车辆雾边计算网络的联合卸载决策与资源分配：一种契约-斯坦克尔伯格方法
分布式、并行与集群计算
2022-03-01 v1
摘要
随着移动设备的普及和计算密集型应用的发展，研究人员正聚焦于将计算卸载至移动边缘计算（MEC）服务器，因其计算效率高且通信延迟低。由于MEC服务器的计算资源有限，城市区域中拥有充裕空闲资源的车辆应被充分利用。然而，将计算任务卸载至车辆面临诸多挑战性问题。本文引入一种车辆雾边计算范式，并将其建模为多阶段斯坦克尔伯格博弈以应对这些问题。具体而言，车辆并无义务共享资源，更毋庸披露其私有信息（如停留时间与资源量）。因此，在第一阶段，我们设计了一种基于契约的激励机制以激励车辆贡献其空闲资源。接着，由于车辆、路侧单元（RSU）、MEC服务器与移动设备用户之间交互复杂，协调各方资源并设计使所有实体受益的交易机制颇具挑战。在第二与第三阶段，基于斯坦克尔伯格博弈，我们制定了使各方效用最大化的定价策略。给出了各阶段最优策略的解析形式。仿真结果证明了我们所提激励机制的有效性，揭示了用户能耗与卸载决策随各类参数的变化趋势，并给出了我们的框架与车辆网络中现有MEC卸载范式的性能比较。
引用
@article{arxiv.2202.13037,
title = {Joint Offloading Decision and Resource Allocation for Vehicular Fog-Edge Computing Networks: A Contract-Stackelberg Approach},
author = {Yuwei Li and Bo Yang and Hao Wu and Qiaoni Han and Cailian Chen and Xinping Guan},
journal= {arXiv preprint arXiv:2202.13037},
year = {2022}
}