Page 409 - 《软件学报》2025年第10期

4806 软件学报 2025 年第 36 卷第 10 期

和竞价密度, 对 MEC 中计算资源分配进行优化.
(3) 可信组合双边拍卖算法 TCDA (truthful combinatorial double auction) [21] . 其核心思想是通过定义扰动系数
和填充向量, 避免不诚实出价的买方和卖方.
(4) 最优解 OPTIMAL. 将第 2 节的问题模型通过 CPLEX 求解器求出最优解.

4.1 仿真参数设置
为了模拟实际移动边缘计算场景, 本节参考文献 [32] 中工业物联网的场景设置了如图 3 所示的 100 m × 100 m
的二维区域, 在该场景中生成了包含不同规模用户、边缘服务器提供商和通信基站的网络拓扑数据, 用于验证不
同规模下本文算法性能. 为了模拟边缘计算用户真实资源需求, 本节采用阿里巴巴集群数据集 [33] 12 951 个任务运
行所需 CPU 和内存资源需求分布生成本文仿真实验中用户计算资源需求. 仿真平台的硬件配置为 24 核 Intel i9-
13900KF CPU、128 GB 内存和 500 GB 硬盘, 具体仿真设置如下:

100 m
通信基站

边缘服务器
提供商

用户

100 m
图 3 用户、边缘服务器提供商、通信基站的分布

(1) 用户每种资源的单位出价随机从 [0.8, 10] 范围生成, 边缘服务器提供商每种计算资源的单位要价随机从
[0.5, 6] 范围生成.
(2) 为了模拟真实移动边缘计算网络拓扑, 本节在 100 m×100 m 的工业物联网 [32] 场景中经度和纬度以 [0,
100] 的均匀分布生成了不同规模用户和通信基站的坐标每组规模下进行 100 次实验将结果取平均值, 以消除实验
的随机性. 其中, 每个用户所的坐标至少在一个通信基站的覆盖范围内, 与真实情况相似, 相邻基站覆盖范围存在
部分重叠.
(3) 为了模拟真实场景中边缘服务器提供商规格, 根据文献 [34] 工业物联网场景设定了 4 种不同规格的边缘
服务器提供商 (详见表 2), 每种规格对应不同 CPU 和内存容量, 每个边缘服务器提供商从中随机选取一种规格.
(4) 为了模拟真实场景中通信基站的参数, 本节参考文献 [32,34] 相关工业物联网场景设定了 3 种不同规格的
通信基站 (详见表 3), 每种规格对应不同无线带宽容量和覆盖半径, 每个通信基站从中随机选取一种规格.
(5) 对于每个实验, 生成 100 种实验样本, 对实验结果取平均值来消除随机化的影响.

表 2 边缘服务器提供商仿真参数设置 表 3 通信基站仿真参数设置

编号 CPU容量 (core) 内存容量 (GB) 编号 无线带宽容量 (Mb/s) 覆盖半径 (m)
1 20 18 1 160 18
2 15 10 2 200 26
3 16 12 3 180 20
4 25 20

4.2 性能分析
图 4 展示了 DACRA 与 4 种算法在边缘服务器提供商数量为 80 和通信基站数量为 20 的场景中, 不同用户数