[发明专利]一种基于异构边缘云架构的多任务卸载方法及系统

说明书

本发明涉及一种基于异构边缘云架构的多任务卸载方法及系统。所述方法包括：初始化每个个体的初始卸载方案；采用粒子群算法对各初始卸载方案进行处理得到各个体的待选卸载方案；计算各待选卸载方案的适应度，对各待选卸载方案平均分组得到多组卸载方案群；根据各待选卸载方案的适应度对所有卸载方案群进行删减得到剩余卸载方案群并对剩余卸载方案群进行处理得到多个操作卸载方案；计算各操作卸载方案的适应度并判断是否达到总体迭代停止条件；若没有则确定适应度由大到小排序前n的操作卸载方案为下次总体迭代的初始卸载方案并进入下次总体迭代；若达到则确定适应度最大的操作卸载方案中的位置为最优卸载策略。本发明可以解决多任务的卸载问题。

技术领域

本发明涉及移动边缘计算技术领域，特别是涉及一种基于异构边缘云架构的多任务卸载方法及系统。

背景技术

随着移动通信技术的发展和智能终端的普及，增强现实、虚拟现实和无人驾驶等各种新兴的应用不断涌现，用户对服务质量和体验质量有了更高的要求。预计到2030年，移动数据流量将出现爆炸式增长，全球移动终端数将接近1000亿，中国可能达到200亿。在终端设备上运行这些数据量较大的应用程序，需要大量的计算资源、存储资源以及较高的能耗，而移动设备的计算能力、资源存储和电池电量往往是有限的，无法满足这些需求。

移动云计算(Mobile Cloud Computing，MCC)的出现为解决这些问题提供了思路。欧洲电信标准化协会在2014年成立了移动边缘计算(Mobile Edge Computing，MEC)规范工作组，促进业界对移动边缘计算的研究。移动边缘计算是指在移动网络边缘部署计算和存储资源，为移动网络提供IT服务环境和云计算能力，从而为用户提供超低时延和高带宽的网络服务解决方案。MEC是推动5G发展的关键技术，与物联网(Internet ofThings，IoT)相互促进，共同发展。MEC的关键技术是计算卸载，计算卸载技术就是将移动终端的计算任务卸载到边缘网络，解决移动设备在资源存储、计算性能以及能效等方面的问题。目前关于计算卸载已有许多相关研究，主要包括卸载决策和卸载资源分配。卸载的过程中可能会受到不同因素的影响，如用户的使用习惯、无线信道的干扰、通信链路的质量、移动设备的性能等，计算卸载的关键在于制定适合的卸载决策，这也是近年来的研究热点。

研究人员建立了MEC模型，并采用不同的方法对卸载方案进行优化，包括凸优化算法、机器学习的方法(深度学习和强化学习)、群体智能的方法(主要是蚁群算法、粒子群算法等)等。但现有的MEC模型以单一的边缘节点或者单任务卸载为主，即使在多任务场景下，对不同任务性能需求的区分度也不高。而在实际环境中，面对的往往是复杂异构的边缘网络，各种不同的接入方式，在用户侧无论是任务的类型还是任务的数量都不是单一的，且不同类型任务对计算能力、数据传输能力以及时延的要求均不同。因此，需要针对实际应用场景中的多任务卸载问题进行深入研究，建立异构边缘网络模型和多任务卸载模型，并采用适当的优化算法解决复杂网络模型下的多任务的卸载问题。

发明内容

本发明的目的是提供一种基于异构边缘云架构的多任务卸载方法及系统，可以解决多任务的卸载问题。

为实现上述目的，本发明提供了如下方案：

一种基于异构边缘云架构的多任务卸载方法，包括：

分别对n个个体的速度和位置初始化得到每个个体的初始卸载方案；所述个体为所有用户要卸载的所有任务；所述位置为卸载策略；

在当前总体迭代次数下，采用粒子群算法对各所述初始卸载方案进行处理得到各所述个体的待选卸载方案；

计算各所述待选卸载方案的适应度，并根据各所述待选卸载方案的适应度对各所述待选卸载方案平均分组得到多组卸载方案群；

根据各所述待选卸载方案的适应度对所有卸载方案群进行删减得到剩余卸载方案群并分别采用粒子群算法和遗传算法对所述剩余卸载方案群进行处理得到多个操作卸载方案；