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
【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，...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。