一种面向有毒气体监测的移动边缘计算资源分配方法组成比例

本发明专利技术提供一种面向有毒气体监测的移动边缘计算资源分配方法，所述分配方法包括如下步骤：S100、分析气体贮存装置危险系数和贮存气体危险系数，搭建面向有毒气体监测的移动边缘计算系统结构；S200、根据所述移动边缘计算系统结构，对真实环境的问题场景进行数学建模；S210、确定问题模型，设定问题的目标函数；S220、确定问题模型需要考虑的约束；S300、根据所述问题模型，设计移动边缘计算资源分配方法；S310、提出基于优先级的混合编码方式；S320、根据所述混合编码方式，以有向无环图进行解码；S330、构建贝叶斯网络。本发明专利技术方法部署了无人机收集有毒气体监测数据，并作为监测传感器的同时作为移动边缘计算中的边缘节点，对于需要低时延处理的任务予以及时响应。

【技术实现步骤摘要】
一种面向有毒气体监测的移动边缘计算资源分配方法
本专利技术涉及无线通信
，尤其涉及一种面向有毒气体监测的移动边缘计算资源分配方法。
技术介绍
工业生产过程中的有毒气体排放与泄露，不仅会危及到工人及居民的人身财产安全，还会对环境造成不可逆的污染，尤其是在一些设备老化、技术落伍的工厂，有毒气体的泄漏问题更加突出，严重的中毒事件时有发生。因此，有毒气体监测在环境保护、安全生产及保护人民财产安全方面变得尤为重要。基于无线通信的工业物联网监测平台应运而生。工业物联网的监测传感器可以产生海量数据，而这些数据与传统大数据存在着显著区别，其原因为：工业物联网的收集过程涉及多种传感器，所收集的工业物联网数据包括：异质性、噪声、多样性和快速增长等特性。为了有效处理工业物联网产生的数据，及时分析有毒气体监测结果，移动边缘计算被广泛使用，其原因在于移动边缘计算将计算资源下沉到用户附近，与云计算相比大大降低了通信传输时延，从而提高了有毒气体监测的实时性。然而，化工厂等经常建立在相对偏远地区，传统的移动边缘计算常常因为无线通信部署问题而无法完全发挥作用。无人机作为一种部署方便、成本低廉的飞行器，既可以作为移动通信平台，为边远地区提供有效的通信覆盖，也可以搭载小型处理设备，直接作为边缘节点处理需要保证时效的小体量数据，因此，基于无人机的移动边缘计算系统扩展了边缘计算的服务覆盖范围且节省了基站部署成本。然而，现有的基于无人机的移动边缘计算方式却存在着一定的问题，基于无人机的移动边缘计算虽然靠近用户，但往往受到有限的通信、计算和能量资源的限制，现存无人系统进行有毒气体监测时并未充分考虑资源的合理分配，进而无法对有毒气体进行实时监测，也无法在保证有效监测有毒气体的同时控制无人系统成本。综上所述，有待专利技术一种能够实时检测有毒气体的，低成本的有毒气体监测方法。
技术实现思路
本专利技术提供一种面向有毒气体监测的移动边缘计算资源分配方法，解决了现有有毒气体监测方法无法实时监测有毒气体的问题。为达到以上目的，本专利技术采取的技术方案是：一种面向有毒气体监测的移动边缘计算资源分配方法，所述分配方法包括如下步骤：S100、分析气体贮存装置危险系数和贮存气体危险系数，搭建面向有毒气体监测的移动边缘计算系统结构；S200、根据所述移动边缘计算系统结构，对真实环境的问题场景进行数学建模；S210、确定问题模型，设定所述问题的目标函数；S220、确定问题模型需要考虑的约束；S300、根据所述问题模型，设计移动边缘计算资源分配方法；S310、提出基于优先级的混合编码策略；S320、根据所述混合编码策略，以有向无环图进行解码；S330、构建贝叶斯网络；S331、获取候选贝叶斯网络；S332、对所述候选贝叶斯网络进行评估，得到评分最佳的贝叶斯网络；S340、引入邻域最优值，强化最优资源分配策略的搜索能力。优选地，S332中评估候选贝叶斯网络的公式为：其中，πg为xg的父节点集合，qg＝|φ|，φ为备选父节点Xg各个元素之间实例集合，rg为xg可能取值的个数，αguv为实例的个数。优选地，S340考虑邻域最优值的更新公式为：yij(d+1)＝lbest(d)+N(0,1)·|pbest(d)-lbest(d)|其中，N(0,1)表示正态分布，pbest(d)表示第d世代的最优个体，lbest(d)表示第d世代的最优邻域个体。本专利技术的有益效果在于：本专利技术方法部署了无人机收集有毒气体监测数据，并作为监测传感器的同时作为移动边缘计算中的边缘节点，对于需要低时延处理的任务予以及时响应；本专利技术方法在协同演化算法中引入基于贝叶斯网络的分组策略，更充分的考虑决策变量之间的依赖关系，使分组的依据更清晰，分组后协同演化算法的性能更好；本专利技术方法在解码过程中引入有向无环图的解码方法，充分考虑同一个区域内监测任务之中的优先级约束，保证所得到的资源分配方案均为可行解，大幅度提升了算法搜索效率；本专利技术方法在领域中选择最优的个体，通过邻域最优个体改写传统的协同粒子群算法的更新策略，有效防止算法过早收敛于局部最优，增加算法的寻优能力。附图说明为了更清楚的说明本专利技术的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术移动边缘计算系统示意图。图2为本专利技术方法流程图。图3为本专利技术表示贝叶斯网络结构的严格上三角矩阵图表。图4为本专利技术DBe评分时所需包含决策变量关系的数据集图表。图5为本专利技术最优贝叶斯网络结构对应的决策变量分组图表。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。同时，应当清楚，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任向具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。在本专利技术的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本本文档来自技高网...

【技术保护点】
1.一种面向有毒气体监测的移动边缘计算资源分配方法，其特征在于，所述分配方法包括如下步骤：/nS100、分析气体贮存装置危险系数和贮存气体危险系数，搭建面向有毒气体监测的移动边缘计算系统结构；/nS200、根据所述移动边缘计算系统结构，对真实环境的问题场景进行数学建模；/nS210、确定问题模型，设定问题的目标函数；/nS220、确定问题模型需要考虑的约束；/nS300、根据所述问题模型，设计移动边缘计算资源分配方法；/nS310、提出基于优先级的混合编码策略；/nS320、根据所述混合编码策略，以有向无环图进行解码；/nS330、构建贝叶斯网络；/nS331、获取候选贝叶斯网络；/nS332、对所述候选贝叶斯网络进行评估，得到评分最佳的贝叶斯网络；/nS340、引入邻域最优值，强化最优资源分配策略的搜索能力。/n

【技术特征摘要】
1.一种面向有毒气体监测的移动边缘计算资源分配方法，其特征在于，所述分配方法包括如下步骤：
S100、分析气体贮存装置危险系数和贮存气体危险系数，搭建面向有毒气体监测的移动边缘计算系统结构；
S200、根据所述移动边缘计算系统结构，对真实环境的问题场景进行数学建模；
S210、确定问题模型，设定问题的目标函数；
S220、确定问题模型需要考虑的约束；
S300、根据所述问题模型，设计移动边缘计算资源分配方法；
S310、提出基于优先级的混合编码策略；
S320、根据所述混合编码策略，以有向无环图进行解码；
S330、构建贝叶斯网络；
S331、获取候选贝叶斯网络；
S332、对所述候选贝叶斯网络进行评估，得到评分最佳的贝叶斯网络；
S340...

【专利技术属性】
技术研发人员：孙璐，王家帅，万良田，郑纪彬，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21