一种任务的网络接入和服务放置位置选择方法及系统技术方案

本公开提供了一种任务的网络接入和服务放置位置选择方法及系统，包括以下步骤：根据获取的当前任务的实时状态数据和边缘计算系统的参数数据，得到适应度函数；生成多个网络接入和服务放置的随机解，每个随机解中包含至少一个任务的多个网络接入和服务放置基站；根据适应度函数，得到各个随机解中的局部最优解和全局最优解；根据得到的局部最优解和全局最优解，利用粒子群算法进行优化，得到最优网络接入和服务放置位置坐标，根据预设转移概率得到真实的网络接入和服务放置位置；本公开能够同时考虑延迟和能耗两个属性，进而使时延更低，能耗更小，满足了用户的QoS需求，提高了任务卸载率。

【技术实现步骤摘要】
一种任务的网络接入和服务放置位置选择方法及系统
本公开涉及移动通信
，特别涉及一种任务的网络接入和服务放置位置选择方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
，并不必然构成现有技术。随着智能设备的爆炸式增长，许多新兴的应用程序，如增强现实，人脸识别，交互游戏等越来越受到人们的关注。这类应用程序不仅需要密集的计算资源，而且对延迟有更高的要求。由于物理尺寸的限制，移动设备在计算能力和能量方面都受到了限制。而传统的云计算为应用程序提供集中式的服务，由于服务托管云和用户之间的距离很远，这不可避免的会产生大的端到端延迟。因此，人们提出了移动边缘计算这一新的计算范式。移动边缘计算被广泛认为是一种很有前途的技术，它打破了计算需求的大量增长和用户服务质量(QualityofService，QoS)要求不断提高之间的界限。移动边缘计算系统通过在用户附近部署边缘云来存储大量的计算资源和服务，使得云计算能力和IT环境能够接近用户，从而实现降低延迟和节省设备能量的目的。本公开专利技术人发现，由于该系统边缘云的计算本文档来自技高网...

【技术保护点】
1.一种任务的网络接入和服务放置位置选择方法，其特征在于，包括以下步骤：/n根据获取的当前任务的实时状态数据和边缘计算系统的参数数据，得到适应度函数；/n生成多个网络接入和服务放置的随机解，每个随机解中包含至少一个任务的多个网络接入和服务放置基站；/n根据适应度函数，得到各个随机解中的局部最优解和全局最优解；/n根据得到的局部最优解和全局最优解，利用粒子群算法进行优化，得到最优网络接入和服务放置位置坐标，根据预设转移概率得到真实的网络接入和服务放置位置。/n

【技术特征摘要】
1.一种任务的网络接入和服务放置位置选择方法，其特征在于，包括以下步骤：
根据获取的当前任务的实时状态数据和边缘计算系统的参数数据，得到适应度函数；
生成多个网络接入和服务放置的随机解，每个随机解中包含至少一个任务的多个网络接入和服务放置基站；
根据适应度函数，得到各个随机解中的局部最优解和全局最优解；
根据得到的局部最优解和全局最优解，利用粒子群算法进行优化，得到最优网络接入和服务放置位置坐标，根据预设转移概率得到真实的网络接入和服务放置位置。


2.如权利要求1所述的任务的网络接入和服务放置位置选择方法，其特征在于，根据适应度函数计算每个随机解的适应度值，以各个解中适应度最高的解为局部最优解，以当前迭代及之前迭代所有解中适应度值最高的解为全局最优解。


3.如权利要求1所述的任务的网络接入和服务放置位置选择方法，其特征在于，当前任务的实时状态数据至少包括在某一时隙执行的任务的地理位置信息、所需的接入点资源需求、服务资源需求、任务需要传输的数据长度、任务执行所需的CPU周期以及执行任务所需的能源消耗；
或者，边缘计算系统的参数数据至少包括各个边缘云接入点资源限制和服务资源限制。


4.如权利要求1所述的任务的网络接入和服务放置位置选择方法，其特征在于，所述适应度函数为预设时隙内执行任务的时延与能耗的加权值的最小值，所述时延包括切换时延、排队时延、通信时延和计算时延。


5.如权利要求1所述的任务的网络接入和服务放置位置选择方法，其特征在于，当任务的接入点选择和服务放置位置可以不在同一个云中时，采用Dijkstra算法计算从网络接入基站到服务放置基站的最佳路径。


6.如权利要求1所述的任务的网络接入和服务放置位置选择方法，其特征在于，根据局部最优解和全...

【专利技术属性】
技术研发人员：翟临博，马淑月，宋书典，杨峰，赵景梅，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37