[发明专利]一种移动边缘计算中服务放置的智能混合优化方法

说明书

本发明提供一种移动边缘计算中服务放置的智能混合优化方法，包括如下步骤：将移动边缘计算中的服务放置问题通过粒子群优化模型转化为优化问题模型，并进行初始化；模型迭代并利用收缩因子调整粒子的速度；计算系统中的传输延迟、计算延迟、计算能耗、传输能耗及系统总服务成本；根据每次迭代的粒子的速度和位置，计算对应的系统总服务成本，并更新全局最优解；采用模拟退火算法进一步更新全局最优解；本发明提供的方法，能够显著提高服务放置的系统性能，降低系统总服务成本，同时降低了系统服务延迟。

技术领域

本发明涉及移动边缘计算中服务放置算法优化领域，特别是指一种移动边缘计算中服务放置的智能混合优化方法。

背景技术

随着物联网的快速发展，物联网终端设备迅猛激增。专注于IoT、Machine toMachine(M2M)和工业4.0领域的研究机构IoT Analytics在2019年12月发布物联网平台报告：2020年全球活跃的物联网设备数量将达到100亿台，预测2025年将达到220亿台。这些移动终端设备会产生海量数据和计算任务，但是由于底层移动终端设备的计算能力和存储容量的限制，这些底层移动终端设备不足以支持其自身完成计算任务。毫无疑问，云计算具有强大的计算能力，可以有效解决移动终端设备的不足。但是在云计算模式的实际应用场景中，云服务器通常是集中部署且距离移动终端设备较远，移动终端设备收集的数据直接传送到云端进行数据处理，再回传到终端物联网设备。大量的数据上传到云端不仅对网络带宽的要求高，并且高延迟问题会影响工作效率和用户体验，同时会造成资源浪费、数据传输过程隐私安全等诸多问题。

为了提供高质量的服务，研究人员提出将云的功能转移到网络边缘。一个新的计算范式，移动边缘计算(Mobile Edge Computing,MEC)被学者提出。与传统的云计算相比，MEC在网络边缘提供计算和存储服务且更靠近终端物联网设备，因此能更好的管理设备并且具有延迟低、数据管理成本低、可信度高等特点。随着计算能力的下沉至网络边缘，也产生了诸多新挑战。例如服务放置问题，当移动终端设备在不同的MEC服务器区域移动时，哪个MEC服务器提供服务可以保证服务的连续性。在考虑服务放置问题时，会出现以下情况：第一，若移动终端设备选择将服务的配置文件从之前连接的MEC服务器传输到距离终端设备最近的MEC服务器时，系统模型需要考虑文件传输时延；第二，如果移动终端设备选择其服务仍由前一个MEC服务器提供，并通过请求距离其最近的MEC服务器进而请求前一个MEC服务器获取结果，则系统模型应考虑通信时延和计算时间；第三，能源消耗是MEC的主要因素，系统成本应考虑MEC服务器的能源消耗。

在现有服务放置问题的解决方案中，研究工作可以分为三类。第一类假设已经准确地掌握设备移动性的未来信息，即已经确定移动终端设备的路径再根据情况选择合适的MEC服务器为其提供服务；第二类是预测移动终端设备移动性，通过将问题建模成马尔可夫决策模型，从而设计最优阈值决策策略；第三类研究工作在不需要任何未来用户移动性作为先验知识的情况下，通过在线学习的方式解决服务放置的问题。

然而，这些目前这些研究方案普遍存在以下缺点。其一，对移动终端设备的移动性进行预测或假设与实际应用场景仍有差距，会造成较大的误差。其二，在线学习的模型成本以及对设备和服务器的能耗损失较大。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种移动边缘计算中服务放置智能混合优化方法，将服务放置问题建模成群智能粒子群优化(Particle SwarmOptimization,PSO)模型求解，每一个粒子代表移动终端设备选择的MEC服务器的决策集，并通过设计收缩因子、引入模拟退火算法(Simulation Annealing,SA)算法来计算迭代过程中每一轮粒子的速度和位置，在计算系统成本时，该方法考虑了MEC服务器的能量损耗；本发明提供的方法，能够显著提高服务放置的系统性能，降低系统总服务成本，同时降低了系统服务延迟。

本发明采用如下技术方案：

一种移动边缘计算中服务放置的智能混合优化方法，包括如下步骤：