日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

摘要：當前關于如何激勵更多邊緣節點參與邊緣計算環境仍然缺乏研究，為此本文首先基于斯塔克爾伯格博弈理論提出了在云—邊環境中單個云服務下行任務的激勵機制設計，考慮了云節點和邊緣節點間的博弈以及邊緣節點內部的博弈，該激勵機制能夠適應邊緣計算環境的動態性。同時提出了“云-邊-端”三層  架構環境中多個云服務下行任務的激勵機制；最后，本文提出了一種邊緣節點相互合作以實現資源分配均衡的合作激勵機制，該合作激勵機制能夠有效激勵邊緣節點貢獻資源以及均衡任務間的資源分配。此外，本文給出了關于該問題可進一步開展的重點研究工作。

關鍵詞：邊緣計算；激勵機制；斯塔克爾伯格均衡；重疊聯盟形成博弈

1 背景

邊緣計算是近年來興起的前沿技術，已成為國內外工業界和學術界關注的熱點。其基本設想是將計算、存儲資源以及服務等從云端下行到靠近終端用戶的邊緣側，從而減少用戶時延，緩解網絡數據傳輸壓力，創造出一個具備高性能、低延遲、高帶寬的大數據處理服務環境[1]。與云計算架構相比，邊緣計算主要具有兩方面 顯著優勢：（1）可在邊緣側處理大量臨時數據，緩解遠程數據中心和網絡帶寬的壓力；（2）結合5G技術共同向多樣化的終端設備提供更靠近的本地化服務，顯著增強服務的響應能力。鑒于邊緣計算的優勢，學術界和工業界就邊緣計算環境等諸多問題展開了大量研究，包括服務放置和請求調度問題、服務質量（QoS）提升問題、負載均衡問題、邊緣網絡數據存儲問題等。

然而，當前邊緣計算的相關工作大多假設邊緣節點自愿為云數據中心托管服務，忽視了邊緣節點的個體理性和自私性。在邊緣計算中，這些邊緣節點通常是由不同基礎設施提供商（如Amazon的AWS、阿里云等）提供的邊緣服務器，具有一定計算能力和存儲能力。單個邊緣節點資源能力有限，難以承擔云服務下行任務帶來的大量的終端用戶需求，因此需要由多個邊緣節點共同承擔下行任務。對邊緣節點而言，為云數據中心托管服務會消耗其自身資源，包括計算資源、存儲資源和傳輸資源，從而造成資源開銷。通常，邊緣節點提供者是個體理性的，如果參與邊緣計算帶來的凈收益（即所獲報酬減去所需開銷）為負，則不會參與；邊緣節點提供者是自私的，其目的都是最大化自己的凈收益，不會為了整體或其他節點的利益而損害自己的利益。也就是說，邊緣節點不會自愿無私地貢獻自己的資源來托管下行的云端服務。因此，亟待解決激勵邊緣節點為云端服務提供空閑資源的問題，從而構建持續可擴展的邊緣層共享資源池。

構建一個有足夠邊緣節點愿意貢獻部分資源，為更多下行云服務提供服務的邊緣計算環境，建立對應的高效激勵機制，是一個非常具有挑戰的問題。由于邊緣節點的個體理性和自私性，邊緣計算環境中所有實體“各自為政”，只考慮自身利益，因而我們無法通過傳統的優化建模方式來解決上述問題。盡管在一些領域（如群智感知、對等網絡等）已有關于激勵機制設計的工作， 但邊緣計算環境仍缺少高效的激勵機制設計研究。和其他領域的問題不同，邊緣計算環境是云-邊-端三層架構，即云端層、邊緣層和終端用戶層，其中各個邊緣節點的能力不一，這種多層次異構結構加大了激勵機制設計求解的復雜度。

2 相關工作

在邊緣計算領域，一些經濟學理論已被應用于激勵機制設計，包括斯塔克爾伯格博弈、市場模型和契約理論等。Zhou等人面向邊緣計算下的移動群體感知問題，提出一個魯棒群體移動感知框架RMCS[2]。Shen等 人研究了霧計算環境下的移動眾包感知[3]，設計了一個 基于斯塔克伯格博弈的激勵機制來激勵霧計算中的邊緣節點將其感知信息傳回控制器。Zheng等人以云端效用最大化為目標設計了一種基于斯塔克伯格博弈的邊緣緩存激勵機制[4]。Zeng等人針對霧計算環境中的計算負載均衡問題設計了一種基于契約的激勵機制[5]。Yang Liu 等人設計了一種基于斯塔爾伯格博弈的激勵機制，并提出多輪搜索最優解的算法來實現邊緣計算環境中的計算負載均衡[6]。然而，目前邊緣計算環境中的激勵機制設 計仍然缺乏深入研究。盡管已有研究利用斯塔爾伯格博弈來設計邊緣計算負載均衡的激勵機制，但是這些工作只考慮了云節點和邊緣節點之間的協商，而忽略了不同邊緣節點之間的博弈，同時無法給出帶約束的兩階段斯塔爾伯格對策的最優解析解。如何在考慮兩類競爭的同時激勵邊緣節點參與云服務下行任務有待進一步研究。此外，目前也沒有相關工作考慮在邊緣計算環境下用合作博弈的方式來設計激勵機制，也沒有工作關注激勵機制多任務間資源分配不均衡的問題。

3 主要研究問題

在邊緣計算環境中，面對不同基礎設施提供商提供的邊緣服務器自私理性、“各自為政”的情況，我們研究通過設計激勵機制來激勵邊緣服務器為云端服務提供空閑資源，提高邊緣層基礎設施的服務能力，構建持續可擴展的邊緣層共享資源池，搭建共享和共贏的邊緣計算服務平臺，在緩解云數據中心壓力和網絡帶寬壓力的同時為更多終端客戶提供質量更高的內容服務。具體的研究問題如下：

（1）如何設計云-邊環境單個云服務下行任務的激勵機制？如圖1所示，邊緣計算網絡通常由云節點、邊緣節點和終端用戶組成，云節點希望將云服務下行到靠近用戶的邊緣節點上，從而提高用戶服務質量，緩解網絡帶寬壓力。然而，為下行云服務提供資源會讓邊緣節點自身產生開銷。這些邊緣節點由不同的邊緣設施提供商操作，是理性和獨立的節點。如果沒有足夠的激勵， 邊緣節點將不會自愿承擔下行云服務。本文重點關注云-邊環境中單個云服務下行任務，研究如何設計邊緣 計算激勵機制來高效地激勵異構的邊緣節點貢獻空余資源，承擔下行云服務。同時，考慮到各節點的自私理性，研究如何在每個節點都希望最大化自身利益的同時能夠保證云服務下行任務的質量。

圖1 邊緣計算網絡框架

（2）如何在云-邊-端環境中建立多任務激勵機制？在云-邊環境激勵機制設計的基礎上，我們考慮云- 邊-端環境的激勵機制設計。和其他領域不同，邊緣計 算激勵機制涉及到云端、邊緣層、終端用戶三層，包括云服務下行和終端用戶請求上行兩部分。邊緣節點不僅要考慮為云端提供資源，還需要考慮為其附近的終端用戶提供資源。因此，邊緣節點需要同時考慮云端和終端用戶，確定具體的資源提供量，來實現自身利益最大化的目的。同時，我們研究多個云服務下行任務，每個邊緣節點可以同時參加多個任務。相比單任務激勵機制， 多任務激勵機制能夠幫助云節點和邊緣節點作出更有利于自身的決策。所以，在設計激勵機制時還需要考慮邊緣節點如何選擇任務以及如何為各個任務確定提供的資源量。

（3）如何設計資源分配均衡的激勵機制？在多任務激勵機制問題中，各邊緣節點為了最大化自身利益， 會傾向于向回報率高的任務提供資源，最終導致回報率高的任務收到過多資源而造成資源浪費，回報率低的任務不能收到足夠的資源而造成任務無法保質完成。本文研究如何設計激勵機制來有效解決這種任務間資源分配不均衡的問題，從而提高資源利用率，提升云服務下行任務的總體性能。

4 主要研究工作

為了解決上述問題，有效激勵邊緣節點提供空閑資源，提升邊緣層基礎設施的服務能力，我們主要開展了以下幾個方面研究工作：

（1）基于斯塔克爾伯格博弈建立云-邊環境單個云服務下行任務的激勵機制。我們基于斯塔克伯格博弈理論設計了一種有效的單任務激勵機制，以激勵更多的邊緣節點為云端托管下行的云服務。圖2展現了邊緣計算單任務激勵機制的工作流程。首先，云節點釋放一個云服務下行任務。邊緣節點如果愿意執行此任務，它將消耗其原本用于部署本地服務的資源。因此，它會期望從相應的云節點獲得報酬來彌補產生的資源開銷。之后， 每個邊緣節點根據成本和報酬制定服務提供計劃，并將其提交到云節點。云節點從邊緣節點收集提供服務的計劃，選擇一部分邊緣節點來參與任務。在選定的邊緣節點提供資源后，云節點計算并發送每個選定邊緣節點的報酬。在整個云服務下行任務過程中，云節點旨在最大化自己的效用。邊緣節點由不同的邊緣提供商操作，希望最大化自身效用，并在足夠的激勵下實現云服務下行任務。我們將該激勵流程建模為斯塔克爾伯格博弈模型，同時考慮了云節點和邊緣節點間的博弈，以及邊緣節點內部的博弈。然后，研究了該復雜博弈模型最優解的求解方法，給出斯塔克爾伯格均衡的解析解及其嚴格推導過程，并討論其唯一性。該云-邊環境單任務激勵 機制可以有效地激勵云節點和邊緣節點參與邊緣環境， 且適用于動態邊緣環境。

圖2 邊緣計算單任務激勵機制工作流程

（2）將云服務下行任務建模為重疊聯盟，設計云-邊-端環境中的多任務激勵機制。在云-邊環境激勵機制的基礎上，我們提出了云-邊-端環境的激勵機制。 如圖3所示，邊緣計算云服務下行系統分為云服務下行和終端用戶請求上行兩個部分。在云服務下行過程中， 云平臺將同時發布多個云服務下行任務，并招募邊緣節點來緩存服務，從而確保延遲敏感型服務的網絡服務質量。考慮到邊緣節點的自私性和個體理性，云平臺將提供相應報酬給貢獻資源的邊緣節點。在終端用戶請求上行過程中，每個邊緣節點需要處理原本就由其承擔的附近終端用戶發送的請求。這些終端用戶在請求完成后， 將為相應的邊緣節點支付任務獎勵。我們將每個任務建模為重疊的聯盟，在重疊聯盟中理性的局中人可以同時加入多個聯盟。也就是說，每個邊緣節點可以同時參加多個任務，根據所有任務的情況來挑選任務并制定為任務提供資源的方案。 

圖3 云-邊-端架構多任務激勵機制設計

（3）提出合作激勵機制設計，有效保證任務間資源分配均衡。基于重疊聯盟形成博弈，本文設計了一種合作激勵機制，以鼓勵邊緣節點從云平臺選擇多個下行云服務時相互協作。在多任務激勵機制問題中，各邊緣節點為了最大化自身利益，會傾向于向回報率高的任務提供資源。合作激勵機制能夠防止這種情況的發生，從而避免了該任務收集的資源浪費和任務間資源分配不均衡的情況，也避免了邊緣節點都加入單一任務而各自得到的報酬過低的情況。相比非合作方法，該合作激勵機制獲得了更高的云節點效用，并且任務間的資源分配更加均衡。

5 發展展望

當前我們考慮到邊緣服務器自私理性的特點，研究了邊緣計算環境下激勵機制設計，著力解決邊緣層基礎設施服務能力不足的問題，為更多終端客戶提供質量更高的內容服務，后續我們將繼續在該領域開展相關的研究工作：

（1）結合邊緣設備層的激勵機制設計研究。當前邊緣計算環境的激勵機制研究主要考慮了如何激勵邊緣服務器構成的邊緣層。在更靠近終端用戶處，還有由終端用戶手機、路由、個人電腦等邊緣設備構成的邊緣設備層，這些邊緣設備通常會連接到邊緣服務器，再通過邊緣服務器連接到云端，可以作為邊緣服務器的擴展。下一步工作將關注包含邊緣服務器和邊緣設備的雙層邊緣層，在已有的基礎上進一步研究如何激勵邊緣設備為邊緣服務器提供額外支撐，從而構建更具擴展性的邊緣計算共享資源池。

（2）考慮邊緣節點資源位置分布的邊緣計算激勵機制設計研究。當前的激勵機制設計大多是以激勵邊緣節點貢獻空閑資源為研究目標，而沒有考慮到邊緣計算模式的最終目的是提高終端用戶服務質量（QoS），提升終端用戶服務體驗。相比云數據中心，邊緣節點計算存儲能力有限，但是數量更多且分散地分布在靠近用戶的地方，邊緣節點可提供資源的位置分布也將成為影響服務質量的重要因素。相比附近用戶對下行云服務需求低的邊緣節點，對應需求高的邊緣節點需要提供更多資源才能有效提升其附近終端用戶的服務質量。因此，在后續研究中，將在考慮資源位置分布的基礎上設計激勵機制，從而能夠更有效地保證用戶的服務質量。

（3）激勵機制安全保障體系研究。在邊緣環境激勵機制中，云端和邊緣節點的行為難以得到保證，雙方可能存在作弊的情況，使得激勵機制的合理性和有效性受到質疑。因此，需要研究如何構建安全可靠的誠信評價系統，設計懲罰函數來抑制非理性不公平的競爭，確保激勵機制運行時云端和邊緣節點不會出現作弊行為。同時，可以考慮如何結合區塊鏈，引進智能協議等技術，確保云節點和邊緣節點遵循激勵機制給出的最優策略，實現去第三方的激勵機制安全保障體系。

作者簡介：

姚晨蝶，國防科技大學系統工程學院研究生，主要研究方向為邊緣計算、智能博弈等。

謝俊杰，軍事科學院系統工程研究院工程師，主要研究方向為分布式系統、軟件定義網絡、移動邊緣計算等。

郭得科，國防科技大學系統工程學院教授，主要研究方向為網絡計算與系統、分布式計算與系統、網絡空間安全、移動計算等。榮獲湖南省自然科學一等獎（排名第一）、2020年度CCF-IEEE CS青年科學家獎、IEEE ICNP 2019最佳論文；以第一完成人出版學術專著2 部，獲得中國和美國授權發明專利38項。入選國家優青、國家萬人計劃青年拔尖、軍隊高層次科技創新人才工程、湖南省杰青、教育部新世紀人才計劃。

劉 忠，國防科技大學系統工程學院副院長、教授，主要研究方向為人工智能、深度強化學習、多智能體系統等。擔任教育部科技創新團隊負責人、國家人工智能戰略咨詢委員會委員。

參考文獻：

[1] P. Mach and Z. Becvar, et al. Mobile edge computing: A Survey on Architecture and 

Computation Offloading[J]. IEEE Communications Surveys and Tutorials, vol. 19,

 No. 3, 2017, 1628 – 1656.

[2] Zhou Z, Liao H, Gu B, et al. Robust Mobile Crowd Sensing: When Deep Learning Meets 

Edge Computing[J]. IEEE Network, 2018, 32 (4) : 54 - 60.

[3] Shen F, Zhang G, Zhang C, et al. An Incentive Framework for Resource Sensing in Fog 

Computing Networks[C]. Global communications conference, 2018: 1 - 6.

[4] Zheng Z, Song L, Han Z, et al. A Stackelberg Game Approach to Proactive Caching in 

Large-Scale Mobile Edge Networks[J]. IEEE Transactions on Wireless Communications, 2018, 17 (8) : 5198 - 5211.

[5] Zeng M, Li Y, Zhang K, et al. Incentive Mechanism Design for Computation Offloading in 

Heterogeneous Fog Computing: A Contract-based Approach[C]. International Conference on Communications, 2018 : 1 - 6.

[6] Liu Y, Xu C, Zhan Y, et al. Incentive Mechanism for Computation Offloading Using Edge 

 Computing: A Stackelberg Game Approach[J]. Computer Networks, 2017, 129 (24) : 399 - 409.

摘自《自動化博覽》2021年2月刊