[发明专利]一种在多个边缘计算服务器场景下基于模拟退火的移动区块链优化算力分配方法

权利要求书

1.一种在多个边缘计算服务器场景下基于模拟退火的移动区块链优化算力分配方法，其特征在于，所述方法包括以下步骤：

(1)在多个边缘计算服务器的场景下总共有n个移动终端，移动终端的集合用I＝{1,2,...,n}表示，边缘计算服务器有m个，用K＝{1,2,...,m}表示，移动终端从边缘计算服务器获得算力，其中边缘计算服务器能提供的算力上限为C^k,tot,k∈K；

在保证不超过边缘计算服务器提供的算力上限的条件下，最大化系统总收益的优化问题描述为如下所示的优化TRO问题：

下面将问题中的各个变量做一个说明，如下：

移动终端自身的算力；

边缘服务器提供的算力；

R:系统提供的固定奖励；

r:可变奖励系数；

t_i:区块的大小；

λ:泊松分布的中间到达率；

p^k:边缘服务器k提供单位算力的价格；

(2)引入辅助变量v_i表示移动设备i从所有边缘计算服务器获得的算力，如下：

假定{v_i}_i∈I是给定的，优化TRO问题等价为TRO-Sub问题，如下：

表示TRO-Sub问题中的最优值，在解决了TRO-Sub问题后获得后，进而解决TRO-Top问题，如下：

TRO-Top：

Variables：

其中，Q^max＝∑_k∈KC^k,tot表示所有边缘计算服务器可以提供的总算力；

求解TRO-Sub问题的思路是：给定了{v_i}_i∈I之后，TRO-Sub是一个严格的凸优化问题，因此引入对偶变量λ^k来松弛得到相应的拉格朗日表达式，如下：

其中，参数M表示如下：

式(2-3)可以被分解为独立的移动设备i，如下：

每个移动设备i的相关拉格朗日表达式，如下：

基于式(2-6)，每个移动设备i的局部优化问题，如下：

TRO-Sub-MTi：

s.t.：

Variables：

为确定{λ^k}_k∈K的值，使用子梯度方法，如下：

其中，ε为步长，通过枚举比较的方式获得最优的{λ^k}_k∈K值，从而解决了提出的TRO-Sub和TRO-Top问题；

(3)算法MultiSub-Algorithm解决TRO-Sub问题确定过程如下：

步骤3.1：初始化迭代参数l＝1，每个边缘计算服务器k初始化为λ^k(l)；

步骤3.2：给定移动用户i从所有边缘服务器获得的算力v_i；

步骤3.3：判定max_k∈K|λ^k(l)-λ^k(l-1)|＞γ是否成立，若成立，执行步骤3.4，若不成立，执行步骤3.8，其中参数γ给定，趋近于0；

步骤3.4：边缘计算服务器k广播λ^k(l)给所有的移动用户；

步骤3.5：移动用户i由给定的λ^k(l)求解问题TRO-Sub-MTi并获取报告给边缘计算服务器k；

步骤3.6：收到所有的移动用户的后，边缘计算服务器k更新其中参数a和b给定；

步骤3.7：设定l＝l+1，执行步骤3.3；

步骤3.8：移动用户i计算并报告给边缘计算服务器1，服务器算出

步骤3.9：输出

至此，算法MultiSub-Algorithm解决了问题TRO-Sub并得到

(4)算法MultiTop-Algorithm解决问题TRO-Top，并得到优化的{v_i}_i∈I，用表示，过程如下：

步骤4.1：初始化温度值T₁，下降温度d，最低温度值T_final，退火次数t＝1，循环计数变量N_count＝0；

步骤4.2：设定当前最优值当前最优解

步骤4.3：随机产生一组{v_i}_i∈I，设定CS＝{v_i}_i∈I；

步骤4.4：设定

步骤4.5：判断T_t＞T_final是否成立，若成立，执行步骤4.6，否则执行步骤4.16；

步骤4.6：设定t＝t+1；

步骤4.7：以{v_i}_i∈I为中心随机生成{v′_i}_i∈I；

步骤4.8：以{v′_i}_i∈I为输入，通过MultiSub-Algorithm算法，计算得到

步骤4.9：判断是否成立，若成立，执行步骤4.10，否则执行步骤4.11；

步骤4.10：设定CS＝{v′_i}_i∈I，N_count＝0；

步骤4.11：根据均匀分布在[0,1]之间生成随机数μ，判定是否成立，若成立，执行步骤4.12，否则执行步骤4.13；

步骤4.12：设定CS＝{v′_i}_i∈I，N_count＝0；

步骤4.13：N_count＝N_count+1；

步骤4.14：判断N_count≥30是否成立，若成立，则停止循环，否则执行步骤4.15；

步骤4.15：更新T_t＝T_t-1*d，执行步骤4.5；

步骤4.16：结束循环，输出最优解

最后，算法MultiTop-Algorithm输出的代表TRO问题所求的系统最大收益。