物联网资源边缘智能调度方法技术

本发明专利技术涉及一种物联网资源边缘智能调度方法，属于通信技术领域。该方法包括以下步骤：根据传感节点能量状态因素、资源能力与拓扑属性，建立传感节点多指标评价模型，设计多属性决策的目标传感节点选择方法，为虚拟传感节点选择映射目标节点；根据节点的剩余能量以水平及路径通信能耗，估计路径映射开销，为虚拟链路选择映射路径；进而，设计最小迁移开销的重配置策略，动态调整虚拟传感节点与相应的虚拟链路。本发明专利技术可以有效均衡网络的能量消耗，延长网络生命周期，并提高虚拟传网络请求接受率。

【技术实现步骤摘要】
物联网资源边缘智能调度方法
本专利技术属于通信
，涉及一种物联网资源边缘智能调度方法。
技术介绍
无线传感网络(WirelessSensorNetwork,WSN)是由大量微型传感器节点以无线通信方式组成的自组织网络，其中传感器以协作方式实时监测采集并处理和传输各种现场信息，作为物联网的关键组件，WSN已广泛应用在环境监测，工业应用，智慧医疗和智慧城市等领域。然而，传统无线传感网络是面向特定领域和既定任务的，每个传感器节点都经过编程以使用自定义协议和数据格式来收集和处理特定的数据类型，为单个应用程序和来自同一权限的用户提供服务，这使得WSN部署与服务之间紧密耦合，当网络空闲时也无法用于其他业务请求，对于新的业务需要重新部署WSN，导致网络资源利用率低。为适应物联网多样化感知业务需求，研究人员提出了虚拟化无线传感网络体系结构，采用虚拟化技术对WSN资源进行抽象、隔离，使不同用户可共享WSN感知资源，提供了较高的灵活性和可扩展性，从而实现传感即服务。区别于传统WSN，虚拟化无线传感网络将WSN网络服务的角色解耦为无线传感网络基础设施提供商(WirelessSensorNetworkInfrastructureProvider，WSNInP)和虚拟化无线传感网络服务提供商(VirtualSensorNetworkServiceProvider,VSNSP)，虚拟传感网络映射(VirtualSensorNetworkEmbedding，VSNE)技术将带有节点和链路资源需求的虚拟传感网络请求(VirtualSensorNetworkRequest,VSNR)映射至WSN，为其分配有效资源以提供相应业务，是WSN虚拟化的核心技术之一。目前，针对虚拟传感网络映射问题，相关研究工作聚焦于WSN资源有效共享与网络资源利用率最大化方面，在虚拟传感网络映射时并未考虑网络能量消耗因素，对于能量受限的WSN环境适用性较差。而对于数据中心和广域网中的虚拟网络映射方法，虽考虑了网络能耗因素，但未考虑无线网络特性，不适用于虚拟无线传感网络映射。因此，如何为VSNR映射合适的物理传感节点与物理路径并根据网络状态动态调整，以提高虚拟传感网络映射成功率和网络资源利用率，均衡网络能耗，延长网络寿命至关重要。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种物联网资源边缘智能调度方法，用于提高虚拟传感网络请求接受率的同时均衡网络的能量消耗，延长网络生命周期。为达到上述目的，本专利技术提供如下技术方案：一种物联网资源边缘智能调度方法，具体包括以下步骤：S1：构建虚拟传感网络映射模型以及能耗模型；S2：根据WSN中传感节点的能量状态因素、资源能力和拓扑属性，建立传感节点多指标评价模型进行映射目标传感节点选择；S3：在底层传感网络中选取最佳的传感节点来承载虚拟传感节点，然后在考虑底层无线链路间干扰约束下，为虚拟链路选取最佳映射路径进行感测数据的传输，完成虚拟传感网络请求映射；S4：当虚拟传感网络请求因网络资源碎片问题被拒绝时，根据当前网络状态对虚拟传感节点和虚拟链路动态重配置。进一步，步骤S1中，构建的虚拟传感网映射模型包括：WSN物理网络模型和虚拟传感网络请求模型；所述WSN物理网络模型为：WSN的物理网络由加权无向图表示，其中，NS表示物理传感网络节点集合，LS表示物理传感网络中传感节点间的链路集合，和分别表示物理传感网络中节点和链路所具有的属性；对于每个物理传感节点ns∈NS的属性包括处理能力c(ns)、初始能量einit(ns)以及位置信息loc(ns)；对于每个物理链路ls∈LS的属性由可用的链路带宽b(ls)表示；此外，物理传感网络中任意物理路径由PS表示，物理传感节点和之间的路径集合为所述虚拟传感网络请求模型为：虚拟传感网络请求由加权有向图表示，其中，NV和LV分别表示虚拟传感网络中虚拟传感节点和虚拟链路集合，和分别表示虚拟传感网络中虚拟传感节点和虚拟链路的资源需求；对于虚拟传感节点nv∈NV，c(nv)表示其处理能力需求，loc(nv)表示业务请求感兴趣的区域位置；对每个虚拟链路lv∈LV，r(lv)表示该虚拟链路对数据传输速率的需求；构建的能耗模型为：发送kbit数据到距离为d的接收节点的能量消耗为：接收节点接收到kbit数据所需要的能量为：erx(k)＝keelec其中，eelec表示无线电发送与接收元件的射频能耗系数，εfs和εmp分别表示自由空间模型和多径衰落模型下信号放大所需的功率，d为节点间的数据传输距离，d0为距离阈值；传感节点处理kbit多媒体业务数据的能耗为：ep＝kepro其中，epro表示处理能耗系数。进一步，步骤S2中，建立传感节点多指标评价模型进行映射目标传感节点选择，包括以下步骤：S21：根据WSN中传感节点拓扑信息，计算其节点度中心性和紧密度中心性，并结合当前传感节点的能量状态因素和资源能力，建立传感节点多指标评价模型，对传感节点多属性综合分析；S22：基于传感节点多指标评价模型引入熵权，确定不同传感节点指标对于度量结果的影响，通过多属性决策的目标传感节点选择方法选择最佳映射目标节点。进一步，步骤S2具体包括：假设物理传感网络中有m个待评估传感节点，每个传感节点评价指标分别为资源能力节点的度节点的紧密度中心性和能量因子其评价指标值矩阵X＝(xij)m×4表示为：其中，xij表示第i传感节点的第j个评价指标值；通常，不同的评价指标有不同的测量标准，因此需要将不同的评价指标维度转换为无维度指标，对评价指标值矩阵做归一化处理，得到标准化评价指标值矩阵Y＝(yij)m×4，且其中，yij表示第i个传感节点的第j个评价指标的归一化值；将和的指标权重向量表示为w＝(w1,w2,w3,w4)T，且满足与标准化评价指标值矩阵Y构成加权标准化矩阵Z＝(wjyij)m×4；第j个传感节点评价指标的信息熵表示为：传感节点的第j个评价指标的熵权wj表示为：根据加权标准矩阵Z确定目标传感节点选择方案的正理想解和负理想解，其中正理想解为理想最佳目标传感节点，负理想解为最差目标传感节点；传感节点的正理想解和负理想方案分别用v+和v-表示，表达式如下：v+＝{maxvij|i＝1,2,…,m}v-＝{minvij|i＝1,2,…,m}计算各个目标传感节点选择方案到正理想解和负理想解的距离为：由此，定义各传感节点与理想最佳目标传感节点的相对接近度Ci*为：其中，表示为第i个传感节点接近最佳目标传感节点而远离最差目标传感节点的程度；因此，在对目标传感节点选择时，优先选择相对接近度值大的传感节点作为目标传感节点。进一步，步骤S3中，完成虚拟传感网络请求映射，具体包括以下步骤：S31：对于随机到达的虚拟传感网络请求中本文档来自技高网...

【技术保护点】
1.一种物联网资源边缘智能调度方法，其特征在于，该方法具体包括以下步骤：/nS1：构建虚拟传感网络映射模型以及能耗模型；/nS2：根据无线传感网络(Wireless Sensor Network，WSN)中传感节点的能量状态因素、资源能力和拓扑属性，建立传感节点多指标评价模型进行映射目标传感节点选择；/nS3：在底层传感网络中选取最佳的传感节点来承载虚拟传感节点，然后在考虑底层无线链路间干扰约束下，为虚拟链路选取最佳映射路径进行感测数据的传输，完成虚拟传感网络请求映射；/nS4：当虚拟传感网络请求因网络资源碎片问题被拒绝时，根据当前网络状态对虚拟传感节点和虚拟链路动态重配置。/n

【技术特征摘要】
1.一种物联网资源边缘智能调度方法，其特征在于，该方法具体包括以下步骤：
S1：构建虚拟传感网络映射模型以及能耗模型；
S2：根据无线传感网络(WirelessSensorNetwork，WSN)中传感节点的能量状态因素、资源能力和拓扑属性，建立传感节点多指标评价模型进行映射目标传感节点选择；
S3：在底层传感网络中选取最佳的传感节点来承载虚拟传感节点，然后在考虑底层无线链路间干扰约束下，为虚拟链路选取最佳映射路径进行感测数据的传输，完成虚拟传感网络请求映射；
S4：当虚拟传感网络请求因网络资源碎片问题被拒绝时，根据当前网络状态对虚拟传感节点和虚拟链路动态重配置。


2.根据权利要求1所述的物联网资源边缘智能调度方法，其特征在于，步骤S1中，构建的虚拟传感网映射模型包括：WSN物理网络模型和虚拟传感网络请求模型；
所述WSN物理网络模型为：WSN的物理网络由加权无向图表示，其中，NS表示物理传感网络节点集合，LS表示物理传感网络中传感节点间的链路集合，和分别表示物理传感网络中节点和链路所具有的属性；对于每个物理传感节点ns∈NS的属性包括处理能力c(ns)、初始能量einit(ns)以及位置信息loc(ns)；对于每个物理链路ls∈LS的属性由可用的链路带宽b(ls)表示；此外，物理传感网络中任意物理路径由PS表示，物理传感节点和之间的路径集合为
所述虚拟传感网络请求模型为：虚拟传感网络请求由加权有向图表示，其中，NV和LV分别表示虚拟传感网络中虚拟传感节点和虚拟链路集合，和分别表示虚拟传感网络中虚拟传感节点和虚拟链路的资源需求；对于虚拟传感节点nv∈NV，c(nv)表示其处理能力需求，loc(nv)表示业务请求感兴趣的区域位置；对每个虚拟链路lv∈LV，r(lv)表示该虚拟链路对数据传输速率的需求；
构建的能耗模型为：发送kbit数据到距离为d的接收节点的能量消耗为：






接收节点接收到kbit数据所需要的能量为：
erx(k)＝keelec
其中，eelec表示无线电发送与接收元件的射频能耗系数，εfs和εmp分别表示自由空间模型和多径衰落模型下信号放大所需的功率，d为节点间的数据传输距离，d0为距离阈值；
传感节点处理kbit多媒体业务数据的能耗为：
ep＝kepro
其中，epro表示处理能耗系数。


3.根据权利要求2所述的物联网资源边缘智能调度方法，其特征在于，步骤S2中，建立传感节点多指标评价模型进行映射目标传感节点选择，包括以下步骤：
S21：根据WSN中传感节点拓扑信息，计算其节点度中心性和紧密度中心性，并结合当前传感节点的能量状态因素和资源能力，建立传感节点多指标评价模型，对传感节点多属性综合分析；
S22：基于传感节点多指标评价模型引入熵权，确定不同传感节点指标对于度量结果的影响，通过多属性决策的目标传感节点选择方法选择最佳映射目标节点。


4.根据权利要求1或3所述的物联网资源边缘智能调度方法，其特征在于，步骤S2具体包括：假设物理传感网络中有m个待评估传感节点，每个传感节点评价指标分别为资源能力节点的度节点的紧密度中心性和能量因子其评价指标值矩阵X＝(xij)m×4表示为：



其中，xij表示第i传感节点的第j个评价指标值；不同的评价指标维度转换为无维度指标，对评价指标值矩阵做归一化处理，得到标准化评价指标值矩阵Y＝(yij)m×4，且



其中，yij表示第i个传感节点的第j个评价指标的归一化值；将和的指标权重向量表示为w＝(w1,w2,w3,w4)T，且满足与标准化评价指标值矩阵Y构成加权标准化矩阵Z＝(wjyij)m×4；
第j个传感节点评价指标的信息熵表示为：



传感节点的第j个评价指标的熵权wj表示为：



根据加权标准矩阵Z确定目标传感节点选择方案的正理想解和负理想解，其中正理想解为理想最佳目标传感节点，负理想解为最差目标传感节点；传感节点的正理想解和负理想方案分别用v+和v-表示，表达式如下：
v+＝{maxvij|i＝1,2,…,m}
v-＝{minvij|i＝1,2,…,m}
计算各个目标传感节点选择方案到正理想解和负理...

【专利技术属性】
技术研发人员：甄岩，吴培绪，吴大鹏，张普宁，陈文彬，郑利斌，李新军，白晖峰，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50