[发明专利]基于改进遗传算法的异构云雾协同网络中的资源分配方法

说明书

本发明公开基于改进遗传算法的异构云雾协同网络中的资源分配方法，包括：收集终端设备所需完成的计算任务的数量；基于构建的异构网络计算迁移问题模型，获得最优的终端设备所分配到的用于完成计算任务的计算资源、最优的终端设备将计算任务迁移所需的上行链路的传输功率和最优的终端设备的任务卸载策略。本发明在雾端收集终端设备所需完成计算任务的数量，完成计算任务所需的计算量以及完成任务所能接受的最大时延这三个参数，通过改进遗传算法实现对终端设备的卸载决策、分配到的计算资源和传输功率的联合优化，得到了异构网络中基于云雾协同计算的资源分配方案，解决了异构网络中雾计算和云计算共存协同的资源分配问题，减少了计算量。

技术领域

本发明涉及基于改进遗传算法的异构云雾协同网络中的资源分配方法，属于资源分配技术领域。

背景技术

物联网概念是在互联网概念的基础上，将其用户端延伸和扩展到任何物品与物品之间，进行信息交换和通信的一种网络概念。物联网是实现智能社会的关键因素，为了避免物联网设备消耗巨大的计算资源，物联网设备可以将其计算任务迁移到云端，这样可以缓解设备的计算压力。然而，云计算可能会产生不可避免的时延和传输能耗。因此，作为云计算的延伸，雾计算的提出引发了广泛的关注。

雾计算并非是性能强大的服务器，而是由性能较弱、更为分散的各种功能计算机组成，雾计算是介于云计算和个人计算之间的，是半虚拟化的服务计算架构模型，强调数量，不管单个计算节点能力多么弱都要发挥作用。与云计算相比，雾计算所采用的架构更呈分布式，更接近网络边缘。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中，而不像云计算那样将它们几乎全部保存在云中，数据的存储及处理更依赖本地设备，而非服务器。雾计算是新一代分布式计算，符合互联网的“去中心化”特征。

雾计算和云计算是高度互补的，两者的资源协同利用是非常重要和必要的。只有将云计算和雾计算两者协同利用，才能有效降低系统的成本。此外，随着无线局域网的广泛部署，设备通常需要连接到网络中的多个不同的无线接入点(WAP)。在异构网络中，设备不仅需要决定任务是否卸载，还需要选择合适的无线接入点以获得较高的数据传输速率。因此，随着考虑的场景更加全面，资源优化问题也更加复杂。在异构环境中，当系统的无线接入网点数量较多时，得到最优卸载策略的计算复杂度会很大，会造成很大的计算时延。因此，降低计算量成为异构环境下云雾协同计算能否实用的关键点。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供基于改进遗传算法的异构云雾协同网络中的资源分配方法，本发明在雾端收集终端设备所需完成计算任务的数量，完成计算任务所需的计算量以及完成任务所能接受的最大时延这三个参数，通过改进遗传算法实现对终端设备的卸载决策、分配到的计算资源和传输功率的联合优化，得到了异构网络中基于云雾协同计算的资源分配方案，解决了异构网络中雾计算和云计算共存协同的资源分配问题，减少了计算量，本发明在雾端收集终端设备所需完成计算任务的数量，完成计算任务所需的计算量以及完成任务所能接受的最大时延这三个参数，通过改进遗传算法实现对终端设备的卸载决策、分配到的计算资源和传输功率的联合优化，得到了异构网络中基于云雾协同计算的资源分配方案，解决了异构网络中雾计算和云计算共存协同的资源分配问题，减少了计算量。

为达到上述目的，本发明提供基于改进遗传算法的异构云雾协同网络中的资源分配方法，包括：收集终端设备所需完成的计算任务的数量；

基于构建的异构网络计算迁移问题模型，获得最优的终端设备所分配到的用于完成计算任务的计算资源f、最优的终端设备将计算任务迁移所需的上行链路的传输功率P和最优的终端设备的任务卸载策略a_n。

优先地，异构网络计算迁移问题模型为：

s.t.C1：

C2：

C3：

C4：