[發(fā)明專利]面向異構(gòu)邊緣網(wǎng)絡(luò)的計算服務定價方法及裝置

在審

• 申請?zhí)枺?/td>: 202310290225.4
• 申請日: 2023-03-22
• 公開（公告）號: CN116308583A
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計）人: 梁輝
• 申請（專利權(quán)）人: 東莞理工學院
• 主分類號: G06Q30/0283
• 分類號: G06Q30/0283
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 白淑君

本發(fā)明實施例涉及一種面向異構(gòu)邊緣網(wǎng)絡(luò)的計算服務定價方法及裝置，包括：基于異構(gòu)邊緣網(wǎng)絡(luò)中各邊緣計算服務提供商的歷史定價信息預測此輪除本邊緣計算服務提供商以外的其它邊緣計算服務提供商的預估計算服務價格；計算用戶選擇每個邊緣計算服務提供商處需要進行排隊的概率；基于所述預估計算服務價格和所述概率通過用戶效用函數(shù)計算此輪本邊緣計算服務提供商的潛在用戶數(shù)；基于所述潛在用戶數(shù)與用戶排隊概率，利用強化學習方法制定所述本邊緣計算服務提供商的最優(yōu)計算服務價格。由此，制定合理的邊緣計算服務價格，可以在提高邊緣計算服務提供商收益的同時最小化用戶排隊概率，提升用戶服務體驗。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及異構(gòu)邊緣網(wǎng)絡(luò)計算服務定價領(lǐng)域，尤其涉及一種面向異構(gòu)邊緣網(wǎng)絡(luò)的計算服務定價方法及裝置。

背景技術(shù)

價格因素在邊緣計算網(wǎng)絡(luò)的實際運營中發(fā)揮著至關(guān)重要的作用。合理準確的價格制定既可以為邊緣服務商帶來豐厚的利潤，同時又可為邊緣計算用戶提供更加多樣化的選擇，同時還將影響網(wǎng)絡(luò)中各類計算需求的流向，達到網(wǎng)絡(luò)負載均衡。

隨著邊緣計算服務的廣泛應用，除了原有網(wǎng)絡(luò)基礎(chǔ)設(shè)施運營商、大型互聯(lián)網(wǎng)企業(yè)、設(shè)備制造商可提供邊緣計算服務外，越來越多的中小企業(yè)甚至個人都可以針對不用需求提供相應的邊緣計算服務以獲得收益，這些不同種類的服務提供商共同構(gòu)成了可為各類用戶提供更加敏捷、多樣化計算服務的異構(gòu)邊緣網(wǎng)絡(luò)。然而，由于各邊緣服務提供商之間普遍存在的競爭關(guān)系，他們不會彼此告知自己所提供服務的潛在價格，同時網(wǎng)絡(luò)中的計算服務請求也會隨著用戶的需求而時刻發(fā)生變化，這就給服務提供商對其計算服務的定價提出了巨大的挑戰(zhàn)。

目前邊緣計算服務普遍采用的定價方式主要有基于成本的定價，利潤最大化定價及拍賣定價。其中，基于成本的定價是指通過計算服務的總成本，再加上成本的百分比作為期望利潤確定服務的價格。而利潤最大化定價是一個確認邊緣服務提供商的用戶數(shù)與其相應的價格能夠產(chǎn)生最高利潤的過程。拍賣定價是指用戶根據(jù)自己的計算服務需要及可支付的預算先對計算服務給出報價，然后由第三方作為中間人根據(jù)不同競拍規(guī)則確定最終獲勝者，并告知相應邊緣計算服務提供商提供服務，同時要求獲勝用戶支付費用。

現(xiàn)有的定價方式，并不適用異構(gòu)邊緣網(wǎng)絡(luò)的新特點，具體為：基于成本的定價，這種定價策略容易造成資源提供商為獲得最大利潤而不斷提高資源的價格，卻沒有考慮其它提供商的策略、買家的價格感知能力和支付意愿等市場外部因素，只適用于簡單的市場機制。而利潤最大化定價，由于在實際市場中用戶需求是隨機的，確定需求曲線是比較困難的。同時，利潤最大化定價模型在確定計算服務請求數(shù)量和計算服務價格時，往往會忽略市場競爭問題。對于拍賣定價，由于定價過程需經(jīng)歷出價、第三方確定獲勝方、通知雙方進行服務提供與支付等一系列復雜過程，造成了較大的服務時延，并不適合對時延敏感的邊緣計算網(wǎng)絡(luò)。

發(fā)明內(nèi)容

鑒于此，為解決上述技術(shù)問題或部分技術(shù)問題，本發(fā)明實施例提供一種面向異構(gòu)邊緣網(wǎng)絡(luò)的計算服務定價方法及裝置。

第一方面，本發(fā)明實施例提供一種面向異構(gòu)邊緣網(wǎng)絡(luò)的計算服務定價方法，包括：

基于異構(gòu)邊緣網(wǎng)絡(luò)中各邊緣計算服務提供商的歷史定價信息預測此輪除本邊緣計算服務提供商以外的其它邊緣計算服務提供商的預估計算服務價格；

計算用戶選擇每個邊緣計算服務提供商處需要進行排隊的概率；

基于所述預估計算服務價格和所述概率通過用戶效用函數(shù)計算此輪本邊緣計算服務提供商的潛在用戶數(shù)；

基于所述潛在用戶數(shù)與用戶排隊概率，利用強化學習方法制定所述本邊緣計算服務提供商的最優(yōu)計算服務價格。

在一個可能的實施方式中，所述方法還包括：

將所述各邊緣計算服務提供商的歷史定價信息分為模型訓練集和模型測試集；

基于所述模型訓練集通過貝葉斯神經(jīng)網(wǎng)絡(luò)訓練價格預測模型，以及基于所述模型測試集對所述價格預測模型進行測試；