买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江西理工大学

摘要：本发明公开了一种闲置车辆辅助车载边缘计算卸载与资源定价方法，包括：建立闲置车辆辅助车载边缘计算架构；提出针对任务卸载与云‑边服务器资源定价的Stackelberg博弈模型；扩展任务至过载情况，提出基于匹配理论的任务配对模型，获得任务‑车辆分配方案；基于所述任务‑车辆分配方案进行任务卸载及资源定价。本发明响应用户车辆发出的任意任务卸载请求，并吸引周边闲散车辆资源来扩展VEC服务器计算能力。

主权项：1.一种闲置车辆辅助车载边缘计算卸载与资源定价方法，其特征在于，包括：通过闲置车辆辅助车载边缘计算架构，建立实际的边缘计算环境；基于所述边缘计算环境，将资源定价和任务卸载问题建模为两阶段的Stackelberg博弈模型；基于所述架构和所述两阶段的Stackelberg博弈模型，考虑边缘服务器任务过载的情况，基于匹配理论的任务匹配算法，通过考虑过载任务与闲置车辆之间的相互依赖性和对彼此的偏好集，获得稳定的任务-车辆分配方案，基于所述任务-车辆分配方案进行任务卸载及资源定价；将资源定价和任务卸载问题建模为两阶段的Stackelberg博弈模型包括：获取任务i卸载至云-边服务器执行的总延迟；任务在卸载过程中获得的效益函数；当将任务卸载到云-边服务器上时，云-边服务器获得任务的效益函数；获取任务i卸载至云-边服务器执行的总延迟的方法为：ti＝max{ti，l，ti，j，ti，c}； 其中，ti，l为任务i在本地执行的延迟；ti，j为任务i在卸载至边缘服务器上执行的延迟；ti，c为任务i卸载至云服务器上执行的延迟；di为任务i的数据大小，ηij、ηi，c分别为任务i卸载到边-云服务器的数据比例；ci为执行任务i的单位数据所需要的CPU数；fi为任务i在本地设备的计算能力；fj、fc分别为边-云服务器的计算能力；ri，j、ri，c分别为卸载边-云服务器过程中的数据传输速度；任务在卸载过程中的获得的效益函数的方法为：Ui＝Ai-ξGmAi＝ae+acGm＝ge+gc ge＝ηi，jdipi，jgc＝ηi，cdipi，c其中，Ai为从卸载中获得的奖励；Gm为付出的成本；ξ为满意度函数的折现因子；ae为任务i卸载到边缘服务器ej的满意度；ac为任务i卸载到云服务器的满意度；ge为利用边缘服务器产生的成本；gc利用云服务器产生的成本；表示任务i卸载到边缘服务器的比例增益因子和任务i卸载到云服务器的比例增益因子；pi，j和pi，c分别表示边缘服务器和云服务器对于任务i的资源单价；当将任务i卸载到云-边服务器上时，任务i的效用函数表示为： 当将任务卸载到云-边服务器上时，云-边服务器获得任务的效益函数的方法为： 其中，ηi，j和ηi，c分别为任务i卸载到边-云服务器的数据比例；pi，j为边缘服务器对于任务i的资源单价；Pv为将资源扩展到过载任务而支付的单价；di为任务i的数据大小；Qj和Qc为边缘服务器和云服务器的单位资源成本；Qtotal为边缘服务器ej的总容量大小；基于匹配理论的任务匹配算法包括：在IVs的帮助下，获取过载任务i在卸载过程中的效益函数；获得对于为过载任务i提供服务的IVs的效益函数；获取过载任务i在卸载过程中的效益函数的方法为： 其中，Vi为过载任务i在卸载过程中的效益函数；St为任务的延迟满意度；为支付给闲置车辆j的成本；γt为满意度的折价因子；ti，max任务i的最大容忍时延阈值；为闲置车辆j上过载任务i的处理延迟；Di为过载任务i的数据大小；Pv为将资源扩展到过载任务而支付的单价；ci为执行任务i的单位数据所需要的CPU数；为闲置车辆j计算能力；获得对于为过载任务i提供服务的IVs的效益函数的方法为： 其中，Di为过载任务i的数据大小；Pv为将资源扩展到过载任务而支付的单价；γs为对剩余资源满意度的折价参数；为闲置车辆的剩余存储容量；γe为能量消耗的折价因子；ωt为车辆vj的任务执行能力；为闲置车辆j计算能力；获得稳定的任务-车辆分配方案包括：步骤1、初始化IVs车辆的资源和任务的相关参数；步骤2、计算任务和IVs之间的偏好集，并获取偏好排序；步骤3、所述IVs根据偏好集，优先选择最中意的任务发出匹配邀请；步骤4、所述任务根据自身的偏好集选择是否接受来自IVs的匹配邀请；若所述任务没有备选对象，接受邀请并将所述IVs作为备选；若所述任务已接受其他IVs的邀请，比较偏好并选择偏好较高的IVs作为备选；步骤5、根据实际需求和效益的反馈，重复步骤3到步骤5，直到匹配到双方都相对满意的结果；步骤6、完成匹配并生成最终的任务-车辆匹配结果；基于所述任务-车辆分配方案进行任务卸载及资源定价包括：请求阶段：车辆用户向CEA发出任意任务的卸载请求；竞争阶段：CEA中的云边服务器竞争任务的卸载意愿，并基于Stackelberg博弈模型找到CEA资源定价与任务卸载策略的纳什均衡点；卸载阶段：根据卸载决策对任务进行卸载；闲置车辆辅助卸载阶段：CEA招募一定数量的闲置车辆，基于匹配博弈模型对VEC服务器上过载的任务匹配到合理执行车辆。

全文数据：

权利要求：

百度查询： 江西理工大学 一种闲置车辆辅助车载边缘计算卸载与资源定价方法