
2017
- 2017-08-18 CN CN201710709945.4A patent/CN107465748B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7855977B2 (en) * | 2008-08-01 | 2010-12-21 | At&T Mobility Ii Llc | Alarming in a femto cell network |
CN102857548A (zh) * | 2012-04-25 | 2013-01-02 | 梁宏斌 | 一种移动云计算资源优化配置方法 |
CN105120468A (zh) * | 2015-07-13 | 2015-12-02 | 华中科技大学 | 一种基于演化博弈论的动态无线网络选择方法 |
CN105338064A (zh) * | 2015-09-29 | 2016-02-17 | 合肥工业大学 | 基于斯塔克尔伯格博弈的任务协作执行方法 |
CN105657750A (zh) * | 2015-12-29 | 2016-06-08 | 北京邮电大学 | 一种网络动态资源的计算方法及装置 |
Non-Patent Citations (3)
Title |
---|
DUSIT NIYATO等: "Dynamics of Network Selection in Heterogeneous Wireless Networks: An Evolutionary Game Approach", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
XU CHEN: "Decentralized Computation Offloading Game for Mobile Cloud Computing", 《IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS》 * |
ZHIYUAN YIN等: "Joint Cloud and Wireless Networks Operations in Mobile Cloud Computing Environments With Telecom Operator Cloud", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418850A (zh) * | 2018-01-11 | 2018-08-17 | 上海交通大学 | 基于半分布式的高能效云端融合计算方法及*** |
CN108418850B (zh) * | 2018-01-11 | 2020-12-22 | 上海交通大学 | 基于半分布式的高能效云端融合计算方法及*** |
CN112042167A (zh) * | 2018-01-25 | 2020-12-04 | 诺基亚通信公司 | 用于在实现移动边缘计算(mec)的通信网络中处理用户服务简档信息的方法和装置 |
CN112042167B (zh) * | 2018-01-25 | 2023-04-18 | 诺基亚通信公司 | 用于在mec网络中处理用户服务简档信息的方法和装置 |
CN109548031A (zh) * | 2018-03-01 | 2019-03-29 | 重庆大学 | 一种非平衡边缘云网络接入与资源分配机制 |
CN109548155B (zh) * | 2018-03-01 | 2022-05-20 | 重庆大学 | 一种分布式非平衡边缘云网络接入与资源分配方法 |
CN109548155A (zh) * | 2018-03-01 | 2019-03-29 | 重庆大学 | 一种分布式非平衡边缘云网络接入与资源分配机制 |
CN109548031B (zh) * | 2018-03-01 | 2022-05-20 | 重庆大学 | 一种非平衡边缘云网络接入与资源分配方法 |
CN108804227B (zh) * | 2018-05-23 | 2021-05-07 | 大连理工大学 | 基于移动云计算的计算密集型任务卸载和最佳资源配置的方法 |
CN108804227A (zh) * | 2018-05-23 | 2018-11-13 | 大连理工大学 | 基于移动云计算的计算密集型任务卸载和最佳资源配置的方法 |
CN108901046B (zh) * | 2018-06-14 | 2020-10-09 | 北京大学 | 面向移动边缘计算的协同任务卸载算法及***设计方案 |
CN108901046A (zh) * | 2018-06-14 | 2018-11-27 | 北京大学 | 面向移动边缘计算的协同任务卸载算法及***设计方案 |
CN108965395A (zh) * | 2018-06-21 | 2018-12-07 | 河南科技大学 | 一种基于遗传算法的任务联合执行方法 |
CN108965395B (zh) * | 2018-06-21 | 2021-01-22 | 河南科技大学 | 一种基于遗传算法的任务联合执行方法 |
CN108737569A (zh) * | 2018-06-22 | 2018-11-02 | 浙江大学 | 一种面向移动边缘计算环境的服务选择方法 |
CN108901075A (zh) * | 2018-06-28 | 2018-11-27 | 电子科技大学 | 一种基于gs算法的资源分配方法 |
CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算***中基于分层博弈的联合资源分配方法 |
CN108924936B (zh) * | 2018-07-12 | 2021-10-22 | 南昌大学 | 无人机辅助无线充电边缘计算网络的资源分配方法 |
CN108924936A (zh) * | 2018-07-12 | 2018-11-30 | 南昌大学 | 无人机辅助无线充电边缘计算网络的资源分配方法 |
CN109561129A (zh) * | 2018-07-19 | 2019-04-02 | 广东工业大学 | 一种基于光纤-无线网络的协同计算卸载方法 |
CN109561129B (zh) * | 2018-07-19 | 2021-05-25 | 广东工业大学 | 一种基于光纤-无线网络的协同计算卸载方法 |
CN109144730A (zh) * | 2018-08-28 | 2019-01-04 | 北京邮电大学 | 一种小小区下任务卸载方法及装置 |
CN109144730B (zh) * | 2018-08-28 | 2020-07-31 | 北京邮电大学 | 一种小小区下任务卸载方法及装置 |
CN109358953A (zh) * | 2018-09-20 | 2019-02-19 | 中南大学 | 一种微云中的多任务应用卸载方法 |
CN109358953B (zh) * | 2018-09-20 | 2020-09-08 | 中南大学 | 一种微云中的多任务应用卸载方法 |
CN109413197A (zh) * | 2018-11-07 | 2019-03-01 | 中山大学 | 一种基于少数派博弈的不完全信息异构边缘任务卸载方法 |
CN109413197B (zh) * | 2018-11-07 | 2021-01-05 | 中山大学 | 一种基于少数派博弈的不完全信息异构边缘任务卸载方法 |
CN109510869A (zh) * | 2018-11-22 | 2019-03-22 | 北京信息科技大学 | 一种基于边缘计算的物联网服务动态卸载方法及装置 |
CN109688596B (zh) * | 2018-12-07 | 2021-10-19 | 南京邮电大学 | 一种基于noma的移动边缘计算***构建方法 |
CN109688596A (zh) * | 2018-12-07 | 2019-04-26 | 南京邮电大学 | 一种基于noma的移动边缘计算***构建方法 |
CN113348445A (zh) * | 2018-12-20 | 2021-09-03 | 大众汽车股份公司 | 用于管理具有移动参与者的网络中的计算机容量的方法 |
CN109756371A (zh) * | 2018-12-27 | 2019-05-14 | 上海无线通信研究中心 | 一种基于博弈的网络节点资源感知激励方法及*** |
CN109756371B (zh) * | 2018-12-27 | 2022-04-29 | 上海无线通信研究中心 | 一种基于博弈的网络节点资源感知激励方法及*** |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110312320A (zh) * | 2019-05-20 | 2019-10-08 | 南京航空航天大学 | 一种超密集网络中基于演化博弈理论的解耦多接入方法 |
CN110231984A (zh) * | 2019-06-06 | 2019-09-13 | 湖南大学 | 多工作流任务分配方法、装置、计算机设备和存储介质 |
CN110290539A (zh) * | 2019-07-18 | 2019-09-27 | 武汉理工大学 | 基于用户移动感知和资源预留的移动增强现实应用的资源分配装置及其工作方法 |
CN110460650A (zh) * | 2019-07-25 | 2019-11-15 | 北京信息科技大学 | 多边缘服务器场景下计算卸载的决策方法及装置 |
CN110460650B (zh) * | 2019-07-25 | 2022-02-15 | 北京信息科技大学 | 多边缘服务器场景下计算卸载的决策方法及装置 |
CN110471621A (zh) * | 2019-07-29 | 2019-11-19 | 东南大学 | 一种异构边缘环境下面向实时数据处理应用的边缘协同存储方法 |
CN110381161A (zh) * | 2019-07-29 | 2019-10-25 | 东南大学 | 电力物联网***中基于博弈论的资源调度方法 |
CN110381161B (zh) * | 2019-07-29 | 2021-12-24 | 东南大学 | 电力物联网***中基于博弈论的资源调度方法 |
CN110535700A (zh) * | 2019-08-30 | 2019-12-03 | 哈尔滨工程大学 | 一种多用户多边缘服务器场景下的计算卸载方法 |
CN110535700B (zh) * | 2019-08-30 | 2022-07-15 | 哈尔滨工程大学 | 一种多用户多边缘服务器场景下的计算卸载方法 |
CN110708713A (zh) * | 2019-10-29 | 2020-01-17 | 安徽大学 | 一种采用多维博弈的移动边缘计算移动端能效优化方法 |
CN110708713B (zh) * | 2019-10-29 | 2022-07-29 | 安徽大学 | 一种采用多维博弈的移动边缘计算移动端能效优化方法 |
CN111132348A (zh) * | 2019-12-30 | 2020-05-08 | 南方科技大学 | 移动边缘计算的资源调度方法及移动边缘计算*** |
CN111930435A (zh) * | 2020-07-13 | 2020-11-13 | 兰州理工大学 | 一种基于pd-bpso技术的任务卸载决策方法 |
CN114385371A (zh) * | 2022-03-23 | 2022-04-22 | 广东电网有限责任公司中山供电局 | 变电站巡检动态终端边缘计算框架构建方法及*** |
CN114385371B (zh) * | 2022-03-23 | 2022-06-10 | 广东电网有限责任公司中山供电局 | 变电站巡检动态终端边缘计算框架构建方法及*** |
CN114785782A (zh) * | 2022-03-29 | 2022-07-22 | 南京工业大学 | 面向异构云-边计算的通用的任务卸载方法 |
CN115408329A (zh) * | 2022-08-26 | 2022-11-29 | 上海玫克生储能科技有限公司 | 即插即用型边缘计算终端硬件***架构 |
Also Published As
Publication number | Publication date |
---|---|
CN107465748B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107465748A (zh) | 移动边缘云计算***中基于演进博弈的动态资源分配方法 | |
CN107249218A (zh) | 一种mec中无线资源和云资源的联合分配方法 | |
Zhang et al. | Joint computation offloading and resource allocation optimization in heterogeneous networks with mobile edge computing | |
Wang et al. | Computation offloading and resource allocation in wireless cellular networks with mobile edge computing | |
CN111866601B (zh) | 一种基于合作博弈的移动边缘场景中的视频码率决策方法 | |
CN111656832A (zh) | 用于跨多个实体的准许可无线频谱的分配及协调的方法及设备 | |
CN109951869A (zh) | 一种基于云雾混合计算的车联网资源分配方法 | |
CN110417847A (zh) | 无人机通信网络用户接入和内容缓存的方法及装置 | |
CN111601327B (zh) | 一种服务质量优化方法、装置、可读介质和电子设备 | |
Sapavath et al. | Wireless virtualization architecture: Wireless networking for Internet of Things | |
CN110493757A (zh) | 单服务器下降低***能耗的移动边缘计算卸载方法 | |
CN109194763A (zh) | 一种超密集网络中基于小型基站自组织协作的缓存方法 | |
CN113950081B (zh) | 一种面向微服务的动态服务迁移和请求路由方法 | |
CN107484245B (zh) | 一种异构网络中支持d2d通信的资源分配方法 | |
CN111885147A (zh) | 边缘计算中的一种资源动态定价方法 | |
Hamidouche et al. | The 5G cellular backhaul management dilemma: To cache or to serve | |
Vincenzi et al. | Cooperation incentives for multi-operator C-RAN energy efficient sharing | |
Meng et al. | Hierarchical evolutionary game based dynamic cloudlet selection and bandwidth allocation for mobile cloud computing environment | |
CN110381161A (zh) | 电力物联网***中基于博弈论的资源调度方法 | |
CN107423133A (zh) | 一种降低电网网损的数据中心间数据网络负载分配方法 | |
Guo et al. | Qoe-oriented resource optimization for mobile cloud gaming: A potential game approach | |
Sun et al. | Autonomous cache resource slicing and content placement at virtualized mobile edge network | |
Xu et al. | Intelligent multi-agent based C-RAN architecture for 5G radio resource management | |
CN116886172A (zh) | 基于机器学习的多波束卫星通信用户选择和频谱划分方法 | |
CN104507166B (zh) | 一种基带池内共享虚拟资源配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |