文摘
能源效率优化移动边缘计算电子商务客户和服务器计算资源的合理管理值得进一步研究。算法的参与者博弈模型提出了移动电子商务客户管理。决定卸载组成的空间是一个二维空间决策和权力控制,功能和好处是能源效率函数和延迟函数。多维博弈模型的存在性和唯一性证明理论上。仿真结果表明,提出的基于多维游戏能效优化算法的移动边缘计算可以减少能源消耗和延迟的移动终端和提高能源效率下的卸载计算相同的任务与游戏方案不考虑功耗控制电子商务客户管理更大的数量。本文推导出移动电子商务客户的最佳负载迁移决策管理和移动云服务提供商边缘的最优定价策略,证明了最优决策和最优定价构成Starkberg均衡。semidistributed和分散任务转移决策机制设计,分别和移动电子商务的管理决策行为的客户在移动边缘云能源交易市场由数值分析研究,以及两种机制的时间效率。
1。介绍
移动边缘被定义为技术由欧洲电信标准协会(ETSI),提供服务环境,在附近的无线接入网络和手机用户(1]。ETSI移动边缘计算被认为是一个重要的新兴技术和下一代网络的重要组成部分。
的视频监控设备MEC服务器上的处理和分析,以及从视频流中提取有意义的数据。你可以转移有价值的数据在数据本质上是合作,边缘计算和预测链路数据传输。数据处理可以执行在一个木制MEC服务器而不是一个集中的服务器提供一个良好的用户体验。物联网在电信网络生成额外的消息,需要网关聚合信息,确保低延迟和安全。我们引入一个新的架构收集2,3),分类,分析物联网数据流使用MEC服务器管理各种协议,消息分布和分析处理。一个充满活力的生态系统为移动运营商带来了新的机遇,应用程序和内容提供商。
电子商务在当今社会的快速发展,客户还对电子商务企业的发展有很大的影响。首先,在电子商务环境中,客户可以浏览、理解,并通过网络购买产品和服务;通过实现,如客户购买力,和客户忠诚度;然后通过网络通信等方式及时联系客户;并通过保健和其他营销手段获得更多客户的支持。电子商务企业的发展需要一个电子商务客户关系管理的支持系统,它提供了一个科学依据企业科学决策和市场发展战略。
2。相关工作
在电子商务客户关系管理系统中,数据挖掘技术集成实现现有客户数据的分析,为客户建立一个分析模型,通过数据模型,分析客户分类客户,和找到更多的潜在客户4,5]。电子商务客户关系管理系统在国内市场并不完美但也取得了一些成就。早些时候电子商务客户关系管理系统的建设包括电信和移动公司、银行业和航空。客户关系管理不仅包括添加、删除和修改的客户信息,还包括客户数据的分析,了解客户的爱好,及时发现客户容易失去,,积极挖掘潜在客户市场。国内的理论研究在这些方面取得了初步成果,如使用遗传算法、人工神经网络和其他分类采集客户数据分析和预测的方法。国内电子商务客户关系管理系统的系统结构相对简单,功能相对简单,和大多数管理系统只是实现客户基本信息数据的管理。与国外相比,中国电子商务的发展和研究客户关系管理系统仍相对落后,单(6,7]。总之,国内外,现在世界经济的共同发展,并不是一个良好的客户关系管理系统支持;这不是一个成功的未来业务,帮助客户管理和分析,提高企业的工作效率;耶和华将有助于提高企业在市场上的地位和作用。
其中,能源效率优化移动边缘计算电子商务客户关系管理系统包括一个设计良好的任务卸载方案,通信信道分配和传输功率控制。在文献[8),提出了一个有效的MEC系统计算模型结合计算和通信合作优化系统能源效率。在文献[9),使用动态电压缩放技术,共同优化计算速度、传动功率,移动设备的卸货率提高能源效率。在文献[10),传动功率控制和卸载MEC决定系统在单用户情况下进行了研究。作为改进,文学的作者(11]扩展多用户MEC的结论在文学系统,并结合资源配置,优化能源效率的多用户通过李雅普诺夫MEC系统。在[12),一个集成框架,提出了计算卸货,卸货,考虑决策,优化能源效率。然而,在文献[13],intercustomer干扰电子商务时并不考虑卸货的决定确定移动用户。研究表明,有效的功率控制可以有效地抑制intercustomer干扰电子商务的在一个小电子商务客户网络(5,14]。因此,一些MEC算法提出了基于传输功率控制。例如,传输功率控制算法提出了文献[15,16和文献中提出的算法17在多用户MEC系统)是有效的,但它们是集中在分布式系统并不总是有效。MEC服务器的计算资源是有限的,越来越多的终端设备将来会连接到服务器时,移动设备的数量呈几何倍数增长。因此,如何合理管理计算资源已成为一个重要的研究方向。文献[18分支定界算法(VF-BNB)]提出了一种基于变量融合优化计算资源。该模型在文献[19]是一个移动边缘计算系统与大量的低功耗移动终端。因此,合理的分配计算资源是实现系统性能的关键。计算资源分配的问题下的上游MEC系统最小到最大公平准则进行了研究。文献[20.)使用拉格朗日乘子方法与预定的资源分配计算资源分配的策略来解决这个问题。上述文献进行定量分析从有限的计算资源的角度,然后完成资源管理通过精心设计的算法,但忽略了移动终端设备。如果用户继续,原始请求流量计算的服务器可能无法及时发送导致用户的下一个位置。用户移动预测分布和使用哪个服务器进行了研究在文献[21]。文献[22)研究了一种虚拟机迁移策略基于马尔可夫决策过程;在文献[23),堵塞网络中的虚拟机迁移策略进行了研究。
然而,常用的假设在上面的算法基于MEC能效优化电子商务的CRM系统移动边缘计算有一定的局限性:MEC服务器的计算资源是有限的,和卸载大量任务会带来相当大的排队延迟。场景的超密网络(UDN),电子商务客户可以显著影响数据利率之间的干扰,导致意想不到的传输延迟,从而导致较低的能源效率和长时间的延误。因此,干扰和排队问题不容忽视的现实。尽管MEC有很多优点,移动终端的能源效率是不容忽视的。博弈论是一种强大的分布式机制设计工具。为了维持系统的平衡,并考虑每个用户的利益,具有重要意义,利用博弈论作为工具来研究能源效率在MEC系统。MEC系统中,虚拟机迁移通常是采用用户运动,但是对于某些应用程序高instantness需求和任务量小,迁移成本太大。尽管流动预测,该模型是一个理想的统一运动。一般来说,用户的运动加速度,所以对这个方案的进一步研究的空间。
3所示。移动计算边缘电子商务客户管理能效优化框架和关键技术分析
3.1。系统架构
使MEC应用程序实现,纯MEC主机上运行的软件实体,移动优势平台提供运行应用程序所需的基础。MEC应用程序作为虚拟机运行虚拟机的虚拟基础设施,其中包括一个数据平台,加强交通规则受到移动平台和边缘路线交通应用森林网络和外部网络之间。在主机管理包括移动平台边缘和虚拟化基础设施水平,前者负责电子商务的应用生命周期管理和规则要求,包括电子商务客户管理系统营业执照、流动法则,域名系统解决冲突,负责分配、管理和释放可视化的虚拟化基础架构(计算、存储和网络资源)。架构图如图1。
如图2电子商务客户管理系统的框架,边缘计算分为移动边缘计算水平,移动电子商务客户系统主机水平边缘和网络级的实体。的主机层边缘移动电子商务客户系统的基本框架的一部分,它由主机和主机管理移动优势。虚拟化基础设施可以为我提供应用程序与计算、存储和网络资源,可以提供我与持久性存储和访问与应用程序相关的信息;它包括一个数据转发平面,用于接收从我平台数据转发规则,以及每个应用程序之间,服务和网络流。我平台收到来自我的流量转发规则平台经理,我的应用程序,或我服务和指令发送货运飞机基于转发规则。此外,我平台支持本地域名系统(DNS)的配置代理服务器将数据流量重定向到相应的应用程序和服务。我平台也可以与其他平台通过Mp3参考点,这可以作为连接不同的基础我平台的分布式MEC系统的协作机制。
其中,智能服务是基于模型驱动的统一服务框架,实现协调发展和部署的情报通过开发服务框架和部署操作服务框架,并能实现自动化软件开发和部署操作的一致性。智能业务编排定义端到端业务流经业务支持能力,实现业务敏捷性。连接计算达到极简建筑,屏蔽服务优势智能分布式体系结构的复杂性,实现自动化和可视化操作,信息和通信技术基础设施的部署和操作,并支持智能边缘之间的协作计算资源服务和行业业务需求。智能计算边缘节点(ECN)兼容多种异构连接,支持实时处理和响应,并提供了硬件和软件集成的安全。三层模型主要用于场景服务部署到一个或多个分散的地区,每个地区和业务流程很小,如智能路灯,智能电梯,和智能环保。智能资产后在本地处理,多种类型的服务数据聚合到智能网关沿南北方向。本地智能网关进程实时服务需求和聚合非实时数据并将其发送到云进行处理。
3.2。研究能源效率优化的关键技术
计算卸载的一个重要组成部分是决定是否卸载,是否全部或部分应用,卸载,以及如何卸载。卸载的决定取决于应用程序模型根据三个标准分类。在任务执行进度,我们需要知道如何选择任务执行顺序来减少任务执行时间,等等。等式和不等式约束优化问题的一般形式
在优化解决问题的算法,马条件是充分必要条件为凸优化问题得到最优解,和马条件
采用内存数据网格技术,改进了轻量级和高性能访问存储,形成一个轻量级的服务目录和高性能优势。在此基础上,考虑边缘移动计算环境的影响和目录节点的动态变化,同步和一致性保证边缘服务目录的技术进行了研究。核心的方法来解决这个问题包括以下三个方面:(1)考虑上游和下游等同步模式和同行同步,同步信息服务共享可以解决的问题通过灵活地选择合适的目录同步模式,支持动态发现、灵活的网络,节点之间的和服务共享,并实现服务目录的动态协同操作;(2)我们采用主动监测的更新机制,确保服务信息记录在分散的边缘服务目录是一致的,实时的,有效的和改进的可用性服务建立在分布式结构;(3)一个新的分布式一致性算法提出了基于状态机的复制。通过排序和执行分开共识协议和操作命令,可以同时提交所有备份操作命令在任何时间不确定的顺序操作命令,可以在同一顺序执行备份。服务目录的结构可以分为三层,即汇总层目录,目录中间层和服务实例层。服务目录和目录的聚合层区域的中间层有一个中心服务目录共享模型,主要用于服务目录。目录服务使用目录等效中间层地区共享服务模型。移动边缘计算服务目录模型结构如图3。
现有的microservice系统主要采用基于规则的路由策略实现路由功能服务的基于提供的服务目录信息服务注册中心和服务状态信息报告的服务代理。然而,移动计算环境是复杂多变的,边缘显著的动态特性。如果一个简单的和基于规则的路由策略是直接采用,不能优化系统性能。因此,如何选择服务调用路径智能根据服务质量、服务调用历史、动态系统资源的使用,和其他信息在当前的应用程序环境,以及历史服务路由策略,优势服务路由的解决是关键问题。
4所示。能源效率优化算法计算基于移动电子商务客户管理优势
决策组成的二维空间,通过合理的设计可以减少用户间干扰的传输功率大小的上限MEC服务器计算资源可以设置,添加移动终端的排队延迟,优化目标是能源消耗和移动终端的延迟,并建立博弈模型。的核心思想是选择最合适的卸货决定和传输功率为每个用户在当前形势下,通过游戏,以减少干扰,让更多用户有机会可以卸载计算和提高能源效率的移动终端。使用游戏算法的目的是选择最合适的决定,以优化能源消耗和延迟功能:
这个算法是一个多用户的系统,它使用平行的时段,每个用户计算自己的最优响应决定在每一个时间段。在初始化期间,用户的决定是卸载MEC服务器进行计算,并上传权力是随机选择的。在每一个时间段,用户收集能效信息:其他电子商务客户需要卸载MEC服务器计算用户的数量,他们的选择的频道,并根据信息传输速率计算,每个频道干扰,和用户的总数,在MEC服务器来确定用户是否需要排队。从这些参数,最佳的响应,即卸载决定(是否卸载)和上传权力大小,可以计算。在推理的过程中在means-purpose在线自主学习算法实现儿童意图的最优策略,意图实现集团和代理需要考虑自己的政府行动值函数更新其他代理更新值函数可以不假思索,从而大大减少了算法的空间复杂度和提高学习速度。算法流程如图4。
客户关系管理(CRM)系统是一个企业的商业战略。它分裂和有效的组织企业资源根据客户条件和培养以顾客为中心的操作行为和以顾客为中心的业务流程,以提高企业盈利能力,增加收入,提高客户满意度。电子商务的发展要求企业所有内部和外部的业务处理机制转换成“客户满意度”的服务对象和使用新措施和技术降低内部消耗和成本,这样企业的业务处理能力不断满足网络客户的需求快速操作。的目的之一建立客户关系管理系统是提高客户服务的质量,根据客户服务管理模块,可有效实现客户服务,提高客户对企业和产品的信任。
功能模块有一个客户服务控制台,客户服务事件记录、客户投诉管理、咨询库。客户服务控制台提供快速查询客户服务人员和客户服务人员提供帮助。例如,客户服务人员通过此模块可以快速检查投诉的处理,及时联系客户解决未解决的投诉,或开展客户服务和回访,客户分为容易失去,以重建客户和企业之间的信任。根据客户和需求的最优定价策略,移动边缘能源效率机制分别是由semidistributed设计方法和分散的方法。见表1。
5。例子验证
这一部分分析了移动用户的行为有5个用户场景。这五个用户名为U1, U2, U3,愉快,U5,分别和CPU周期的数量为每个用户设置任务。任务是按照降序排列的能源效率。图5显示用户的负载迁移的趋势决定能源效率定价策略的变化。当能源效率的定价很低,所有用户负载任务迁移到能源效率进行处理。之后,随着能源效率的价格增加,用户会逐渐减少的比例任务迁移到能源效率。能源效率价格达到一定水平时,最优能源效率的下界定价、用户U5将开始减少负载迁移率。能源定价效率进一步提高,其他用户将如何应对价格的比例,减少荷载传递任务。当能源效率达到一个高水平的价格,最优定价策略的上界能源效率),没有用户任务迁移到能源效率进行处理。显然,当能源效率的定价低于或高于下界的最优定价策略,能源效率不能得到最优效用的好处。同时,在游戏中节能计算资源的用户,用户提供更高的能源效率,也就是说,任务转移效率高,有较强的任务转移的趋势。
的计算能力为所有用户负载迁移间隔均匀分布。分散算法,其运营效率与初始定价策略集的算法。当评估算法的效率,平均两个条件下的迭代次数作为算法的迭代次数。这两个算法的时间效率图所示6。固体蓝线代表了算法的分布式算法,和条红色虚线代表分散算法的迭代次数。分散算法,算法的迭代次数是独立于用户的数量参与这个游戏,因为算法主要是搜索可行域的定价策略。semidistributed算法,算法复杂性之间的关系和于超线性用户的数量,这也会导致用户的数量的增加参与游戏;算法策略将产生一定的算法计算基站的压力。
如图7,当初始速度V= 60 km / h一个= 1.5 m / s2,成功率增加MEC的增加服务器,因为服务器数量的增加意味着可用服务器的数量正在增加。随着速度的增加,用户移动距离,和MEC服务器的连接范围有限;成功率会随着任务数量的增加。此外,随着移动范围的扩张,可以看出CRMAEKF比PA的成功率。
图8显示整个系统能耗的比较和延迟的两个算法,即所有用户的总和,综合考虑能源消耗和延迟,所以单位不考虑。能源消费和延迟越高,能源效率越低。如图8,随着用户数量的增加,MQO和ODPC表现出增加的趋势,但MQO比ODPC降低能源消耗和延迟。随着电子商务的客户数量的增加,用户的数量。随着越来越多的用户选择卸载计算,排队延迟和干扰显著增加。的控制下卸货数量、能源消耗和延迟MQO低于ODPC,证明优化的能源消耗和延迟MQO优于ODPC。
本文研究移动终端使用的能源效率优化游戏在一个多用户系统,提出了一种节能优化算法基于多维的移动边缘计算游戏。博弈模型的决定是一个二维空间,它包含一个卸货的决定和功率控制。MEC服务器计算资源是有限的。如果MEC服务器超载,排队延迟将会介绍。纳什均衡的存在性和唯一性证明理论推导。根据该算法,移动终端的能耗和延时可以减少,能耗越小,能源效率越高。因为发射功率是共同的决策空间,用户的数量在卸载计算可以增加通过控制发射功率来减少干扰。
6。结论
本文提出一个能效优化算法基于多维的移动边缘计算游戏。针对移动终端的能源效率优化问题在多用户系统中,本文旨在提高移动终端的能源效率,建立一个通信模型和计算模型,为MEC服务器计算资源设置上限,并添加排队延迟。多维博弈模型构建基于博弈论,游戏的决定是一个二维空间由一个卸货的决定和功率控制。证明这个多维博弈模型的纳什均衡存在,通过理论演绎,是独一无二的,最后获得纳什均衡解决方案。仿真实验证明了提出的能源效率优化算法基于多维的移动边缘计算游戏可以提高移动终端的能源效率比一维游戏计划没有功率控制和减少干扰通过控制传动功率,这样更多的用户可以卸载任务MEC服务器进行计算处理。电子商务和客户关系管理的发展应该是合理和有效的总和。电子商务的发展促进了客户管理的研究和改进客户关系的重要性。客户关系的改善有助于电子商务企业抓住高端市场,扩大业务发展,科学的发展战略。这两个是相辅相成的。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究是由河南理工质量。