基于AP聚类算法和多目标优化算法的边缘服务器配置方法及系统技术方案

本发明专利技术涉及基于AP聚类算法和多目标优化算法的边缘服务器配置方法及系统，其配置方法，包括以下步骤：S1、建模公交站点和边缘服务器变量；S2、构建基于Affinity Propagation聚类算法的服务器个数以及服务器覆盖范围；S3、构建智慧公交场景下边缘服务器配置模型；S4、建模边缘服务器配置的时延、任务负载均衡、高质量服务请求比率、约束条件以及边缘网络中的总流量；S5、在满足约束条件的前提下，基于NSGAII遗传算法实现时延最小化、任务负载均衡最小化、总流量最小化、高质量服务请求比率最大化，确定边缘服务器的配置。本发明专利技术实现智慧公交场景下的边缘服务器的自动配置，且得到边缘服务器配置策略较优。缘服务器配置策略较优。缘服务器配置策略较优。

【技术实现步骤摘要】
基于AP聚类算法和多目标优化算法的边缘服务器配置方法及系统


[0001]本专利技术属于边缘服务器配置
，具体涉及基于AP聚类算法和多目标优化算法的边缘服务器配置方法及系统。

技术介绍

[0002]目前，城市智慧公交系统需要利用定位系统、无线通信、图片视频处理等技术的综合使用来实现公交车辆运营调度的智能化和公交车辆运行的信息化和可视化，实现面向公众乘客的完善信息服务。这些功能的实现需要连接公交站点和车辆的网络，从而实时获取相关的信息，最终实现智能调度和智能监控，同时也可以提供给用户更加准确的公交车辆的具体信息从而提高公交系统的服务质量。但是，传统的做法是将这些信息通过网络传输到云中心进行相关的处理。这种做法会带来两种危害：一种是时延过大的影响，导致调度和传输给用户的信息失去时效性，降低了调度质量和服务质量；另一种危害是大量的数据传输可能会导致网络流量负载过大，最终导致网络拥塞进而影响这个智慧公交系统。
[0003]近年来，边缘计算的兴起带来了全新的解决方案。边缘计算的核心思想是在数据源头的附近，就近直接提供最近端的服务。由于边缘计算是在数据源头边缘侧发起的，减少了大量原始数据在网络上传输的过程，所以它提供的网络服务也更快。因此它在一些实时业务、应用智能等方面有很大的优势。要进行边缘计算的第一步就是需要合理的部署边缘服务器来尽可能实现更好的效果。
[0004]目前，有很多的学者对边缘服务器的部署以及与其相似的微云的部署进行了相关的研究，也取得不错的成果。关于边缘服务器的部署，学者们的研究场景主要有两大类，一类就是考虑移动边缘计算场景下的边缘服务器的配置；另一类就是结合具体业务的物联网场景下的边缘服务器的配置。在移动边缘计算场景下的边缘服务器部署过程中，通常需要考虑的目标函数主要有时延、时延均衡、负载均衡以及成本等。在移动边缘计算场景下，因为会涉及到用户的私密信息，所有某些具体的场景下，还需要考虑用户的隐私问题。因为边缘计算本身就具有很强的分布式特征，所以有些学者在边缘服务器的部署过程中还考虑的网络的健壮性，也就是在某些边缘服服务器可能出故障的情况下，尽可能影响较少的用户。在具体的联网场景中，主要是结合具体的业务场景进行边缘服务器的配置，目前主要研究的一些场景是智慧农场、智慧制造等领域。微云的配置和边缘服务器的配置有很多相似之处，在微云的配置过程中，除了边缘服务器配置会考虑的目标函数，有的学者还考虑了配置过程网络中流量的问题并对其进行了优化。由于边缘服务器配置过程中需要优化的目标函数都不是单个的，目前对于解决边缘服务器配置问题的算法主要有启发式算法和整数规划算法两种。边缘服务器的配置过程中，大部分研究都是直接假定配置边缘服务器的个数并在此基础上优化，同时也很少有人在边缘服务器配置过程中考虑网络中的流量。
[0005]在同时考虑负载和地理空间的基础上，为了更好的确定最佳服务器个数和覆盖半径R，使用了Affinity Propagation聚类算法来确定最佳聚类个数和服务器覆盖半径。为了
找到较优的服务器配置策略，将边缘服务器配置问题归结为一个时延、负载均衡、流量和高质量服务请求比率的多目标优化问题并使用NSGAII遗传算法进行求解。

技术实现思路

[0006]针对现有技术中智慧公交场景下构建高质量边缘服务器网络存在的上述问题，本专利技术的目的是提供基于AP聚类算法和多目标优化算法的边缘服务器配置方法及系统，建模时延最小化、负载均衡、流量最小化和高质量服务请求比率最大化的优化目标，确定较优边缘服务器配置位置。
[0007]为了达到上述目的，本专利技术提供如下技术方案：
[0008]基于AP聚类算法和多目标优化算法的边缘服务器配置方法，包括以下步骤：
[0009]S1、建模公交站点和边缘服务器变量；
[0010]S2、构建基于Affinity Propagation聚类算法的服务器个数以及服务器覆盖范围；
[0011]S3、构建智慧公交场景下边缘服务器配置模型；
[0012]S4、建模边缘服务器配置的时延、任务负载均衡、高质量服务请求比率、约束条件以及边缘网络中的总流量；
[0013]S5、在满足约束条件的前提下，基于NSGAII遗传算法实现时延最小化、任务负载均衡最小化、总流量最小化、高质量服务请求比率最大化，确定边缘服务器的配置。
[0014]作为优选方案，所述步骤S1，包括：
[0015]边缘网络由无向图表示G＝{V，E}，V代表公交站点和服务器集合，E代表公交站点与服务器之间的网络连接；
[0016]假设边缘网络中有n个公交站点和m个边缘服务器，m＜＜n；公交站点的数据表示为集合BS＝{bs1，bs2，...，bs
n
}，其中，bs
i
表示第i个公交站点，1≤i≤n；边缘服务器的数据表示为集合ES＝{es1，es2，...，es
m
}，其中，es
j
表示是第j个边缘服务器，1≤j≤m。
[0017]作为优选方案，所述步骤S2，包括：
[0018]基于Affinity Propagation聚类算法对需要进行边缘服务器的公交站点进行聚类，获取到中心点数目CN以及各个聚类中包含的公交站点，计算每个公交站点到其对应聚类中心的距离和每个聚类集合的总的任务负载；对所有距离集合和任务负载集合进行排序，按照八二原则筛选出来适合边缘服务器覆盖半径R和低负载的聚类集合，用CN减去低负载的聚类集合的个数，得到所需的边缘服务器的个数K。
[0019]作为优选方案，所述步骤S3，包括：
[0020]基于所需的边缘服务器的个数K，从BS＝{bs1，bs2，...，bs
n
}中选取K个位置用于配置边缘服务器，其余公交站点由距离其最近的配置边缘服务器的公交站点进行负载。
[0021]作为优选方案，所述步骤S4中，约束条件包括：一、每个公交站点的任务负载仅由一个边缘服务器分担，二、每个公交站点最多只能配置一个边缘服务器；
[0022]所述步骤S4中，时延的构建过程包括：
[0023]通过Haversine公式来计算边缘网络中公交站点与边缘服务器之间的距离：
[0024][0025]其中，和分别以弧度表示bs和s的纬度，λ1和λ2分别以弧度表示bs和s的经度；利用该距离来表示传输时延；
[0026]令x
ij
＝{0，1壤示公交站点bs
i
是否由边缘服务器es
j
提供服务；若x
ij
＝1，表示编号为i的公交站点由边缘服务器j提供服务；否则，表示编号为i的公交站点不由边缘服务器j提供服务；
[0027]编号为i且由边缘服务器j提供服务的公交站点的传输时延为
[0028]编号为i且由边缘服务器j提供服务的公交站点的等待时延为
[0029]编号为i且由边缘服务器j提供服务的公交站点的时延为：
[0030]边缘网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于AP聚类算法和多目标优化算法的边缘服务器配置方法，其特征在于，包括以下步骤：S1、建模公交站点和边缘服务器变量；S2、构建基于Affinity Propagation聚类算法的服务器个数以及服务器覆盖范围；S3、构建智慧公交场景下边缘服务器配置模型；S4、建模边缘服务器配置的时延、任务负载均衡、高质量服务请求比率、约束条件以及边缘网络中的总流量；S5、在满足约束条件的前提下，基于NSGAII遗传算法实现时延最小化、任务负载均衡最小化、总流量最小化、高质量服务请求比率最大化，确定边缘服务器的配置。2.根据权利要求1所述的基于AP聚类算法和多目标优化算法的边缘服务器配置方法，其特征在于，所述步骤S1，包括：边缘网络由无向图表示G＝{V，E}，V代表公交站点和服务器集合，E代表公交站点与服务器之间的网络连接；假设边缘网络中有n个公交站点和m个边缘服务器，m<<n；公交站点的数据表示为集合BS＝{bs1，bs2，...，bs
n
}，其中，bs
i
表示第i个公交站点，1≤i≤n；边缘服务器的数据表示为集合ES＝{es1，es2，...，es
m
}，其中，es
j
表示是第j个边缘服务器，1≤j≤m。3.根据权利要求2所述的基于AP聚类算法和多目标优化算法的边缘服务器配置方法，其特征在于，所述步骤S2，包括：基于Affinity Propagation聚类算法对需要进行边缘服务器的公交站点进行聚类，获取到中心点数目CN以及各个聚类中包含的公交站点，计算每个公交站点到其对应聚类中心的距离和每个聚类集合的总的任务负载；对所有距离集合和任务负载集合进行排序，按照八二原则筛选出来适合边缘服务器覆盖半径R和低负载的聚类集合，用CN减去低负载的聚类集合的个数，得到所需的边缘服务器的个数K。4.根据权利要求3所述的基于AP聚类算法和多目标优化算法的边缘服务器配置方法，其特征在于，所述步骤S3，包括：基于所需的边缘服务器的个数K，从BS＝{bs1，bs2，...，bs
n
}中选取K个位置用于配置边缘服务器，其余公交站点由距离其最近的配置边缘服务器的公交站点进行负载。5.根据权利要求4所述的基于AP聚类算法和多目标优化算法的边缘服务器配置方法，其特征在于，所述步骤S4中，约束条件包括：一、每个公交站点的任务负载仅由一个边缘服务器分担，二、每个公交站点最多只能配置一个边缘服务器；所述步骤S4中，时延的构建过程包括：通过Haversine公式来计算边缘网络中公交站点与边缘服务器之间的距离：其中，和分别以弧度表示bs和es的纬度，λ1和λ2分别以弧度表示bs和es的经度；利用该距离来表示传输时延；令x
ij
＝{0，1}表示公交站点bs
i
是否由边缘服务器es
j
提供服务；若x
ij
＝1，表示编号为i的公...

【专利技术属性】
技术研发人员：徐海涛，郭志辉，邬惠峰，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：