[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

说明书

本发明提出了一种基于多目标遗传算法的车联网云系统资源分配方法，用于解决现有车联网云系统资源分配中存在的应用请求阻塞率较大的技术问题，实现步骤为：(1)建立多目标优化模型；(2)设定迭代次数和最大迭代次数；(3)获取第t代父代种群P_t；(4)获取第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；(6)获取第t+1代父代种群P_t+1；(7)获取应用请求的资源分配结果。本发明以最小化阻塞率和最小化成本为目标函数，采用遗传算法求解得到一组最优资源分配结果，在满足成本的要求下，降低了应用请求的阻塞率，增加了车联网云系统的资源利用率。

技术领域

本发明属于云计算技术领域，涉及一种车联网云系统资源分配方法，特别是涉及一种基于多目标遗传算法的车联网云系统资源分配方法。

背景技术

智能交通系统是未来交通运输体系的重要发展方向之一，车联网作为物联网技术应用于智能交通领域的具体形式，对于我国交通系统建设和国家经济发展有着重要意义。随着全球汽车产业的高速发展，出现了许多新兴车载应用，例如车载多媒体娱乐、车载社交网络以及基于位置的服务等，这些应用需要复杂的计算能力、充足的带宽资源以及大量的存储空间。然而，由于小型化、低成本的硬件系统，单个车辆的资源有限。云计算能够为用户提供所需的资源，使用户能够按需动态获取计算能力、存储空间和信息服务。车联网与云计算的融合形成车联网云系统，包括车辆云、路边云和中心云，车辆云由一组车辆组成，车辆之间能够进行资源共享，路边云具有少量资源，通常作为资源管理者，中心云由服务器集群组成，具有大量资源。车联网云系统能够提高资源利用率，降低基础设施成本，提高驾驶安全性等。

当单个车辆的资源无法满足应用请求时，车联网云系统需要为应用请求分配资源。当应用请求到来时，资源管理者需要根据应用请求的资源需求、响应时间和车辆云中的资源等，决定将车辆云、路边云或中心云的资源分配给应用请求。一个理想的车联网云系统资源分配方法应该能够满足应用请求的资源、响应时间要求和能耗要求，具有快速收敛、低阻塞率、低成本的特点。由于阻塞率受到应用请求资源、车辆资源、车辆之间连接的稳定性和响应时间等因素的影响，而现有的车联网云系统资源分配方法通常只考虑了应用请求的资源和响应时间，因此具有相对较高的阻塞率。

L.Hou等人在文献“A Continuous-Time Markov decision process-basedresource allocation scheme in vehicular cloud for mobile video services”(Computer Communications，2018,vol.118,pp.140-147)中，公开了一种基于连续时间马尔可夫模型的车联网云系统资源分配方法，该方法首先建立了连续时间马尔可夫模型，然后采用迭代算法求解提出的连续时间马尔可夫模型，经过多次迭代后，能够得到最终的资源分配结果。该方法在建立连续时间马尔可夫模型时，考虑了车辆资源和社交关系对资源分配结果的影响，在一定程度上降低了应用请求的阻塞率，但是其存在的不足之处是：在建立连续时间马尔可夫模型时，忽略了由车辆移动性导致的车辆之间连接频繁中断对应用请求阻塞率的影响，使得阻塞率仍然较高。

多目标遗传算法是一种基于种群搜索方式的全局优化算法，可以处理各种类型的多目标优化模型，能够有效地处理传统优化算法难以解决的复杂问题，具有较高的鲁棒性、全局优化、并行搜索和快速收敛的特点。在求解多目标优化模型时，首先对种群进行初始化，然后对初始种群进行交叉和变异，通过迭代寻找问题的最优解。

利用多目标遗传算法的全局优化、快速收敛的特点，通过建立合适的多目标优化模型，能够有效地解决车联网云系统资源分配中阻塞率较高的问题。

发明内容

本发明的目的在于克服上述现有技术的不足，提出一种基于多目标遗传算法的车联网云系统资源分配方法，在满足成本要求的情况下，降低应用请求的阻塞率。