一种基于在线智能拍卖的MEC辅助卫星网络资源分配方法

一种基于在线智能拍卖的mec辅助卫星网络资源分配方法
技术领域
1.本发明涉及卫星网络资源分配技术领域，特别是指一种基于在线智能拍卖的mec辅助卫星网络资源分配方法。


背景技术：

2.近年来，各国开展了领海环境监测、海洋调查、安全和救援等方面的研究。无人驾驶船舶、无人机和其他自主系统可用于完成海洋中一些特别危险和无聊的任务，如水质监测等。随着对海洋资源竞争需求的增长，无人驾驶船舶在不同的海洋中面临着一系列时间敏感的任务。仅利用目前无人船有限的资源，无法满足日益增长的服务需求。
3.近年来，卫星移动通信系统以其独特的优势成为移动通信领域不可或缺的组成部分。卫星移动通信系统可以提供任何时间、任何地点真正意义上的移动通信服务，已经在军事和民用通信、海上通信、卫星通信、应急救援、空中导航、天气预报等领域展示了其独特的价值和不可替代的作用，在人类社会中起着至关重要的沟通和互动作用。然而，如何在卫星通信系统中合理有效地分配有限的资源，对于提高资源利用率和系统性能至关重要。
4.同时，可以提出多接入边缘计算(mec)来提高用户的qos(服务质量)。基于mec，用户不需要穿越远程核心网，就可以在本地接收计算服务，减少了延迟。然而，对于目前的海上无人船来说，很难提供固定的边缘计算服务器来提供多路接入的边缘计算服务。卫星具有部署速度快、机动性高等特点，可满足多样化应用需求，广泛应用于交通监控、应急通信等。在卫星网络中，卫星可用作基站以支持通信服务和物联网应用。然后，mec服务可以集成到卫星网络中，以提供动态边缘计算服务，这受到了极大的关注。与传统网络相比，mec辅助卫星网络可以提供更好的无线连接服务，可以实现更灵活的网络服务。适用于海上各类时效性强的任务。
5.虽然卫星在无线网络中的部署具有诸多优势，但在海上使用仍存在许多技术和经济挑战需要解决。在卫星移动通信系统中，需要网络服务的稳定性，适当的服务机制对于合理的服务成本也很重要。缺乏适当的机制可能导致卫星业务资源配置过程中以牺牲内部服务标准为代价追求利润。这甚至会导致海洋用户支付更多费用来获得相同的服务。在这方面，经济模型和博弈论方法被用来解决卫星网络中的资源分配问题。作为最广泛使用的经济模式之一，拍卖方法可以确保资源配置的公平、高效和真实，特别是在参与者理性、聪明和竞争的情况下。
6.随着海中用户设备数量的不断增加，业务种类和业务量激增。由于海上应用中的用户多为资源有限的节点，计算能力有限，难以通过用户本地计算和处理能力满足日益增长的数据和业务服务需求。传统的中心计算方式也无法满足海上用户的巨大需求。可以采用边缘计算技术来解决资源有限的问题。在近岸海域，多个集成了边缘计算技术的沿海基站可以与用户设备(简称：)配合，实现用户的计算卸载。然而，在近海海域，由于海域范围广，采用多个沿海基站集成边缘计算技术会引入大规模建设成本等因素。


技术实现要素：

7.本发明实施例提供了基于在线智能拍卖的mec辅助卫星网络资源分配方法，使用多接入mec辅助卫星网络为用户提供边缘计算服务，最大化综合服务满意度。所述方法包括：
8.构建由多颗卫星和多个用户组成的多接入mec辅助卫星网络；其中，所述卫星包括：mec服务器，mec表示边缘计算，在构建的多接入mec辅助卫星网络中，用户连接到卫星并从mec服务器申请资源来支持用户的计算需求；
9.基于构建的多接入mec辅助交易资源的价格卫星网络，引入服务满意度指数来表示卫星与用户之间的服务关系，该关系表示综合服务满意度，包括：卫星对用户的服务收益满意度和用户对卫星服务的满意度；
10.利用综合服务满意度最大化的在线多轮拍卖资源分配算法以及vickrey-clerke-groves支付机制，确定卫星和用户之间的服务匹配关系和交易资源的最终支付价格，以实现综合服务满意度最大化。
11.进一步地，综合服务满意度s
m,n
表示为：
[0012][0013][0014][0015]
其中，表示能源消耗成本，θe表示能量消耗因子，表示完成任务的总能量消耗，表示卫星n从用户m处获得的服务收入，θr表示收入系数，表示完成任务的收入。
[0016]
进一步地，完成任务的总能量消耗表示为：
[0017][0018]
其中，e
cah
表示缓存的能量消耗，e
com
表示任务计算产生的能量消耗，e
tran
表示任务计算结果传回给用户产生的能量消耗，ehov表示悬停状态带来的能量消耗，e
cir
表示卫星的电路能耗。
[0019]
进一步地，缓存的能量消耗e
cah
表示为：
[0020]ecah
＝ρd
[0021]
其中，ρ表示能量转换因子，d表示任务。
[0022]
进一步地，任务计算产生的能量消耗e
com
表示为：
[0023][0024]
其中，an表示卫星完成任务所需的cpu周期数，k是取决于cpu电路结构的系数值，cn表示卫星n的计算能力。
[0025]
进一步地，任务计算结果传回给用户产生的能量消耗e
tran
表示为：
[0026][0027]
其中，r
down
表示下行链路传输的可实现速率，pu为卫星的传输功率，表示任务计
算结果的大小。
[0028]
进一步地，综合服务满意度最大化表示为：
[0029][0030]
s.t.c1:ti≤tm,i∈m,
[0031][0032][0033][0034][0035]
c6:x
ij
∈{0,1},i∈m,j∈n.
[0036]
其中，s
i,j
表示综合服务满意度，x
ij
表示用户i与卫星j是否匹配，x表示买方和卖方的最优匹配关系，r表示最优收入，n表示卫星集合，m表示用户集合，ti为用户i的任务总处理延迟，tm表示任务最大容许延迟，约束c1表示任务的延迟约束，f
ij
表示时钟频率，表示卫星j的最大计算能力，n表示，约束c2表示卫星的计算资源约束，d
ij
表示用户的数据大小，表示卫星j的最大缓存，约束c3表示卫星的缓存资源约束，表示卫星j的最大服务用户数，约束c4表示卫星的通信资源约束，约束c5表示每个任务最多由一个卫星服务；约束c6表示可变约束。
[0037]
进一步地，在线多轮拍卖资源分配算法中，将用户视为买方，带有mec服务器的卫星视为卖方和拍卖者；用户向卫星购买mec服务器资源，卫星通过提供mec服务器获得收入；
[0038]
所述利用综合服务满意度最大化的在线多轮拍卖资源分配算法以及vickrey-clerke-groves支付机制，确定卫星和用户之间的服务匹配关系和交易资源的最终支付价格包括：
[0039]
在拍卖开始时，买方向拍卖者提出计算任务的资源需求，并根据拍卖者的广播信息提供出价，所有卖方根据买方的资源需求向拍卖者提交出价；
[0040]
在拍卖过程中，拍卖者将满足用户计算任务资源需求的卖方加入候选集得到用户匹配候选集，即，哪些买方和卖方彼此匹配；其中，在每轮匹配过程中，每个卖方只与一个买方匹配，当多个买方选择同一个卖方时，卖方根据综合服务满意度从候选集中选择综合服务满意度最高的买方进行匹配，候选集中的剩余买方被视为失败匹配，并进行下一轮拍卖，直至卖方为所有买方提供服务时，结束匹配；
[0041]
在拍卖的最后，即确定买方和卖方的服务匹配关系后，基于买方的出价，利用vickrey-clerke-groves支付机制确定交易资源的最终支付价格。
[0042]
本发明实施例提供的技术方案带来的有益效果至少包括：
[0043]
1)为解决用户需求的异质性和卫星资源的有限性，使用多接入mec辅助卫星网络
为用户提供边缘计算服务，最大化综合服务满意度。
[0044]
2)在线多轮拍卖资源分配算法，卫星作为资源的卖方，用户作为资源的买方，该算法综合考虑了卖方和买方的观点，引入了匹配策略保证了拍卖的效率。
[0045]
3)为了保证拍卖的合理性和真实性，引入了vickrey-clerke-groves支付机制，能够有效地确定交易资源的价格，并可以相应地匹配卫星和用户之间的服务关系；
[0046]
4)该方法可以应用在海洋区域多接入边缘计算(mec)辅助卫星网络的资源分配中。
附图说明
[0047]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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例，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。
[0048]
图1为本发明实施例提供的基于在线智能拍卖的mec辅助卫星网络资源分配方法的流程示意图。
具体实施方式
[0049]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0050]
如图1所示，本发明实施例提供了一种基于在线智能拍卖的mec辅助卫星网络资源分配方法，包括：
[0051]
s101，构建由多颗卫星和多个用户组成的多接入mec辅助卫星网络；其中，所述卫星包括：mec服务器，mec表示边缘计算；
[0052]
本实施例中，假设每颗卫星都有一个边缘计算服务器。在多接入mec辅助卫星网络中，有一组卫星在地理区域上提供网络和计算服务，记为n＝{1,...,n}，用户设备集由m＝{1,...,m}给出。用户可以连接到卫星并从边缘计算服务器申请资源来支持他们的计算需求(是计算任务的资源需求的简称)，而不是传统的云计算服务器。
[0053]
本实施例中，不同的卫星可以具有不同的资源容量。一般情况下，用户倾向于选择资源较多的卫星，以保证任务尽可能在可容忍的最大延迟内完成。用户需要将任务卸载到卫星上的mec服务器中完成计算，并需要向卫星支付相应的计算费用。同时，卫星可以通过提供mec服务器资源协助用户进行任务计算来获取收入。
[0054]
s102，基于构建的多接入mec辅助交易资源的价格卫星网络，引入服务满意度指数来表示卫星与用户之间的服务关系；
[0055]
在海上应用中，假设每个用户都有其独特的服务需求，那么卫星所执行的任务是不同的。本实施例中，可以用一个元组{dm,om,fm,vm,tm}来表示用户m的任务，其中，dm表示第m个用户的数据大小，fm表示时钟频率，om表示任务处理结果(计算结果取决于任务，可能是数据，可能是图像)，vm表示第m个用户的计算任务处理1位数据所需的周期数，tm表示任务最大容许延迟。并使用元组{hn,ln,cn}来表示卫星n的资源，其中，hn表示卫星n的缓存大小，ln表示卫星n的最大服务用户数，cn表示卫星n的计算能力。
[0056]
本实施例中，用户的传输速率与信道状态和频谱状态有关。考虑到用户的信道在任务卸载期间保持不变，将上行链路传输可实现速率r
up
表示为：
[0057][0058]
其中，b表示为卫星分配的带宽，pg表示用户的传输功率，h表示信道增益，n0表示信道噪声。
[0059]
与上行链路传输速率类似，考虑到卫星的传输功率为pu，下行链路传输的可实现速率由r
down
给出。因此，上行链路传输的延迟t
up
和下行链路传输的延迟t
down
可以表示为：
[0060][0061]
其中，d是任务的大小，是任务计算结果的大小。
[0062]
本实施例中，当卫星接收到来自用户的任务时，它需要适当地分配其缓存和计算资源。缓存的能量消耗e
cah
主要取决于卸载任务的大小，表示为：
[0063]ecah
＝ρd
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0064]
其中，ρ是能量转换因子。假设卫星使用动态电压和频率缩放(dvfs)技术来调整其核心时钟频率，其中dvfs技术可以根据应用的不同需求调整cpu的计算频率。
[0065]
本实施例中，由任务计算产生的能量消耗e
com
表示为：
[0066][0067]
其中，an是卫星完成任务所需的cpu周期数，k是取决于cpu电路结构的系数值，cn表示卫星n的计算能力。计算后，需要将结果返回给用户，任务计算结果传回给用户产生的能量消耗e
tran
为：
[0068][0069]
其中，r
down
表示下行链路传输的可实现速率，pu为卫星的传输功率。
[0070]
本实施例中，当向用户提供服务时，假设卫星处于稳定状态。它需要消耗额外的能量来维持稳定状态。因此，悬停状态将带来额外的能量消耗，用参数ehov表示。此外，每个卫星中都存在电路能耗，即计算芯片、转子和陀螺仪等星载电路所消耗的能量。本实施例中，卫星的电路能耗表示为e
cir
。
[0071]
本实施例中，任务的处理延迟包括上行链路传输延迟、计算延迟和下行链路传输延迟。因此，用户i的任务总处理延迟可以表示为：
[0072]
ti＝∑(t
up
t
com
t
down
),i∈m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0073]
其中，t
com
是计算延迟。通常，任务的延迟主要受来自用户设备的任务流量的影响。在海上通信中，由于存在大量间歇发送的数据包，任务流量是突发的、自相关的。
[0074]
本实施例中，引入服务满意度指数来表示卫星与用户之间的服务关系，该关系表示综合服务满意度，包括：卫星对用户的服务收益满意度和用户对卫星服务的满意度；其中，用户对卫星服务的满意度取决于用户的任务能耗和卫星的最低服务价格。卫星对不同用户任务的服务收益满意度取决于服务收入和计算成本，其中，计算成本由与任务相关的
能耗给出。
[0075]
本实施例中，可以得到如下的能源消耗成本
[0076][0077]
其中，θe表示能量消耗因子，表示完成任务的总能量消耗，表示完成任务的总能量消耗，考虑到从用户m获得的收益，卫星n从用户m处获得的服务收入由下式得出：
[0078][0079]
其中，θr表示收入系数，表示完成任务的收入，等于处理用户计算任务的收入-计算成本。
[0080]
因此，综合服务满意度s
m,n
可以描述为：
[0081][0082]
基于上述等式，最大化综合服务满意度的问题可以用公式表示如下：
[0083][0084]
其中，s
i,j
表示综合服务满意度，x
ij
表示用户i与卫星j是否匹配，x表示买方和卖方的最优匹配关系，r表示最优收入，n表示卫星集合，m表示用户集合，ti为用户i的任务总处理延迟，tm表示任务最大容许延迟，约束c1表示任务的延迟约束，f
ij
表示时钟频率，表示卫星j的最大计算能力，n表示，约束c2表示卫星的计算资源约束，d
ij
表示用户的数据大小，表示卫星j的最大缓存，约束c3表示卫星的缓存资源约束，表示卫星j的最大服务用户数，约束c4表示卫星的通信资源约束，约束c5表示每个任务最多由一个卫星服务；约束c6表示可变约束。
[0085]
s103，利用综合服务满意度最大化的在线多轮拍卖资源分配算法以及vickrey-clerke-groves支付机制，确定卫星和用户之间的服务匹配关系和交易资源的价格，以实现综合服务满意度最大化。
[0086]
一般来说，拍卖模式有三个重要组成部分，即买方、卖方和拍卖者。本实施例中，在
线多轮拍卖资源分配算法中，将用户视为买方，带有边缘计算服务器的卫星视为卖方；用户需要向卫星购买mec服务器资源，卫星通过提供mec服务器资源获得收入；具有大通信覆盖范围的卫星也可以被认为是拍卖者。
[0087]
本实施例中，综合服务满意度最大化的在线多轮拍卖资源分配算法主要包括3个阶段：
[0088]
在拍卖的第一阶段，买方向拍卖者提出计算任务的资源需求，并根据拍卖者的广播信息提供出价，所有卖方根据买方的资源需求向拍卖者提交出价；
[0089]
在拍卖的第二阶段，拍卖者使用投标策略来衡量哪些卫星更符合用户的标准，并根据匹配策略确定用户是否可以得到卫星的服务，从而确定买方和卖方的服务匹配关系；
[0090]
在拍卖的第三阶段，在确定买方和卖方的服务匹配关系后，基于出价来确定交易资源的最终支付价格。
[0091]
本实施例中，用户在不同的卫星上提交的出价可以是不同的。由于每个用户的任务也不同，因此用户的最终收入也会不同。为了更有效地分配卫星资源，考虑用户的初始成本效益，对卫星与用户之间的供需进行匹配。用户的初始成本效益δ
ij
表示用户投标价格(用户出价)与卫星服务价格之间的差额，由下式给出：
[0092]
δ
ij
＝bid(i,j)-ask(j),i∈m,j∈n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0093]
其中，bid(i,j)表示用户i对卫星j的出价，ask(j)表示卫星j的最低服务价格。
[0094]
每个用户都希望节约成本，以最少的成本获得最大的效益。因此，具有较高初始成本效益的卫星应具有较高的中标机会。拍卖者将优先考虑用户任务成本较低的卫星。换句话说，拍卖者从用户的角度选择卫星，并决定哪个卫星更适合用户。因此，为了最大限度地提高服务满意度，本实施例中设计了一种匹配策略，即解决卫星和用户之间的服务匹配。
[0095]
本实施例中，买方和卖方的服务匹配可以被描述为优胜者确定问题，即确定卫星是否可用于服务用户。在拍卖开始时，所有卖方根据买方的信息向拍卖者提交出价。拍卖者将满足用户计算任务资源需求的卖方加入候选集，得到用户匹配候选集，即，哪些买方和卖方彼此匹配；其中，在每轮匹配过程中，每颗卫星只与一个买方匹配，当多个买方选择同一个卖方时，卖方可以进行反向选择。
[0096]
本实施例中，在确定候选集时，需要考虑用户计算任务的大小、任务所需要的计算资源、通信资源和任务时延等资源需求。
[0097]
为了确保卫星的满意度，服务满意度用于卖方对买方的选择。换句话说，在多个用户选择同一卫星的情况下，卫星根据综合服务满意度从候选集中选择综合服务满意度最高的用户进行匹配，候选集中的剩余用户被视为失败匹配，并进行下一轮拍卖。在拍卖过程中，当卖方为所有买方提供服务时，拍卖结束。
[0098]
本实施例中，用户对卫星服务的满意度取决于用户的任务能耗(如式(7)所示)和卫星的最低服务价格。用户任务在处理过程中消耗的能量越少，卖方的成本就越低。同时，用户的出价越高，卖方的收入就越高。因此，卖方根据服务满意度从候选集中选择要匹配的买方。
[0099]
在拍卖的最后阶段，拍卖者需要确定用户要支付的最终价格。投标人中标后，他们需要根据相关付款规则支付价格。支付规则的确定对拍卖机制有着至关重要的影响。同时，支付规则也影响卫星的最终收入。合理的支付规则可以确保拍卖机制的激励相容性，促进
买方能够做出合理的出价。本实施例中，vickrey拍卖方法用于买方的最终付款定价，也称为第二价格密封投标拍卖。出价最高者获胜，但只支付第二高者的价格。这种拍卖机制可以激励投标人报告其真实出价。因此，本实施例中，通过计算第二高出价作为最终价格，使用vickrey-clerke-groves支付机制。
[0100]
为了最大限度地提高服务满意度，提出了一种在线多轮拍卖资源分配(omara)算法，如algorithm 1所示：
[0101][0102]
[0103]
本实施例中，为了提高系统整体卫星的服务满意度，针对卫星与用户之间的服务匹配关系和最终支付价格，提出了综合服务满意度最大化的在线多轮拍卖资源分配(omara)算法。omara算法在实现用户与卫星之间的有效匹配的同时，能够保证用户任务的延迟容忍度，更合理地分配资源。本发明实施例提出的方法可以提高整个系统的综合满意度，并尽可能增加服务用户的数量。
[0104]
本发明实施例所述的基于在线智能拍卖的mec辅助卫星网络资源分配方法，至少具有以下有益效果：
[0105]
1)为解决用户需求的异质性和卫星资源的有限性，最大化综合服务满意度。
[0106]
2)在线多轮拍卖资源分配算法，卫星作为资源的卖方，用户作为资源的买方，该算法综合考虑了卖方和买方的观点，引入了匹配策略保证了拍卖的效率。
[0107]
3)为了保证拍卖的合理性和真实性，引入了vickrey-clerke-groves支付机制，能够有效地确定交易资源的价格，并可以相应地匹配卫星和用户之间的服务关系；
[0108]
4)该方法可以应用在海洋区域多接入边缘计算(mec)辅助卫星网络的资源分配中。
[0109]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。