一种基于在线机制的边缘计算任务调度抗操纵方法技术

本发明专利技术涉及一种基于在线机制的边缘计算任务调度抗操纵方法，属于边缘计算技术领域

【技术实现步骤摘要】
Computer Systems 137(2022):1
‑
13.)
的研究针对协作边缘计算中的软截止任务设计了一种在线拍卖激励机制，该机制激励设备共享资源并诚实报告任务信息，以最大化设备的效用
。
吴俊逸
(
一种基于边缘计算的多任务优化调度方法及系统
[P].
江苏省：
CN114816721B,2022
‑
09
‑
09.)
提出一种基于边缘计算的多任务优化调度方法及系统
,
解决了对于多任务源的分配和对应调度的节点不合理问题
,
但是并未关注用户私有信息的激励问题
。
[0006]目前针对边缘计算中的任务调度问题，
Xingqiu He
等将激励相容作为一个关键要求，但该要求面临一系列的挑战：
①
现有方法假设所有任务的类型信息在调度开始时就完全已知，并且这些信息在整个调度过程中不会发生变化
。
然而，在实际的边缘计算场景中，任务会随着时间的推移到达系统，同时任务的资源需求也可能会随着任务的执行过程而变化
。
因此，在实际的场景中，任务调度算法需要能够处理动态和不确定的环境，实时调整调度决策以适应任务的变化
。
②
现有方法忽略了在线场景中用户延迟报告到达时间的时间策略上的欺骗问题
。
通过延迟报告到达时间，用户可以获得更多的资源或更优先的任务分配，这样可能导致其他用户无法及时获得资源或任务，从而造成不公平的分配结果
。
③
大部分方法仅考虑单一的用户价值激励机制，而未综合考虑动态不确定场景下的时间策略和价值策略
。
[0007]本专利技术旨在解决边缘计算环境下任务调度问题，尤其关注实时决策和用户延迟报告到达时间的挑战，为此，本专利技术提出了一种新的随机分配方法，适应动态和不确定的环境，并实时给出分配策略
。

技术实现思路

[0008]本专利技术提供了一种基于在线机制的边缘计算任务调度抗操纵方法，用于解决用户延迟报告任务到达时间
、
提前报告离开时间
、
谎报任务价值和请求资源来提升自身预期效用问题
。
[0009]本专利技术的技术方案是：一种基于在线机制的边缘计算任务调度抗操纵方法，包括买方
、
卖方和拍卖方三种类型的参与者：买方为在线动态到达的
m
个用户，卖方为
n
个边缘服务器，拍卖方为可信任的第三方服务器
。
边缘服务器作为卖方向用户提供不同类型的资源，即充当服务提供者，提供的资源包括处理器
、
内存
、
存储等组成的实例，用户可以购买和使用这些资源来满足其任务的特定需求
。
[0010]所述方法首先实时收集卖方服务器可用资源信息的和买方用户任务的动态到达情况以及投标信息；然后，计算已到达任务的分配概率和预期效用，根据预期效用大小对任务降序排列；其次，根据任务报告的类型信息和当前服务器的可用资源状态确定分配矩阵，并删除资源无法满足或在离开时间之前无法完成的任务；根据分配情况计算成功分配任务的关键支付价格，得到支付矩阵
。
[0011]所述方法的具体步骤如下：
[0012]Step1、
投标阶段，收集边缘服务器的可用资源和动态到达用户任务的投标信息
[0013]Step1.1、
设用户集合为
U
＝
{u
i
|i
＝
1,2,...,m},
边缘服务器集合为
S
＝
{s
k
|k
＝
1,2,...,n},
其中
,m
表示用户的数量，
n
表示边缘服务器数量，系统以时隙方式运作，每个时隙表示为
T
为系统的最大运行时间
。
[0014]Step1.2、
服务器的异构资源表示为
D
＝
{d
r
|r
＝
1,2,...,p}
，其中，
p
表示服务器异
构资源的种类
。
[0015]Step1.3、
记服务器
s
k
的第
r
种资源的剩余可用量为
esr
kr
,
将系统中所有服务器的剩余可用资源表示为资源矩阵
ESR
＝
[esr
kr
]n
×
p
，其中第
k
行
ESR[k,:]＝
[esr
k1
,esr
k2
,...,esr
kr
]，表示服务器
s
k
的可用资源向量
。
[0016]Step1.4、
将用户
u
i
的第
j
个任务表示为
τ
ij
＝
{a
ij
,e
ij
,d
ij
,Q
ij
}
，其中
a
ij
表示任务的到达时间，这是任务能够参与分配的第一个时间；
e
ij
表示任务的执行时间，是任务执行需要占用资源的时间；
d
ij
是任务的离开时间，在此后任务不再参与分配；
Q
ij
是任务的资源请求向量，其表达式为表示任务
τ
ij
对每一种资源的需求量；将任务
τ
ij
的出价记为
b
ij
，任务
τ
ij
的投标类型表示为的投标类型表示为
Θ
i
表示用户
u
i
的投标集合，表示所有用户任务的投标集合
。
在
t
时，收集买方每个用户任务的到达时间
、
执行时间
、
最晚离开时间
、
需要的资源信息以及出价情况
。
[0017]Step2、
排序阶段，计算已到达任务的分配概率和预期效用，根据预期效用大小对任务降序排列
[0018]Step2.1、
设计一个单调的分配函数表示任务
τ
ij
在给定任务类型和其他任务类型下被分配的概率，对于每个任务
τ
ij
，按照分配函数计算任务
τ
ij
的分配概率
π
ij
；
[0019][0020]其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于在线机制的边缘计算任务调度抗操纵方法，其特征在于，包括如下步骤：
Step1、
投标阶段，收集边缘服务器的可用资源和动态到达用户任务的投标信息；
Step2、
排序阶段，计算已到达任务的分配概率和预期效用，根据预期效用大小对任务降序排列；
Step3、
分配阶段，根据任务报告的类型信息和服务器的资源矩阵确定分配矩阵，并删除资源无法满足或无法在离开时间之前完成的任务；
Step4、
支付阶段，根据分配情况计算成功分配任务的最终支付价格，得到支付矩阵
。2.
根据权利要求1所述的基于在线机制的边缘计算任务调度抗操纵方法，其特征在于，所述
Step1
具体步骤为：
Step1.1、
设用户集合为
U
＝
{u
i
|i
＝1，2，
...
，
m}
，边缘服务器集合为
S
＝
{s
k
|k
＝1，2，
...
，
n}
，其中，
m
表示用户的数量，
n
表示边缘服务器数量，系统以时隙方式运作，每个时隙表示为
T
为系统的最大运行时间；
Step1.2、
服务器的异构资源表示为
D
＝
{d
r
|r
＝1，2，
...
，
p}
，其中，
p
表示服务器异构资源的种类；
Step1.3、
记服务器
s
k
的第
r
种资源的剩余可用量为
esr
kr
，将系统中所有服务器的剩余可用资源表示为资源矩阵
ESR
＝
[esr
kr
]
n
×
p
，其中第
k
行
ESR[k
，：
]
＝
[esr
k1
，
esr
k2
，
...
，
esr
kr
]
，表示服务器
s
k
的可用资源向量；
Step1.4、
将用户
u
i
的第
j
个任务表示为
τ
ij
＝
{a
ij
，
e
ij
，
d
ij
，
Q
ij
}
，其中
a
ij
表示任务的到达时间，这是任务能够参与分配的第一个时间；
e
ij
表示任务的执行时间，是任务执行需要占用资源的时间；
d
ij
是任务的离开时间，在此后任务不再参与分配；
Q
ij
是任务的资源请求向量，其表达式为表示任务
τ
ij
对每一种资源的需求量；将任务
τ
ij
的出价记为
b
ij
，任务
τ
ij
的投标类型表示为的投标类型表示为
Θ
i
表示用户
u
i
的投标集合，表示所有用户任务的投标集合；在
t
时，收集买方每个用户任务的到达时间
、
执行时间
、
最晚离开时间
、
需要的资源信息以及出价情况
。3.
根据权利要求1所述的基于在线机制的边缘计算任务调度抗操纵方法，其特征在于，所述
Step2
具体步骤为：
Step2.1、
设计一个单调的分配函数表示任务
τ
ij
在给定任务类型和其他任务类型下被分配的概率，对于每个任务
τ
ij
，按照分配函数计算任务
τ
ij
的分配概率
π
ij
；
Step2.2、
在得到分配概率
π
ij
的基础上，根据关键支付公式计算得到随机环境下任务
τ
ij
的关键支付的关键支付
Step2.3、
根据得到的支付函数，按照如下公式计算每个任务
τ
ij
的预期效用
EU
ij
；<...

【专利技术属性】
技术研发人员：付晓东，李琳洁，刘骊，丁家满，彭玮，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：