System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及无线通信网络和约束多目标进化优化领域,特别涉及基于膜计算的物联网边缘计算卸载方法及系统。
技术介绍
1、边缘计算卸载是一种将计算密集型任务从用户移动智能设备卸载到边缘服务器或云服务器上执行的技术,在提高用户体验的同时降低本地执行任务的成本。但是综合考虑任务执行过程中产生的时延和能量消耗等指标去对比本地执行和边缘执行的损耗和收益,计算卸载并不是解决智能设备数据处理的最优途径。因此需要在有限时间内确定一个平衡损耗和收益的计算卸载策略,来决定计算任务是否需要被卸载。
2、目前,对边缘计算卸载的决策方法主要是基于线性规划的边缘计算卸载方法、基于深度强化学习的边缘计算卸载方法和基于启发式算法的边缘计算卸载方法。第一种方法首先将计算任务卸载模型建立为线性规划问题,然后针对线性规划问题采用合适的线性规划方法来求解卸载策略。计算卸载问题可以被建模为整数线性规划问题,这类问题可以采用分支界定法、黄金分割法和匈牙利算法来求解,但是并不是所有的计算卸载问题都可以被建模为线性规划问题,因此使用线性规划法存在一定的局限性。此外,由于整数线性规划的求解速度往往较慢,其很难在有限的时间内获取合适的卸载策略。第二种方法将计算卸载问题建模为序列的决策问题,通过构建一个模拟智能体和环境交互的模型并最大化累计奖励的策略来获取最佳决策,其思想是通过不断试错和反馈来学习更好的决策。根据建立模型的不同,可以采用不同的方法来求解卸载策略。该方法能够对依赖性任务卸载模型起到很好的效果,但此类方法也存在一些问题,首先其需要通过大量的训练数据进行学习,以获取
技术实现思路
1、本申请实施例提供了基于膜计算的物联网边缘计算卸载方法及系统,用以解决现有技术中卸载问题求解较慢以及不同约束处理策略和演化策略对最终结果影响较大的问题。
2、一方面,本申请实施例提供了基于膜计算的物联网边缘计算卸载方法,包括:
3、建立膜结构,所述膜结构包括一个皮肤膜、两个非基本膜和四个基本膜,其中两个非基本膜位于皮肤膜中,四个基本膜两两一组形成两组,两组基本膜分别位于两个非基本膜中;
4、基于偏好初始化所述基本膜中的种群;
5、四个所述基本膜采用不同的演化策略对所述基本膜中的种群进行并行的迭代演化;
6、经过一定的迭代次数后,将四个所述基本膜中的种群分别输出至对应的所述非基本膜,合并所述非基本膜中的种群并继续进行迭代演化;
7、两个所述非基本膜中的种群每经过一段时间的迭代将其中的非支配解输出至所述皮肤膜,在所述皮肤膜中进行约束非支配排序,并根据排序结果保留一部分最优的所述非支配解;
8、迭代结束,输出所述皮肤膜中保留的非支配解集,并基于用户对时延和能耗的偏好从中选择卸载方案卸载物联网边缘计算任务。
9、另一方面,本申请实施例还提供了基于膜计算的物联网边缘计算卸载系统,包括:
10、膜结构建立模块,用于建立膜结构;
11、种群初始化模块,用于基于偏好初始化基本膜中的种群;
12、第一阶段演化模块,用于采用不同的演化策略对不同非基本膜中所述基本膜的种群进行并行的迭代演化;
13、第二阶段演化模块,用于在所述基本膜中的种群迭代演化结束后,输出所述基本膜中的种群至相应所述非基本膜中进行合并,并继续迭代演化;
14、第三阶段演化模块,用于在所述非基本膜演化过程中,每隔一定时间,将当前所述非基本膜的种群中的非支配解输出至皮肤膜,并进行约束非支配排序,保存一部分所述非支配解作为非支配解集;
15、解输出模块,用于基于时延和能耗的偏好,从所述皮肤膜中的所述非支配解集中选择所述非支配解卸载物联网边缘计算任务。
16、本申请中的基于膜计算的物联网边缘计算卸载方法及系统,具有以下优点:
17、1、采用基于膜计算的多目标约束优化算法,凭借膜计算膜内独立并行的特点提高了求解卸载策略的速度。
18、2、设计了有效的膜演化规则,将求解过程分为三个阶段,采用多种群,多约束处理策略充分挖掘目标空间,以获取更具多样性的卸载决策,提高了卸载问题求解方法的适应性,解决了不同约束处理策略和演化策略对最终结果影响较大的问题。
本文档来自技高网...【技术保护点】
1.基于膜计算的物联网边缘计算卸载方法,其特征在于,包括:
2.根据权利要求1所述的基于膜计算的物联网边缘计算卸载方法,其特征在于,所述非基本膜中的种群在迭代演化时,采用与所述非基本膜中两个所述基本膜的种群相同的演化策略,两个所述非基本膜采用的演化策略是不同的,在相同的所述演化策略中,所述约束处理策略、子代生成策略、适应度评估策略和环境选择策略均相同,而在不同的所述演化策略中,所述约束处理策略不同。
3.根据权利要求1所述的基于膜计算的物联网边缘计算卸载方法,其特征在于,在将所述非基本膜输出的排序结果最优的部分所述非支配解转移至所述皮肤膜后,将两个所述非基本膜输出的所述非支配解合并,然后进行约束非支配排序,进一步确定每个所述非支配解的适应度值,按照适应度值从低到高的顺序对所述非支配解排序,将排序靠前的部分所述非支配解作为非支配解集保存至所述皮肤膜,其他的所述非支配解将被清理。
4.根据权利要求1所述的基于膜计算的物联网边缘计算卸载方法,其特征在于,在建立所述膜结构前,首先根据通信模型和计算模型确定最小化时延和能耗的多目标约束优化函数,然后建立膜
5.根据权利要求1所述的基于膜计算的物联网边缘计算卸载方法,其特征在于,在初始化所述基本膜中的种群时,分别采用偏好本地执行和偏好卸载执行初始化两个所述基本膜中的种群,并将两个所述基本膜中的种群分别一一对应的输入至两个所述非基本膜中。
6.基于膜计算的物联网边缘计算卸载系统,其特征在于,包括:
...【技术特征摘要】
1.基于膜计算的物联网边缘计算卸载方法,其特征在于,包括:
2.根据权利要求1所述的基于膜计算的物联网边缘计算卸载方法,其特征在于,所述非基本膜中的种群在迭代演化时,采用与所述非基本膜中两个所述基本膜的种群相同的演化策略,两个所述非基本膜采用的演化策略是不同的,在相同的所述演化策略中,所述约束处理策略、子代生成策略、适应度评估策略和环境选择策略均相同,而在不同的所述演化策略中,所述约束处理策略不同。
3.根据权利要求1所述的基于膜计算的物联网边缘计算卸载方法,其特征在于,在将所述非基本膜输出的排序结果最优的部分所述非支配解转移至所述皮肤膜后,将两个所述非基本膜输出的所述非支配解合并,然后进行约束非支配排序,进一步确定每个所述非支配解的适应度值,按照适应度值从低到高的顺序...
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。