[发明专利]一种物联网中雾计算的计算资源和频谱资源分配方法

说明书

本发明提供一种物联网中雾计算的计算资源和频谱资源分配方法，包括：建立雾计算系统模型；初始化量子种子群及参数，通过对量子种子进行测量，得到量子种子的位置；计算所有量子种子的适应度值，得到量子种子群全局最优位置并选择量子种子精英位置集；根据量子种子播撒规则，更新种群中所有量子种子的量子位置；对所有更新后的量子种子的量子位置进行测量得到相应的位置，计算每一个量子种子的适应度值，更新全局最优位置和量子种子精英位置集；如果迭代次数小于预先设定的最大迭代次数，返回第四步；否则，终止迭代，输出量子种子群的全局最优位置，得到相应的计算资源和频谱资源分配方案。本发明可以解决物联网中雾计算的网络能量效率优化问题。

技术领域

本发明涉及一种物联网中雾计算的计算资源和频谱资源分配方法，属于物联网技术领域。

背景技术

随着信息技术的迅速发展，信息产业正以前所未有的方式推动社会变革，现有的通信网络对数据传输速率、能源效率及本地服务质量有了更高的需求。物联网(IoT)作为一种新兴通信技术，可以为智能设备在现代通信场景中提供更多的信息交换机会。随着智能网格、智能城市、智能可穿戴设备等物联网技术的广泛应用，对数据计算和信息处理的需求日益增长。然而，对于边缘物联网用户来说，边缘物联网用户的远程信息传输会带来一些问题，如延时较长、数据传输费用较高、互联网资源管理难度较大等。

为解决这些问题，雾计算作为近年来提出的一种新兴技术，能够为传统物联网系统提供存储资源、计算资源并提高整个网络的频谱效率。通过将雾计算应用到物联网平台上，雾节点服务设备不仅能够收集并处理各个物联网节点的传输信息，而且可以向位于感知层的终端设备引入额外服务。在这种情况下，雾计算感知层的雾节点可以使信息处理终端更接近物联网用户，可以广泛应用于物联网用户需要传输时间敏感信息的情况。然而对于多物联网用户场景，往往存在多个候选的雾节点和多个频谱资源块，其中计算资源和频谱资源块选择是NP-hard问题，运算复杂度为指数级别，很难在短时间内求出最优解。如何设计有效的方案将雾计算中的计算资源和频谱资源分配给各种不同需求的用户，具有重要的研究意义。Lina Ni等在《IEEE Internet of Things Journal》(2017,Vol.4,No.5,pp.1216-1228)上发表的“Resource Allocation Strategy in Fog Computing Based onPriced Timed Petri Nets”提出了一种雾计算资源分配方法，仅仅对整个网络的计算资源进行了分配，但并未涉及每个物联网用户的频谱选择。Yunan Gu等在《IEEE Transactionson Vehicular Technology》(2018,Vol.67,No.8,pp.7475-7484)上发表的“Joint Radioand Computational Resource Allocation in IoT Fog Computing”对物联网中雾计算技术的成本效益问题进行了讨论，但是不能求得整个网络的最大能量效率，具有较大的改进余地。为解决以上问题，本发明设计了一种物联网中雾计算的计算资源和频谱资源分配方法，该方法通过利用所设计的量子种子演化(Quantum Seed Evolution,QSE)这一机制，在满足物联网用户时延需求的前提下，可对雾计算中的计算资源和频谱资源分配问题进行有效求解，极大地提升整个物联网的能量效率。

发明内容

本发明的目的是针对现有物联网中雾计算技术资源分配机制的不足而提供一种物联网中雾计算的计算资源和频谱资源分配方法。

本发明的目的是这样实现的：步骤如下：

第一步，建立雾计算系统模型；

第二步，初始化量子种子群及参数，通过对量子种子进行测量，得到量子种子的位置；

第三步：计算所有量子种子的适应度值，得到量子种子群全局最优位置并选择量子种子精英位置集；

第四步：根据量子种子播撒规则，更新种群中所有量子种子的量子位置；