面向边计算服务质量优化的博弈论方法研究

Recently, mobile edge computing (MEC) has become a key technique to mitigate the conflict between the computation-intensive applications and the limited resources on mobile devices. MEC holds great promise to enhance users' mobile experience. However, the introductions of input data transmission , wireless resource allocation, etc., make it more complex to build optimized service model under MEC compared with conventional cloud computing. So far, the research in the area of MEC is still in its infancy. Most existing works focus on reducing energy consumption and rare works can be found for guaranteeing users' QoS requirements. Different from these works, we consider optimizing services in MEC from the perspective of game theory and try to design QoS guaranteed scheduling or offloading mechanisms. We propose to use cooperative game to model the relationship between mobile users and edge computing service centers. We regard both mobile devices and MEC servers as agents and try to develop appropriate job scheduling or offloading schemes by obtaining Pareto optimal solution. Based on these methods, we try to design an optimized collaborative service mechanism under hybrid cloud computing and edge computing environment. We try to analyze this hybrid service mechanism from a non-cooperative game perspective and obtain an Nash equilibrium solution. The proposed mechanism may be used to improve current edge service model.

近年来，移动边计算已成为缓解用户计算密集型应用需求和移动设备资源有限矛盾的关键技术，在提高移动用户服务体验方面具有极大的潜力。然而，由于作业数据传输、网络资源分配等操作的引入，相比于云计算，在移动边计算环境下构建优化服务模型将会更加复杂。当前，边计算领域的研究仍处于起步阶段。大多研究工作集中于边计算环境下能耗优化，少有保证多用户服务质量请求的研究工作。为此，本项目拟从博弈论角度出发，设计保证多用户服务质量请求的作业调度和卸载优化机制。提出采用合作性博弈方法对移动用户和边计算服务中心之间的关系进行建模。在该模型下，将移动用户和边计算服务器都看作博弈中的参与人，拟通过求解Pareto最优解来得到优化调度和作业卸载方案。在优化边计算移动用户服务质量的基础上，提出混合云计算和移动边计算的协同服务模型，拟采用非合作性博弈的方法对该模型进行分析，并得到Nash均衡解，以期改善边计算环境下服务模型。

近年来，移动边缘计算已成为缓解终端用户计算密集型应用需求和终端设备资源受限矛盾的关键技术，在提高终端用户服务质量方面具有极大的潜力。然而，由于作业数据传输、网络资源分配等操作的引入，相比于云计算，在移动边计算环境下构建优化服务模型将会更加复杂。当前，大多研究工作集中于边计算环境下能耗优化，少有保证多用户服务质量请求的研究工作。.为此，本项目从博弈论角度出发，设计保证多用户服务质量请求的作业调度和卸载优化机制。提出了移动边缘计算中具有多个边缘服务中心/服务器的计算分流优化策略和分区计算卸载策略，构建了边云环境下资源的弹性定量建模与解析计算，提出了采用合作性博弈对移动用户和边计算服务中心之间的关系建模的方法。通过求解Pareto最优解来得到优化调度和卸载方案。在优化边计算移动用户服务质量的基础上，提出了混合云计算和移动边计算的协同服务模型，采用了非合作性博弈的方法对该模型进行分析，并得到了Nash均衡解。此外，研究了基于扩展多智能体深度强化学习方法的MEC分布式任务迁移优化方法，以期改善边缘计算环境下的服务质量模型。.本项研究有助于推动移动边缘计算的研究和发展，对于提升移动边缘计算领域的应用水平也具有相当意义。