Page 410 - 《软件学报》2025年第10期

汪建洲 等: 基于双边拍卖的多基站移动边缘计算资源分配方法 4807

量下的仿真结果, 包括社会福利、资源利用率、请求成功率和运行时间. 随着用户数量的增加, 5 种算法的社会福
利、CPU 利用率、内存利用率和无线带宽利用率均呈上升趋势, 这是因为边缘服务器提供商和通信基站提供的
资源比较充足, 随着用户数量增加可以达成更多交易. DACRA 算法不仅考虑了可信用户和边缘服务器提供商之
间保留更有价值交易的问题, 还考虑了多通信基站对资源分配的影响. 因此, 当用户数量为 50 时, 相比于 DCDA
和 McAfee’s DA 基于排序匹配算法, DACRA 算法更有优势. 当用户数量超过 300 后, 没有 OPTIMAL 的结果, 这
是因为此时 OPTIMAL 求解时间呈指数增加. 同时, DACRA 算法定义了计算资源和无线带宽资源的稀缺度和竞
价密度, 能够在分配时能够选择更有利的交易. 因此, DACRA 算法得到的社会福利更接近 OPTIMAL, 并且在用户
数量 800 时其得到的社会福利比 TCDA 算法高出 10.78%. 此外, DACRA 算法舍去了一些收益较小的交易, 导致
用户数量超过 500 后, 部分资源利用率和请求成功率略低于 TCDA 算法. 从图 4(f) 可以看出, DACRA 算法的时间
开销并没有随着用户数量增加而急剧增加, 进一步验证了 DACRA 算法是多项式时间算法, 既能够应用于小规模
的 MEC 环境, 也能够在更大规模的 MEC 环境中取得优异表现.

McAfee’s DA DCDA DACRA TCDA OPTIMAL
6 000 100 100
90 90
5 000 80 80
70
70
4 000
社会福利 3 000 请求成功率 %) 60 CPU利用率 (%) 60
50
50
40
40
2 000
20
20
1 000 30 30
10 10
0 0 0
0 50 100 200 300 500 800 0 50 100 200 300 500 800 0 50 100 200 300 500 800
用户数 用户数 用户数
(a) 社会福利 (b) ౨౰Ӯۿੱ (c) CPU利用率
100 100 10
90 90 9 8 7
内存利用率 %) 60 无线带宽利用率 (%) 60 执行时间 (s) 6 5 4 3
80
80
70
70
50
50
40
40
30
30
20
10 20 2 1
10
0 0 0
0 50 100 200 300 500 800 0 50 100 200 300 500 800 0 50 100 200 300 500 800
用户数 用户数 用户数
(d) 内存利用率 (e) 无线带宽利用率 (f) 执行时间
图 4 用户数量对分配的影响

图 5 展示了 DACRA 与 4 种算法在用户数量为 300 和通信基站数量为 20 的场景中, 不同边缘服务器提供商
数量下的仿真结果, 包括社会福利、资源利用率、请求成功率和运行时间. 随着边缘服务器提供商数量增加, 5 种
算法的社会福利、请求成功率和无线带宽利用率均呈上升趋势. 然而, 当边缘服务器提供商数量超过 60 之后, 社
会福利、请求成功率和无线带宽利用率增加速度变缓, 这是因为当用户需求基本被满足后, 新增边缘服务器提供
商也难再有新的用户需求被满足. DACRA 算法充分考虑了计算资源的稀缺性, 因此无论边缘服务器提供商的计
算资源容量充足还是稀缺, 在交易匹配时都能选出更有利的交易, 并获得仅次于 OPTIMAL 的高社会福利, 尤其是
当边缘服务器提供商为 100 时, DACRA 算法得到的社会福利比 TCDA 算法高出 7.68%. 同时, DACRA 算法能够
在极短时间内得出分配结果, 进一步说明 DACRA 算法既能够应用于计算资源稀缺的 MEC 环境, 也能够在计算
资源充足的 MEC 环境中取得优异表现.
后文图 6 展示了 DACRA 与 3 种算法 (OPTIMAL 求解时间过长, 故不对其结果进行比较) 在用户数量为 300、
边缘服务器提供商数量为 80 和通信基站数量为 5 的场景中, 不同通信基站无线带宽容量下的仿真结果, 包括社会
福利、资源利用率、请求成功率和运行时间. 通信基站无线带宽资源容量以表 3 中为 1 倍, 逐步增至 5 倍. 随着无