CN113365290A - 天地融合网络中基于贪心策略的博弈论计算卸载方法 - Google Patents

Abstract

本发明提供一种天地融合网络中引入边缘计算架构后的计算卸载方法，利用博弈论的基本思想解决多设备同时接入卸载时对卫星边缘计算节点SEC上部署的通信资源竞争问题，利用贪心思想使得决策更新选择时能够获得最小的总体损耗值。因此，在天地融合网络中的卸载场景下，处理能力较弱的终端节点可通过该算法有策略地将其计算任务卸载至处理能力强的SEC上进行处理，从而减少网络的整体损耗值。本发明利用博弈论的基本思想解决多设备同时接入卸载时对卫星边缘计算节点上部署的通信资源竞争问题，利用贪心思想使得决策更新选择时能够获得最小的总体损耗值。

Description

天地融合网络中基于贪心策略的博弈论计算卸载方法

技术领域

本发明涉及天地融合网络边缘计算架构中的计算卸载技术领域，特别是涉及一种天地融合网络中基于贪心策略的博弈论计算卸载方法。

背景技术

天地融合网络的存在，是对传统地面蜂窝网络的有力补充。它有效的扩展了通信网络的覆盖区域范围，极大的推动了“天地互通，万物互联”的发展。但由于该网络在传输过程中普遍存在较大时延，它难以满足日益增加的时延敏感性业务的服务需求。

而计算卸载策略一直是边缘计算技术推广应用过程中重要的研究内容。一方面，通信技术的不断发展使得数据流量不断增加、业务需求不断提高，而终端设备能力却是有限的，难以满足业务在时延和能耗方面的需求。因此，在传统网络中终端设备通常将任务传输给远处的云计算中心进行处理，在边缘计算网络中则是需要将任务卸载到边缘节点ECN上。另一方面，因为边缘设备往往具有轻量化的特点，外加移动设备进行卸载时自身的时延能耗情况也要纳入考虑范围，所以也需要有合适的计算卸载策略来更好的利用有限的边缘计算资源。在研究部署好MEC服务的网络中计算卸载策略问题时，节点对部署通信资源的分配是重中之重。尤其是当多个设备同时决定进行任务卸载时，设备与边缘节点之间的通信信道将被大量占用，对资源的竞争也会导致相互之间干扰的加大，进而影响整体网络性能。在天地融合网络中这样的竞争更为明显。

发明内容

为解决以上现有问题，本发明提供一种天地融合网络中基于贪心策略的博弈论计算卸载方法，利用博弈论的基本思想解决多设备同时接入卸载时对卫星边缘计算节点上部署的通信资源竞争问题，利用贪心思想使得决策更新选择时能够获得最小的总体损耗值。

本发明第一方面提供一种天地融合网络中基于贪心策略的博弈论计算卸载方法，包括：

S10、获取每个用户各自需要完成的任务数、用于进行计算卸载的信道数及用户决策情况，将所述每个用户各自需要完成的任务数作为用户集、将所述用于进行计算卸载的信道数作为无线通道集及将所述用户决策情况作为决策集，并初始化所述决策集；

S20、通过本地处理的损耗函数根据所述用户集、所述无线通道集及所述决策集得到本地处理决策对应的本地决策损耗值、任务卸载时端到服务器的信道的传输速率及用户将任务卸载到所有信道上的损耗值集，将最小的卸载决策损耗值作为最优卸载决策损耗，将最优卸载决策损耗对应的决策作为最优决策；

S30、判断所述本地决策损耗值与所述最优卸载决策损耗是否满足第一预设条件；若是，对当前用户的决策进行更新，并将更新记录存储于更新决策集中；

S40、在所述更新决策集中选取损耗值最大的终端用户进行决策更新，并保持其余终端用户的决策不变；

S60、通过计算损耗函数根据所述用户集、所述无线通道集及所述决策集得到该用户的当前决策损耗值及当前的最优决策损耗值；

S70、判断所述当前决策损耗值及所述最优决策损耗值是否满足第二预设条件；若是，将最优决策损耗值存储于更新决策集。

进一步地，所述保持其余终端用户的决策不变之后，包括：

S50、清空所述更新决策集；

所述将最优决策损耗值存储于更新决策集之后，包括：

S80、重复步骤S40至步骤S70，直到所述更新决策集为空时，停止重复迭代。

进一步地，所述损耗函数通过以下公式计算：

其中，C_n为本地决策损耗值，

为时延权重，

为能耗权重，T_n为本地处理时延，E_n为本地处理能耗。

进一步地，所述时延权重

与所述能耗权重

满足：

所述本地处理时延T_n通过以下公式计算：

其中，a_n为任务所需CPU操作数，F_bs为本地处理能力；

所述本地处理能耗E_n通过以下公式计算：

E_n＝θ_n(F_bs)²a_n；

其中，θ_n为能耗因数，a_n为任务所需CPU操作数，F_bs为本地处理能力。

进一步地，所述任务卸载时端到服务器的信道的传输速率通过以下公式计算：

其中，R_up(n，k)为传输速率，n为第n个用户，i为第i个用户，k为第k个信道，w为卫星提供的子信道带宽，q_n为用户n的传输功率，g_n，k为用户n在卫星信道k上的信道增益，w₀为传输过程中的噪声功率，P为用户集，s_i为第i个用户的决策情况，s_n为决策集。

进一步地所述第一预设条件为：

所述本地决策损耗值大于所述最优卸载决策损耗。

进一步地所述第二预设条件为：

所述当前决策损耗值小于所述最优决策损耗值。

进一步地，所述用户集为P＝{1，2，3，......，N}，代表N个用户各自需完成的计算任务；

所述无线信道集C＝{1，2，3，......，K}，代表卫星所支持的K个可进行计算卸载的信道；

所述决策集S＝{s₁，s₂，s₃，......，s_n}，其中s_i代表用户i的决策情况；当s_i＝0时，代表此时的决策为本地处理；当s_i∈C时，代表用户决策将任务卸载到第s_i个信道上进行处理。

进一步地，所述计算损耗函数过以下公式计算：

其中，C_up(i)为计算损耗函数，

为时延权重，

为能耗权重，i为第i个用户，T_up(i)为用户i的上传时延，T_sec(i)为用户i的边缘节点处理耗时，E_up(i)为用户i的上传任务能耗，num为已卸载终端数，K为卫星所支持的K个可进行计算卸载的信道，T_wait为等待耗时。

本发明第二方面提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行任意一项所述的天地融合网络中基于贪心策略的博弈论计算卸载方法。

与现有技术相比，本发明实施例的有益效果在于：

本发明提供一种天地融合网络中基于贪心策略的博弈论计算卸载方法，包括：获取每个用户各自需要完成的任务数、用于进行计算卸载的信道数及用户决策情况，将所述每个用户各自需要完成的任务数作为用户集、将所述用于进行计算卸载的信道数作为无线通道集及将所述用户决策情况作为决策集，并初始化所述决策集；通过本地处理的损耗函数根据所述用户集、所述无线通道集及所述决策集得到本地处理决策对应的本地决策损耗值、任务卸载时端到服务器的信道的传输速率及用户将任务卸载到所有信道上的损耗值集，将最小的卸载决策损耗值作为最优卸载决策损耗，将最优卸载决策损耗对应的决策作为最优决策；判断所述本地决策损耗值与所述最优卸载决策损耗是否满足第一预设条件；若是，对当前用户的决策进行更新，并将更新记录存储于更新决策集中；在所述更新决策集中选取损耗值最大的终端用户进行决策更新，并保持其余终端用户的决策不变；通过计算损耗函数根据所述用户集、所述无线通道集及所述决策集得到该用户的当前决策损耗值及当前的最优决策损耗值；判断所述当前决策损耗值及所述最优决策损耗值是否满足第二预设条件；若是，将最优决策损耗值存储于更新决策集。本发明利用博弈论的基本思想解决多设备同时接入卸载时对卫星边缘计算节点上部署的通信资源竞争问题，利用贪心思想使得决策更新选择时能够获得最小的总体损耗值。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明某一实施例提供的一种天地融合网络中基于贪心策略的博弈论计算卸载方法的流程图；

图2是本发明另一实施例提供的一种天地融合网络中基于贪心策略的博弈论计算卸载方法的流程图；

图3是本发明又一实施例提供的一种天地融合网络中基于贪心策略的博弈论计算卸载方法的流程图；

图4是本发明某一实施例提供的星地卸载场景示意图；

图5是本发明某一实施例提供的星地卸载场景下五种算法结果对比图；

图6是本发明某一实施例提供的星地卸载场景下算法结果对比图；

图7是本发明某一实施例提供的星地卸载场景下算法结果对比图

图8是本发明某一实施例提供的星间卸载场景示意图；

图9是本发明某一实施例提供的一种电子设备的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。

应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

第一方面。

请参阅图1-2，本发明一实施例提供一种天地融合网络中基于贪心策略的博弈论计算卸载方法，包括：

S10、获取每个用户各自需要完成的任务数、用于进行计算卸载的信道数及用户决策情况，将所述每个用户各自需要完成的任务数作为用户集、将所述用于进行计算卸载的信道数作为无线通道集及将所述用户决策情况作为决策集，并初始化所述决策集。

在某一具体实施方式中，所述用户集为P＝{1，2，3，......，N}，代表N个用户各自需完成的计算任务；

所述无线信道集C＝{1，2，3，......，K}，代表卫星所支持的K个可进行计算卸载的信道；

所述决策集S＝{s₁，s₂，s₃，......，s_n}，其中s_i代表用户i的决策情况；当s_i＝0时，代表此时的决策为本地处理；当s_i∈C时，代表用户决策将任务卸载到第s_i个信道上进行处理。

S20、通过本地处理的损耗函数根据所述用户集、所述无线通道集及所述决策集得到本地处理决策对应的本地决策损耗值、任务卸载时端到服务器的信道的传输速率及用户将任务卸载到所有信道上的损耗值集，将最小的卸载决策损耗值作为最优卸载决策损耗，将最优卸载决策损耗对应的决策作为最优决策。

在某一具体实施方式中，所述本地处理的损耗函数通过以下公式计算：

其中，C_n为本地决策损耗值，

为时延权重，

为能耗权重，T_n为本地处理时延，E_n为本地处理能耗。

需要说明的是，所述时延权重

与所述能耗权重

满足：

所述本地处理时延T_n通过以下公式计算：

其中，a_n为任务所需CPU操作数，F_bs为本地处理能力；

所述本地处理能耗E_n通过以下公式计算：

E_n＝θ_n(F_bs)²a_n；

其中，θ_n为能耗因数，a_n为任务所需CPU操作数，F_bs为本地处理能力。

在另一具体实施方式中，所述任务卸载时端到服务器的信道的传输速率通过以下公式计算：

其中，R_up(n，k)为传输速率，n为第n个用户，i为第i个用户，k为第k个信道，w为卫星提供的子信道带宽，q_n为用户n的传输功率，g_n，k为用户n在卫星信道k上的信道增益，w₀为传输过程中的噪声功率，P为用户集，s_i为第i个用户的决策情况，s_n为决策集。

S30、判断所述本地决策损耗值与所述最优卸载决策损耗是否满足第一预设条件；若是，对当前用户的决策进行更新，并将更新记录存储于更新决策集中。

在某一具体实施方式中，所述第一预设条件为：

所述本地决策损耗值大于所述最优卸载决策损耗。

S40、在所述更新决策集中选取损耗值最大的终端用户进行决策更新，并保持其余终端用户的决策不变。

在某一具体实施方式中，所述步骤S40之后，包括：

S50、清空所述更新决策集。

S60、通过计算损耗函数根据所述用户集、所述无线通道集及所述决策集得到该用户的当前决策损耗值及当前的最优决策损耗值。

在某一具体实施方式中，所述计算损耗函数过以下公式计算：

其中，C_up(i)为计算损耗函数，

为时延权重，

为能耗权重，i为第i个用户，T_up(i)为用户i的上传时延，T_sec(i)为用户i的边缘节点处理耗时，E_up(i)为用户i的上传任务能耗，num为已卸载终端数，K为卫星所支持的K个可进行计算卸载的信道，T_wait为等待耗时。

S70、判断所述当前决策损耗值及所述最优决策损耗值是否满足第二预设条件；若是，将最优决策损耗值存储于更新决策集。

在某一具体实施方式中，所述第二预设条件为：

所述当前决策损耗值小于所述最优决策损耗值。

在某一具体实施方式中，所述步骤S70之后，包括：

S80、重复步骤S40至步骤S70，直到所述更新决策集为空时，停止重复迭代。

本发明利用博弈论的基本思想解决多设备同时接入卸载时对卫星边缘计算节点上部署的通信资源竞争问题，利用贪心思想使得决策更新选择时能够获得最小的总体损耗值。

请参阅图3，在某一具体实施例中，本发明提供一种天地融合网络中基于贪心策略的博弈论计算卸载方法，包括：

S1、获取输入基本参数建立数学模型，其中，输入基本参数包括：

用户集P＝{1，2，3，......，N}，代表N个用户各自需完成的计算任务；

无线信道集C＝{1，2，3，......，K}，代表卫星所支持的K个可进行计算卸载的信道；决策集S＝{s₁，s₂，s₃，......，s_n}，其中s_i代表用户i的决策情况；

以及各节点的CPU处理能力、各信道的背景噪声功率、各终端节点的发射功率、各终端节点在每个信道上的信道增益、用户集P中每个用户计算任务t_n的详细数据等等。

进一步地，步骤(1)中决策集S＝{s₁，s₂，s₃，......，s_n}其中s_i代表用户i的决策情况。当s_i＝0时，代表此时的决策为本地处理；当s_i∈C时，代表用户决策将任务卸载到第s_i个信道上进行处理。

将用户集P中每个用户的计算任务t_i用{a_i，b_i}的元组来描述，其中a_i代表任务所需的CPU操作数，b_i代表任务上传的数据。

S2、初始化所有用户的决策都为本地处理，令决策集S＝{0，0，0，......，0}。

S3、对每一个用户，根据步骤(1)获取的输入信息，按照本地处理的损耗函数C_n计算本地处理决策对应的损耗值cost_local.

进一步地，根据得到的各信道的背景噪声功率、各终端的传输功率、各终端在每个信道上的信道增益等基本参数，利用香农公式推导用户n进行任务卸载时端到SEC服务器第k个信道的传输速率表达式R_up(n，k)：

式中，q_i代表用户i传输功率，g_i，k为用户i在卫星信道k上的信道增益，而w₀则代表传输过程中的噪声功率。

损耗模型通过引入权重

与

综合考虑了时延和能耗两个参数指标。也使得该算法可通过设定不同的权重比来满足不同业务下对时延或者能耗的个性化需求。其中，

本地处理的计算损耗函数C_n可表示为：

其中本地处理时延T_n为任务所需CPU操作数和本地处理能力之比：

本地处理能耗E_n即为任务所需CPU操作数、本地处理能力平方与能耗因数之积，能耗因数θ_n通常与芯片中开关电容元件数量等参数有关；

E_n＝θ_n(F_bs)²a_n；

S4、对每一个用户，根据步骤(1)中获取的输入信息计算得到用户n进行任务卸载时端到SEC服务器第k个信道的传输速率R_up(n，k)，按照卸载至SEC节点处理的损耗函数C_up计算得到该用户将任务卸载到所有信道上的损耗值集cost_channel。

进一步地，卸载至SEC节点处理的计算损耗函数C_up可表示为：

其中num代表已卸载终端数，上传时延则T_up可表示为上传数据量与上传速度之比：

用户n上传任务能耗则为上传功率与上传时间之积：

E_up(n)＝P_nT_up(n)；

边缘节点处理耗时则为CPU操作数与边缘节点处理的比值：

S5、取步骤(4)最小损耗值对应决策为最优决策，比较每个终端用户最优卸载决策损耗min(cost_channel)与本地处理决策损耗cost_local的大小。若min(cost_channel)＜cost_local，代表该终端用户将任务卸载到SEC损耗更小，当前决策可更新，在可更新决策用户集记录用户与其最优决策相关信息。

S6、在可更新决策用户集中选取损耗值最大的终端用户进行决策更新，其余终端决策保持不变，清空更新决策可更新决策用户集。

进一步地，在可更新用户集中选取损耗值最大的用户优先进行任务卸载。

将该选择策略同随机选择策略相比，该策略虽未充分体现用户之间接入卸载的公平性。但从损耗角度来看，贪心思想的引入实现了总体损耗值的最小。原因是根据边缘计算节点和移动终端处理能力之比，在用户之间相互干扰尚不严重的情况下，卸载到边缘节点上处理开销大的任务，放置在本地处理只会带来更大的时延与能耗。

S7、对每一个用户，根据步骤(1)获取的输入信息和当前决策集S情况，按对应的损耗函数计算该用户当前决策损耗值cost_old，计算得到用户n进行任务卸载时端到SEC服务器第k个信道的传输速率R_up(n，k)从而得到当前的最优决策损耗值cost_new。

S8、比较每个终端用户最优决策损耗cost_new与当前决策损耗cost_old的大小。若cost_new＜cost_old，代表该终端用户当前决策可更新，在可更新决策用户集记录用户与其最优决策相关信息。

S9、重复步骤(6)-(8)直至可更新用户集为空时停止迭代。此时取得“纳什均衡”解，实现了多用户同时接入进行任务卸载的博弈。

在某一具体实施例中，具体应用场景为星地卸载场景。

在海洋、荒漠、高原或者是战争、自然灾害后的复杂地理环境中，传统地面蜂窝网络难以满足汽车、船只、UAV等各种终端的服务需求，移动终端可选择的计算卸载方式只有将任务卸载到部署了MEC服务的LEO卫星上进行任务处理。如图4所示，部署了MEC***的卫星边缘计算节点SEC可为其覆盖范围内的终端提供边缘计算、计算卸载等服务。针对该场景具体来说：

(1)SEC提供K个正交子信道用以计算卸载。N个用户根据各节点的CPU处理能力、各信道的背景噪声功率、各终端节点的发射功率、各终端节点在每个信道上的信道增益等一系列基本参数，完成各自计算任务t_n的卸载决策。

(2)初始化可更新决策用户集为空。

(3)对每个终端用户，初始化决策为本地处理，按照当前决策类型的损耗函数计算当前决策损耗值cost_old.

(4)对每个终端用户从信道1至信道K，根据(1)中所得信道噪声、信道增益等参数，结合其他用户决策集S_-i＝{s₁，s₂，...，s_i-1，s_i+1，...，s_n}计算得到该信道上传速率R_up，按照卸载至SEC节点处理的损耗函数C_up计算得到该用户将任务卸载到当前信道上的损耗值C(S_i，S_-i)。

(5)取步骤(4)最小损耗值对应决策为最优决策。比较每个终端用户最优卸载决策损耗min(C(S_i，S_-i))与当前决策损耗值cost_old的大小。若min(C(S_i，S_-i))＜cost_old，代表该终端用户当前决策可更新。将更新请求、更新内容一并发送至SEC节点，可更新决策用户集用户数+1。

(6)SEC节点在可更新决策用户集中基于贪心策略选择卸载损耗值最大的终端用户进行决策更新，清空更新决策可更新决策用户集。

(7)对每一个用户，如果收到了SEC节点发出的更新决策指令，在下一时隙将决策更新为最优决策。否则保持原有决策不变

(8)重复步骤(2)-(7)直至可更新用户集为空，取得“纳什均衡”解，实现了多用户同时接入进行任务卸载的博弈。

将贪心选择更新的博弈论卸载算法同其他四种计算卸载算法作比较。如图5所示，贪心选择更新的博弈论卸载算法总体损耗值最小。简单分析该结果是符合逻辑的：

(1)本地处理算法和忽略排队时延算法因为其决策的单一性，造成了许多不必要的损失，两者损耗必然大于基于博弈论的算法。

(2)在博弈论卸载算法和不考虑排队时延算法两者中，不考虑排队时延算法也因为算法本身计算选取策略稍弱，加之忽略了排队时延存在时可能的有的增益，总体损耗值稍大。

(3)在随机选择更新的博弈论算法和基于贪心思想选择更新的博弈论算法之中，前者更加体现了用户之间接入卸载的公平性。但从损耗角度来看，该选择策略并非最优。原因是根据边缘计算节点和移动终端处理能力之比，在用户之间相互干扰尚不严重的情况下，卸载到边缘节点上处理开销大的任务放置在本地处理只会带来更大的时延与能耗。

卫星所支持的子信道K数量的增加，实际上是增加了节点上的网络资源，使得在博弈过程中用户之间的竞争减小，用户之间决策到同一个信道上相互干扰的情况更少。因此随机选择更新博弈论卸载算法、贪心选择更新博弈论卸载算法与不考虑排队时延三种方案总损耗都呈现下降趋势。在其中，贪心选择更新博弈论卸载算法总体损耗值明显要优于另外两种方案。

用户/待卸载决策任务数N的增加，一方面本身增加了网络中总的待处理任务量。另一方面在信道资源固定的情况下，有更多用户在博弈过程中受到了其他用户的干扰。各方案总体损耗值都在增加。在这过程中，贪心选择更新博弈论卸载算法总体损耗最低，始终保持着较好表现。

在另一具体实施例中，具体地应用场景为星间卸载场景

星地卸载模型在复杂地理环境中自有其需求存在。但就实际情况而言，除了海洋航空等特定应用场合需要，从地面将计算任务卸载到星上处理并不算经济，或许在将来随着技术的发展有着更多的应用机会。另一个可能有用的卸载场景为:由于卫星之间处理能力的不均等，处理能力弱的卫星将任务卸载到处理能力强的卫星上减小损耗的星间卸载场景。

如附录图8所示，该卸载场景需要卫星之间存在星间链并且具备交换通信能力。铱星星座中星间链的基本构成正是如此:即每颗卫星同“前后左右”四颗卫星构成星间链路，其中两颗同轨道面卫星，两颗异轨道面卫星。在这个基本结构上继续延伸扩展形成一个庞大的卫星星座。设想当该星座中处于中心位置的卫星CPU频率更高，处理能力更强，而周围其他卫星处理能力较弱。在具备星间交换通信能力的情况下，该卸载场景即和星地卸载场景类似，周围的卫星便可通过博弈论卸载算法进行决策判断，将任务卸载到处理能力强的卫星上进行处理。其算法具体步骤与前述实例相同。

第二方面。

本发明提供了一种电子设备，该电子设备包括：

处理器、存储器和总线；

所述总线，用于连接所述处理器和所述存储器；

所述存储器，用于存储操作指令；

所述处理器，用于通过调用所述操作指令，可执行指令使处理器执行如本申请的第一方面所示的一种天地融合网络中基于贪心策略的博弈论计算卸载方法对应的操作。

在一个可选实施例中提供了一种电子设备，如图9所示，图9所示的电子设备5000包括：处理器5001和存储器5003。其中，处理器5001和存储器5003相连，如通过总线5002相连。可选地，电子设备5000还可以包括收发器5004。需要说明的是，实际应用中收发器5004不限于一个，该电子设备5000的结构并不构成对本申请实施例的限定。

处理器5001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器5001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线5002可包括一通路，在上述组件之间传送信息。总线5002可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器5003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器5003用于存储执行本申请方案的应用程序代码，并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的应用程序代码，以实现前述任一方法实施例所示的内容。

其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。

第四方面。

本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现本申请第一方面所示的一种天地融合网络中基于贪心策略的博弈论计算卸载方法。

本申请的又一实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。

Claims (10)

1.一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，包括：

S10、获取每个用户各自需要完成的任务数、用于进行计算卸载的信道数及用户决策情况，将所述每个用户各自需要完成的任务数作为用户集、将所述用于进行计算卸载的信道数作为无线通道集及将所述用户决策情况作为决策集，并初始化所述决策集；

S20、通过本地处理的损耗函数根据所述用户集、所述无线通道集及所述决策集得到本地处理决策对应的本地决策损耗值、任务卸载时端到服务器的信道的传输速率及用户将任务卸载到所有信道上的损耗值集，将最小的卸载决策损耗值作为最优卸载决策损耗，将最优卸载决策损耗对应的决策作为最优决策；

S30、判断所述本地决策损耗值与所述最优卸载决策损耗是否满足第一预设条件；若是，对当前用户的决策进行更新，并将更新记录存储于更新决策集中；

S40、在所述更新决策集中选取损耗值最大的终端用户进行决策更新，并保持其余终端用户的决策不变；

S60、通过计算损耗函数根据所述用户集、所述无线通道集及所述决策集得到该用户的当前决策损耗值及当前的最优决策损耗值；

S70、判断所述当前决策损耗值及所述最优决策损耗值是否满足第二预设条件；若是，将最优决策损耗值存储于更新决策集。

2.如权利要求1所述的一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，

所述保持其余终端用户的决策不变之后，包括：

S50、清空所述更新决策集；

所述将最优决策损耗值存储于更新决策集之后，包括：

S80、重复步骤S40至步骤S70，直到所述更新决策集为空时，停止重复迭代。

3.如权利要求2所述的一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，所述损耗函数通过以下公式计算：

其中，C_n为本地决策损耗值，

为时延权重，

为能耗权重，T_n为本地处理时延，E_n为本地处理能耗。

4.如权利要求3所述的一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，

所述时延权重

与所述能耗权重

满足：

所述本地处理时延T_n通过以下公式计算：

其中，a_n为任务所需CPU操作数，F_bs为本地处理能力；

所述本地处理能耗E_n通过以下公式计算：

E_n＝θ_n(F_bs)²a_n；

其中，θ_n为能耗因数，a_n为任务所需CPU操作数，F_bs为本地处理能力。

5.如权利要求2所述的一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，所述任务卸载时端到服务器的信道的传输速率通过以下公式计算：

其中，R_up(n,k)为传输速率，n为第n个用户，i为第i个用户，k为第k个信道，w为卫星提供的子信道带宽，q_n为用户n的传输功率，g_n,k为用户n在卫星信道k上的信道增益，w₀为传输过程中的噪声功率，P为用户集，s_i为第i个用户的决策情况，s_n为决策集。

6.如权利要求2所述的一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，所述第一预设条件为：

所述本地决策损耗值大于所述最优卸载决策损耗。

7.如权利要求2所述的一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，所述第二预设条件为：

所述当前决策损耗值小于所述最优决策损耗值。

8.如权利要求2所述的一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，

所述用户集为P＝{1,2,3,……,N}，代表N个用户各自需完成的计算任务；

所述无线信道集C＝{1,2,3,……,K}，代表卫星所支持的K个可进行计算卸载的信道；

所述决策集S＝{s₁,s₂,s₃,……,s_n}，其中s_i代表用户i的决策情况；当s_i＝0时，代表此时的决策为本地处理；当s_i∈C时，代表用户决策将任务卸载到第s_i个信道上进行处理。

9.如权利要求2所述的一种天地融合网络中基于贪心策略的博弈论计算卸载方法，其特征在于，所述计算损耗函数过以下公式计算：

其中，C_up(i)为计算损耗函数，

为时延权重，

为能耗权重，i为第i个用户，T_up(i)为用户i的上传时延，T_sec(i)为用户i的边缘节点处理耗时，E_up(i)为用户i的上传任务能耗，num为已卸载终端数，K为卫星所支持的K个可进行计算卸载的信道，T_wait为等待耗时。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至9中任意一项所述的天地融合网络中基于贪心策略的博弈论计算卸载方法。

Images