[发明专利]基于多目标遗传算法的车联网云系统资源分配方法

权利要求书

1.一种基于多目标遗传算法的车联网云系统资源分配方法，其特征在于，包括如下步骤：

(1)建立多目标优化模型：

建立包括目标函数和约束条件的多目标优化模型，其中目标函数包括最小化阻塞率f₁和最小化成本f₂，约束条件包括应用请求资源约束g₁、每辆车的资源约束g₂、车辆云总资源约束g₃、车辆之间传输时间约束g₄、车辆云处理的响应时间约束g₅、中心云处理的响应时间约束g₆和资源大小约束g₇；

(2)设定迭代次数和最大迭代次数：

设迭代次数为t，并初始化t＝0，设最大迭代次数为t_max；

(3)获取第t代父代种群P_t：

(3a)设车辆数量为M，M≥2，计算每辆车的匹配因子MF₁,…,MF_j,…,MF_M，MF_j表示车辆j的匹配因子：

MF_j＝γ₁ψ_j+γ₂C_j+γ₃D_j

其中，γ_i为权重系数，ψ_j为车辆j的相对平均速率，C_j为车辆j的资源能力，D_j为车辆j的相邻节点度；

(3b)设应用请求数量为N，N≥2，应用请求的一种车联网云系统资源分配结果用一个染色体表示，第t代父代种群P_t中包含的染色体数量为N_pop，N_pop∈[40,100]且为偶数，每个染色体有N个基因位e₁,…,e_i,…,e_N，e_i∈{0,1,…,p,…M}，p＝0表示将中心云的资源分配给应用请求i，p＝1,…,M表示将车辆p的资源分配给应用请求i，通过MF_j计算p的概率P_p，根据P_p确定每个染色体的每个基因位的值，N_pop个染色体组成第t代父代种群P_t，其中，P_p的计算公式为：

其中，为MF₁,…,MF_j,…,MF_M的平均值，MF_p为车辆p的匹配因子；

(4)获取第t代子代种群Q_t：

(4a)对第t代父代种群P_t的染色体两两组合，得到对染色体，并对每对染色体中的两个染色体相同位置上的基因位片段进行交叉，得到交叉后的父代种群，具体实现步骤为：

(4a1)根据多目标优化模型的约束条件，计算P_t中每个染色体的目标函数值，根据每个染色体的目标函数值，计算每个染色体的适应度，其中，染色体i的适应度fitness(i)按如下公式计算：

其中，fitness_k(i)为染色体i的第k个适应度，按如下公式计算：

其中，f_k(i)为染色体i的第k个目标函数值；

(4a2)根据每个染色体的适应度，计算每个染色体被选择的概率，其中，染色体i被选择的概率P_i按如下公式计算：

(4a3)将P_t中所有染色体编号，根据每个染色体被选择的概率，每次从P_t中选择两个染色体组成一对，记录对应的编号，采用有放回抽样的方式，选择次，得到对染色体编号，将得到对染色体编号对应的染色体从P_t中取出，得到对染色体；

(4a4)产生一个(0,1)之间的随机数，若该随机数小于设定的交叉概率P_c，随机选择一个基因位e_i，将每对染色体中的两个染色体的基因位片段e_i,…,e_N进行交叉，得到交叉后的染色体，否则两个染色体保持不变，交叉后的染色体和保持不变的染色体组成交叉后的父代种群，其中，交叉概率P_c按如下公式计算：

其中，a₁为0～1的常数，a₂为0～1的常数，为第k个适应度的最大值，为第k个适应度的平均值，β_k为权重系数，

(4b)对交叉后的父代种群中每个染色体的每个基因位进行变异，得到第t代子代种群Q_t；

(5)对第t代父代种群P_t和第t代子代种群Q_t进行合并，得到第t代合并后的种群R_t，R_t＝P_t+Q_t；

(6)获取第t+1代父代种群P_t+1：

根据多目标优化模型的约束条件，计算R_t中每个染色体的目标函数值，并采用精英策略，通过R_t中每个染色体的目标函数值获取第t+1代父代种群P_t+1，具体实现步骤为：

(6a)对R_t中的所有染色体进行非支配排序，得到q个非支配前沿面F₁,…,F_l,…,F_q，F_l为第l个非支配前沿面，然后计算非支配前沿面F₁,…,F_l,…,F_q中的染色体数量n₁,…,n_l,…,n_q；

(6b)令l＝1；

(6c)判断n_l+…+n₁＝N_pop是否成立，若是，将F_l中的染色体作为第t+1代父代种群P_t+1的染色体，组成第t+1代父代种群P_t+1，否则，执行步骤(6d)；

(6d)判断n_l+…+n₁＜N_pop，且n_l+1+n_l+…+n₁＞N_pop是否满足，若是，计算F_l+1中每个染色体的拥挤距离为第i个染色体的拥挤距离，并按照从大到小的顺序对计算出的拥挤距离进行排序，选取前N_pop-(n_l+…+n₁)个拥挤距离对应的染色体和F₁,…,F_l中的所有染色体作为第t+1代父代种群P_t+1的染色体，组成第t+1代父代种群P_t+1，否则，令l＝l+1，并执行步骤(6c)，其中，按如下公式计算：

其中，f_k(i)为第i个染色体的第k个目标函数值，f_k(i+1)为第i+1个染色体的第k个目标函数值，f_k(i-1)为第i-1个染色体的第k个目标函数值，为第k个目标函数的最大值，为第k个目标函数的最小值；

(7)获取应用请求的资源分配结果：

判断迭代次数t是否等于最大进化代数t_max，若是，将第t+1代父代种群P_t+1中的染色体作为应用请求的资源分配结果，否则，令t＝t+1，执行步骤(4)。