论文部分内容阅读
由于传统配电网络低下的效率以及过度使用化石燃料导致的全球变暖等问题，建立新的高效绿色的配电网络已经非常迫切。电力物联网（Electric Internet of Things，EIoT）能够将绿色电力资源整合到能源分配系统，可通过自动化控制和现代通信技术来提高效率、可靠性和安全性。EIoT中基础设备具有先进的通信和计算能力，但设备的资源是有限的，在信息流动的过程中，若是不能合理的分配设备拥有的无线资源及计算资源等各种资源，用户的服务质量（Quality of Service， QoS）就会得不到保障，因此有必要研究EIoT中的资源优化问题，而博弈论已被证明可有效解决上述问题。本学位论文围绕EIoT中基于博弈论的资源优化展开研究，分别研究基于网络形成博弈的联合资源调度算法、基于联盟博弈的任务卸载算法以及基于分层博弈的云资源分配算法。
本学位论文的主要工作如下：
（1）提出EIoT中基于网络形成博弈的联合资源调度算法（Network Formation Game based Joint Resource Scheduling Algorithm，FJRSA）。该算法通过EIoT中相邻智能电表（Smart Meter，SM）的协作，形成多跳传输的树状拓扑结构，通过该结构将SM数据传输到接入点（Access Point，AP）和将SM上的计算任务卸载，达到最大程度减小传输和计算能耗、充分利用SM无线资源和计算资源的目的。建立网络形成博弈模型，模型中参与者是SM，SM的策略是选择其连接到AP的路径，代价函数是SM的传输和计算能耗。仿真结果表明，采用本文提出的FJRSA算法，SM可以快速自组织成根植于AP的树状拓扑结构；与所有SM都直接连接到AP的SM-AP算法相比，当SM数量增加时，FJRSA算法能显著减少SM总体能耗和提高SM的无线资源利用率。
（2）提出EIoT中基于联盟博弈的任务卸载算法（Coalition Game based Task Offloading Algorithm，CGTOA）。该算法研究了基于多载波（Multi-carrier，MC）非正交多址接入（Non-orthogonal Multiple Access，NOMA）的EIoT中多SM协作的任务卸载问题，SM的计算任务可以本地处理也可以卸载到AP服务器上处理；SM通过选择合适的卸载策略，实现了最大程度减小能耗和时延的目的。建立联盟博弈模型，SM被视为博弈参与者，共享同一子载波的SM组成联盟，共享子载波可以用于多个SM的任务卸载。仿真结果表明，CGTOA算法可以很快的收敛；与现有其他算法相比，CGTOA算法的总代价函数更低，总效用更高。
（3）提出EIoT中基于分层博弈的云资源分配算法（Hierarchical Game based Cloud Resource Allocation Algorithm，HCRAA）。该算法研究了多服务提供商（Service Provider，SP）多用户情况下的云资源分配问题，目的是最大化SP和用户的收益。建立分层博弈模型，在底层，使用演进博弈来模拟用户的SP选择；在上层，非合作博弈被用于模拟SP之间对用户的竞争；然后，证明上层非合作博弈和底层演进博弈分别可以达到纳什均衡（Nash Equilibrium，NE）和演进均衡（Evolutionary Equilibrium，EE）。仿真结果表明，经过多次迭代，分层博弈可以收敛到平衡状态；与其他现有算法相比，HCRAA算法的用户开销更低，用户收益和SP收益更高，还达到了供需之间的平衡。
本学位论文的主要工作如下：
（1）提出EIoT中基于网络形成博弈的联合资源调度算法（Network Formation Game based Joint Resource Scheduling Algorithm，FJRSA）。该算法通过EIoT中相邻智能电表（Smart Meter，SM）的协作，形成多跳传输的树状拓扑结构，通过该结构将SM数据传输到接入点（Access Point，AP）和将SM上的计算任务卸载，达到最大程度减小传输和计算能耗、充分利用SM无线资源和计算资源的目的。建立网络形成博弈模型，模型中参与者是SM，SM的策略是选择其连接到AP的路径，代价函数是SM的传输和计算能耗。仿真结果表明，采用本文提出的FJRSA算法，SM可以快速自组织成根植于AP的树状拓扑结构；与所有SM都直接连接到AP的SM-AP算法相比，当SM数量增加时，FJRSA算法能显著减少SM总体能耗和提高SM的无线资源利用率。
（2）提出EIoT中基于联盟博弈的任务卸载算法（Coalition Game based Task Offloading Algorithm，CGTOA）。该算法研究了基于多载波（Multi-carrier，MC）非正交多址接入（Non-orthogonal Multiple Access，NOMA）的EIoT中多SM协作的任务卸载问题，SM的计算任务可以本地处理也可以卸载到AP服务器上处理；SM通过选择合适的卸载策略，实现了最大程度减小能耗和时延的目的。建立联盟博弈模型，SM被视为博弈参与者，共享同一子载波的SM组成联盟，共享子载波可以用于多个SM的任务卸载。仿真结果表明，CGTOA算法可以很快的收敛；与现有其他算法相比，CGTOA算法的总代价函数更低，总效用更高。
（3）提出EIoT中基于分层博弈的云资源分配算法（Hierarchical Game based Cloud Resource Allocation Algorithm，HCRAA）。该算法研究了多服务提供商（Service Provider，SP）多用户情况下的云资源分配问题，目的是最大化SP和用户的收益。建立分层博弈模型，在底层，使用演进博弈来模拟用户的SP选择；在上层，非合作博弈被用于模拟SP之间对用户的竞争；然后，证明上层非合作博弈和底层演进博弈分别可以达到纳什均衡（Nash Equilibrium，NE）和演进均衡（Evolutionary Equilibrium，EE）。仿真结果表明，经过多次迭代，分层博弈可以收敛到平衡状态；与其他现有算法相比，HCRAA算法的用户开销更低，用户收益和SP收益更高，还达到了供需之间的平衡。