混合網(wǎng)絡(luò)中基于原對偶方法的協(xié)同資源分配算法.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，云中心加邊緣服務(wù)器的服務(wù)請求處理方式已經(jīng)越來越普及。這一結(jié)構(gòu)既能發(fā)揮云端精細(xì)處理數(shù)據(jù)的能力，又能運用邊緣服務(wù)器實時響應(yīng)的特長，已經(jīng)被用在了視頻服務(wù)，監(jiān)控網(wǎng)絡(luò)和車聯(lián)網(wǎng)等一系列網(wǎng)絡(luò)和應(yīng)用中。從數(shù)學(xué)角度看，邊緣服務(wù)器集群構(gòu)成了無中心網(wǎng)絡(luò)，而每個服務(wù)器又和云端相連，所以整體上看，該網(wǎng)絡(luò)又以云端為中心。這種無中心和有中心相結(jié)合的網(wǎng)絡(luò)被稱為混合網(wǎng)絡(luò)。如何對這種新興的網(wǎng)絡(luò)模型設(shè)計高效快捷的分布式資源分配算法是本文研究的重點.

2、>　　本文致力于研究混合網(wǎng)絡(luò)中的資源分配問題，這一問題是在經(jīng)典的有中心和無中心網(wǎng)絡(luò)的資源分配問題上的擴展。本文先從實際網(wǎng)絡(luò)中抽象出了邊緣服務(wù)器-云端的兩層混合網(wǎng)絡(luò)模型和終端用戶-邊緣服務(wù)器-云端的三層混合網(wǎng)絡(luò)模型，然后為這兩種模型分別建立了效用最大化的優(yōu)化問題，最后設(shè)計分布式算法進(jìn)行求解。具體而言，初始時，終端用戶會將請求處理的服務(wù)量發(fā)送給對應(yīng)的邊緣服務(wù)器，然后，每個邊緣服務(wù)器會根據(jù)自身和鄰居服務(wù)器還有云端的資源利用情況及鏈路間的通信代

3、價來重新分配需要處理的服務(wù)量。在這樣的分配方式中，網(wǎng)絡(luò)中每個邊緣服務(wù)器會和鄰居服務(wù)器及云端進(jìn)行協(xié)商從而做出利于自身的分配決策。這是一種各個節(jié)點高度自治的分布式的組織方式，用這種方式可以高效快捷地對工作量再分配從而讓整體網(wǎng)絡(luò)效用最大化。
　　因為網(wǎng)絡(luò)中的資源分配問題是一個有約束優(yōu)化問題，為了用分布式方式進(jìn)行服務(wù)量再分配，需要用原對偶算法求解。所以本文用兩種經(jīng)典的原對偶算法分別為兩種混合網(wǎng)絡(luò)模型設(shè)計了分布式并行資源分配算法。本文先用交

4、替方向乘子法為邊緣服務(wù)器器-云端的兩層混合網(wǎng)絡(luò)模型設(shè)計了資源分配算法，再在考慮減少算法處理時間又盡量保證收斂精度的前提下是用預(yù)測糾正鄰近點乘子法為終端用戶-邊緣服務(wù)器-云端的三層混合網(wǎng)絡(luò)模型設(shè)計了資源分配算法。然后用仿真驗證了這兩種算法的收斂速度和收斂精度。
　　作為拓展，本文探索了在保證收斂精度的前提下對設(shè)計的分布式并行資源分配算法用線性化手段減少了計算量的可行性。本文又在結(jié)合實際情況考慮離散服務(wù)量的情況下提出了一種近似投影算法