无人机边缘计算中的计算卸载——Stackelberg博弈方法论文复现附matlab代码

简介: 无人机边缘计算中的计算卸载——Stackelberg博弈方法论文复现附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测雷达通信 无线传感器

信号处理图像处理路径规划元胞自动机无人机 电力系统

⛄ 内容介绍

基于物联网的服务受益于云,云提供了几乎无限的功能,如存储、处理和通信。然而,移动用户在满足服务质量(QoS)规定的情况下从云接收计算仍然面临挑战。在本文中,我们研究了使用边缘计算的计算卸载,这是一种将计算传递到移动用户附近的普及网络边缘的新范式。然而,如果没有强有力的激励措施,本地边缘服务器可能不愿意帮助卸载计算。为了激励云服务运营商和本地边缘服务器所有者参与计算卸载,我们将云服务运营方和边缘服务器所有者之间的交互表述为Stackelberg游戏,以通过获得最佳支付和计算卸载策略,最大化云服务运营和边缘服务器拥有者的效用。通过理论分析,我们证明了博弈保证达到唯一的纳什均衡。然后,我们设计了两种计算卸载算法,可以在低延迟和降低复杂性方面量化它们的效率。此外,我们通过考虑边缘服务器所有者动态加入或离开计算卸载来扩展我们的工作。数值结果表明,我们提出的算法在计算卸载方面表现良好,并有效地激励边缘服务器所有者为计算卸载做出贡献。

⛄ 部分代码

function [bs_income,uav_income,user_outcome] = stackelberg_price_determined(bs,uav,user,epoch)

global user_num uav_num bs_num D ...

      relay_ok selected_uav_relay ...%need_bs need_uav

      offload_bs offload_uav offload_relay selected_uav selected_bs

% global M_i M_j F_i m_i f_i

M_i = ones(bs_num,user_num);    % price to the user i @bs

M_j = ones(bs_num,uav_num);     % price to hire the uav j @bs

F_i = zeros(bs_num,user_num);   % the resource allocate to the user i @bs

m_i = ones(uav_num,user_num);   % price to the user i @uav

f_i = zeros(uav_num,user_num);  % reource allocate to the user i @uav

[bs_income,uav_income,user_outcome] = deal(zeros(epoch,bs_num),zeros(epoch,uav_num),zeros(epoch,user_num));

[local,offload_bs,offload_uav,offload_relay]=deal(0.25*ones(user_num,1),0.25*ones(user_num,1),0.25*ones(user_num,1),0.25*ones(user_num,1)); % 卸载比例初始化

[at_local,to_bs,to_uav,by_relay] = deal(zeros(user_num,1),zeros(user_num,1),zeros(user_num,1),zeros(user_num,1));

relay_ok = zeros(bs_num,uav_num); % whether the uav choose to be relay for base station g

[selected_uav,selected_bs,selected_uav_relay] = deal(zeros(user_num,1),zeros(user_num,1),zeros(user_num,1));

[dis_user_uav,dis_uav_bs,dis_user_bs] = get_distance(uav,user,bs);

[Rate_i_g,Rate_i_j,Rate_j_g_i] = deal(ones(user_num,bs_num),ones(user_num,uav_num),ones(uav_num,bs_num));

[record_1,record_2,record_3,record_4] = deal(zeros(user_num,epoch),zeros(user_num,epoch),zeros(user_num,epoch),zeros(user_num,epoch));

%% The Data trans speed subject to the distance between the objects

for b = 1:bs_num

  for i = 1:user_num

      Rate_i_g(i,b) = 1000 / dis_user_bs(i,b);

  end

  for j = 1:uav_num

      Rate_j_g_i(j,b) = 1000 / dis_uav_bs(j,b);

  end

end

for i = 1:user_num

   for j = 1:uav_num

       Rate_i_j(i,j) = 1000 / dis_user_uav(i,j);

   end

end

%% The User associate to the bs & uav nearby

for u = 1:user_num

   [~,selected_bs(u)] = min(dis_user_bs(u,:));

   [~,selected_uav(u)] = min(dis_user_uav(u,:));

   selected_uav_relay(u) = selected_uav(u);

%     need_bs(selected_bs(u)) = 1;need_uav(selected_uav(u)) = 1;

end

%% Game Iteration

for episode = 1:epoch

   now = episode;

   %% Game of Leader layer: Base station

   for b = 1:bs_num

       % alter the price for user i: M_i && the suitable resource: F_i

       for i = 1:user_num

           F_i(b,i) = (offload_bs(i)+offload_relay(i)) * D(i);

           M_i(b,i) = 250;%D(i) / Rate_i_g(i,b);

       end

       % alter the price for uav j : M_j

       for j = 1:uav_num

           M_j(b,j) = 50 / Rate_j_g_i(j,b);

       end

       % compute the profit of the base station b

       bs_income(episode,b) = utility_base_station(M_i(b,:),M_j(b,:),F_i(b,:),b);

   end

   %% Game of Vice-leader Layer : UAVs  

   for u = 1:uav_num

       % alter the price for user i: m_i

       for i = 1:user_num

           f_i(u,i) = offload_uav(i) * D(i);

           m_i(u,i) = 70;% D(i) / Rate_i_j(i,u);

       end

       % compute the profit of the uav j

       uav_income(episode,u) = utility_uav(m_i(u,:),f_i(u,:),Rate_j_g_i(u,:),M_j(:,u),u);

   end

   %% Game of follower layer: Users

   for i = 1:user_num

       [at_local(i),to_bs(i),to_uav(i),by_relay(i)] = ...

       utility_user(M_i(:,i),m_i(:,i),F_i(:,i),f_i(:,i),Rate_i_g,Rate_i_j,Rate_j_g_i,i);

       % allocate the compute task

       [local(i),offload_bs(i),offload_uav(i),offload_relay(i)] ...

           = offload_allocate(at_local(i),to_bs(i),to_uav(i),by_relay(i),D,i);

       [record_1(i,now),record_2(i,now),record_3(i,now),record_4(i,now)]=...

           deal(local(i),offload_bs(i),offload_uav(i),offload_relay(i));

       if offload_relay(i) ~= 0

           relay_ok(selected_bs(i),selected_uav_relay(i)) = 1;

       else

           relay_ok(selected_bs(i),selected_uav_relay(i)) = 0;

       end

       user_outcome(episode,i) = ...

       local(i) * at_local(i) + offload_bs(i) * to_bs(i) + offload_uav(i) * to_uav(i) + offload_relay(i) * by_relay(i);


   end

save stackelberg_RL

end

end

⛄ 运行结果

⛄ 参考文献

[1] Yang L ,  Xu C ,  Zhan Y , et al. Incentive mechanism for computation offloading using edge computing: A Stackelberg game approach[J]. Computer Networks, 2017, 129(DEC.24):399-409.

⛄ Matlab代码关注

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
基于粒子滤波器的电池剩余使用寿命计算matlab仿真
本研究基于粒子滤波器预测电池剩余使用寿命(RUL),采用MATLAB2022a实现。通过非线性动力学模型模拟电池老化过程,利用粒子滤波器处理非线性和非高斯问题,准确估计电池SOH变化趋势,进而预测RUL。系统仿真结果显示了良好的预测性能。
|
4月前
|
算法
MATLAB符号计算
【10月更文挑战第9天】MATLAB不仅擅长数值计算,还具备强大的符号计算功能,支持代数运算、方程求解、微积分等。本文介绍如何使用MATLAB的符号工具箱进行符号变量定义、方程求解、微分积分及矩阵运算,并通过多个实际应用案例展示了其在机械系统、电路分析、经济优化和物理运动学等领域的应用。此外,文章还提供了符号计算的最佳实践和未来展望。
138 2
|
4月前
|
安全 调度
电力系统的负荷损失和潮流计算matlab仿真,对比最高度数,最高介数以及最高关键度等节点攻击
本课题研究节点攻击对电力系统稳定性的影响,通过模拟最高度数、最高介数和最高关键度攻击,对比不同攻击方式下的停电规模。采用MATLAB 2022a 进行系统仿真,核心程序实现线路断开、潮流计算及优化。研究表明,节点攻击会导致负荷损失和系统瘫痪,对电力系统的安全构成严重威胁。通过分析负荷损失率和潮流计算,提出减少负荷损失的方法,以提升电力系统的稳定性和安全性。
|
3月前
|
机器学习/深度学习 存储 算法
基于Actor-Critic(A2C)强化学习的四旋翼无人机飞行控制系统matlab仿真
基于Actor-Critic强化学习的四旋翼无人机飞行控制系统,通过构建策略网络和价值网络学习最优控制策略。MATLAB 2022a仿真结果显示,该方法在复杂环境中表现出色。核心代码包括加载训练好的模型、设置仿真参数、运行仿真并绘制结果图表。仿真操作步骤可参考配套视频。
141 0
|
5月前
|
算法 数据可视化 数据安全/隐私保护
基于LK光流提取算法的图像序列晃动程度计算matlab仿真
该算法基于Lucas-Kanade光流方法,用于计算图像序列的晃动程度。通过计算相邻帧间的光流场并定义晃动程度指标(如RMS),可量化图像晃动。此版本适用于Matlab 2022a,提供详细中文注释与操作视频。完整代码无水印。
|
6月前
|
Python
【Python】实现MATLAB中计算两个矩形相交面积的rectint函数
Python中实现MATLAB中rectint函数的方法,该函数用于计算两个矩形相交区域的面积,并通过定义Rectangle类和calc_area函数展示了如何计算两个矩形的交集面积。
85 1
|
7月前
|
安全 C++
基于MATLAB的电力线路参数计算仿真
*1. 课题概述** - 电力线路分为输电与配电,计算关键参数至关重要 - 本项目开发基于MATLAB的软件,用于计算电力线路的重要参数 *2. 系统仿真结果** - 实现了工频电场、电力系统潮流等参数的计算。 - 包括MATLAB界面设计与计算功能实现。 *3. 系统原理简介** - **额定电压**: 设备最佳工作电压,保障性能稳定及延长使用寿命。 - **输变电设施**: 运行时产生工频电场和磁场,需符合国家标准限值。 - **线径计算**: 依据电流密度和趋肤效应确定导线截面积。 - **电力系统潮流计算**: 基于牛顿-拉夫逊法求解电力系统稳态运行状态,用于检查系统过负荷及电压质量。
|
7月前
|
监控
基于偏微分方程离散化计算的地下换热器建模与温度检测matlab仿真
**摘要:** 探索地下换热器的建模与温度检测,使用MATLAB2022a进行系统仿真,关注传热过程的热传导、对流和辐射。通过离散化偏微分方程建立数值模型,模拟温度场,考虑地质特性和水流影响。建模以网格单元描述温度变化,采用热电偶、红外和光纤测温技术验证模型并监控温度,各具优缺点。光纤测温法提供高精度和抗干扰的分布式监测。
|
8月前
|
存储 算法 计算机视觉
m基于FPGA的FIR低通滤波器实现和FPGA频谱分析,包含testbench和滤波器系数MATLAB计算程序
在Vivado 2019.2平台上开发的系统,展示了数字低通滤波器和频谱分析的FPGA实现。仿真结果显示滤波效果良好,与MATLAB仿真结果一致。设计基于FPGA的FIR滤波器,利用并行处理和流水线技术提高效率。频谱分析通过离散傅里叶变换实现。提供了Verilog核心程序以示例模块工作原理。
82 4
|
8月前
|
数据处理
MATLAB 论文绘图规范标注
MATLAB 论文绘图规范标注