[发明专利]一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法

说明书

一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法，属于车联网领域，将计算任务切分成小的有依赖关系且可并行处理的子任务，提出相应的时延与能耗模型。构建了车联网计算任务卸载的约束多目标优化模型，使用非支配排序遗传策略(NSGS)来优化目标函数,对于车联网中计算任务卸载问题提出新的非支配关系与约束。此外，进行了一系列的实验，并与其他的卸载方法进行了比较。实验结果证明了本发明提出使用非支配排序遗传策略解决计算任务卸载的时延与能耗问题，与其他的卸载方法相比有更好的性能，具有一定的实用价值。

技术领域

本发明属于车联网领域，具体涉及一种基于非支配排序遗传策略的多目标计算任务卸载调度方法。

背景技术

近几年来，智能交通系统和自动驾驶技术不断地发展，出现了各种吸引人的应用。使得车联网得到了大家的广泛关注。大量计算密集型和延迟敏感型应用提高了对车辆计算和存储容量的要求，但是受到物理空间和经济成本的限制，车辆计算资源和能耗有限很难满足应用的需求。

移动边缘计算(MEC)技术是近些年来发展的一项十分有前途的技术，在移动边缘计算中，车辆网可以使用基站或者路边单元(road side unit,RSU)来对车辆进行服务，可以将边缘服务器部署在离车辆更近的基站或者路边单元，这就使得车辆与服务器之间距离变得很短，使得车辆可以将计算任务卸载到边缘服务器上，这就减少了处理计算任务的时延和能耗。计算任务卸载作为边缘计算的关键技术之一，通过在车辆MEC网络中对车辆进行计算任务卸载，可以实现更多计算密集型和延迟敏感型的应用。

发明内容

为了解决卸载计算任务受MEC服务器资源限制的问题，将车辆计算任务切分成小的有依赖关系的子任务，切分后的子任务可并行处理，构建了车联网计算任务卸载的约束多目标优化模型，并提出非支配排序遗传策略(nondominated sorting geneticstrategy,NSGS)来优化目标函数,特定于车联网中计算任务卸载问题提出新的非支配关系与约束，使得车辆计算任务可以同时在车辆和边缘服务器上同时处理，缩减了计算任务处理所需要的时长与能耗。此外，经过一系列的实验，同时与其他的卸载方法进行了相应地比较，来证明所提出算法的有效性。实验结果证明了本发明提出的算法有更好的性能。

本发明的基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法，主要包括如下步骤：

第1、车联网系统模型的构建：

第1.1、对车联网系统的通用名词进行定义；

第1.2、建立通信模型；

第1.3、建立计算时延模型；

第1.4、建立计算能耗模型；

第2、车联网任务卸载策略的构建：

第2.1、计算任务节点的调度约束；

第2.2、根据目标函数构建问题模型；

第3、NSGS算法的设计：

第3.1、根据遗传算法，设计车辆种群并进行初始化；

第3.2、设定约束条件；

第3.3、使用快速非支配排序方法对个体进行排序；

第3.4、计算拥挤度；

第3.5、设计交叉和变异策略；

第3.6、设计种群更新策略。