（论文分析）移动边缘计算中多资源分配和定价的Stackelberg博弈方法

论文题目：A Stackelberg game approach to multiple resources allocation and pricing in mobile edge computing

Chen Yifan,Li Zhiyong,Yang Bo,Nai Ke,Li Keqin. A Stackelberg game approach to multiple resources allocation and pricing in mobile edge computing[J]. Future Generation Computer Systems,2020,108(prepublish)

研究内容：基于stackelberg博弈优化解决边缘计算中资源分配问题

针对问题：设计基于Stackelberg博弈的资源分配方法，如何求解最优分配策略和MEC的最优定价

解决方案：提出了一个基于Stackelberg博弈的框架，其中EU和MEC分别充当追随者和领导者，最终目标要实现每个MEC实现最大收入，而每个EU在预算约束下获得效用最大化的资源。将多个资源分配和定价问题分解为一组子问题，其中每个子问题只考虑单个资源类型。为每个子问题构建Stackelberg博弈框架，其中领导者（即MEC）可以确定该资源的单价，而每个追随者（即EU）可以通过在策略空间中选择适当的策略来自私地最大化其效用。证明了博弈存在唯一的纳什均衡，子问题的最优解够成原问题的最优解，为找到最优解（即请求资源策略和定价策略），设计了两种算法，即找到EU最佳资源需求策略的最优需求计算算法1（ODCA）和找到均衡价格的迭代算法2

算法使用领导者MEC的给的单价，分析追随者EU选择需求策略，找到EU资源的最佳需求策略

算法2针对每个资源类型r迭代运行（第2-25行）。资源的初始价格大于0，且由每个MEC任意设置。每个MEC根据EU的需求和总资源在每次迭代中更新一次单价（第2-25行）。

实验结果：实验使用MATLAB，用于检查所提出的Stackelberg博弈的性能。使用迭代执行模拟步骤以获得Stackelberg平衡。首先，给定每个MEC的资源单价，每个EU根据提议的ODCA对资源做出最佳选择。然后，MEC将根据EU的要求更新其价格。重复该过程，直到满足单价的精度要求。最后，当单价确定后，可以通过ODCA获得每个EU的最佳资源需求。实验结果显示出以下几种现象：随着EU预算的增加，每种资源的单价增长大致呈线性；EU1对资源的需求随着相应预算的增加而增加，相反，其他EU成员国的需求减少，因为在其预算不变的情况下，由于EU1的预算增加，资源价格上涨；初始单价越接近均衡价格，算法2收敛得越快；精度要求越高（即，ε值越低），迭代次数t越高，单价越接近最优；阶跃参数δj较大时，算法2收敛更快；SGA提供了令人满意的效用值，效用结果比较平衡，总效用方面也有可行性和有效性；随着EU的增加，所有EU对资源r的总预算增加，导致每个MEC的资源r单价增加，相应地，随着EU数量和资源单价r的增加，每个MEC的收入增加；随着MEC的数量的增加，EU的效用也增加了。

数值结果表明，所提出的机制是有效的，并且随着系统大小的增加而扩展。