【技术实现步骤摘要】
本专利技术属于人工智能应用，具体涉及一种基于生成对抗网络的大规模边缘服务器部署方法。
技术介绍
1、车联网的迅速发展推动了交通系统的智能化进程。通过车联网技术，车辆能够相互通信并获取实时交通信息，包括道路状况、事故报告和交通流量等。此外，车联网的发展还为交通管理部门提供了强大的数据分析和监控工具。但随着车辆的增加，需要处理和分析的数据量也在不断增加。尽管路边单元能够将从车辆收集的数据传输到远程云服务器进行处理，但这往往会导致显著的网络延迟。尤其对于那些依赖实时信息的应用而言，这并不是一个理想的解决方案。边缘计算的引入为用户提供了更低的服务延迟，使得数据处理更加迅速和高效。在大规模的路边单元分布中部署边缘服务器达到最优的服务性能是一项具有挑战性的任务，涉及到在高维空间实现负载均衡、低能耗和低成本等目标之间的平衡。
2、多目标进化算法是求解多目标边缘服务器部署优化问题的一种有效途径。ren等人提出了一种基于需求驱动的边缘服务器增量部署策略，该策略采用拉格朗日对偶和改进的moea/d算法优化边缘服务器的部署和计算卸载问题，从而在降低部署成本的同时保证边缘计算的服务性能。(ren w,sun y,luo h,et al.a demand-driven incrementaldeployment strategy for edge computing in iot network[j].ieee transactions onnetwork science and engineering,2021,9(2):416-430.)
3、然而，现有的基于多目标优化的边缘服务器部署方法在大规模路边单元组成的高维空间上部署时未能综合考虑网络时延、负载均衡、部署成本和服务器数量等指标，一个主要的原因可能是由高维部署空间所带来的复杂性挑战。
技术实现思路
1、本专利技术的目的在于提供一种一种基于生成对抗网络的大规模边缘服务器部署方法，以解决高维部署空间所带来的复杂性挑战。
2、本专利技术的技术方案：
3、一种基于生成对抗网络的大规模边缘服务器部署方法，步骤如下：
4、步骤1)建模边缘服务器和路边单元的网络拓扑结构；
5、步骤2)构建车联网场景下边缘服务器部署模型；
6、步骤3)建模边缘服务器部署的平均时延、工作负载均衡和部署成本；
7、步骤4)执行基于生成对抗网络的大规模多目标优化算法优化种群；
8、步骤5)依据非支配排序和聚类得到边缘服务器部署方案。
9、进一步地，步骤1)中的建模边缘服务器和路边单元的网络拓扑结构的具体方法如下：
10、1-a)整个路边单元和边缘服务器的拓扑网络可由全连接的无向图g(r,l)表示，r表示网络中路边单元的集合，l表示网络中路边单元和边缘服务器间的网络连接集合；假设网络中有n个路边单元和k个边缘服务器，路边单元和边缘服务器的集合分别表示为r＝{r1,r2,…,rn}和e＝{e1,e2,…,ek}；当k个服务器部署后，n个路边单元被分为k个子集pe＝{pe1,pe2,…,pek}；
11、1-b)计算第i个边缘服务器ei和第j个路边单元rj之间的距离d(ei,rj)：
12、
13、其中，(xi,yi)与(x′j,y′j)分别表示第i个边缘服务器和第j个路边单元的经纬度。
14、进一步地，步骤2)中的构建车联网场景下边缘服务器部署模型的具体方法如下：
15、2-a)基于k-means聚类算法对路边单元进行聚类，获取nc个聚类簇；
16、2-b)将n位染色体(|r|＝n)作为待优化的种群编码；
17、2-c)随机初始化种群并采用非支配排序得到nn个非支配解；
18、2-d)遍历每个簇，用nc减去没有包含非支配解的簇的个数，得到边缘服务器的个数k；
19、2-e)从路边单元集合r＝{r1,r2,…,rn}中选择k个不同的路边单元部署边缘服务器。
20、进一步地，步骤3)中的建模边缘服务器部署的平均时延、工作负载均衡和部署成本的具体方法如下：
21、3-a)构建第i个边缘服务器和第j个路边单元的平均时延指标
22、
23、其中，λj表示传输的数据量；λtrans表示传输速率；d(ei,rj)为第i个边缘服务器ei和第j个路边单元rj之间的距离；λprop表示传播速率；ui表示目标服务器的平均队列长度；μi表示数据的到达速率；λproc表示服务器的处理速率；设定一个边缘服务器的最大负载为λmax，当服务器过载时会将一部分任务卸载到云服务器，表示由边缘服务器处理的任务占比，计算方式如下：
24、
25、其中，表示到达边缘服务器ei的总数据量；
26、对于直接将数据传输到云服务器的第j个路边单元，其时延可计算如下：
27、
28、其中，λj表示第j个路边单元传输的数据量；λtrans表示传输速率；d(cloud,rj)表示云服务器cloud和路边单元rj之间的距离；λprop表示传播速率；ucloud表示云服务器cloud的平均队列长度；μcloud表示云服务器cloud的数据到达速率；λ′proc表示云服务器cloud的处理速率；因此，数据传输到目的服务器的平均时延计算方式如下：
29、
30、3-b)构建边缘服务器的工作负载均衡指标σb：
31、
32、其中，表示到达第i个边缘服务器ei的总数据量；λmean表示所有边缘服务器的平均工作负载，λmean计算方式如下：
33、
34、其中，表示到达第i个边缘服务器ei的总数据量，计算方式如下：
35、
36、其中，λj表示第j个路边单元传输的数据量；
37、3-c)构建边缘服务器的部署成本指标fcost：
38、本文档来自技高网...
【技术保护点】
1.一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，步骤如下：
2.如权利要求1所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤1)建模边缘服务器和路边单元的网络拓扑结构，具体操作如下：
3.如权利要求1或2所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤2)构建车联网场景下边缘服务器部署模型，具体操作如下：
4.如权利要求1或2所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤3)建模边缘服务器部署的平均时延、工作负载均衡和部署成本，具体操作如下：
5.如权利要求3所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤3)建模边缘服务器部署的平均时延、工作负载均衡和部署成本，具体操作如下：
6.如权利要求1或2或5所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤5)依据非支配排序和聚类得到边缘服务器部署方案，具体操作如下：
7.如权利要求3所述的一种基于生成对抗网络
8.如权利要求4所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤5)依据非支配排序和聚类得到边缘服务器部署方案，具体操作如下：
...【技术特征摘要】
1.一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，步骤如下：
2.如权利要求1所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤1)建模边缘服务器和路边单元的网络拓扑结构，具体操作如下：
3.如权利要求1或2所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤2)构建车联网场景下边缘服务器部署模型，具体操作如下：
4.如权利要求1或2所述的一种基于生成对抗网络的大规模边缘服务器部署方法，其特征在于，所述的步骤3)建模边缘服务器部署的平均时延、工作负载均衡和部署成本，具体操作如下：
5.如权利要求3所述的一种基于生成对抗网...
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。