多边缘计算节点中的地理信息服务进化粒子群优化方法技术

本发明专利技术提供多边缘计算节点中的地理信息服务进化粒子群优化方法，包括针对地理信息边缘服务，建立进化粒子群算法框架，在有限边缘计算节点下，进行进化粒子群算法的粒子染色体编码，综合考虑服务历史质量日志记录和边缘计算节点性能，对具体实现服务的服务质量进行纠正，且平衡具体实现服务链组合中的边缘计算节点分布情况，获取每一具体实现服务链组合综合适应值，对粒子染色体进行更新，输出当前粒子染色体群的全局最优位置作为每一服务链组合的最优方案，本发明专利技术能够获取地理信息边缘服务链组合的最优方案，提高多边缘计算节点在边缘计算环境下地理信息服务链的执行效率、稳定性和可靠性。和可靠性。和可靠性。

【技术实现步骤摘要】
多边缘计算节点中的地理信息服务进化粒子群优化方法


[0001]本专利技术属于地理信息科学领域，涉及多边缘计算节点中的地理信息服务进化粒子群优化方法。

技术介绍

[0002]自然灾害造成的公共通信网络中断给应急响应期间的灾害数据观测、传输、处理和应用带来了巨大挑战。在应急通信网络中，由于通信和计算资源有限，边缘计算节点的性能和稳定性通常较弱，从而直接影响基于紧急通信和计算环境的紧急监控的地理信息服务的服务质量。研究在有限区域内搭建的面向灾害应急的通信网络（如自组织通信网络）中构建高效、可靠的地理信息边缘服务组合方法是当前需求急切解决的问题，是支撑极端灾害应急需要突破的关键瓶颈。如何解决上述难点是本专利技术拟解决的技术问题。
[0003]Web服务组合优化方法主要包括穷举法、线性规划方法、智能优化方法和机器学习方法等。穷举算法通过直接搜索解空间，比较所有可能解的优劣，最终得到最佳的解决方案。线性规划方法通过线性加权来调整服务质量约束参数，求解优化方案。智能优化算法是对遗传算法、蚁群算法、粒子群算法等一系列通过模拟自然界或物理世界发展规律来求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.多边缘计算节点中的地理信息服务进化粒子群优化方法，其特征在于，包括以下步骤：步骤S1、针对地理信息边缘服务，建立进化粒子群算法框架；步骤S2、在有限边缘计算节点下，进行进化粒子群算法的粒子染色体编码，设定每条粒子染色体代表一个具体实现服务链组合，该条粒子染色体上的每个基因位代表一个具体实现服务，每个基因位的取值范围为该具体实现服务的候选边缘计算节点集，每条粒子染色体编码为该条粒子染色体代表的具体实现服务链组合在实际边缘计算节点组合的具体实现；步骤S3、综合考虑服务历史质量日志记录和边缘计算节点性能，对具体实现服务的服务质量进行纠正，且平衡具体实现服务链组合中的边缘计算节点分布情况，获取每一具体实现服务链组合综合适应值；步骤S4、对粒子染色体进行更新操作；步骤S5、若粒子染色体满足优化终止条件，输出每一粒子染色体的最优方案，若不满足优化终止条件，对粒子染色体进行进化操作后跳转步骤S3，直到满足优化终止条件为止。2.根据权利要求1所述的多边缘计算节点中的地理信息服务进化粒子群优化方法，其特征在于：步骤S1中，设定边缘计算节点的集合、服务链组合、具体实现服务、具体实现服务链组合和粒子染色体群。3.根据权利要求2所述的多边缘计算节点中的地理信息服务进化粒子群优化方法，其特征在于：定义边缘计算节点的集合K={1,2,
…
,k,
…
,n}，k为边缘计算节点编号，n为边缘计算节点的数量；定义服务链组合SC={S1,S2,
…
, S
j
,
…
,S
m
}，其中，S
j
为第j个抽象服务，m为抽象服务的数量；定义具体实现服务s
j,k
，表示抽象服务S
j
在边缘计算节点k上的具体实现；定义具体实现服务链组合sc={s
1,k1
, s
2,k2
,
ꢀ…
, s
j,kj
,
ꢀ…
, s
m,km
, k1, k2,
ꢀ…
, k
j
,
ꢀ…
, k
m
∈K}，其中，s
j,kj
为抽象服务S
j
在边缘计算节点k
j
上的具体实现，将sc设定为粒子染色体；定义粒子染色体群Swarm
t
={sc
1t
, sc
2t
,
ꢀ…
, sc
qt
,
ꢀ…
, sc
Mt
}，其中，t为粒子染色体群迭代次数，q为粒子染色体编号，M为粒子染色体群规模，sc
qt
为第q个粒子染色体的第t次粒子染色体群迭代结果。4.根据权利要求1所述的多边缘计算节点中的地理信息服务进化粒子群优化方法，其特征在于：在步骤S3中，统计每个边缘计算节点上各个具体实现服务的历史执行数据，对各个...

【专利技术属性】
技术研发人员：黄梦，谭喜成，何胜，常耀文，
申请(专利权)人：武汉大学，
类型：发明
国别省市：