【技术实现步骤摘要】
本专利技术涉及边缘计算，更具体地，涉及一种基于蚁群算法的动态计算路径优化方法及系统。
技术介绍
1、随着网络内计算(in-network computing)技术兴起，移动边缘计算(mec,mobileedge computing)进一步扩展了资源分布和紧密集成的计算网络功能，从终端设备，通过边缘，到云基础设施。mec可以提供更多的协作处理和更好的服务，以响应新兴的延迟受限应用，这些应用需要满足用户端的快速响应和实时体验。
2、以智能监控应用为例，这类应用需要对视频内容进行分析，识别目标事件和视频片段，并将其真实的实时回传到监控中心。使用网络内计算技术，由网络内的计算资源对分析、识别目标等子任务进行处理，可以显著减少处理延迟。
3、对于不同的网络环境和不同的任务需求，特别是链式任务(子任务的输入依赖上一个子任务的输出)，不同的部署方案会导致较大的延迟差异。一些场景下，任务交由源路径节点处理，并将最终结果传输给目的路径节点是最优部署方案；而有些场景正好相反，将入参传给目的路径节点并由目的路径节点完成全部任务处理的耗时最少。
4、然而在边缘网络内，节点之间的网络连接是变化的，而且节点通常是异构的，存在多种不一样计算性能和通讯带宽的设备，即资源异构；如果只考虑将任务交由源路径节点或目的路径节点处理，可能会导致延迟较高。
技术实现思路
1、本专利技术为克服上述现有技术所述的边缘网络内单一节点计算存在延迟高的缺陷，提供一种基于蚁群算法的动态计算路径优化方法
2、为解决上述技术问题，本专利技术的技术方案如下：
3、第一方面，一种基于蚁群算法的动态计算路径优化方法，包括：
4、获取关于网络中路径节点的节点信息与任务链信息，构建有向带权图；其中，所述有向带权图配置有源路径节点和目的路径节点；
5、初始化蚂蚁、用于存储部署方案的路径树及信息素；
6、基于蚁群算法进行迭代搜索，每次迭代过程中：
7、利用所述有向带权图，每只所述蚂蚁从源路径节点出发，搜索至目的路径节点的路径，并基于所述任务链信息将任务卸载至对应蚂蚁到达的路径节点上，记录有效的部署方案；根据所述部署方案，更新局部信息素和所述路径树；选取当前迭代中的最优部署方案，更新所述路径树，直至迭代结束；
8、迭代完成后，根据所述路径树输出最优部署方案，作为动态计算路径。
9、第二方面，一种基于蚁群算法的动态计算路径优化系统，包括：
10、有向图构建模块，用于获取关于网络中路径节点的节点信息与任务链信息，构建有向带权图；其中，所述有向带权图配置有源路径节点和目的路径节点；
11、路径搜索模块，用于配置蚁群算法进行迭代搜索；
12、存储模块，用于存储路径树；还用于在迭代完成后，输出最优部署方案，作为动态计算路径；
13、其中，每次迭代过程中：
14、利用所述有向带权图，每只所述蚂蚁从源路径节点出发，搜索至目的路径节点的路径，并基于所述任务链信息将任务卸载至对应蚂蚁到达的路径节点上，记录有效的部署方案；根据所述部署方案，更新局部信息素和路径树；选取当前迭代中的最优部署方案，更新所述路径树，直至迭代结束。
15、第三方面，一种计算机可读存储介质，所述存储介质上存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行，以实现如第一方面所述方法。
16、与现有技术相比，本专利技术技术方案的有益效果是：
17、本专利技术公开了一种基于蚁群算法的动态计算路径优化方法，根据网络中路径节点的相关信息及任务链信息，基于蚁群算法进行迭代搜索，并同步更新路径树，最终得到较优的部署方案作为动态计算路径，以将任务部署到各路径节点上。相较于现有技术，本专利技术可缩短边缘网络中任务的处理时间，提高求解动态计算路径的速度，更能满足网络变化的需求，降低通信延迟和计算时间成本，特别适用于将链式任务部署到边缘网络中。
本文档来自技高网...【技术保护点】
1.一种基于蚁群算法的动态计算路径优化方法，其特征在于，包括：
2.根据权利要求1所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，所述任务链信息包括任务集合k＝{k1,k2,…,kK}，表示K个任务节点；
3.根据权利要求2所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，所述每只所述蚂蚁从源路径节点出发，搜索至目的路径节点的路径，并基于所述任务链信息将任务卸载至对应蚂蚁到达的路径节点上，包括：
4.根据权利要求3所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，采用轮盘赌方法从所述可达邻节点中随机选取出下一个节点时，其轮盘赌概率为式中，τi,j表示节点i到节点j的信息素；π0为超量，用于提高未访问节点的访问概率，避免陷入局部最优；Si表示蚂蚁在节点i处的可达邻节点的集合。
5.根据权利要求3所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，所述根据所述部署方案，更新局部信息素和所述路径树，包括：
6.根据权利要求1所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，所述选取当前迭
7.根据权利要求6所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，所述节点信息包括所述路径节点pi的计算资源Cpi>0、所述路径节点pi到所述路径节点pj的数据传输率
8.根据权利要求6所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，根据以下公式对信息素全局更新：
9.一种基于蚁群算法的动态计算路径优化系统，应用权利要求1-8任一项所述方法，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行，以实现如权利要求1-8任一项所述方法。
...【技术特征摘要】
1.一种基于蚁群算法的动态计算路径优化方法，其特征在于，包括：
2.根据权利要求1所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，所述任务链信息包括任务集合k＝{k1,k2,…,kk}，表示k个任务节点；
3.根据权利要求2所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，所述每只所述蚂蚁从源路径节点出发，搜索至目的路径节点的路径，并基于所述任务链信息将任务卸载至对应蚂蚁到达的路径节点上，包括：
4.根据权利要求3所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，采用轮盘赌方法从所述可达邻节点中随机选取出下一个节点时，其轮盘赌概率为式中，τi,j表示节点i到节点j的信息素；π0为超量，用于提高未访问节点的访问概率，避免陷入局部最优；si表示蚂蚁在节点i处的可达邻节点的集合。
5.根据权利要求3所述的一种基于蚁群算法的动态计算路径优化方法，其特征在于，所述根据所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。