本发明涉及服务计算与d2d(device-to-device)通信领域，具体涉及基于多层次卸载网络的服务卸载方法及系统。
背景技术：
1、随着智能设备的通信和计算能力日益强大，越来越多的人需要通过智能设备来获取网络资讯、处理任务，迅猛的流量增长给通信体系带来了诸多困难，边缘服务器更是面临着负载过重、频谱资源匮乏等巨大挑战。但d2d可以有效地解决这些问题。因此，对于未来的第六代(6g)移动网络，越来越多的研究试图将移动终端层引入云边缘两层计算范式。d2d可以帮助边缘服务器响应用户的请求，如任务计算请求、资源请求等，从而缓解边缘服务器的巨大压力。
2、在d2d计算卸载问题中，任务请求者通过设备直连的方式将自身任务传输到资源充足的空闲设备(称其为辅助计算设备)上请求计算帮助，辅助计算设备通过自身的资源来完成任务计算。因多数设备都是私人的，存在自私性，如何激励设备参与卸载是一个广为研究的问题。如果缺乏足够的动力和激励，辅助计算设备很可能会避免参与到卸载网络中，从而造成资源浪费。此外，由于设备通信范围的限制，在任务请求者周边的辅助计算设备又仅占该社区(如小区、工业区)内所有辅助计算设备的一部分，因此如果采用单跳直连的方式，势必会造成社区内辅助计算设备的利用率低的情况。因此，需要设计一种计算卸载模式，以激励更多的辅助计算设备参与任务卸载，并且提高空闲设备的利用率，同时优化任务请求者的收益。
3、公布号为cn111343595a的现有发明专利申请文献《一种d2d任务卸载系统及其多类型资源交易方法》，该现有方法包括：首先将移动用户按照网络拓扑的连通分量进行分组以提高资源分配的效率。然后利用迈克菲双边拍卖对资源进行定价，最后将移动用户划分为多个虚拟交易者，利用最大匹配方法得到最终的资源分配方案。从该现有方案的具体实施内容可知，个移动用户上报自己的对资源的需求量/提供量，对每种资源的报价/要价。该现有方案的目标是旨在通过拍卖的方式来最大化服务交易成功次数，对于多种资源的最终定价是由全部买方和卖方的出价\要价来共同决定的。通过确定最终的资源交易价格来最大化交易成功次数。这种拍卖的方式需要服务器或其它设备充当拍卖官，是一个具有全局信息的中心控制节点。该现有方案采用的模式具有单点故障的风险。
4、公布号为cn111107153a的现有发明专利申请文献《一种电力物联网中基于d2d通信的mec定价卸载方法》，该现有方法包括：通过d2d数据通信技术完成队内任务均匀分配工作；每对配对的设备确定自己的数据卸载量；确定一个定价集合，并对该定价集合进行排序；mec服务器按照顺序广播定价集合中的一个定价方案；巡检设备确定自己的卸载方案，并上传到mec服务器；云端服务器根据巡检设备的计算方案确定自己的收益，并按照收益最大化原则判断是否需要更新定价方案；云端服务器通过迭代输出最优的定价方案。该现有方案的重点也是在于资源定价，资源的定价直接影响到设备的任务卸载决策。此外，该现有方案是通过博弈的方式来确定定价与卸载决策，价格和卸载决策是受到资源提供方与请求方共同影响的。
5、现有公开文献《移动边缘计算网络中d2d辅助的计算卸载策略研究》，该现有文献中，由于网络中的计算和通信资源总是有限的，根据网络状况进行合理的资源分配能够提高计算卸载系统的整体性能，保证全体用户的服务质量。计算卸载过程中的资源分配就是以最小化任务完成时延、完成能耗或时延与能耗的权衡等因素为目标来进行服务器计算资源以及网络通信资源的分配。在计算资源分配问题中，通常在服务器计算资源有限的前提下，需要找到一种合理的方案来将有限的计算资源分配给所有用户，从而使得目标函数达到最优。该现有文献记载的任务卸载方案中采用了d2d和边缘服务器结合的方式，需要边缘服务器发挥作用，将边缘服务器作为具有全局视角中心控制节点；在对于用户的激励措施上，该现有文献采用社交影响力和收益激励机制共同来鼓励设备参与卸载，也即当前次的参与卸载情况会对该设备后续的卸载行动产生影响；该现有文献研究的是多请求者场景，并未考虑单用户进行任务卸载的应用场景；该现有文献中采用博弈的方式来解决问题，但博弈复杂程度较高，算法执行时间较长，尤其是在系统规模扩大的应用场景下。
6、综上，现有技术存在资源浪费、社区内辅助计算设备利用率低以及任务请求者收益较低的技术问题。
技术实现思路
1、本发明所要解决的技术问题在于：如何解决现有技术中资源浪费、社区内辅助计算设备利用率低以及任务请求者收益较低的技术问题。
2、本发明是采用以下技术方案解决上述技术问题的：基于多层次卸载网络的服务卸载方法包括：
3、s1、构建网络模型，其中，网络模型中的设备包括：用户设备、服务提供者设备；
4、s2、对网络模型进行抽象化操作，利用预置四元组描述网络模型中的设备，以及设备产生的任务集：
5、s3、执行量化资源模型的定价算法，其中，获取并根据交易历史信息，获取需求函数，计算请求价格、n种资源的需求率，以拟合出单一资源价格和需求关系，将资源定价问题转换为设备期望收益最大化问题，以求取设备最优收益、资源最优价格；
6、s4、以用户设备为中心，以任务最大完成时延为约束，构建多层级任务卸载网络，以执行多层级卸载网络的任务卸载算法mos，以进行逐层报价操作，获取适用任务卸载方案。
7、本发明基于多层次卸载网络，同时引入了需求函数来使得服务定价是可以跟随需求变动的，设计了一种d2d服务卸载方法。本发明设计的计算卸载模式，能够激励更多的辅助计算设备参与任务卸载，提高空闲设备的利用率，同时优化任务请求者的收益。
8、本发明的目标是最大化用户资源卸载的收益，资源定价仅仅由设备自身来确定，其与设备自身的资源剩余量、剩余售出时间有关，因此资源价格并不受到其它设备的影响，并且一旦确定便不再变化。
9、在更具体的技术方案中，s2包括：
10、s21、进行设备定义操作，其中，利用预置四元组(d,s,p,r)描述设备，其中，d为设备的编号；s表示设备之间的连接向量；p表示价格表；r表示任务集；
11、s22、进行任务集定义操作，任务集包括不少于2个子任务组成，利用预置四元组(d,n,q,td)描述任务集，其中，d表示任务集的唯一标识，n表示任务集的大小，q为资源列表，td表示任务集完成的截止时间。
12、在更具体的技术方案中，s3包括：
13、s31、利用下述逻辑，将任务集对应于请求类型向量：
14、
15、表示任务集s内任务每时刻所需要资源1,2,...,n的数量；
16、s32、根据交易历史信息，处理得到需求函数：
17、σ＝ω(p)
18、式中，σ和p分别表示请求到达速率和服务价格；
19、s33、利用下述逻辑，求取请求价格：
20、
21、式中，qτ,λ表示资源λ在时间片τ时的价格；
22、s34、根据请求类型向量、需求函数以及请求价格，利用下述逻辑，确定n种资源的需求率：
23、
24、式中，(s1,s2,...,sm)表示设备部署的m种服务，是请求i的到达速率；
25、s35、根据请求类型向量、需求函数、请求价格以及n种资源的需求率，拟合得到单一资源价格和需求关系：
26、φλ＝θλ(q)
27、s36、对设备的资源定价问题，进行形式化表达；
28、s37、利用下述逻辑，确定设备最优收益：
29、
30、s38、利用下述逻辑，确定资源最优价格：
31、qτ,λ＝v*(λ,t,n)-v*(λ,t,n-1)+1。
32、
33、本发明提出了一种设备的资源定价方案，提出d2d通信中，用户进行任务卸载时利润最大化。本发明设计多层级的任务卸载算法mos，使得用户完成任务的收益最大化。
34、本发明将市场化的概念整合进了服务供应框架中，为设备的资源进行定价。设备之间的互联构建起卸载网络，用户在卸载网络中寻找最优的资源购买方案从而使利润最大化。
35、在更具体的技术方案中，s36包括：
36、s361、利用下述逻辑，表达设备的期望收益：
37、
38、s362、利用下述逻辑，将资源定价问题，转变成设备的期望收益最大化问题：
39、
40、s363、利用下述需求函数逻辑，对资源λ的需求，建模为服从泊松分布，强度为φλ的随机过程：
41、
42、式中，k与α均为常数。
43、本发明通过制定服务卸载算法，使得用户可以购买空闲设备的资源来完成任务。制定了依据自身资源状况的定价函数，可以让设备都获取满意的收益。
44、在更具体的技术方案中，s4中的多层级卸载网络的任务卸载算法mos，包括：
45、s41、构建多层级卸载网络，其中，从设备中，选择适用辅助计算设备；识别辅助计算设备的前驱设备、后继设备，以确定任务传递方向；
46、s42、制定了用户效益函数，以表示每台中间辅助计算设备的收益，确定中间辅助设备向后继设备购买资源的应付价格，将最大化用户收益目标，转换为每个设备最大化自身收益目标，以得到最小化自身成本；
47、s43、执行多层级卸载策略，对中间辅助计算设备的定价进行排序，确定并根据出价表中的资源出售价格，制定卸载任务分配决策。
48、在更具体的技术方案中，s41包括：
49、s411、根据任务大小c，确定总任务的执行时间、传输时间：
50、te+ti,j≤τj
51、
52、式中，te是总任务的执行时间，ti,j是传输时间，τj是设备j收到任务的时延约束，i和o分别是单个任务的输入和输出大小，r是传输速率，j满足时延约束；
53、s412、当前设备i将消息中的时延约束减去ti,j，并将跳数加1，将消息发送给下一设备j；
54、s413、在当前设备i的所有后继设备都不能满足时延约束时，判定当前设备i为多层级卸载网络的最后一层节点。
55、本发明提供的多层级的任务卸载算法，以用户为中心、以任务最大完成时延为约束构建起多层级的任务卸载网络，通过层层报价的方式用户决定最终的任务卸载方案。
56、在更具体的技术方案中，s42包括：
57、s421、利用下述逻辑，制定用户效益函数：
58、
59、式中，表示用户单独完成该任务时所需消耗资源的价值，cost'表示用户完成任务实际消耗自身资源的价值，是用户将任务卸载到设备j时给予设备j的激励，v表示用户完成该任务所能获得的收益，本发明研究的是单用户进行任务卸载的场景。
60、s422、获取每台中间辅助计算设备的期望收益率err，中间辅助计算设备在收到后继节点的出价表时，将出价表乘以当前中间辅助计算设备的期望收益率err，根据资源定价表、期望收益率，制定当前中间辅助计算设备的出价表；其中，利用下述逻辑，确定每台中间辅助计算设备的收益：
61、wi＝ri-qi
62、将多层级卸载网络最后一层辅助计算设备的收益，作为资源售价：
63、w′＝q′
64、s423、根据前驱节点根据设备i的出价表，确定前驱节点给予设备i的报酬ri，据以利用下述逻辑，确定中间辅助计算设备向后继设备购买资源的应付价格qi：
65、
66、式中，表示设备j完成所分配任务所有资源价格的总和，qλ,τ代表在时间段τ资源λ的价格，o为所有资源的数量，su(i)是设备i的后继设备集，se(j)是选择购买设备j资源的时间片集合。
67、s424、利用下述逻辑，将最大化用户收益目标，转换为每个设备最大化自身收益目标，以得到最小化自身成本：
68、minqi
69、s.t.j∈su(i)
70、
71、式中，c是总任务的大小，是设备i本地执行的任务量，ci是设备i收到的任务量。
72、本发明仅采用收益机制来激励设备参与卸载，卸载行为是一次性的，并不会对后续卸载行为产生影响。
73、在更具体的技术方案中，s43中，整理价格表操作包括：
74、s431、在预置时间约束范围内，根据一个任务在每个时间片所需资源种类和数量的情况，计算时间片执行任务价格；
75、s432、根据时间片执行任务价格最小，选择价格最小时间片，计算最小时间片可处理的任务数m，将价格最小时间片所需的价格p，填充至价格表，对前一行价格加上价格p，得到min(m-1,n-1)行的价格；将当前的价格最小时间片，从预置时间约束范围中移除；
76、s433、重复执行步骤s432，直到价格表填充至n行，其中，n表示任务数量。
77、在更具体的技术方案中，s43中，计算出价表的操作包括：
78、s431’、从所有后继设备接收出价表；
79、s432’、将后继设备接收到的出价表值，乘以中间辅助计算设备的期望收益率err；
80、s433’、设置|su(i)|+1个指针pk，使得pk＝1,k∈su(i)。初始化变量s＝0,l＝1；
81、s434’、根据当前|su(i)|+1表行的指针指向的值，选择最小的y，同时记下a表对应的表号，利用下述逻辑进行更新操作：
82、s＝s+y,t'(l)＝s；
83、s435’、更新出价表ta的值：
84、ta(m)＝ta(m)-y,m∈{pa+1,pa+2,...,n}
85、更新表ta的指针以及任务标号：p＝p+1,l＝l+1；
86、s436’、重复执行前述步骤s434’、s435’，直到l>n。
87、本发明通过设备互联生成卸载网络，可以让用户以更低的成本完成任务，并提升更大范围内设备的资源利用率。本发明还测量了其可扩展性，可以发现随着系统规模的提升，算法表现出良好的可扩展性。
88、本发明的场景是完全分布式的场景，不需要服务器的参与。设备只需要并且也只能获取与其直接相连的设备的状态信息，通过设备之间的互联与通信来扩大卸载网络，降低用户的卸载成本，这是本发明的重点。
89、在更具体的技术方案中，基于多层次卸载网络的服务卸载系统包括：
90、网络模型构建模块，用以构建网络模型，其中，网络模型中的设备包括：用户设备、服务提供者设备；
91、网络设备描述模块，用以对网络模型进行抽象化操作，利用预置四元组描述网络模型中的设备，以及设备产生的任务集，网络设备描述模块与网络模型构建模块连接：
92、定价算法模块，用以执行量化资源模型的定价算法，其中，获取并根据交易历史信息，获取需求函数，计算请求价格、n种资源的需求率，以拟合出单一资源价格和需求关系，将资源定价问题转换为设备期望收益最大化问题，以求取设备最优收益、资源最优价格；
93、任务卸载方案获取模块，用于以用户设备为中心，以任务最大完成时延为约束，构建多层级任务卸载网络，以执行多层级卸载网络的任务卸载算法mos，以进行逐层报价操作，获取适用任务卸载方案，任务卸载方案获取模块与定价算法模块、网络设备描述模块连接。
94、本发明相比现有技术具有以下优点：
95、本发明基于多层次卸载网络，同时引入了需求函数来使得服务定价是可以跟随需求变动的，设计了一种d2d服务卸载方法。本发明设计的计算卸载模式，能够激励更多的辅助计算设备参与任务卸载，提高空闲设备的利用率，同时优化任务请求者的收益。
96、本发明提出了一种设备的资源定价方案，提出d2d通信中，用户进行任务卸载时利润最大化。本发明设计多层级的任务卸载算法mos，使得用户完成任务的收益最大化。
97、本发明将市场化的概念整合进了服务供应框架中，为设备的资源进行定价。设备之间的互联构建起卸载网络，用户在卸载网络中寻找最优的资源购买方案从而使利润最大化。
98、本发明通过制定服务卸载算法，使得用户可以购买空闲设备的资源来完成任务。制定了依据自身资源状况的定价函数，可以让设备都获取满意的收益。
99、本发明提供的多层级的任务卸载算法，以用户为中心、以任务最大完成时延为约束构建起多层级的任务卸载网络，通过层层报价的方式用户决定最终的任务卸载方案。
100、本发明通过设备互联生成卸载网络，可以让用户以更低的成本完成任务，并提升更大范围内设备的资源利用率。本发明还测量了其可扩展性，可以发现随着系统规模的提升，算法表现出良好的可扩展性。
101、本发明解决了现有技术中存在的资源浪费、社区内辅助计算设备利用率低以及任务请求者收益较低的技术问题。
1.基于多层次卸载网络的服务卸载方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多层次卸载网络的服务卸载方法，其特征在于，所述s2包括：
3.根据权利要求1所述的基于多层次卸载网络的服务卸载方法，其特征在于，所述s3包括：
4.根据权利要求3所述的基于多层次卸载网络的服务卸载方法，其特征在于，所述s36包括：
5.根据权利要求1所述的基于多层次卸载网络的服务卸载方法，其特征在于，所述s4中的多层级卸载网络的任务卸载算法mos，包括：
6.根据权利要求5所述的基于多层次卸载网络的服务卸载方法，其特征在于，所述s41包括：
7.根据权利要求5所述的基于多层次卸载网络的服务卸载方法，其特征在于，所述s42包括：
8.根据权利要求5所述的基于多层次卸载网络的服务卸载方法，其特征在于，所述s43中，整理价格表操作包括：
9.根据权利要求5所述的基于多层次卸载网络的服务卸载方法，其特征在于，所述s43中，计算所述出价表的操作包括：
10.基于多层次卸载网络的服务卸载系统，其特征在于，所述系统包括：
