針對計算密集型任務(wù)卸載時邊緣云計算能力有限引起的公平性問題,提出一種基于Stackelberg（斯坦克伯格）博弈的資源動態(tài)定價策略.首先,分析邊緣云系統(tǒng)資源剩余量和用戶需求之間的實時關(guān)系,設(shè)計邊緣云網(wǎng)絡(luò)收益及用戶成本函數(shù).然后,通過驗證用戶之間非合作博弈納什均衡點的存在性,獲得基于完全狀態(tài)信息下用戶成本最低時的最優(yōu)卸載策略.最后,采用雙向迭代搜索算法求解邊緣收益問題,獲取經(jīng)價格調(diào)整因子調(diào)節(jié)后的邊緣云網(wǎng)絡(luò)最優(yōu)定價策略.仿真結(jié)果表明:所提算法當(dāng)計算資源較少時能保證邊緣云收益,并在保證用戶公平性前提下提高用戶服務(wù)質(zhì)量. 

【文章來源】：華中科技大學(xué)學(xué)報(自然科學(xué)版). 2020,48(04)北大核心EICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

取不同值時的用戶成本

第4期薛建彬，等：基于Stackelberg博弈的資源動態(tài)定價策略·125·量的增加，傳輸能耗逐漸增大，用戶成本逐漸增加，轉(zhuǎn)而又呈下降趨勢，說明只有當(dāng)須卸載的任務(wù)量較大時，卸載對用戶更有利；否則，本地計算更能節(jié)省用戶成本．圖4為計算能力對收益的影響．圖4中：fe為邊緣云計算能力，表征單位時間內(nèi)的服務(wù)器處理速率；所提算法定價1，M＜F/2與統(tǒng)一定價方式，M＜F/2分別表示當(dāng)系統(tǒng)內(nèi)資源余量較少時本文算法中邊緣云定價策略和統(tǒng)一定價策略；所提算法定價1，M≥F/2與統(tǒng)一定價方式，M≥F/2分別表示當(dāng)系統(tǒng)內(nèi)資源余量較多時本文所提算法中邊緣云定價策略和統(tǒng)一定價策略．由圖可見：隨著邊緣云計算能力增強，邊緣云收益逐漸增加．當(dāng)系統(tǒng)內(nèi)計算資源剩余量較少時，通過價格調(diào)整因子將資源價格調(diào)至較高水平以保證邊緣云收益；當(dāng)系統(tǒng)內(nèi)計算資源剩余量較多時，通過價格調(diào)整因子適當(dāng)降低資源價格以保證用戶服務(wù)質(zhì)量．考慮用戶需求與公平性，能夠有效提高邊緣云收益．根據(jù)系統(tǒng)資源余量與用戶需求因地制宜地為每個用戶提供差異化服務(wù)，提升了用戶服務(wù)質(zhì)量．1—所提算法定價1，M＜F/2；2—統(tǒng)一定價方式1，M＜F/2；3—所提算法定價2，M≥F/2；4—統(tǒng)一定價方式2，M≥F/2．圖4計算能力對收益的影響圖5為本文算法的定價策略、統(tǒng)一定價策略及全部本地執(zhí)行方法在用戶成本上的對比結(jié)果．統(tǒng)一定價方法不考慮系統(tǒng)資源與用戶需求的實時關(guān)系，對所有用戶按照相同的價格進(jìn)行一次計算資源分1—全部本地執(zhí)行；2—統(tǒng)一定價策略；3—本文定價策略．圖5三種算法的用戶成本比較配．從對比結(jié)果可以看出本研究?

撲?資源剩余量較少時，通過價格調(diào)整因子將資源價格調(diào)至較高水平以保證邊緣云收益；當(dāng)系統(tǒng)內(nèi)計算資源剩余量較多時，通過價格調(diào)整因子適當(dāng)降低資源價格以保證用戶服務(wù)質(zhì)量．考慮用戶需求與公平性，能夠有效提高邊緣云收益．根據(jù)系統(tǒng)資源余量與用戶需求因地制宜地為每個用戶提供差異化服務(wù)，提升了用戶服務(wù)質(zhì)量．1—所提算法定價1，M＜F/2；2—統(tǒng)一定價方式1，M＜F/2；3—所提算法定價2，M≥F/2；4—統(tǒng)一定價方式2，M≥F/2．圖4計算能力對收益的影響圖5為本文算法的定價策略、統(tǒng)一定價策略及全部本地執(zhí)行方法在用戶成本上的對比結(jié)果．統(tǒng)一定價方法不考慮系統(tǒng)資源與用戶需求的實時關(guān)系，對所有用戶按照相同的價格進(jìn)行一次計算資源分1—全部本地執(zhí)行；2—統(tǒng)一定價策略；3—本文定價策略．圖5三種算法的用戶成本比較配．從對比結(jié)果可以看出本研究提出的定價策略在降低用戶成本方面更加有效．這是因為：統(tǒng)一定價策略并未充分考慮邊緣云的計算能力及用戶的實時需求，不僅浪費了計算資源，還導(dǎo)致其他用戶的需求無法得到滿足．本文所提算法考慮了計算資源的珍稀性與用戶的實時需求，按需供應(yīng)，使資源得到有效利用，實現(xiàn)邊緣云和用戶各自利益的最優(yōu)化．用戶任務(wù)全部本地執(zhí)行的用戶成本是最高的，雖然此時無須向邊緣云支付費用，但本地執(zhí)行的能耗太高，最終導(dǎo)致用戶成本較高．4結(jié)語本研究針對無線通信系統(tǒng)資源靜態(tài)定價機制沒有體現(xiàn)緊缺資源的珍稀特性問題，當(dāng)移動用戶將計算任務(wù)卸載至邊緣云時，根據(jù)多用戶計算密集型任務(wù)對資源需求和系統(tǒng)資源剩余量之間的實時關(guān)系建立資源實時調(diào)節(jié)機制．即在系統(tǒng)資源余量充足且用戶需求較小時，資源價格較低；

【參考文獻(xiàn)】：
期刊論文
[1]OFDMA認(rèn)知無線電網(wǎng)絡(luò)中面向功率控制的頻譜定價與分配[J]. 張翅,曾碧卿,楊勁松,謝曉虹.  計算機科學(xué). 2015(03)
[2]虛擬環(huán)境中基于Stackelberg博弈的資源分配[J]. 楊宇,陳山枝,李昕,王妍.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2012(S1)
[3]一種分布式認(rèn)知無線電網(wǎng)絡(luò)聯(lián)合信道和功率分配算法[J]. 宋武華,裴廷睿,趙智,楊萬春.  信息系統(tǒng)工程. 2012(09)
[4]網(wǎng)絡(luò)虛擬化環(huán)境中虛擬網(wǎng)資源分配機制[J]. 張順利,邱雪松,陳東東,孟洛明.  北京郵電大學(xué)學(xué)報. 2011(06)
[5]認(rèn)知無線電中基于Stackelberg博弈的分布式功率分配算法[J]. 羅榮華,楊震.  電子與信息學(xué)報. 2010(12)



本文編號：3457187