文献阅读笔记（4）-2020.10.29
作者：互联网
论文题目：A Multi-User Mobile Computation Offloading and Transmission Scheduling Mechanism for Delay-Sensitive Applications
作者：Changyan Yi
期刊时间：2020
研究问题：延迟敏感应用的多用户移动计算卸载和传输调度机制
优势：
在此基础上可以再如何改进：如果考虑到计算结果返回的花销呢？
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
作者所作工作：1.具有延迟敏感应用的边缘计算的联合计算卸载和无线传输调度被公式化为基于动态排队模型的机制设计问题。
2.开发了一种延迟相关的优先传输调度规程，以最小化任何给定计算卸载决策的所有移动用户的总延迟成本。
3.以网络社会福利最大化为目标，通过凸优化得到一个最优的计算卸载方案
4. 设计了一个合适的定价规则，使得网络范围内的最优计算卸载和传输调度方案能够实现单个移动用户之间非合作策略制定过程的均衡
5.理论分析和仿真结果验证了该机制的性能，并证明了其可行性和优越性。
优先级队列模型：优先级队列是不同于先进先出队列的另一种队列。每次从队列中取出的是具有最高优先权的元素
一.效用函数和策略
效用函数：
解释：用户的效用函数相当于一个用户完成所以任务获得的价值减去消耗 即：任务到达率*一个任务的价值 - 总消耗成本
由四部分组成：
本地计算成本，边缘计算合同成本，上行传输成本，延迟消耗成本。
本地计算成本相当于本地到达任务消耗的总能耗 即到达率*一个任务是cpu能耗
边缘计算的合同成本相当于到达任务数*一个任务的边缘计算成本
上行链路上的消耗：包括传输消耗和传输服务费 
平均传输能量成本 
每一个计算任务的服务费
平均传输成本计算 一个计算任务平均上行链路时间*预定传输功率*传输能量成本系数
Ti是卸载任务在上行链路传输的总时延（取决于卸载量即
策略）Wi（.）是一个延迟成本函数根据Ti取得
得出效用函数：
本地cup能耗大于传输能耗时才会卸载
完成计算任务的价值大于本地消耗的时候才会卸载
重写效用函数：
因为用户具有理性和潜在自私性 他们可能改变增加的策略使自己受益 然而当一个用户的策略改变就会影响整体的策略 因此我们的设计必须服从以下规则
激励相容：对于每个用户它自己的策略等于最优策略的时候效益最大化其他时间
个体理性：对于每个用户如果他遵循整体的卸载策略他的效益永远都是非负的
通过满足激励兼容性(12)和个体理性(13)，所有移动用户将愿意参与系统并严格按照设计的机制管理他们的计算卸载。
整体问题定义：
网络福利
网络调节器的效用 
所有用户的效用和
管理者收取的上行和卸载的费用 
提供云计算和无线频谱接入的网络运营成
本。Y（.）是已知的一个关于流量的增函数
将前面的带入得出：
----------------------------我们要做的就是设计合适的 
（卸载策略） 
（上行链路的调度规则） 
（计价规则）
20 21 是激励相容和个人理性限定
核心：多用户计算卸载和传输调度机制
1.Delay-Sensitive Transmission Scheduling：-----
标签：2020.10,29,笔记,传输,任务,效用函数,计算,卸载,策略 来源： https://blog.csdn.net/m0_48007757/article/details/109327488