基于化学反应优化算法的多用户计算卸载方法及装置制造方法及图纸

本发明专利技术公开了一种基于化学反应优化算法的多用户计算卸载方法及装置，计算卸载装置通过收集移动终端和边缘服务器的实时信息，包括终端的CPU负载、当前电量、网络带宽等信息和边缘服务器虚拟机的状态信息，然后对应用的完成时间和终端的能耗所占权重进行调整，建立应用完成时间模型、终端能耗模型和调度器模型，并根据收集的实时信息和建立的模型，采用基于化学反应优化算法的多用户计算卸载方法做出选择决策，得到应用程序的近似最优结果，从而提高应用性能并降低终端能耗。

【技术实现步骤摘要】
基于化学反应优化算法的多用户计算卸载方法及装置
本专利技术属于移动云计算
，涉及一种移动边缘计算中的多用户计算卸载和资源分配方法，具体涉及一种基于化学反应优化算法的多用户计算卸载方法及装置。
技术介绍
据思科视觉网络指数预测，到2021年，全球移动数据流量每月将达到49艾字节(EB)，这对移动终端的性能和移动网络的数据传输率提出了新的要求。此外，一类新的应用程序也应运而生，诸如人脸识别、移动增强现实等，这类应用对延迟比较敏感，且需要大量的资源。然而，移动终端的计算和存储资源有限，尤其是电池的续航周期较短，运行这类应用程序会带来较高的延迟，增加移动终端的能耗。移动云计算(MobileCloudComputing，MCC)的出现为解决这些问题提供了一种有效方式，通过计算卸载(也称计算迁移)将应用程序的部分计算任务卸载到远程云端，减少了应用程序的完成时间，延长了移动终端的续航能力。然而，在传统移动云计算中，移动终端通过移动网络与远程公有云连接，如阿里云、腾讯云等，集中式部署的远程公有云距离移动终端较远，在两者之间通过移动网络进行数据传输往往会带来比较高的网络延迟，为解决延迟高的问题，诞生一种新的计算模式----移动边缘计算(MobileEdgeComputing，MEC)，在移动终端的网络边缘部署边缘服务器，将远程云端提供的服务延伸到距离移动终端更近的位置，移动终端便能够利用边缘服务器强大的资源，并以较低的网络延迟与边缘服务器进行数据传输。在移动边缘计算的计算卸载方法中，大多数方法在多用户计算卸载环境存在一定的局限性，当有大量终端向边缘服务器提交卸载请求时，边缘服务器会为请求做出卸载决策并分配合理的资源，但由于边缘服务器部署在移动终端的网络边缘，计算和存储等资源有限，不能总是立即为请求分配资源，同时用户之间的卸载策略会相互影响。因此，针对在边缘服务器资源受限的计算卸载问题，如何减少应用的完成时间和降低终端的能量消耗亟待解决。
技术实现思路
为了解决上述技术问题，本专利技术提出了一种基于化学反应优化算法的多用户计算卸载方法及装置，克服了多用户计算卸载场景中用户之间卸载策略相互影响的问题，减少了所有应用程序的完成时间和降低移动终端的能量消耗。本专利技术的方法所采用的技术方案是：一种基于化学反应优化算法的多用户计算卸载方法，其特征在于，包括以下步骤：步骤1：多用户向边缘服务器提交计算卸载请求，计算卸载装置收集移动终端和边缘服务器的实时信息；步骤2：建立应用完成时间模型、终端能耗模型和调度器模型，并对完成时间和能耗所占的权重值进行调整；步骤3：根据实时信息和建立的模型采用基于化学反应优化算法的多用户计算卸载方法对应用做出选择决策，得到应用程序近似最优结果；步骤4：将边缘服务器的最新状态信息反馈到计算卸载系统和调度器。本专利技术的系统所采用的技术方案是：一种基于化学反应优化算法的多用户计算卸载装置，其特征在于：包括计算卸载模块和资源分配模块；所述计算卸载模块包括资源监测子模块、卸载决策子模块；所述资源监测子模块用于负责收集移动终端信息和边缘服务信息，移动终端信息包括CPU负载、电池剩余电量、网络带宽、内存使用率，边缘服务器信息包括CPU负载、内存使用率；所述卸载决策子模块用于对应用进行建模，并根据建立的模型和资源监测子模块收集的信息，采用基于化学反应优化算法的计算卸载方法为应用做出卸载决策，确定应用程序的每个组件是在本地执行还是卸载到边缘服务器；所述资源分配模块，用于实现任务调度功能；对于卸载到边缘服务器的组件，需要进行资源分配，资源分配模块中维护着一个全局队列，卸载到边缘服务器的组件首先按到达顺序保存在该队列中，然后调度器会根据调度策略从队列中取出任务，并为其分配合理的虚拟机资源。本专利技术提供的基于化学反应优化算法的多用户计算卸载方法及装置，计算卸载装置的资源监测模块通过收集移动终端和边缘服务器的实时信息，并采用经典排队论对卸载边缘服务器的组件的时间模型进行建模，而后卸载决策模块根据收集的实时信息和建立的模型，对应用完成时间和终端能耗所占的权重值进行调整，并采用基于化学反应优化算法的多用户计算卸载方法为应用做出选择决策，得到应用的近似最优结果，以减少应用的完成时间和降低终端的能量消耗。附图说明图1是本专利技术实施例的方法流程图；图2是本专利技术实施例的装置原理图；图3是本专利技术实施例的应用程序结构对应分子结构的示意图；图4是本专利技术实施例的化学反应优化算法的单分子碰撞的具体设计示意图；图5是本专利技术实施例的化学反应优化算法的单分子分解的具体设计示意图；图6是本专利技术实施例的化学反应优化算法的分子间碰撞的具体设计示意图；图7是本专利技术实施例的化学反应优化算法的分子合成的具体设计示意图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。请见图1，本专利技术提供的一种基于化学反应优化算法的多用户计算卸载方法，包括以下步骤：步骤1：多用户向边缘服务器提交计算卸载请求，计算卸载装置收集移动终端和边缘服务器的实时信息；实时信息包括移动终端的CPU负载、当前电量、网络带宽等信息和边缘服务器上虚拟机的状态信息。步骤2：建立应用完成时间模型、终端能耗模型和调度器模型，并对应用完成时间和终端能耗所占的权重值进行调整；(1)应用完成时间模型。完成时间是评价应用性能的一个重要指标，表示应用程序从数据输入到结果输出整个过程所需的时间，主要包括组件的计算时间和数据传输时间，计算方式如下：MakeSpani＝Tcomp+Tcomm(1)其中Tcomp表示应用所有组件的计算时间，Tcomm表示应用组件之间的传输时间。(2)终端能耗模型。移动终端包括多个组件，如屏幕、CPU、蓝牙、GPS、ROM、RAM、网络接口等，本专利技术主要考虑移动终端CPU和网络接口产生的能耗，其中，单个终端的能耗计算方式如下：其中，和分别表示CPU处于工作状态和空闲状态下的能耗，和分别表示网络接口处于数据发送状态、数据接收状态和空闲状态下的能耗。(3)调度器模型。对于卸载到边缘服务器的组件，由于组件之间具有顺序执行的特点，一个应用若有多个组件卸载到边缘服务器，则可以把该移动终端提交的卸载请求看作是一个独立任务，多个应用的任务到达边缘服务器的时间间隔相互独立，且服从泊松分布，即在时间t内到达k个任务概率为：P＝λtk·e-λt/k！(3)其中λ为时间t内到达的任务数。边缘服务器上有M个虚拟机，用VMs＝{vm1,vm2,……,vmM}表示所有的虚拟机集合，每个虚拟机都维护一个局部的任务队列，且对任务的服务时间相互独立。应用完成时间和终端能耗作为计算卸载的性能评价指标，属于典型的多目标优化问题，将两个不同量纲的目标进行归一化处理，并采用线性加权的方式将双目标转化为单一目标。分别用α和β表示应用完成时间和终端能耗的比例所占权重，其取值由移动终端的当前可用电量决定，α,β∈(0,1)，且满足α+β＝1。当终端电量充足时，以应用完成时间作为主要优化目标，参数设置条件为α>β；当电量不足时，主要优化移动终端能耗，参数设置条件为α<β。步骤3：根据实时信息和建本文档来自技高网...

【技术保护点】
一种基于化学反应优化算法的多用户计算卸载方法，其特征在于，包括以下步骤：步骤1：多用户向边缘服务器提交计算卸载请求，计算卸载装置收集移动终端和边缘服务器的实时信息；步骤2：建立应用完成时间模型、终端能耗模型和调度器模型，并对应用完成时间和终端能耗所占的权重值进行调整；步骤3：根据实时信息和建立的模型采用基于化学反应优化算法的多用户计算卸载方法对应用做出选择决策，得到应用程序近似最优结果；步骤4：将边缘服务器的最新状态信息反馈到计算卸载系统和调度器。

【技术特征摘要】
1.一种基于化学反应优化算法的多用户计算卸载方法，其特征在于，包括以下步骤：步骤1：多用户向边缘服务器提交计算卸载请求，计算卸载装置收集移动终端和边缘服务器的实时信息；步骤2：建立应用完成时间模型、终端能耗模型和调度器模型，并对应用完成时间和终端能耗所占的权重值进行调整；步骤3：根据实时信息和建立的模型采用基于化学反应优化算法的多用户计算卸载方法对应用做出选择决策，得到应用程序近似最优结果；步骤4：将边缘服务器的最新状态信息反馈到计算卸载系统和调度器。2.根据权利要求1所述的基于化学反应优化算法的多用户计算卸载方法，其特征在于：步骤1中所述实时信息包括移动终端的CPU负载、当前电量、网络带宽等信息和边缘服务器上虚拟机的状态信息。3.根据权利要求1所述的基于化学反应优化算法的多用户计算卸载方法，其特征在于：步骤2中所述应用完成时间模型，表示应用程序从数据输入到结果输出整个过程所需的时间，主要包括组件的计算时间和数据传输时间，计算方式如下：MakeSpani＝Tcomp+Tcomm(1)其中Tcomp表示应用所有组件的计算时间，Tcomm表示应用组件之间的传输时间。4.根据权利要求1所述的基于化学反应优化算法的多用户计算卸载方法，其特征在于：步骤2中所述终端能耗模型，单个终端的能耗计算方式如下：其中，和分别表示CPU处于工作状态和空闲状态下的能耗，和分别表示网络接口处于数据发送状态、数据接收状态和空闲状态下的能耗。5.根据权利要求1所述的基于化学反应优化算法的多用户计算卸载方法，其特征在于：步骤2中所述调度器模型，对于卸载到边缘服务器的组件，因组件之间具有顺序执行的特点，一个应用若有多个组件卸载到边缘服务器，则能把该移动终端提交的卸载请求看作是一个独立任务，多个应用的任务到达边缘服务器的时间间隔相互独立，且服从泊松分布，即在时间t内到达k个任务概率为：P＝λtk·e-λt/k！(3)其中λ为时间t内到达的任务数；边缘服务器上有M个虚拟机，用VMs＝{vm1,vm2,……,vmM}表示所有的虚拟机集合，每个虚拟机都维护一个局部的任务队列，且对任务的服务时间相互独立。6.根据权利要求1所述的基于化学反应优化算法的多用户计算卸载方法，其特征在于：步骤2中所述对应用完成时间和终端能耗所占的权重值进行调整，是将两个不同量纲的目标进行归一化处理，并采用线性加权的方式将双目标转化为单一目标；分别用...

【专利技术属性】
技术研发人员：刘伟，王康，杜薇，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42