【技术实现步骤摘要】
移动边缘环境下基于联邦学习和移动感知的QoS优化方法
本专利技术涉及一种QoS(QualityofService,服务质量)优化方法,尤其涉及移动边缘环境下基于移动感知的动态QoS优化方法,属于信息
技术介绍
Web服务是面向服务体系架构(SOA)的主要实现技术,是一个独立于平台的低耦合、自包含、可编程的应用程序。Web服务可使用开放的XML标准来描述、发布、发现、协调和配置这些应用程序,用于开发分布式互操作的应用程序。Web服务的非功能属性随着Web服务的发展被更多的研究人员关注。QoS指通过控制网络延迟、抖动、丢包率等因素来调节网络,使网络性能更好,运作更顺畅。随着5G技术的飞速发展,5G网络的建设,5G基站作为5G网络的核心设备也将实现更高密度的部署。边缘计算作为5G核心技术之一,将高带宽、低时延、本地化的业务下沉到网络边缘,解决了网络整体流量大、时延长的问题,为5G网络中的实时性和带宽密集型业务提供更好的支持。与此同时网络中的QoS优化也成为更多研究人员关注的问题。现有的QoS优化问题主要有优化用户分配问题和优化任务卸载问题。其中任务卸载问题主要通过优化能耗和优化任务延时两个手段。He提出将边缘用户分配问题建模为箱打包问题,基于词典目标编程技术,提出解决边缘用户分配问题的最优方法,又进一步考虑客户端和边缘端的计算资源,提出为用户考虑动态QoS级别,将其转变为动态QoS的边缘用户分配问题;Wang等将移动边缘网络中的优化问题转化为凸差问题,制定加权总和能耗最小化问题以优化任务操作顺序和任务调度 ...
【技术保护点】
1.一种移动边缘环境下基于联邦学习和移动感知的QoS优化方法,其特征在于,包括如下步骤:/n(1)收集边缘位置信息和QoS数据集;/n(2)以用户移动设备ID和时间段ID为连接对QoS数据和边缘位置信息进行融合;/n(3)整理边缘网络信息,过滤无效边缘网络基站,融合后整理得到移动边缘QoS特征数据集;/n(4)考虑边缘基站的地理位置的平面分布情况,将原始的边缘网络划分为多个边缘区域,并提取各个区域的数据集;/n(5)各用户基于历史调用信息训练用户偏好模型,各边缘区域的数据集基于联邦学习确定公有模型,根据用户偏好进行服务缓存;/n(6)根据基站的地理位置预测用户的移动路径,确定可选基站;/n(7)基于服务缓存优化和用户移动感知,在边缘区域内进行QoS动态优化。/n
【技术特征摘要】
1.一种移动边缘环境下基于联邦学习和移动感知的QoS优化方法,其特征在于,包括如下步骤:
(1)收集边缘位置信息和QoS数据集;
(2)以用户移动设备ID和时间段ID为连接对QoS数据和边缘位置信息进行融合;
(3)整理边缘网络信息,过滤无效边缘网络基站,融合后整理得到移动边缘QoS特征数据集;
(4)考虑边缘基站的地理位置的平面分布情况,将原始的边缘网络划分为多个边缘区域,并提取各个区域的数据集;
(5)各用户基于历史调用信息训练用户偏好模型,各边缘区域的数据集基于联邦学习确定公有模型,根据用户偏好进行服务缓存;
(6)根据基站的地理位置预测用户的移动路径,确定可选基站;
(7)基于服务缓存优化和用户移动感知,在边缘区域内进行QoS动态优化。
2.根据权利要求1所述的移动边缘环境下基于联邦学习和移动感知的QoS优化方法,其特征在于,所述步骤(1)中收集数据包括两个方面:包含用户移动设备ID、Web服务ID、时间段ID和响应时间、吞吐量的QoS数据集;包含边缘网络基站经度纬度信息、时间片信息和调用信息的边缘网络基站数据集。
3.根据权利要求1所述的移动边缘环境下基于联邦学习和移动感知的QoS优化方法,其特征在于,所述步骤(2)包括如下步骤:
(21)以用户移动设备ID、时间段ID、Web服务ID和属性值的顺序整理QoS数据集,提取一定时间段内一定数量用户移动设备的调用信息,为用户移动设备和时间段进行编号;
(22)QoS数据集中的用户移动设备数量、时间段数量和边缘网络基站数据集是相等的,以用户移动设备ID和时间段ID为连接将两个数据集进行融合。
4.根据权利要求1所述的移动边缘环境下基于联邦学习和移动感知的QoS优化方法,其特征在于,所述步骤(3)包括:
提取边缘网络基站的经纬度信息,投影到直角坐标系,剔除在指定区域之外的基站信息;统计融合处理后数据集包含的边缘网络基站个数,为边缘网络基站编号;边缘网络基站的位置分布体现了数据集的移动性,用户移动设备和Web服务之间的调用产生的服务质量属性体现了边缘QoS特征,融合后得到移动边缘QoS特征数据集。
5.根据权利要求1所述的移动边缘环境下基于联邦学习和移动感知的QoS优化方法,其特征在于,所述步骤(4)包括如下步骤:
(41)根据边缘网络基站的经纬度对应的直角坐标,基于聚类算法将整个边缘网络划分若干区域,使每个区域中边缘网络基站地理位置的相似度最高;
(42)取出各边缘区域在划分的所有时间段内的所有用户移动设备ID、Web服务ID、时间段ID、边缘网络基站ID、响应时间以及吞吐量,形成一个“用户移动设备-Web服务-边缘网络基站”调用属性表;提取数据表中的边缘网络基站和用户移动设备,形成用户移动设备表和边缘网络基站表。
6.根据权利要求1所述的移动边缘环境下基于联邦学习和移动感知的QoS优化方法,其特征在于,所述步骤(5)包括如下步骤:
(51)根据用...
【专利技术属性】
技术研发人员:张鹏程,魏芯淼,金惠颖,张雅玲,李清秋,
申请(专利权)人:河海大学,
类型:发明
国别省市:江苏;32
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。