【技术实现步骤摘要】
本专利技术属于边缘计算，涉及边缘计算的任务调度技术，具体涉及一种基于边缘计算的电力网关负载均衡方法及系统。
技术介绍
1、边缘计算是一种为附近终端设备提供云计算能力的新兴的计算模式。随着物联网的发展，海量的数据请求给计算能力有限的终端设备带来了前所未有的挑战，因此，边缘计算技术应运而生。边缘计算技术是指从终端设备获取计算任务，在边缘端进行数据处理，可以降低数据传输带来的开销时延并减少设备的能耗，有利于提高现有设备的响应速率。
2、随着边缘计算的发展，边缘计算的任务调度问题变得尤为重要。为了实现负载均衡，在以往的研究中已经设计出了多种任务调度算法，传统的任务调度算法分为静态和动态两种。静态算法实现简单，但不能很好的适配系统的负载状况，如随机算法、简单轮询算法、加权轮询算法等。动态算法可以动态调整服务器参数，但其考虑的负载参数较少，高并发下负载均衡效果不明显，如最小连接数算法、加权最小连接数算法、最快响应速度算法等。
3、当计算任务超出边缘设备的计算能力时，边缘设备可以将一部分任务调度至边缘服务器。此外，不同边缘服务器性能和计算能力也各不相同，所以任务调度所造成的系统开销也不同。因此，如何高效且有效的进行任务调度成为研究的重点。
技术实现思路
1、专利技术目的：为了克服现有技术中存在的不足，提供一种基于边缘计算的电力网关负载均衡方法及系统，采用了一种融合改进蚁群和帝国竞争算法(ant colonyoptimization and imperialist comp
2、技术方案：为实现上述目的，本专利技术提供一种基于边缘计算的电力网关负载均衡方法，包括如下步骤：
3、s1：电力网关向边缘服务器集群发送连接请求；
4、s2：电力网关获取多个服务器的负载信息，计算负载均衡因子；
5、s3：建立网关任务调度模型，模型包含m个数据请求和n个边缘服务器，且m>n；
6、s4：根据网关任务调度模型设置性能评价指标、目标函数和约束条件，获取调度队列，并初始化任务的完成时间矩阵、设备能耗矩阵、负载均衡度矩阵、蚁群算法的初始信息素浓度矩阵和任务调度最优解空间矩阵；
7、s5：根据aco-ica算法，首先通过帝国竞争算法映射蚁群信息素的初始值，然后根据负载均衡因子优化启发函数，最后利用精英蚂蚁策略更新信息素，寻找性能最好的服务器节点执行任务，为m个数据请求求解最优任务调度方案；
8、s6：根据任务调度方案，将网关产生m个数据请求合理分配给n个服务器。
9、进一步地，所述步骤s2中负载均衡因子为表示边缘服务器运行情况的指标，负载均衡因子的表达如下：
10、θj＝lbd×eij×tij (1)
11、其中，lbd为任务调度的负载均衡度，eij为任务调度过程中设备的能量消耗，tij为任务调度过程中任务ti在边缘服务器vj上执行的完成时间。
12、进一步地，所述步骤s3中数据请求设定为t＝{t1,t2,…,tm}，边缘服务器数量为v＝{v1,v2,…,vn}，其中边缘服务器的性能和任务数量大小各不相同；根据边缘计算调度过程，边缘服务器和舰船任务之间的对应分配关系可以用矩阵a来表示：
13、
14、若aij＝1，表示舰船任务ti在边缘服务器vj上执行；若aij＝0，则表示舰船任务ti未分配到边缘服务器vj；同时每个舰船任务相互独立且当前时刻某个任务只能分配给一个边缘服务器。
15、进一步地，所述步骤s4中性能评价指标包括任务完成时间tij、能量消耗eij和负载均衡度lbd，所述任务完成时间包括任务执行时间和数据传输时间，所述能量消耗包括任务传输能耗和任务处理能耗，所述负载均衡度以边缘服务器上任务数量分配和任务完成时间的标准差来反映系统的负载均衡状况。
16、进一步地，所述步骤s4中目标函数是在限制任务完成时间的基础上，实现负载的均匀分布以及最小化能耗，从而改善边缘服务器的负载均衡性，其结合考虑负载均衡度和能量消耗，采用线性加权法规划任务调度模型的目标函数，表达如下：
17、f＝min(μ1×eij+μ2×lbd) (3)
18、其中，μ1为能量消耗权重系数，μ2为负载均衡度权重系数；在实际应用中，μ1和μ2的取值可以根据边缘服务器负载情况进行调整。当负载不均衡时，适当提高μ2的值；当负载相对均衡时，适当提高μ1的值，以减少能量消耗；
19、所述步骤s4中约束条件是任务之间相互独立且每个任务只能分配到一个服务器上，即：
20、
21、进一步地，所述步骤s5中aco-ica算法融合了改进蚁群算法和帝国竞争算法，帝国竞争算法的具体过程为：首先设置ica的种群大小为n，同化系数为η，发生革命的概率为pr，革命成功率为ps，计算一个帝国的总成本时所需的殖民地平均成本系数为ξ；然后对ica算法进行编码，计算每个国家的成本函数，划分帝国和殖民地，然后通过殖民地的同化，革命和帝国内部竞争去实现帝国的筛选；最优判断是否满足帝国竞争算法的结束条件，若满足条件，输出最优解空间am×n。
22、进一步地，所述步骤s5中蚁群算法是经过优化后的，优化后的蚁群算法信息素初始化分布为蚁群算法的初始信息素浓度与帝国竞争算法映射的信息素浓度相加，蚁群算法的初始信息素浓度为τij(0)，帝国竞争算法映射的信息素浓度为
23、τa(0)＝ωam×n (5)
24、其中，τa(0)为映射的信息素浓度，ω为常数；将蚁群算法的初始信息素浓度与帝国竞争算法映射的信息素浓度相加，得到最终的信息素初始浓度为
25、τs＝τij(0)+τa(0) (6)
26、蚂蚁根据转移概率决策下一跳的服务器节点，其转移概率为
27、
28、其中，ηij(t)表示在t时刻路径(i,j)上的启发信息，τij(t)为路径(i,j)上的信息素浓度，α为信息素因子，β为启发函数因子，α和β的值分别表示路径上信息素浓度和启发函数对选择节点j的重要程度；jk为第k只蚂蚁还未访问的节点集合。
29、进一步地，所述步骤s5中蚁群算法的启发函数ηij只与路径距离dij相关。而在实际的任务调度中，一般用边缘服务器的性能参数比dij取代路径距离，表示为
30、
31、其中，lengthi为任务ti的长度，mipsj为边缘服务器vj的处理能力；
32、将负载均衡因子优化蚁群算法的启发函数ηij为本专利技术的创新点之一，表示为
33、
34、进一步地，所述步骤s5中采用精英蚂蚁策略更本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的电力网关负载均衡方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤S2中负载均衡因子为表示边缘服务器运行情况的指标，负载均衡因子的表达如下：
3.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤S3中数据请求设定为t＝{t1,t2,…,tm}，边缘服务器数量为v＝{v1,v2,…,vn}，其中边缘服务器的性能和任务数量大小各不相同；根据边缘计算调度过程，边缘服务器和舰船任务之间的对应分配关系用矩阵A来表示：
4.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤S4中性能评价指标包括任务完成时间Tij、能量消耗eij和负载均衡度LBD，所述任务完成时间包括任务执行时间和数据传输时间，所述能量消耗包括任务传输能耗和任务处理能耗，所述负载均衡度以边缘服务器上任务数量分配和任务完成时间的标准差来反映系统的负载均衡状况。
5.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征
6.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤S5中帝国竞争算法的具体过程为：首先设置ICA的种群大小为N，同化系数为η，发生革命的概率为pr，革命成功率为ps，计算一个帝国的总成本时所需的殖民地平均成本系数为ξ；然后对ICA算法进行编码，计算每个国家的成本函数，划分帝国和殖民地，然后通过殖民地的同化，革命和帝国内部竞争去实现帝国的筛选；最优判断是否满足帝国竞争算法的结束条件，若满足条件，输出最优解空间Am×n。
7.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤S5中蚁群算法信息素初始化分布为蚁群算法的初始信息素浓度与帝国竞争算法映射的信息素浓度相加，蚁群算法的初始信息素浓度为τij(0)，帝国竞争算法映射的信息素浓度为
8.根据权利要求2所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤S5中蚁群算法的启发函数ηij只与路径距离dij相关，用边缘服务器的性能参数比Dij取代路径距离，表示为
9.根据权利要求7所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤S5中采用精英蚂蚁策略更新每条路径上的信息素的方法为
10.一种基于边缘计算的电力网关负载均衡系统，其特征在于，包括数据采集模块和主控处理模块；
...【技术特征摘要】
1.一种基于边缘计算的电力网关负载均衡方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤s2中负载均衡因子为表示边缘服务器运行情况的指标，负载均衡因子的表达如下：
3.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤s3中数据请求设定为t＝{t1,t2,…,tm}，边缘服务器数量为v＝{v1,v2,…,vn}，其中边缘服务器的性能和任务数量大小各不相同；根据边缘计算调度过程，边缘服务器和舰船任务之间的对应分配关系用矩阵a来表示：
4.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤s4中性能评价指标包括任务完成时间tij、能量消耗eij和负载均衡度lbd，所述任务完成时间包括任务执行时间和数据传输时间，所述能量消耗包括任务传输能耗和任务处理能耗，所述负载均衡度以边缘服务器上任务数量分配和任务完成时间的标准差来反映系统的负载均衡状况。
5.根据权利要求1所述的一种基于边缘计算的电力网关负载均衡方法，其特征在于，所述步骤s4中目标函数是在限制任务完成时间的基础上，实现负载的均匀分布以及最小化能耗，从而改善边缘服务器的负载均衡性，其结合考虑负载均衡度和能量消耗，采用线性加权法规划任务调度模型的目标函数，表...
【专利技术属性】
技术研发人员：张博文，马国军，苏胤杰，张裕雨，徐梦茹，陈东华，许文专，陆晓成，程理泽，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：
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。