1.一种基于边缘计算‑D2D的区块链资源共享方法,其特征在于,包括:建立边缘计算‑D2D计算资源共享框架模型,并使用拉格朗日插值法预测挖掘过程中移动设备的轨迹;
基于对于移动终端的移动轨迹预测建立区块链模型;
建立两阶段多领导多跟随斯塔伯格博弈模型,提出优化目标;
证明两阶段斯塔克尔伯格博弈的纳什均衡点存在;
使用一种异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略。
2.如权利要求1所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:边缘计算‑D2D计算资源共享框架模型,包括:移动设备接收到来自矿工计算资源请求,组成的协同挖掘网络和边缘服务器为矿工提供计算资源;
挖掘任务优先转移到协同挖掘网络内的移动终端。
3.如权利要求2所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:挖掘任务优先转移到协同挖掘网络内的移动终端,包括:移动终端全部接受矿工的计算申请;
若移动终端的可用资源无法达到矿工需求时,此时移动设备将挖掘请求转向发送给边缘服务器;
若移动终端的可用资源可以达到矿工需求时,此时移动设备可以得到一轮挖掘指令。
4.如权利要求2或3所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:拉格朗日插值法根据移动设备的历史移动轨迹预测出挖掘过程中移动设备的移动轨迹,包括:选取移动设备历史移动轨迹点拟合出表示该移动设备移动轨迹的拉格朗日插值函数;
矿工收到周围挖掘设备的当前位置信息,预测移动终端在时间t后的坐标,得到一轮挖掘过程中移动终端没有移动出矿工最大通信范围的概率其中,P是矿工i与移动终端j通信成功的概率。
5.如权利要求4所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:对于移动终端的移动轨迹预测建立区块链模型还包括:一轮完整的区块链添加新块的过程包括块挖掘过程和块验证过程,在块挖掘过程中,一个移动终端的有效计算能力与相应矿工租用的计算资源成比例,成功挖掘出块的概率:其中,矿工i在挖掘设备j上租用的资源量为 挖掘设备j; 表示移动终端j全部接受矿工i的计算申请。当移动终端的可用资源无法达到矿工需求时,此时移动设备将挖掘请求转向发送给边缘服务器, 表示挖掘设备j将矿工i的计算请求全部上传到边缘服务器上。
6.如权利要求5所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:移动终端的传播延迟的预测,表示为:矿工i成功挖掘并成功验证的概率为:
其中,是边缘服务商向协同挖掘网络传播挖掘结果的传播时延,最大传播时延:tj=maxk∈M\j{t{j,k}},传播时延造成分叉的概率为: 其中h为块头数据大小,Nj是挖掘结果大小,B为带宽大小,Pj是挖掘设备j的发射功率;hjk为挖掘设备j和挖掘设备k之间复高斯分布的瑞利衰落系数;N0为加性高斯白噪声功率,α是路径损耗系数,djk是挖掘设备j和挖掘设备k之间的的距离,λ为区块链块间隔到达速率,Wjk移动终端j到移动终端k的带宽。
7.如权利要求6所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:两阶段多领导多跟随斯塔伯格博弈模型,包括:第一阶段协同挖掘网络内移动终端的优化目标为:
约束为 c为移动终端单位计算资源成本,h为边缘服务器单位计算资源成本,Kj是移动终端j的最大可用资源;
第二阶段矿工i的优化目标:
约束为,R为挖矿成功后矿工获得的奖励,是矿工i的最大预算。
8.如权利要求6或7所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:证明两阶段斯塔克尔伯格博弈的纳什均衡点存在,假设 其中 可以保证矿工参与的子博弈是一个凹博弈,纳什均衡存在;将矿工效用函数二次求导结果置为0,可得到矿工最优资源需求;假设移动终端侧子博弈问题相对于pj是凸的;解的唯一性进一步保证了全局收敛,并且在领先阶段找到纳什均衡的情况下实现了斯塔伯格克尔均衡。
9.如权利要求8所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:收集资源单价和资源需求,包括:2
初始化矿工i的相关系数Bi,挖掘设备j的相关系数,Kj,Pj,c,h通信相关参数λ,σ,输入为移动终端的资源单价:P={p1,p2,…,pn};
矿工的资源需求:C={C1,C2,…,Cm},阈值ε,迭代次数k;
每个矿工i接收到每个移动终端的坐标信息和定价,并预测其他矿工的最优资源申请,在每轮迭代内更新自己的资源需求;
矿工i确定向每个移动终端的资源需求:
10.如权利要求9所述的基于边缘计算‑D2D的区块链资源共享方法,其特征在于:异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略:*
每个挖掘设备j以步长δ更新定价,预测矿工对每个挖掘设备的最优请求C ,如果定价更新后的利润更高,那么更新后的定价(k) (k‑1) * (k)
如果||P ‑P ||<ε,返回矿工最优资源需求C和P ;否则k←k+1。