[发明专利]一种基于预测机制的移动设备多任务竞争卸载方法有效
申请号: | 202010058804.2 | 申请日: | 2020-01-18 |
公开(公告)号: | CN111328023B | 公开(公告)日: | 2021-02-09 |
发明(设计)人: | 何利;刘文瑛;吴伟;袁征 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | H04W4/029 | 分类号: | H04W4/029;H04W52/02;H04L29/08;G06N3/00;G06K9/62 |
代理公司: | 重庆市恒信知识产权代理有限公司 50102 | 代理人: | 刘小红;陈栋梁 |
地址: | 400065 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 预测 机制 移动 设备 任务 竞争 卸载 方法 | ||
1.一种基于预测机制的移动设备多任务竞争卸载方法,其特征在于,包括以下步骤:
S1,获取移动设备的GPS轨迹数据,对GPS轨迹数据集进行文件格式转换、降维、过滤在内的数据预处理操作,得到预处理数据,采用两级聚类方式对预处理数据进行聚类,得到停留位置、停留区域和停留区域序列;
S2,依据S1得到的停留区域序列,采用动态参数部分匹配预测算法预测用户的下一个停留区域;
S3,根据预测结果以及哈弗辛公式计算预测的用户设备i所在的停留区域与基站之间的距离d,并计算数据传输速率r;
S4,获取移动设备i的任务参数及服务器性能参数,其中移动设备待执行任务参数为一个七元组其中pi,ri分别为用户设备发射功率和数据传输速率,ci为完成此任务所需的计算能力,di为任务数据量,δi为用户设备i在本设备执行此任务时一个CPU周期的能耗,为用户设备计算能力,为完成此任务允许的最大时延;服务器性能参数为一个两元组(δo,C),其中δo为云服务器执行任务时一个CPU周期的能耗,C为云服务器计算能力,基于这些参数构建能耗最小化模型;
S5,对标准萤火虫算法进行改进并应用于求解能耗最小化问题,萤火虫算法改进主要在于,求解得出使得能耗最小的任务分配方法,具体来说将萤火虫位置向量的各个分量值看作优先级值,作为任务卸载的优先顺序,在此基础上,对亮度最低的萤火虫位置执行基于优先级值的变异,提高萤火虫算法的全局收敛能力。
2.根据权利要求1所述的一种基于预测机制的移动设备多任务竞争卸载方法,其特征在于,所述步骤S1采用两级聚类方式对预处理数据进行聚类,得到停留位置、停留区域和停留区域序列,具体包括:
首先利用区域一致性聚类算法对某个移动设备用户的轨迹点进行聚类,得到停留位置;然后利用基于密度的聚类算法对所有用户的停留位置进行聚类,得到停留区域,将原始轨迹数据集中的轨迹点序列转换为停留区域序列。
3.根据权利要求2所述的一种基于预测机制的移动设备多任务竞争卸载方法,其特征在于,所述步骤S1首先利用区域一致性聚类算法对某移动设备用户的轨迹点进行聚类,得到停留位置,具体包括:
对用户的轨迹点通过距离和速度相关性来判断两个GPS点是否属于同一个停留区域,其计算公式如下:
其中,i,j表示两个轨迹点,distance(i,j)为两个轨迹点之间的距离,duration(i,j)为两个轨迹点之间的时间间隔,θ为距离缩放因子,若coh(i,j)大于给定的阈值ρ则两个轨迹点i,j是一致性相关的,若与i点区域一致相关点个数大于阈值则判定其为停留点,将原轨迹点序列转换为停留点序列。
4.根据权利要求2所述的一种基于预测机制的移动设备多任务竞争卸载方法,其特征在于,所述步骤S1利用基于密度的聚类算法对用户停留点进行聚类,得到停留区域,将原始轨迹数据集中的轨迹点序列转换为停留区域序列,具体包括:
利用DBSCAN算法对停留点进行二次聚类,首先任选一个停留点,找到与这个点距离小于等于半径eps的所有的点;然后,若距离小于半径eps的数据点个数大于最小点数目min_points,则这个点被标记为核心点,并被分配一个新的簇标签;然后访问该点的半径eps以内的所有邻居点,若它们还没有被分配一个簇,那么就将刚刚创建的新的簇标签分配给它们,如果它们是核心点,那么就依次访问其邻居,以此类推,使簇逐渐增大,直到在簇的半径eps距离内没有核心点为止;然后选取另一个尚未被访问过的点,并重复相同的过程,直到所有点都被标记,从而将停留点划分为簇。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010058804.2/1.html,转载请声明来源钻瓜专利网。