为了缓解移动边缘计算中资源稀缺问题，本文建议在多个边缘计算服务提供商之间共享资源，并将资源分配和共享问题建模为多目标优化问题。本文使用合作博弈的框架，每个边缘计算服务提供商首先满足本地应用程序，每个应用程序只选择一个边缘服务提供商。本文提出方法首先在各服务提供商本地计算本地资源与本地应用程序之间最优效益的资源分配方案，然后在合作博弈核的范围内，计算本地剩余资源与其他应用程序需求缺口之间的最优效益的资源分配方案，两个资源分配方案相加后，再反求出各服务提供商最终的资源分配方案。Zafari, Faheem , et al. "A Game-Theoretic Approach to Multi-Objective Resource Sharing and Allocation in Mobile Edge Clouds." (2018).
本文的优点是①在合作博弈中，考虑了不同参与者效益函数的不同；②针对优先满足本地应用程序，使用更大的权重进行抽象；③提出了一种改进算法，将优化问题的计算复杂度从shapley值O(2^N)的降低到O(N)。
本文存在的问题是①单个优化问题的计算复杂度始终在O(N^2)级，这仍可能是方案推广的障碍；②超可加性在保证用户参与合作博弈，并以此作为优化方案可行性的同时，存在无法拆解合作博弈规模的问题，使用时可能需要方案外约束来控制合作博弈的用户规模。
2024年1月10日
标签：Multi,EdgeTech,博弈,18,应用程序,服务提供商,本地,资源分配 From： https://www.cnblogs.com/FBprivacy/p/17956229