联邦小云间集中式与分散式非合作负载均衡博弈
网络与互联网体系结构
2022-02-28 v2 计算机科学与博弈论
摘要
来自不同服务提供商的云边服务器（如小云）弥补了移动设备在计算、内存和能源资源上的匮乏，并分布在接入网络中。然而，由于关联移动设备的移动模式及动态变化的计算需求，网络中不同位置的小云会出现过载或欠载的情况。因此，相邻小云之间的负载均衡似乎是一个重要的研究问题。尽管如此，现有的负载均衡框架并不适用于低延迟应用。为此，本文针对来自相同或不同服务提供商以及异构作业请求类别的联邦相邻小云，提出了一种面向低延迟应用的经济型非合作负载均衡博弈。首先，我们提出一种集中式激励机制，在中性中介的监督下计算小云的纯策略纳什均衡负载均衡策略。借助该机制，我们确保所有联邦小云向中介如实披露私有信息是一个弱占优策略。其次，我们提出了一种基于连续动作强化学习自动机的算法，使每个小云能够在完全分布式网络环境中独立计算纳什均衡。我们深入研究了所设计学习算法的收敛性质，以支撑对底层负载均衡博弈更快收敛的理解。此外，通过大量仿真，我们研究了探索与利用对学习精度的影响。这是首项表明强化学习算法在相邻小云间负载均衡博弈中有效性的研究。
引用
@article{arxiv.2006.00390,
title = {Centralized and Decentralized Non-Cooperative Load-Balancing Games among Federated Cloudlets},
author = {Sourav Mondal and Goutam Das and Elaine Wong},
journal= {arXiv preprint arXiv:2006.00390},
year = {2022}
}