5g/b5g环境下移动社交云资源分配技术
阅读说明：本技术 5g/b5g环境下移动社交云资源分配技术 (Mobile social cloud resource allocation technology in 5G/B5G environment ) 是由 王兴伟 代晨曦 任庆庆 易波 于 2021-06-21 设计创作，主要内容包括：本发明公开了一种5G/B5G环境下移动社交云资源分配技术,基于分解和支配的多目标优化资源分配方法,该方法构建了在5G/B5G环境中,面向社区的计算迁移场景下的移动社交云资源分配机制整体框架,并对系统各个模块的功能进行了介绍。此外,对系统的时延、能耗、社交虚拟货币支出和社交效益等多目标问题进行建模,设计基于分解和支配的多目标优化资源分配算法,本发明方法能够通过对系统多目标进行优化,从而有效提高了5G/B5G环境下云资源分配利用率和系统性能。(The invention discloses a mobile social cloud resource allocation technology in a 5G/B5G environment, and discloses a multi-objective optimization resource allocation method based on decomposition and domination, wherein an overall framework of a mobile social cloud resource allocation mechanism in a community-oriented computing migration scene in the 5G/B5G environment is constructed, and functions of all modules of a system are introduced. In addition, multi-objective problems of time delay, energy consumption, social virtual currency expenditure, social benefits and the like of the system are modeled, and a multi-objective optimization resource allocation algorithm based on decomposition and domination is designed.)
技术领域
本发明属于5G/B5G环境下移动社交云资源分配的技术研究领域，特别涉及对移动社交云资源分配中计算迁移的时延、能耗等因素和移动社交网络中社交因素的分析，以及面向多目标的移动社交云资源分配机制。
背景技术
面向5G/B5G万物互联环境，支撑5G/B5G智能场景对于巨连接、大流量、低时延、高可靠及快速演进的应用需求越来越高，本发明针对当前互联网对5G/B5G中移动社交云资源分配目标单一化问题，提出一种基于分解和支配的多目标优化资源分配方法。移动社交云是一种资源共享的基础设施，使有信任关系的人能够在社交圈子内(如社区)共享计算或数据服务，它是增强多用户协作的手段，可以极大地促进参与者之间的资源交换。
传统的社交云和移动云计算在资源分配时多采用博弈论和竞价拍卖等以价格为主导的策略，以提供统一和抽象的基础设施云服务，而移动社交云面对计算迁移应用场景下代理计算服务，除了资源交易价格，还要考虑任务计算量、时延和能耗等因素。本发明以一种新的合理有效的资源分配机制，来满足计算迁移场景下的移动社交云资源分配，相对已有方法是一种更加全面合理的面向社区的移动社交云资源分配机制。
发明内容
本发明的目的是提供一种5G/B5G环境下移动社交云资源分配技术，除了根据资源交易价格，还能够根据时延、能耗和社交关系等因素的合理有效的资源分配机制，来满足计算迁移场景下的移动社交云资源分配需求。
本发明的技术方案是：一种基于分解和支配的多目标优化资源分配方法，分别从四个维度对资源分配的目标进行建模，通过寻找最优的资源匹配方案使得系统平均时延、平均能耗和用户平均开支最小化以及用户平均社交效益最大化，主要步骤如下：
步骤1确定本发明的研究场景，对面向社区的移动社交云系统抽象建模；
步骤2确定优化资源分配方法的优化目标；
步骤3对面向社区的移动社交云环境下资源分配问题从四个维度进行建模；
步骤4通过四个维度构造子目标函数，建立问题模型；
步骤5基于分解和支配关系构造用于优化多目标的云资源分配方法。
所述步骤1中的问题研究场景是在5G/B5G环境下面对的是社区中的计算迁移，对面向社区的移动社交云系统抽象和简化后，大概可以分为三层：资源域、物理域和社交域。
所述步骤2中的优化目标主要从四个维度考虑，分别是通过寻找最优的资源匹配方案使得系统平均时延、平均能耗和用户平均开支最小化以及用户平均社交效益最大化。
所述步骤3的具体步骤包括：
步骤3.1需求方在进行计算迁移时，不可避免会面对中间环节的时间损耗，系统时延考虑的范围包括传输(发送/接收)时延、队列等待时延、代理执行时延、中间通信和结果返回时延等。由于需要迁移的计算往往是自身计算量比较大，而结果数据量比较少，因而结果返回时延可以忽略，构造总时延特征向量如下式(1)所示：
其中，为用户i在t时刻的传输时延，为用户i在t时刻的等待及执行时延；
步骤3.2计算迁移的能量消耗集中在计算传输过程和代理执行过程中。由于社交云使用非对称传输模式，而在非对称传输模式下，上行链路传输速率远比下行链路传输速率要低，因此能耗评估分成两块，构造出的能耗向量如式(2)所示：
其中，表示传输能耗，定义如式(3)所示：
Pi是传输功率，此外表示代理执行能耗，考虑到迁移的两种用户级模式，即单代理迁移和多代理迁移，此处能耗相应地分成单代理模式如式(4)和多代理模式如式(5)两种情况。
其中，和分别表示代理j每执行1bit代码消耗的CPUcycles、需求方i迁移到代理j上第idx个计算的代码规模和代理j每运行1CPUcycle消耗的能量值；
步骤3.3虚拟社交货币开销模型旨在根据用户交易量评估社交虚拟货币开销，构造需求方i在t时刻交易时花费的虚拟货币Costi,t如式(6)所示：
其中，是成本价，Comi,idx,j,t表示需求方i在t时刻迁移到代理j上的自身待迁移计算中第idx个计算的计算量，单位是CPUcycle。
步骤3.4社交效益是某种代理选择方案给需求方带来的社交上的收获，它是充分发挥MSN中社交关系的一条举措，构造出社交效益向量如式(7)所示：
其中，bi是权重系数，SR是社交信誉，IntimD是亲密度，表示社交用户和代理之间的社交关系的强度，值域为[0,1]。
所述步骤4的具体步骤包括：
步骤4.1根据任务优先级队列如式(8)所示，确定系统子目标是平均时延最小化，目标函数如式(9)：
步骤4.2确定系统子目标用户平均能耗最小化目标函数如式(10)：
步骤4.3确定系统子目标用户平均虚拟货币开销最小化目标函数如式(11)：
步骤4.4确定系统子目标所有用户的社交平均效益最大化目标函数如式(12)：
为了保持目标优化方向的一致性，这里对上式取倒数转化成如式(13)：
步骤4.5通过寻找最优的资源匹配方案使得系统平均时延、平均能耗和用户平均开支最小化以及用户平均社交效益最大化，问题模型目标F(X)可表示成如式(14)、式(15)、式(16)：
minF(X)＝(f1(X),...,fm(X))T (14)
X＝(x1,...xN)T (15)
m＝4 (16)
其中，f1表示用户能耗均值，f2表示用户虚拟社交货币支出均值，f3表示用户时延均值，f4表示用户社交效益均值的倒数，X是计算迁移场景下资源分配的方案集，m是目标个数。
所述步骤5的具体步骤如下：
步骤5.1通过分解将各个资源分配方案中的时延、能耗、社交效益和虚拟社交支出等多目标问题转化成更容易解决和理解的单目标问题；
步骤5.2方案集快速非支配排序，根据时延、能耗、社交效益和虚拟社交支出等多目标确定整个可行方案体系的Pareto支配层次关系；
步骤5.3非支配排序针对的是方案集中的可行方案，即可行解，对于非可行解引入约束违反值来处理非可行解的问题。
本发明的主要有益效果是：可以利用社区现实社交和线上交易演化而来的移动社交网络具有解决信任和问责的天然优势，使得面向社区的移动社交云借助于这种社交网络，在5G/B5G环境下为社区用户提供一种基于关系和信任的资源分享和代理计算服务平台，扩展性能有限的设备的计算能力，同时又能让资源富余的设备的利用率维持在一个相对较高的水平。相比于传统的计算迁移和资源分配，引入计算迁移的时延、能耗等因素和移动社交网络中社交因素，兼顾开销和资源分配后由迁移带来的能耗和时延问题，同时更好地发挥出社交作用，以形成科学合理全面的移动社交云资源分配机制，为移动端在算力和电量等不足条件下仍能运行复杂应用开拓了前景，同时设备之间的靠近又能规避把计算迁移到公有云或者远程云时带来的网络时延和抖动问题，是把算力向边缘分布的一次有力尝试，尤其是像社区这种人口密集型，移动设备高度集中，解决好设备的利用效用问题，对构建资源互通、算力互流的21世纪新型信息化社区也具有重要价值。值得指出的是，本发明具有很强的场景移植和扩展潜力，将来可以推广到诸如学校、工业园区甚至是移动社区等人员和设备密集型地区。
附图说明
图1为本发明的多目标优化资源分配流程。
图2为本发明的系统抽象模型。
图3为本发明的系统框架图。
图4为本发明的面向社区的移动社交网络。
图5为本发明的交易模块。
图6为本发明的系统监测模块。
图7为本发明的PBI方法的示意图。
图8不同资源分配策略对系统和交易的影响。
具体实施方式
本发明提出了一种5G/B5G环境下移动社交云资源分配技术，下面结合附图1-8详细说明本发明方法涉及的关键步骤。
一种5G/B5G环境下移动社交云资源分配技术，包括以下几方面的内容：抽象系统模型、构造系统框架、基于分解和支配的多目标优化资源分配算法、用例评价。
系统抽象模型主要包括以下部分：
1.1资源域
资源域刻画用户设备的资源使用情况，这里只简单列出了CPU和存储的资源信息，此外还可能包括网络带宽和电池剩余电量等。一般来说，发出迁移请求的一方的资源情况不是很乐观，如计算速率较慢和电池余电不足等；相反，发布资源信息的一方通常其本身资源相对富余。
1.2物理域
物理域刻画的是社区范围内的设备间的资源共享和迁移计算服务的情况。
1.3社交域
社交域则是社区中用户间社交拓扑的反映，社交拓扑中的每一对用户社交关系强度具有一定的差异性，有高有低。物理域的计算迁移是基于社交域中的社交关系图谱进行的，迁移一般会发生在具有社交关系的双方之间，它会引发资源域内基于迁移计算的资源分配行为，通过采取恰当的策略对诸如CPU、存储等资源进行预先分配，从而满足迁移后远程执行计算任务时所需的资源需求和约束条件(如计算迁移时需要考量的时延约束等)。
2.构造系统框架
从功能模块上划分，系统框架可以大致划分为以下几个部分：社交网络管理模块、交易模块、监测模块和激励模块等，中间涉及用户偏好(如迁移模式和交易对象范围等)以及请求队列和资源池等。其中，社交网络管理模块负责维护社交关系图谱，如从系统中获取社交拓扑信息，适时更新拓扑图谱等；交易模块负责资源匹配、交易结算；激励模块负责通过运行高效的激励与惩罚策略，如有针对性的严厉打击用户恶意行为和嘉奖积极贡献的用户，来维持社交云市场整体交易质量的良性和可持续性；监测模块负责感知移动社交云市场中的用户行为、任务和资源情况等；服务评价模块负责评估代理方服务提供水平；
系统框架主要包括以下部分：
2.1社交网络管理模块
面向社区的移动社交网络是社区用户因具有某种社交关系而产生的网络组织形式，可能是基于现实社交关系发展而来，也有可能是通过交易行为产生。社交网络管理模块的主要工作是维护社交关系的逻辑图谱，包括社交拓扑关系网中边的新加和移除，新加主要是通过在社区中的现实社交关系添加好友等途径，移除则是双方社交关系强度因衰减或惩罚行为降为零的系统自动采取的动作。另外，考虑到系统社交拓扑的持久化形式(即文本或者是数据库存储形式)，需要借助社交适配器对格式化数据进行提取和解析。
2.2交易模块
交易模块处理的交易匹配过程与完成后直接相关的一些操作，主要分为两部分：资源分配子模块和结算子模块。
用户广播自己的计算请求，经监测和过滤后选择性地被统一放置到一个请求队列中，代理通过广播形式把自己可提供资源信息发布出来，经监测和过滤后选择性地被系统添加到资源池中，通过运行资源分配算法，决策出最优的分配方案，基于此方案下的交易双方通过社交货币结算和提供代理计算服务完成交易行为。
2.3监测模块
在移动社交云市场中，每时每刻都存在各种各样的行为，包括用户或代理发布请求或资源信息、用户给代理提供的服务做评价等等，为了使云市场井然有序地正常运转和即时响应，本文设置了各类感应器(Sensor)，包括用用户感应器、计算感应器、资源感应器等，它们由事务触发，如发布、结算、评价等事务，负责更新相关对象状态或属性值，如把用户请求添加到请求队列、过滤非法请求、记录任务或硬件资源的发布与变化信息等。
此外，考虑到跨基站时因基站切换带来的与社区内其他用户通信的代价增大问题，监测模块还负责对用户的地理位置进行判断，以判断社区云用户是否在社区周边合法范围内发起计算迁移请求或代理计算服务讯息。
2.4服务评价模块
在面向社区的移动社交云中，每一轮交易的结束最后都会伴随着作为迁移计算的用户对提供代理计算的代理进行服务打分的行为发生。通过用户对代理的这种打分行为，可以很好评估代理的服务供给质量，即SLA协议的履行程度。服务评价涉及到评价的层次划分以及系统对真实评价和恶意评价的甄别。
2.5激励模块
社交云交易系统的性能和可靠性依赖于用户在分享计算能力方面的合作，由于每个用户都是理性的和自私的，为了改变用户自私心理，加强彼此真心合作和鼓励交易，需要一种适当的市场机制来激励用户参与并在多个用户之间分配资源，因此引入激励机制。
激励机制主要是体现在正面上对代理社交信誉和双方亲密度的适度调高。信誉越高的用户，下一轮被选中作为代理或请求计算迁移成功的概率就越大。该机制充分考虑了代理在本轮交易中的表现，具体包含贡献度、受欢迎度和用户评价反馈等。另一方面，激励机制也通过惩罚措施从反面提高用户参与交易和遵守SLA协议的积极性。它通过一些激励变量，如代理本轮的贡献或者被选中的比例、代理自身的信誉和用户对代理服务水平的评价等，实现对交易行为规范性的约束和对代理提供更好服务水平的激励以及提高更多社区用户贡献自身设备资源成为代理的积极性。这里面也涵盖了系统对无意或者恶意用户的分级惩罚措施。当前的激励机制中对于惩罚的方式也是多种多样，本文研究充分发挥惩罚的震慑效果，通过捕捉代理以往一天的交易量时间序列，预测其当天的交易高峰期，设置了高峰时刻惩罚时间窗口(禁止交易)，且用于预测的数据也会及时更新，充分打击恶意行为。此外，还补充设置了即刻惩罚窗口，从而形成双阶段惩罚体系。
3.基于分解和支配的多目标优化资源分配算法
为了可以将各个资源分配方案中的时延、能耗、社交效益和虚拟社交支出等多目标问题转化成更容易解决和理解的单目标问题，本发明计算迁移场景下的资源匹配采用的是基于分解和支配的多目标优化资源分配算法CMOEA/DD算法，它是基于分解和支配关系建立起来的。同时，通过非支配关系可以确立出方案集中各方案优劣层次关系，在求解最优方案的过程中，借助当前方案集的优劣层次可以更好把握下一步方案的优化方向。
3.1分解
CMOEA/DD算法采用的分解方法是基于惩罚的边界交叉法(penalty-basedBoundaryIntersection，PBI)，如式(17)-(22)，请参阅图7。：
minimize gpbi(x|w,z*)＝d1+θd2 (17)
s.t.x∈Ω (18)
其中，z*是理想方案的目标向量，d1是当前解方案与z*的距离，d2是当前解方案与z*的距离，θ是一个用户自定义非负实数，表示惩罚因子。w是权向量，m是方案中所含目标个数。gpbi函数通过将时延、能耗、社交效益和虚拟社交支出等多目标转化成单目标的方式求解某个方案与理想方案解的偏离带来的惩罚值。惩罚值反映的是求解过程中的当前解与理想解的偏离程度，即理想最优进化方向与实际进化方向的偏离程度，gpbi函数值越大，与最优解的偏离就越大，惩罚力度越大。
3.2方案集快速非支配排序
在Pareto支配关系中，对于最小化多个目标：f1(x),...,fm(x)，xu,xv∈Ω。若都有fi(xu)≤fi(xv)，且至少存在一个j，j＝{1,...,m}，满足fi(xu)≤fi(xv)，则xu支配xv，记为xu＜xv。方案集的快速非支配排序是根据时延、能耗、社交效益和虚拟社交支出等多目标确定整个可行方案体系的Pareto支配层次关系，它的算法伪代码如表1：
表1方案集快速非支配排序算法
3.3约束条件处理
需要指出的是，非支配排序针对的是方案集中的可行方案，即可行解(FeasibleSolutions)，但CMOEA/DD进化算法允许可行解和非可行解(InfeasibleSolutions)并存。针对这个问题，CMOEA/DD引入了约束违反值(ConstraintViolation，CV)来处理非可行解的问题，如式(23)，其中，如果α<0，则括号运算符<α>返回α的绝对值，否则返回0。很明显，CV(x)越小，x的质量越好，可行解的CV总是0。
借助CV法在一定程度上保留了解的多样性和开放性。由于等式约束恒等于0，故在CV值求解过程，只需考虑不等式约束。
4.用例评价
本专利在移动社交网络BlogCatalog的数据集上进行了测试实验。
4.1评价指标
采用了四种性能评价指标，分别是：平均能耗指标、平均时延指标、平均支出指标和平均社交收益指标。
采用社交云传统的反向拍卖算法(Reverseauctionalgorithm,RAA)，用户提出计算迁移请求时，多个代理依次出价，最后由价低者中标，以检验RAA与本发明方法(MobileSocialCloudResourceAllocationMechanism，简记为MSCRAM)。
4.2评价结果
在数据集BlogCatalog上，分别从平均能耗指标、平均时延指标、平均支出指标和平均社交收益指标，进行了方法的测试，测试结果请参阅图8测试结果。
从分配策略角度对比了传统以价格为导向的RAA资源分配策略与MSCRAM分配策略的实验结果，对RAA和MSCRAM得出结果的各项指标值均采用先将两者求和、再分别求所占比重的方式。
本发明除了价格因素反向拍卖策略胜出外，其他诸如系统平均时延、系统平均能耗和平均社交效益等方面，本文提出的机制都更有优势，说明了本发明在云资源分配综合性能上的有益效果。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种系统故障的处理方法和装置