一种端边协同方法

1.本发明属于无线通信领域，涉及一种端边协同方法。


背景技术：

2.在全球化的工业改革影响下，各国落实地发展工业，现代工厂的发展趋势也逐步向着高度自动化推进，这标志着传统工业的成功转型升级，造就了工业设备互联的崭新局面。随着大量移动设备的不断出现，如工业监视器、工业机器人和工业传感器，这些设备产生的巨大流量给无线接入网络带来了巨大压力。边缘计算作为一种有前途的解决方案，将云计算下沉到网络边缘，以追求更少的计算时延，同时保持低传输时延。然而，边缘服务器的通信能力和计算资源都是有限的，仅采用边缘计算模式很难满足现今复杂的任务计算需求，设备与边缘的紧密合作是扩大通信覆盖范围和解决网络拥塞问题有希望的解决方案。
3.当这些工业设备通过d2d技术相互互联时，资源受限的设备可以将其计算密集型任务直接卸载到邻近的资源丰富的设备，以实现数据高传输速率、低时延和高资源利用率等高质量体验。虽然资源共享在工业互联网中有着光明的应用前景，但它也面临着棘手的挑战，例如利润驱动的激励。具体而言，srs和sps属于不同的利益阵营，考虑到设备的能源和资源受限，在无利可图的情况下，sps可能不愿意向srs提供资源。在资源共享中，另一个需要考虑的因素是工业设备协作过程中的社会意识，大量设备有相当一部分由人类携带或安装在载人机器上，在通过d2d链接相互交流的过程中，不可避免地表现出社会关系(如友谊、亲属和同事关系)和规律性。即使没有人类的参与，设备也倾向于与可信的设备共享信息，根据广泛使用的访问控制框架，建立新的访问需要额外的成本。
4.因此，在复杂的工业互联网场景下通过端边协作提供服务，能够发挥终端设备的效能，提高资源利用率。然而，如何在优化任务时延的同时设计合理的激励机制以鼓励资源空闲设备共享自身的资源，值得研究。


技术实现要素：

5.有鉴于此，本发明的目的在于针对复杂的工业互联网场景中，由于边缘服务器计算能力有限以及资源共享中由于设备自私性导致资源利用率低的问题，提供一种端边协同方法,考虑终端设备与边缘服务器协同计算任务，通过vcg拍卖，激励协作设备共享其资源，以提高资源利用率。
6.为达到上述目的，本发明提供如下技术方案：
7.一种端边协同方法，包括以下步骤：
8.s1：根据终端设备交互的数据，建立一种结合物理层和社会层的系统模型，其中物理层表示设备间的物理约束和通信需求，社会层表示设备间的社会链接；
9.s2：基于任务场景，建立以时延最小化为目标的端边协同计算系统；
10.s3：基于vcg拍卖机制解决设备间资源共享的自私性问题，并确定拍卖赢家组合和定价。
11.进一步，所述步骤s1具体包括以下步骤：
12.s11：在所述结合物理层和社会层的系统模型中，社会关系拓扑建模为加权无向图g(v,e,w)，其中是工业设备集，e＝{e
x,y
|x,y∈v}代表社会边缘的集合，e表示设备之间是否存在社会关系，如果两个设备之间存在社交关系，则将它们与一条边连接，每条边指定一个范围(0,1)的标量值，即社会联系的强度或权重；
13.s12：选择基于任务内容的协同过滤算法中改进的余弦相似度作为衡量社会关系强度的指标；通过减去用户对任务的评分均值来修正不同维度向量的数值差异；设备i和设备j之间的社会关系为：
[0014][0015]
其中a表示经过设备i和设备j共同评分的任务集合；r
i,a
和r
j,a
分别表示设备i和设备j对任务a的评分，和分别表示设备i和j对任务的平均评分。
[0016]
进一步，所述步骤s2具体包括以下步骤：
[0017]
s21：协作设备(service providers，sps)处理来自资源匮乏的请求设备(service requesters，srs)的任务，将任务部分卸载到边缘服务上；
[0018]
s22：以所有设备的总时延作为优化目标，将优化问题拆解为两个子问题，第一个子问题是最小化请求设备和协作设备之间的传输时延，另一个是最小化协作设备与边缘服务器之间的计算时延；
[0019]
s23：利用柯西不等式求出最优时隙分配，设计最优通信资源分配策略的闭合解；
[0020]
s24：通过分析计算时延与任务卸载比例之间的单调性，求出最优卸载比例λ
*
；
[0021]
s25：根据最优任务卸载比例λ
*
，将最小化计算时延子问题转成凸问题，求出最优计算资源分配的闭合解。
[0022]
进一步，所述步骤s21中包含以下四种时延：每个请求设备的传输时延每个协作设备的计算时延为协作设备sp与边缘服务器的传输时延边缘服务器的计算时延协作设备spj处理设备sri的任务的总时延表示为：
[0023][0024]
进一步，所述步骤s21中，sri与spj之间的传输时延表示为：在协作设备spj上的计算时延表示为：协作设备与边缘服务器之间的传输时延表示为边缘计算时延为其中，l
j,i
表示用于处理任务的输入数据大小，c
j,i
表示计算该任务1bit数据所需要的cpu周期数，t表示一个tdma帧的长度，r
j,i
是预期的信道容量，假设固定的tdma的调度，即每个设备的时隙资源τ
j,i
在每个时间帧都是固定的，λ
j,i
为任务拆分比率，它表示在spj上处理任务数据的比例，成功处理边缘计算部分数据所需的cpu周期数表示为λ
j,i
l
j,icj,i
，协作设备的计算资源定义为边缘服务器分配给spj计算资源为wj表示传输速率。
[0025]
进一步，所述步骤s22中优化问题为：
[0026][0027]
s.t.c1:
[0028]
c2:
[0029]
c3:
[0030]
c4:0≤λ
j,i
≤1,
[0031]
设备sr的平均传输时延仅由时隙长度τ
j,i
确定，与其他优化变量无关，约束c1与其他约束也不耦合，因此将问题分解为两个子问题，第一个是最小化设备和协作设备之间的传输时延，表示为：
[0032][0033]
s.t.c1
[0034]
另一个是最小化设备sp和边缘服务器的计算时延：
[0035][0036]
进一步，所述步骤s23具体包括：通信资源分配策略与传输时延相关联，通过求解问题得到最优的通信资源分配策略；
[0037]
假设其中δ∈(0,t)，根据公式传输时延随着增大而减小，当δ分配给任意设备，相应的传输时延减小，而其他设备传输时延保持不变，导致减小，结果与最优解要求矛盾，所以最优时隙分配满足根据柯西不等式：
[0038][0039]
其中，等式成立条件为将条件代入到中得到最终计算得到最优通信资源分配结果：
[0040][0041]
进一步，所述步骤s24具体包括：中中随着λ
j,i
的增加而单调增，而和随着λ
j,i
增加而单调减，当时，达到最小值，对应的最优任务卸载比例为：
[0042][0043]
进一步，所述步骤s25具体包括：将代入中的得：
[0044][0045]
因此问题转化成
[0046][0047]
s.t.c2,c3
[0048]
通过kkt条件求解，推导出最优计算资源分配策略：
[0049][0050]
其中，(x)
+
＝max{x,0}，和θ
*
是满足资源约束c2和c3等号成立时的拉格朗日乘子的最优值。
[0051]
进一步，所述步骤s3具体包括以下步骤：
[0052]
s31：对设备之间的互动进行建模，sps的资源作为商品进行交易，sps和srs分别被视为卖方和买方，vcg拍卖中的每个投标人提交所需资源量以及他们愿意支付的相应标价；投标者递交的投标价都是密封的，在拍卖结束之前不能泄露；若设备sri和设备spj之间存在直接d2d链接，则投标通过以下公式表示：
[0053][0054]
在vcg机制中，投标者的占优策略是自身的投标价是真实估价，即投标者的真实估价v
j,i
就是投标价格，衡量v
j,i
包含两个因素：任务处理时延t
j,i
和社会关系w
j,i
；
[0055]
拍卖阶段，最大化设备资源的分配效率，即社会福利最大化，优化函数表示为：
[0056][0057]
s32：获胜者选择过程等效于背包问题，其中卖方sp的资源量表示背包能够承受的最大重量，买方sr的资源需求表示物品的重量，买方的投标价为物品的相应价值；在有限资源的约束下，利用背包算法计算出每个物理社区的优胜者的最优组合，以实现社会福利的最大化；过程中，买方sr从一个卖家那里卸载了自己的任务，那么sr不能再参加拍卖；
[0058]
s33：支付价格确定阶段，根据vcg定价机制，获胜者支付的价格是对其他买家的边际伤害，表示为：
[0059][0060]
其中，第一求和项是设备sri不在场的情况下的其他投标者最大社会福利，表示设备sri不在场的情况下的最佳分配解，第二个求和项表示当设备sri在场的情况下其他投标者的社会福利值，其中表示考虑sri的情况下的最佳分配解。
[0061]
本发明的有益效果在于：本发明在优化时延的前提下，提高资源的有效利用率，同时保证机制的个人理性和激励相容性。
[0062]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0063]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
[0064]
图1为本发明所述端边协同方法的系统架构图；
[0065]
图2为本发明的获胜者支付价格示意图；
[0066]
图3为本发明所述端边协同方法流程图。
具体实施方式
[0067]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0068]
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0069]
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0070]
请参阅图1～图3，本发明所述的端边协同方法，具体包含以下步骤：
[0071]
步骤1：根据终端设备交互的数据，建立一种结合物理层和社会层的系统模型，其中物理层表示设备间的物理约束和通信需求，社会层表示设备间的社会链接。在结合物理层和社会层的系统模型中，社会关系拓扑建模为加权无向图g(v,e,w)，其中是工业设备集，e＝{e
x,y
|x,y∈v}代表社会边缘的集合。e表示设备之间是否存在社会关系，如果两个设备之间存在社交关系，则将它们与一条边连接。为了定量分析社会关系的密切程度，每条边指定一个范围(0,1)的标量值，即社会联系的强度或权重。
[0072]
选择基于任务内容的协同过滤算法中改进的余弦相似度作为衡量社会关系强度的指标。由于余弦相似度难以衡量不同维度向量的数值差异，可以通过减去用户对任务的评分均值来修正这种偏差。设经过设备i和设备j共同评分的任务集合用a表示；r
i,a
和r
j,a
分别表示设备i和设备j对任务a的评分；和分别表示设备i和j对任务的平均评分。设备i和设备j之间的社会关系为：
[0073][0074]
步骤2：基于任务场景，建立以时延最小化为目标的端边协同计算系统，具体包含以下步骤：
[0075]
步骤2.1：协作设备sps处理来自资源匮乏的请求设备srs的任务，将任务部分卸载到边缘服务上，整个过程考虑四种时延：每个请求设备的传输时延每个协作设备的计算时延为协作设备sp与边缘服务器的传输时延边缘服务器的计算时延为了确定设备sr的总体时延，给出以下一些合理的假设：为了更好地执行任务拆分策略并保证拆分结果的准确性，各个协作设备sp在接收到任务之前无法拆分任务。另外，通过限制任务拆分和传输时间以及处理任务的顺序，可以保证任务的可靠性和准确性。基于上述假设，协作设备spj处理设备sri的任务的总时延可以表示为：
[0076][0077]
sri与spj之间的传输时延表示为：在协作设备spj上的计算时延表示为：协作设备与边缘服务器之间的传输时延表示为边缘计算时延为
[0078]
其中，l
j,i
表示用于处理任务的输入数据大小，c
j,i
表示计算该任务1bit数据所需
要的cpu周期数，t表示一个tdma帧的长度，r
j,i
是预期的信道容量，假设固定的tdma的调度，即每个设备的时隙资源τ
j,i
在每个时间帧都是固定的，λ
j,i
为任务拆分比率，它表示在spj上处理任务数据的比例，成功处理边缘计算部分数据所需的cpu周期数可以表示为λ
j,i
l
j,icj,i
，协作设备的计算资源定义为边缘服务器分配给spj计算资源为wj表示传输速率。因此，协作设备spj处理设备sri的任务的总时延可以表示为：
[0079][0080]
步骤2.2：以所有设备的总时延作为优化目标，优化问题表示为：
[0081][0082]
s.t.c1:
[0083]
c2:
[0084]
c3:
[0085]
c4:0≤λ
j,i
≤1,
[0086]
设备sr的平均传输时延仅由时隙长度τ
j,i
确定，与其他优化变量无关，约束c1与其他约束也不耦合；因此，问题可以分解为两个子问题，第一个是最小化设备和协作设备之间的传输时延，表示为：
[0087][0088]
s.t.c1
[0089]
另一个是最小化设备sp和边缘服务器的计算时延：
[0090][0091]
s.t.c2,c3,c4
[0092]
步骤2.3：利用柯西不等式求出最优时隙分配，设计最优通信资源分配策略的闭合解。通信资源分配策略与传输时延相关联，因此，通过求解问题得到最优的通信资源分配策略。假设其中δ∈(0,t)，根据公式传输时延随着增大而减小，当δ分配给任意设备，相应的传输时延减小，而其他设备传输时延保持不变，导致减小，结果与最优解要求矛盾，所以最优时隙分配满足根据柯西不等式：
[0093][0094]
其中，等式成立条件为将条件代入到中得到最终计算得到最优通信资源分配结果：
[0095][0096]
步骤2.4：通过分析计算时延与任务卸载比例之间的单调性，求出最优卸载比例λ
*
。中中随着λ
j,i
的增加而单调增，而和随着λ
j,i
增加而单调减，因此，当时，可以达到最小值，对应的最优任务卸载比例为：
[0097][0098]
步骤2.5：根据最优任务卸载比例λ
*
，将最小化计算时延子问题转成凸问题，进一步求出最优计算资源分配的闭合解。将代入中的得：
[0099][0100]
因此问题转化成
[0101][0102]
s.t.c2,c3
[0103]
为了验证问题是否为凸问题，计算的hessian矩阵：
[0104][0105][0106]
[0107]
根据线性代数理论，矩阵顺序主子式均大于0，判断出的hessian矩阵是正定矩阵，是凸函数，是一系列之和，所以是凸优化问题；通过kkt条件求解，推导出最优计算资源分配策略：
[0108][0109]
其中，(x)
+
＝max{x,0}，和θ
*
是满足资源约束c2和c3等号成立时的拉格朗日乘子的最优值。
[0110]
步骤3：基于vcg拍卖机制解决设备间资源共享的自私性问题，并确定拍卖赢家组合和定价，具体包含以下步骤：
[0111]
步骤3.1：对设备之间的互动进行建模，sps的资源作为商品进行交易，sps和srs分别被视为卖方和买方，vcg拍卖中的每个投标人提交所需资源量以及他们愿意支付的相应标价。投标者递交的投标价都是密封的，在拍卖结束之前不能泄露。若设备sri和设备spj之间存在直接d2d链接，则投标可以通过以下公式表示：
[0112][0113]
在vcg机制中，投标者的占优策略是自身的投标价是真实估价，即投标者的真实估价v
j,i
就是投标价格，衡量v
j,i
包含两个因素：任务处理时延t
j,i
和社会关系w
j,i
。
[0114]
拍卖阶段，最大化设备资源的分配效率，即社会福利最大化，优化函数表示为：
[0115][0116]
步骤3.2：获胜者选择过程可以等效于背包问题，其中卖方sp的资源量表示背包能够承受的最大重量，买方sr的资源需求表示物品的重量，买方的投标价为物品的相应价值；因此，问题可以用基于背包算法来解决；在有限资源的约束下，背包算法可以计算出每个物理社区的优胜者的最优组合，以实现社会福利的最大化；过程中，投标者从任何卖家那里卸载了自己的任务，便不能再参加拍卖。在有限资源的约束下，背包算法可以计算出每个物理社区的优胜者的最优组合，以实现社会福利的最大化。
[0117]
步骤3.3：支付价格确定阶段，根据vcg定价机制，获胜者支付的价格是对其他买家的边际伤害，表示为：
[0118][0119]
其中，第一求和项是设备sri不在场的情况下的其他投标者最大社会福利，表示设备sri不在场的情况下的最佳分配解，第二个求和项表示当设备sri在场的
情况下其他投标者的社会福利值，其中表示考虑sri的情况下的最佳分配解。
[0120]
若sri缺席拍卖，存在成立，因此如果等号成立，那么否则，所以，投标者的个人效用是大于等于0的，机制是符合个人理性(ir)的。
[0121]
vcg拍卖激励相容性质成立的直观原因在于：如果真实报价能获胜，显然真实报价比高报价占优；如果真实报价无法获胜而高报价获胜，这必然使得事后收益为负。如果真实报价不能获胜，则低报价也不能获胜；如果真实报价能获胜，则低报价就会降低获胜的概率。因此，真实报价是投标者的占优策略。
[0122]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种端边协同方法，其特征在于：包括以下步骤：s1：根据终端设备交互的数据，建立一种结合物理层和社会层的系统模型，其中物理层表示设备间的物理约束和通信需求，社会层表示设备间的社会链接；s2：基于任务场景，建立以时延最小化为目标的端边协同计算系统；s3：基于vcg拍卖机制解决设备间资源共享的自私性问题，并确定拍卖赢家组合和定价。2.根据权利要求1所述的端边协同方法，其特征在于：所述步骤s1具体包括以下步骤：s11：在所述结合物理层和社会层的系统模型中，社会关系拓扑建模为加权无向图g(v,e,w)，其中是工业设备集，e＝{e
x,y
|x,y∈v}代表社会边缘的集合，e表示设备之间是否存在社会关系，如果两个设备之间存在社交关系，则将它们与一条边连接，每条边指定一个范围(0,1)的标量值，即社会联系的强度或权重；s12：选择基于任务内容的协同过滤算法中改进的余弦相似度作为衡量社会关系强度的指标；通过减去用户对任务的评分均值来修正不同维度向量的数值差异；设备i和设备j之间的社会关系为：其中a表示经过设备i和设备j共同评分的任务集合；r
i,a
和r
j,a
分别表示设备i和设备j对任务a的评分，和分别表示设备i和j对任务的平均评分。3.根据权利要求1所述的端边协同方法，其特征在于：所述步骤s2具体包括以下步骤：s21：协作设备sps处理来自资源匮乏的请求设备srs的任务，将任务部分卸载到边缘服务上；s22：以所有设备的总时延作为优化目标，将优化问题拆解为两个子问题，第一个子问题是最小化请求设备和协作设备之间的传输时延，另一个是最小化协作设备与边缘服务器之间的计算时延；s23：利用柯西不等式求出最优时隙分配，设计最优通信资源分配策略的闭合解；s24：通过分析计算时延与任务卸载比例之间的单调性，求出最优卸载比例λ
*
；s25：根据最优任务卸载比例λ
*
，将最小化计算时延子问题转成凸问题，求出最优计算资源分配的闭合解。4.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s21中包含以下四种时延：每个请求设备的传输时延每个协作设备的计算时延为协作设备sp与边缘服务器的传输时延边缘服务器的计算时延协作设备sp
j
处理设备sr
i
的任务的总时延表示为：5.根据权利要求4所述的端边协同方法，其特征在于：所述步骤s21中，sr
i
与sp
j
之间的传输时延表示为：在协作设备sp
j
上的计算时延表示为：
协作设备与边缘服务器之间的传输时延表示为边缘计算时延为其中，l
j,i
表示用于处理任务的输入数据大小，c
j,i
表示计算该任务1bit数据所需要的cpu周期数，t表示一个tdma帧的长度，r
j,i
是预期的信道容量，假设固定的tdma的调度，即每个设备的时隙资源τ
j,i
在每个时间帧都是固定的，λ
j,i
为任务拆分比率，它表示在sp
j
上处理任务数据的比例，成功处理边缘计算部分数据所需的cpu周期数表示为λ
j,i
l
j,i
c
j,i
，协作设备的计算资源定义为边缘服务器分配给sp
j
计算资源为w
j
表示传输速率。6.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s22中优化问题为：6.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s22中优化问题为：6.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s22中优化问题为：6.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s22中优化问题为：6.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s22中优化问题为：设备sr的平均传输时延仅由时隙长度τ
j,i
确定，与其他优化变量无关，约束c1与其他约束也不耦合，因此将问题分解为两个子问题，第一个是最小化设备和协作设备之间的传输时延，表示为：s.t.c1另一个是最小化设备sp和边缘服务器的计算时延：7.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s23具体包括：通信资源分配策略与传输时延相关联，通过求解问题得到最优的通信资源分配策略；假设其中δ∈(0,t)，根据公式传输时延随着增大而减小，当δ分配给任意设备，相应的传输时延减小，而其他设备传输时延保持不变，导致减小，结果与最优解要求矛盾，所以最优时隙分配满足根据柯西不等式：
其中，等式成立条件为将条件代入到中得到最终计算得到最优通信资源分配结果：8.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s24具体包括：中中随着λ
j,i
的增加而单调增，而和随着λ
j,i
增加而单调减，当时，达到最小值，对应的最优任务卸载比例为：9.根据权利要求3所述的端边协同方法，其特征在于：所述步骤s25具体包括：将代入中的得：因此问题转化成问题转化成s.t.c2,c3通过kkt条件求解，推导出最优计算资源分配策略：其中，(x)
+
＝max{x,0}，和θ
*
是满足资源约束c2和c3等号成立时的拉格朗日乘子的最优值。10.根据权利要求3-9任一所述的端边协同方法，其特征在于：所述步骤s3具体包括以下步骤：s31：对设备之间的互动进行建模，sps的资源作为商品进行交易，sps和srs分别被视为
卖方和买方，vcg拍卖中的每个投标人提交所需资源量以及他们愿意支付的相应标价；投标者递交的投标价都是密封的，在拍卖结束之前不能泄露；若设备sr
i
和设备sp
j
之间存在直接d2d链接，则投标通过以下公式表示：在vcg机制中，投标者的占优策略是自身的投标价是真实估价，即投标者的真实估价v
j,i
就是投标价格，衡量v
j,i
包含两个因素：任务处理时延t
j,i
和社会关系w
j,i
；拍卖阶段，最大化设备资源的分配效率，即社会福利最大化，优化函数表示为：s32：获胜者选择过程等效于背包问题，其中卖方sp的资源量表示背包能够承受的最大重量，买方sr的资源需求表示物品的重量，买方的投标价为物品的相应价值；在有限资源的约束下，利用背包算法计算出每个物理社区的优胜者的最优组合，以实现社会福利的最大化；过程中，买方sr从一个卖家那里卸载了自己的任务，那么sr不能再参加拍卖；s33：支付价格确定阶段，根据vcg定价机制，获胜者支付的价格是对其他买家的边际伤害，表示为：其中，第一求和项是设备sr
i
不在场的情况下的其他投标者最大社会福利，表示设备sr
i
不在场的情况下的最佳分配解，第二个求和项表示当设备sr
i
在场的情况下其他投标者的社会福利值，其中表示考虑sr
i
的情况下的最佳分配解。

技术总结
本发明涉及一种端边协同方法，属于无线通信领域，包括以下步骤：S1：根据终端设备交互的数据，建立一种结合物理层和社会层的系统模型，其中物理层表示设备间的物理约束和通信需求，社会层表示设备间的社会链接；S2：基于任务场景，建立以时延最小化为目标的端边协同计算系统；S3：基于VCG拍卖机制解决设备间资源共享的自私性问题，并确定拍卖赢家组合和定价。本发明在优化时延的前提下，提高资源的有效利用率，同时保证机制的个人理性和激励相容性。同时保证机制的个人理性和激励相容性。同时保证机制的个人理性和激励相容性。


技术研发人员：张若英 高洋洋 李职杜 唐桐 吴大鹏 王汝言
受保护的技术使用者：重庆邮电大学
技术研发日：2023.05.09
技术公布日：2023/8/9