一种物联网资源分配方法、系统、终端以及存储介质技术方案

本申请涉及一种物联网资源分配方法、系统、终端以及存储介质。所述方法包括：基于接收到的资源分配任务请求，采用目标与密度感知算法对飞蛾扑火算法的飞蛾向量集合进行初始化，得到初始化飞蛾向量集合；对初始化飞蛾向量集合中每个飞蛾的健康值进行评估，并选出健康值最高的前k个飞蛾作为新的火焰向量；基于新的火焰向量，采用渐进阶级火焰匹配算法以及探索式飞蛾火焰匹配算法计算飞蛾对应的阶级火焰，将飞蛾与对应的阶级火焰进行匹配；当仅有一个存活火焰时，根据存活火焰生成任务请求的资源分配方案；基于数字对象的物联网资源抽象架构，采用资源调度与分配算法执行资源分配方案。本申请可以更好地逼近最优解，避免算法陷入局部最优解。入局部最优解。入局部最优解。

【技术实现步骤摘要】
engineering optimization.]中提出了萤火虫算法，该算法模拟了萤火虫的闪光模式以及其相互吸引的行为，从而指导萤火虫在搜索空间中的移动方式。Mirjalili等人在[Mirjalili,S.,Lewis,A.,2016.The whale optimization algorithm.Advances in engineering software 95,51
–
67.]中提出了鲸鱼优化算法。该算法模仿了鲸鱼在捕食过程中的气泡网行为，从而指导鲸鱼在解空间中搜索到更优的解。Mirjalili等人在[Mirjalili,S.,2015.Moth
‑
flame optimization algorithm:A novel nature
‑
inspired heuristic paradigm.Knowledge
‑
based systems 89,228
–
249.]中提出了飞蛾扑火算法，该算法模拟了飞蛾的飞行导航机制，从而引导飞蛾在解空间中进行优化搜索。上述的优化方法中，性能最佳的是飞蛾扑火算法，然而飞蛾扑火算法仍存在以下缺点：
[0008]首先，飞蛾扑火算法采用了完全不利用额外信息的纯随机飞蛾初始化机制，没有将任何额外模型信息考虑进去，因此，其效果欠佳。此外，每个飞蛾仅匹配一个火焰，容易造成局部最优解困境，从而使得算法无法有效地逼近最优解。最后，飞蛾扑火算法对于所有其对应火焰已经淘汰的飞蛾，采用了统一匹配最差生存火焰的匹配机制。匹配最差生存火焰的匹配机制并不合理，最差生存火焰离最优解往往差距很大。令多个飞蛾去匹配同一个火焰也会很大程度的导致算法陷入局部最优解，从而损坏算法的优化效果。

技术实现思路

[0009]本申请提供了一种物联网资源分配方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
[0010]为了解决上述问题，本申请提供了如下技术方案：
[0011]一种物联网资源分配方法，包括：
[0012]基于接收到的资源分配任务请求，采用目标与密度感知算法对飞蛾扑火算法的飞蛾向量集合进行初始化，得到初始化飞蛾向量集合；
[0013]对所述初始化飞蛾向量集合中每个飞蛾的健康值进行评估，并选出健康值最高的前k个飞蛾作为新的火焰向量；
[0014]基于所述新的火焰向量，采用渐进阶级火焰匹配算法以及探索式飞蛾火焰匹配算法计算飞蛾对应的阶级火焰，将飞蛾与对应的阶级火焰进行匹配；
[0015]当仅有一个存活火焰时，根据所述存活火焰生成所述任务请求的资源分配方案；
[0016]基于数字对象的物联网资源抽象架构，采用资源调度与分配算法执行所述资源分配方案，对所述任务请求进行资源调度与分配。
[0017]本申请实施例采取的技术方案还包括：所述采用目标与密度感知算法对飞蛾扑火算法的飞蛾向量集合进行初始化具体为：
[0018]对于接收到的任务请求，分别计算每个任务在不同资源场景下的收益、代价和优化目标；所述资源场景包括资源充足的场景和资源匮乏的场景；
[0019]判断初始化飞蛾向量集合中的初始化飞蛾向量是否达到设定数量的设定倍数，如果没有达到设定数量的设定倍数，根据所述优化目标大小对每个任务请求进行分配，并重复判断；如果达到设定数量的设定倍数，采用目标与密度感知算法从所述初始化飞蛾向量集合中找出间距最小的两个初始化飞蛾向量，将所述两个初始化飞蛾向量的均值向量作为新的飞蛾向量加入所述初始化飞蛾向量集合中，并从所述初始化飞蛾向量集合中删除所述
的两个初始化飞蛾向量；其中，每个初始化飞蛾向量的长度为待分配资源的任务请求个数；
[0020]判断初始化飞蛾向量集合中的初始化飞蛾向量是否达到设定数量，如果没有达到设定数量，继续执行目标与密度感知算法；如果达到设定数量，输出初始化飞蛾向量集合。
[0021]本申请实施例采取的技术方案还包括：所述基于所述新的火焰向量，采用渐进阶级火焰匹配算法以及探索式飞蛾火焰匹配算法计算飞蛾对应的阶级火焰包括：
[0022]判断飞蛾所对应的火焰向量是否被淘汰，如果飞蛾所对应的火焰向量未被淘汰，采用渐进阶级火焰匹配算法，根据渐进系数计算阶级火焰，将飞蛾与对应的阶级火焰进行匹配；
[0023]如果飞蛾所对应的火焰向量已被淘汰，采用探索式飞蛾火焰匹配算法，根据渐进系数计算阶级火焰，将飞蛾与对应的阶级火焰进行匹配。
[0024]本申请实施例采取的技术方案还包括：所述采用渐进阶级火焰匹配算法，根据渐进系数计算阶级火焰，将飞蛾与对应的阶级火焰进行匹配具体为：
[0025]从k个新的火焰向量中选取健康值最高的三个火焰；
[0026]更新渐进系数；
[0027]结合渐进系数以及健康值最高的三个火焰计算阶级火焰，并将飞蛾与对应的阶级火焰进行匹配；所述匹配方式为：
[0028]如果当前的存活火焰数量≥3，则根据飞蛾所对应的火焰以及健康值最高的三个火焰进行火焰匹配：
[0029][0030]其中，w为一个随着迭代的进行从0线性增长为1的渐进系数，F
i
为飞蛾所对应的火焰，F1、F2、F3分别为健康值最高的三个火焰，F1、F2、F3分别被赋予0.15、0.1和0.05的权重，健康值最高的火焰拥有最高的权重；
[0031]当健康值最高的三个火焰中只有两个火焰存在时，匹配方式为：
[0032][0033]根据火焰匹配结果更新飞蛾位置。
[0034]本申请实施例采取的技术方案还包括：所述采用探索式飞蛾火焰匹配算法，根据渐进系数计算阶级火焰，将飞蛾与对应的阶级火焰进行匹配具体为：
[0035]从k个新的火焰向量中选取健康值最高的三个火焰；
[0036]随机选取存活火焰F
I
；
[0037]更新渐进系数；
[0038]结合渐进系数以及选取的存活火焰计算阶级火焰，并将飞蛾与对应的阶级火焰进行匹配；所述匹配方式为：
[0039]如果当前的存活火焰数量≥3，则根据随机选取的存活火焰以及健康值最高的三个火焰进行飞蛾
‑
火焰匹配：
[0040][0041]当健康值最高的三个火焰中只有两个火焰存在时，匹配公式为：
[0042][0043]根据所述火焰匹配结果更新飞蛾位置。
[0044]本申请实施例采取的技术方案还包括：所述基于数字对象的物联网资源抽象架构，资源分配模型采用资源调度与分配算法执行资源分配方案具体为：
[0045]所述资源分配模型将任务请求传送给物联网设备的数字对象，所述数字对象包括API模块和通信模块，所述API模块用于判断该物联网设备是否可以满足任务请求，如果可以满足，将满足任务请求信息回传至资源分配模型；如果该物联网设备无法满足任务请求，则通过所述通信模块与其他同类物联网设备进行通信，将所述任务请求发送给其他同类物联网设备。
[0046]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网资源分配方法，其特征在于，包括：基于接收到的资源分配任务请求，采用目标与密度感知算法对飞蛾扑火算法的飞蛾向量集合进行初始化，得到初始化飞蛾向量集合；对所述初始化飞蛾向量集合中每个飞蛾的健康值进行评估，并选出健康值最高的前k个飞蛾作为新的火焰向量；基于所述新的火焰向量，采用渐进阶级火焰匹配算法以及探索式飞蛾火焰匹配算法计算飞蛾对应的阶级火焰，将飞蛾与对应的阶级火焰进行匹配；当仅有一个存活火焰时，根据所述存活火焰生成所述任务请求的资源分配方案；基于数字对象的物联网资源抽象架构，采用资源调度与分配算法执行所述资源分配方案，对所述任务请求进行资源调度与分配。2.根据权利要求1所述的物联网资源分配方法，其特征在于，所述采用目标与密度感知算法对飞蛾扑火算法的飞蛾向量集合进行初始化具体为：对于接收到的任务请求，分别计算每个任务在不同资源场景下的收益、代价和优化目标；所述资源场景包括资源充足的场景和资源匮乏的场景；判断初始化飞蛾向量集合中的初始化飞蛾向量是否达到设定数量的设定倍数，如果没有达到设定数量的设定倍数，根据所述优化目标大小对每个任务请求进行分配并重复判断；如果达到设定数量的设定倍数，采用目标与密度感知算法从所述初始化飞蛾向量集合中找出间距最小的两个初始化飞蛾向量，将所述两个初始化飞蛾向量的均值向量作为新的飞蛾向量加入所述初始化飞蛾向量集合中，并从所述初始化飞蛾向量集合中删除所述的两个初始化飞蛾向量；其中，每个初始化飞蛾向量的长度为待分配资源的任务请求个数；判断初始化飞蛾向量集合中的初始化飞蛾向量是否达到设定数量，如果没有达到设定数量，继续执行目标与密度感知算法；如果达到设定数量，输出初始化飞蛾向量集合。3.根据权利要求2所述的物联网资源分配方法，其特征在于，所述基于所述新的火焰向量，采用渐进阶级火焰匹配算法以及探索式飞蛾火焰匹配算法计算飞蛾对应的阶级火焰包括：判断飞蛾所对应的火焰向量是否被淘汰，如果飞蛾所对应的火焰向量未被淘汰，采用渐进阶级火焰匹配算法，根据渐进系数计算阶级火焰，将飞蛾与对应的阶级火焰进行匹配；如果飞蛾所对应的火焰向量已被淘汰，采用探索式飞蛾火焰匹配算法，根据渐进系数计算阶级火焰，将飞蛾与对应的阶级火焰进行匹配。4.根据权利要求3所述的物联网资源分配方法，其特征在于，所述采用渐进阶级火焰匹配算法，根据渐进系数计算阶级火焰，将飞蛾与对应的阶级火焰进行匹配具体为：从k个新的火焰向量中选取健康值最高的三个火焰；更新渐进系数；结合渐进系数以及健康值最高的三个火焰计算阶级火焰，并将飞蛾与对应的阶级火焰进行匹配；所述匹配方式为：如果当前的存活火焰数量≥3，则根据飞蛾所对应的火焰以及健康值最高的三个火焰进行火焰匹配：
其中，w为一个随着迭代的进行从0线性增长为1的渐进系数，F
i
为飞蛾所对应的火焰，F1、F2、F3分别为健康值最高的三个火焰，F1、F2、F3分别被赋予0.15、0.1和0.05的权重，健康值最高的火焰拥有最高的权重；当健康值最高的三个火焰中只有两个火焰存在时，匹配方式为：根据火焰匹配结果更新飞蛾位置。5.根据权利要求4所述的物联网资源分配方法，其特征在于，所述采用探索式飞蛾火焰匹配算法，根据渐进系数计算阶级火焰，将飞蛾与对应的阶级火焰进行匹配具体为：从k个新的火焰向量中选取健康值最高的三...

【专利技术属性】
技术研发人员：吴嘉澍，王洋，金铭，叶可江，须成忠，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：