[发明专利]一种基于粒子群算法的边缘计算服务器放置方法

权利要求书

1.一种基于粒子群算法的边缘计算服务器放置方法，其特征在于：该方法的主要步骤如下：

步骤1：定义基站集合B＝{b₁，b₂，b_i，…，b_n}，其中n表示基站数目，i表示基站序号；定义边缘服务器集合S＝{s₁，s₂，s_j，…，s_m}，其中m表示边缘服务器数目，j表示边缘服务器序号；设置最大迭代次数为k_max；

步骤2：用(y_i1，y_i2)表示二维空间中基站b_i的坐标，用(x_j1^k，x_j2^k)表示迭代k次后边缘服务器s_j的坐标；用(v_j1^k，v_j2^k)表示迭代k次后边缘服务器s_j的速度；用R^k＝{(x₁₁^k，x₁₂^k)，…，(x_j1^k，x_j2^k)，…，(x_m1^k，x_m2^k)}表示第k次迭代时所有边缘服务器的位置坐标集合；用x_max，x_min表示边缘服务器坐标所能达到的最大最小值；用v_max，v_min表示边缘服务器速度所能达到的最大最小值；初始时从集合B中随机选取m个基站作为边缘服务器的起始位置并且所有边缘服务器的初始速度都为(0,0)；

步骤3：根据欧式距离公式计算第k次迭代过程中每个基站到m个边缘服务器的距离d(i，j)^k，比较d(i，j)^k值的大小，将d(i，j)^k取值最小时的基站b_i放入边缘服务器s_j负责的基站集合S_j^k＝{b_i，…}其中i，j,k表示在第k次迭代时距离基站b_i最近的边缘服务器是s_j；

步骤4：遍历第k次迭代时每个边缘服务器包含基站的数目，用N_max^k，N_min^k表示第k次迭代时边缘服务器包含最多和最少的基站数目；用ε＝N_max^k-N_min^k表示所有边缘服务器的负载均衡程度；如果达到迭代次数k_max或者ε≤M，则转步骤10，否则转步骤5；其中M为人为设定的常数，作为阈值；

步骤5：用S_j^g(1≤g≤k)表示前k次迭代过程中边缘服务器s_j所经历过的最好位置，其中j，g表示前k次迭代中在第g次迭代时边缘服务器s_j包含的基站数目最多；用p_bestj＝(p_bestj1，p_bestj2)表示边缘服务器j所经历过的最好位置，其中p_bestj1＝x_j1^g，p_bestj2＝x_j2^g；

步骤6：用S_e^f(1≤e≤m，1≤f≤k)表示前k次迭代中所有边缘服务器经历过的最好位置，其中e，f表示前k次迭代过程中在第f次迭代时边缘服务器s_e包含的基站数目最多；用g_best＝(p_best1，p_best2)表示所有服务器经历过的最好位置，其中g_best1＝x_e1^f，g_best2＝x_e2^f；

步骤7：设置动态权重w；

所述步骤7中，根据公式(2)设置动态权重：

其中w_max是最大惯性权重，w_min是最小惯性权重，最大最小惯性权重由初始时人为设定，k为当前迭代次数，k_max为总的迭代次数；

步骤8：对边缘服务器s_j第d(1≤d≤2)维速度v_jd^k进行更新；

所述步骤8中，根据公式(3)对边缘服务器s_j第d(1≤d≤2)维速度进行更新：

v_jd^k＝wv_jd^k-1+c₁r₁(p_bestj1-x_jd^k-1)+c₂r₂(g_bestd-x_jd^k-1) (3)

其中c₁，c₂为加速度常数，调节最大学习步长，r₁，r₂为两个随机数，取值范围[0,1]用来增加搜索的随机性，w为动态权重，调节边缘服务器速度变化的快慢，k为当前迭代次数；

步骤9：对边缘服务器s_j的第d(1≤d≤2)维位置x_jd^k更新；

所述步骤9中，根据公式(4)对边缘服务器s_j的第d(1≤d≤2)维位置更新；

x_jd^k＝x_jd^k-1+v_jd^k-1 (4)

步骤10：对更新完成后的位置和速度坐标越界做处理，若v_jd^k＞v_max则v_jd^k＝v_max，若v_jd^k＜v_min则v_jd^k＝v_min；若x_jd^k＞x_max则x_jd^k＝x_max，若x_jd^k＜x_min则x_jd^k＝x_min；处理完成后转步骤3；

步骤11：输出停止迭代时m个边缘服务器的位置坐标集合R^k，迭代结束。

2.根据权利要求1所述的一种基于粒子群算法的边缘计算服务器放置方法，其特征在于：所述步骤3中，根据欧式距离公式(1)计算第k次迭代过程中每个基站到m个边缘服务器的距离d(i，j)^k；