基于平均场博弈的城域光网络任务卸载方法及边缘服务器

本技术涉及光通信，尤其涉及基于平均场博弈的城域光网络任务卸载方法及边缘服务器。

背景技术：

1、计算和通信资源是现代信息社会的重要基础设施，直接影响着信息传递和发展的速度与质量。在边缘计算赋能光网络中，任务卸载策略起着重要作用，决定了时延、能耗、用户体验等重要性能指标。相较于传统云计算方案，多址接入边缘计算(mec)使得算力能够距离用户更近且部署更加灵活，可有效减少信息传输时延，避免网络拥塞，减轻骨干网压力。因此，如何在融合光通信和边缘计算技术的城域光网络中寻求合适的优化任务卸载策略，并在保证用户服务要求的基础上，降低系统能耗与时延，是目前的研究重点。

2、目前，有许多研究小组引入强化学习和启发式搜索算法来解决光网络中边缘卸载的问题。在解决任务卸载问题提出的启发式搜索算法通常有：遗传算法、改进的遗传算法以及进化算法等等；使用深度强化学习算法解决任务卸载策略有dqn、a3c、ddpg等。然而，虽然强化学习方法或启发式搜索算法在任务卸载上有非常多的应用，但是其依然存在计算复杂度高、耗时长且无法保证光网络任务卸载的有效性等问题。

技术实现思路

1、鉴于此，本技术实施例提供了基于平均场博弈的城域光网络任务卸载方法及边缘服务器，以消除或改善现有技术中存在的一个或更多个缺陷。

2、本技术的一个方面提供了一种基于平均场博弈的城域光网络任务卸载方法，包括：

3、针对汇聚至城域光网络的业务请求所指定的当前待卸载的目标业务资源数据，采用预设的控制方程和平均场演化方程作为基于平均场博弈的最优任务卸载求解方式；其中，所述平均场用于表示自身所在通信范围内的其他边缘服务器当前的任务卸载决策；

4、基于有限差分法求解所述控制方程和平均场演化方程，以在所述控制方程和平均场演化方程均达到纳什均衡点时得到针对所述目标业务资源数据的最优任务卸载策略；

5、根据所述最优任务卸载策略自所述目标业务资源数据中分配得到对应的子业务资源数据，并将该子业务资源数据发送至目标服务器以进行处理。

6、在本技术的一些实施例中，在所述采用预设的控制方程和平均场演化方程作为基于平均场博弈的最优任务卸载求解方式之前，还包括：

7、基于预设的边缘服务器收益函数，构建用于表示边缘服务器采取的任务卸载策略与状态的hjb方程，以将该hjb方程作为控制方程。

8、在本技术的一些实施例中，在所述采用预设的控制方程和平均场演化方程作为基于平均场博弈的最优任务卸载求解方式之前，还包括：

9、根据随机选取的测试函数构建用于表示因在自身所在通信范围内的其他边缘服务器的任务卸载策略变化而导致的平均场变化的fpk方程，以将该fpk方程作为平均场演化方程。

10、在本技术的一些实施例中，在所述基于预设的边缘服务器收益函数，构建用于表示边缘服务器采取的任务卸载策略与状态的hjb方程之前，还包括：

11、基于边缘服务器的状态、动作以及平均场共同对应的过程成本收益函数，以及用于表示自身所在通信范围内的所有边缘服务器的终端惩罚的终端惩罚函数，构建边缘服务器收益函数。

12、在本技术的一些实施例中，在所述构建边缘服务器收益函数之前，还包括：

13、根据自身对应的预设的任务收益因子、平均场影响因子、传输成本因子、计算成本因子、调制格式、单个频隙的带宽、使用的频隙数量以及计算资源，构建边缘服务器的状态、动作以及平均场共同对应的过程成本收益函数；其中，所述状态用于表示边缘服务器当前占用的业务数，所述动作用于表示边缘服务器选择占用的业务数。

14、在本技术的一些实施例中，在所述构建边缘服务器收益函数之前，还包括：

15、根据预设的终端惩罚因子、所述目标业务资源数据对应的任务总量、所述通信范围内的各个边缘服务器各自的当前所述状态以及所述通信范围内的边缘服务器的总数，构建用于表示自身所在通信范围内的所有边缘服务器的终端惩罚的终端惩罚函数。

16、在本技术的一些实施例中，所述基于预设的边缘服务器收益函数，构建用于表示边缘服务器采取的任务卸载策略与状态的hjb方程，包括：

17、基于贝尔曼最优准则，将所述边缘服务器收益函数转换为边缘服务器的价值函数；

18、应用随机最优控制的动态规划原理，基于一个预设的极小时间对所述价值函数进行转化；

19、对经转化后的所述价值函数进行泰勒展开以得到对应的目标函数；

20、令所述极小时间趋近于0，以根据所述目标函数生成用于表示边缘服务器采取的任务卸载策略与状态的hjb方程。

21、本技术的另一个方面提供了一种基于平均场博弈的城域光网络任务卸载装置，包括：

22、卸载方式确定模块，用于针对汇聚至城域光网络的业务请求所指定的当前待卸载的目标业务资源数据，采用预设的控制方程和平均场演化方程作为基于平均场博弈的最优任务卸载求解方式；其中，所述平均场用于表示自身所在通信范围内的其他边缘服务器当前的任务卸载决策；

23、卸载策略计算模块，用于基于有限差分法求解所述控制方程和平均场演化方程，以在所述控制方程和平均场演化方程均达到纳什均衡点时得到针对所述目标业务资源数据的最优任务卸载策略；

24、任务卸载模块，用于根据所述最优任务卸载策略自所述目标业务资源数据中分配得到对应的子业务资源数据，并将该子业务资源数据发送至目标服务器以进行处理。

25、本技术的第三个方面提供了一种边缘服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于平均场博弈的城域光网络任务卸载方法。

26、本技术的第四个方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于平均场博弈的城域光网络任务卸载方法。

27、本技术的第五个方面提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现所述的基于平均场博弈的城域光网络任务卸载方法。

28、本技术提供的基于平均场博弈的城域光网络任务卸载方法，针对汇聚至城域光网络的业务请求所指定的当前待卸载的目标业务资源数据，采用预设的控制方程和平均场演化方程作为基于平均场博弈的最优任务卸载求解方式；其中，所述平均场用于表示自身所在通信范围内的其他边缘服务器当前的任务卸载决策；基于有限差分法求解所述控制方程和平均场演化方程，以在所述控制方程和平均场演化方程均达到纳什均衡点时得到针对所述目标业务资源数据的最优任务卸载策略；根据所述最优任务卸载策略自所述目标业务资源数据中分配得到对应的子业务资源数据，并将该子业务资源数据发送至目标服务器以进行处理，能够用极短的时间去逼近任务卸载问题的最优解，进而提高任务卸载效率，满足现代网络通信低延迟的需求；能够有效降低边缘计算赋能的城域光网络的任务卸载的计算复杂度，可以有效防止出现过拟合；并能够保证城域光网络任务卸载的有效性及可靠性。

29、本技术的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本技术的实践而获知。本技术的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。

30、本领域技术人员将会理解的是，能够用本技术实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本技术能够实现的上述和其他目的。