云边场景下基于合作博弈的数据上传优化.pdfVIP

华

东

理

工

大

学

学

报（自

然

科

学

版）Vol.

51

No.

2

250Journal

of

East

China

University

of

Science

and

Technology2025-04

文章编号：1006-3080(2025)02-0250-10DOI:10.14135/ki.1006-3080.20240514002

云边场景下基于合作博弈的数据上传优化

11,21,2

钟传江，

虞慧群，

范贵生

（1.

华东理工大学计算机科学与工程系,

上海

200237；

2.

上海智慧能源工程技术研究中心,

上海

201103）

摘要：现有基于边缘计算的移动群智感知场景很少考虑边缘服务器之间的协作，而多边缘服

务器协作面临边缘服务缓存、边缘设备资源约束和大规模边缘用户任务卸载的挑战。针对以上

挑战，本文提出了一种面向多边缘服务器合作博弈和离散粒子群（MCG+DPSO）优化的计算卸

载算法。该算法首先通过多边缘服务器之间的合作博弈（MCG）得到边缘用户任务在边缘服务器

之间的中继初始方案。然后，将得到的初始方案作为离散粒子群算法（DPSO）的初始解。最

后，通过

DPSO

算法得到最优解，实现用户任务和边缘服务器的匹配，从而最大化地降低移动

感知平台数据上传的服务延迟和服务成本。通过在真实数据集上进行大量对比实验，结果表明

与云策略、边缘间不通讯策略、随机策略、合作博弈策略、DPSO算法和差分进化算法相比，

MCG+DPSO算法可以降低3.2%~56.0%的服务成本和3.6%~24.5%的服务延迟。

关键词：边缘计算；合作博弈；移动群智感知；离散粒子群优化；任务卸载

中图分类号：TP393文献标志码：A

移动众包（MCS）是一种被广泛关注的传感范工作，然而在联合考虑以下场景时还有待深入研究：

[1][5]

式，它以相对低成本的方式利用了大量移动资源，(1)边缘服务器协作。Li等同时考虑了数据

用于执行大规模感知任务。传统移动众包平台采用感知、数据处理和数据传输，提出了一个单边缘服务

集中式架构，依赖云服务器来分发任务和收集结器场景下解决多维资源约束的MCS框架，但是当边

果。但是，随着接入平台的用户数量不断增长，导致缘用户数量增加时，单个边缘服务器由于计算和存

集中式移动众包感知平台在计算、存储和传输方面储等资源限制难以满足所有边缘用户的服务要求，

的性能不断降低。对于大规模数据感知任务，需要很可能出现延迟增加和任务执行失败的情况。

[6]

将大量的任务数据上传到云服务器