[发明专利]一种基于三支决策的边缘服务迁移方法、系统、终端

说明书

本发明属于网络通信领域，具体涉及一种基于三支决策的边缘服务迁移方法、系统及终端。该方法包括如下步骤：S1：定义一个用于预测用户在下一时刻的移动状态评估函数；S2：对评估函数v(u_j)的值表征的区域进行划分，包括服务迁移区域、延迟区域和不迁移区域；S3：计算出最优能耗迁移位置；S4：获取边缘服务器的专属服务半径和设备服务半径；S5：获取用户在当前状态下距离边缘服务器中心的距离，判断是否需要进行服务迁移；S6：更新用户的评估函数判断其与边界阈值α、β之间的关系，S7：根据用户的当前位置、最迟迁移位置和最优能耗迁移位置的关系，给出服务迁移指令。本发明解决现有服务迁移方法能耗损失过大、服务延迟时间较长的问题。

技术领域

本发明属于网络通信领域，具体涉及一种基于三支决策的边缘服务迁移方法、系统、终端。

背景技术

服务迁移是很多基于分布式基站的网络服务经常需要考虑的问题。例如，现有的移动通信网络和云计算服务均采用这种网络架构。在这种网络架构中，通过无数优化分布的边缘服务器构成一张大的服务网。用户的终端设备在服务网内工作时，可以在不同的边缘服务器间切换通信，边缘服务器根据用户的位置进行服务迁移，从而保证用户可以持续享受到网络服务，而不会发生网络中断。在这个过程，如何优化用户服务迁移过程中的迁移策略，降低网络服务迁移过程中的能耗，成为本领域技术人员需要解决的重要问题。

在多MEC(Mobile Edge Computing，移动边缘计算)平台下，某些技术人员将服务迁移问题转化为寻找最优迁移服务器问题，利用最优停止理论减少搜寻目标服务器数量，再根据计算迁移到不同目标服务器的能耗代价找到最优迁移代价的目标服务器。进一步地，技术人员还提出了一个服务迁移模型，设计了基于粒子群的服务迁移算法。将服务迁移问题表述为0-1非线性规划问题，并优化了迁移能耗。但是，这种技术方案中对能耗代价考虑不完整。只考虑了用户在服务迁移时，用户服务数据从源边缘服务器发送到目标边缘服务器传输产生的代价，忽略了用户迁移完成前后的一段时间内用户与目标服务器通讯的代价。同时，该方案也没有考虑优化服务迁移导致的延迟时间或者服务中断的问题。

另外一些技术人员将服务迁移问题表述为马尔可夫决策过程来优化服务迁移代价问题。通过建立迁移代价模型来创建2-D用户移动概率模型，然后根据当前地区的多个时刻下用户迁移数量比上总的用户数量计算平均迁移概率，进而通过迁移概率和迁移代价来搜寻用户服务迁移最佳目标服务器，从而降低服务代价。这种方案的缺点包括：(1)此方案仅适合地区迁移率高的场景，即用户短时间内移动到其他边缘服务服务范围内的概率高的场景，并不具有普适性，在低速的行人的服务迁移决策中并不适用。(2)未考虑优化服务迁移导致的延迟时间。

此外，某些技术人员还试图通过神经网络来解决服务迁移的决策问题。利用不同时刻多位用户的位置建立模型。并针对模型进行训练，然后利用深度神经网络模型预测用户下一个时刻位置并找到最佳迁移的目标服务器。同时，根据多位用户在多个时刻位置的散点图进行降噪去除异常点，然后进行训练、预测用户的下一时刻的位置。最后再利用代价模型预测获得服务迁移最佳服务器，降低了服务迁移延迟。这种技术方案具有一定的有效性，但是该方法需要大量的先验知识进行学习，没有考虑优化服务延迟时间，且深度学习的可解释性较差。

发明内容

为了解决现有服务迁移决策方法未充分考虑到迁移服务中的源服务器和目标服务器的所有能耗损失，以及对迁移过程的服务延迟时间考虑不足的问题；本发明提供一种基于三支决策的边缘服务迁移方法、系统及终端。

本发明采用以下技术方案实现：

一种基于三支决策的边缘服务迁移方法，其用于判断用户在不同边缘服务器间切换时的最佳切换时机，该迁移方法包括如下步骤：

S1：定义一个评估函数v(u_j)，评估函数v(u_j)用于预测用户在下一时刻的移动状态；