[发明专利]一种水下边云协同网络的资源联合分配方法

说明书

本发明公开了一种水下边云协同网络的资源联合分配方法，包括以下步骤：根据地理位置，将水域划分为若干个等面积的矩形网格；根据APPROX‑TSP‑TOUR算法求得哈密顿回路；计算系统时延和能量损耗，系统时延包括：服务传输时延、服务计算时延、服务移动时延；能量损耗包括：水下移动潜器的水下前行能量损耗、计算损耗、通信传输损耗；构建兼顾系统时延及能量损耗的资源分配模型，利用线性规划求解，得到最优的资源分配策略。本发明针对水下传感器数据指定分区域采集策略，同时规划采集路径，提高效率、节省能量的同时避免了资源分配不均的现象；构建兼顾系统时延及能量损耗的资源分配模型，在减少能量损耗的同时保证了较低的时延。

技术领域

本发明涉及边缘计算领域，尤其涉及一种水下边云协同网络的资源联合分配方法。

背景技术

随着物联网、大数据等技术的不断革新，万物互联的时代已经来临。如此持续快速的数据量增长推动了整个计算模式的演变，同时，也对数据存储与处理技术提出了更高要求，尤其是网络边缘侧业务的实时管理和智能分析。但由于传统云计算固有的弊端，如实时性不够、带宽不足、能耗较大、缺乏移动性支持和位置感知等，其关键技术已经不能高效地处理边缘设备所产生的海量数据。因此，边缘计算作为一种新的计算模式应运而生，通过将计算能力从云数据中心扩展至网络边缘，使得在本地分析和管理数据更弹性可控，是实现物联网落地的根本。

现如今，物联网设备被广泛引入于海洋环境中，主要应用于在海洋中的监测、勘察等方面探索发展，主要围绕感知层进行，对海洋的水下传感器网络的发展起到了无与伦比的促进作用。随着传感器节点的增多，线性增长的集中式云计算能力已经无法满足爆炸式增长的海量海洋数据(包含海洋实测数据、海洋遥感数据以及海洋模式数据等)，从水下传感器网络的底层设备传输海量数据到云中心的负担日益增重。因此边缘计算的出现对此问题起到了缓冲的效果，在网络的边缘来处理数据，这样能够减少底层请求响应时间、提升底层设备电池的续航能力、减少网络带宽同时保证数据的安全性和私密性，因此引入边缘计算是对海洋发展以及国家可持续发展的重要举措，意义重大。

作为新兴计算范式，边缘计算将计算、存储、网络等弹性资源推向网络边缘，就近提供智能计算服务，解决了云计算延迟高、移动性差等问题。相比云数据中心，边缘云资源受限是边缘计算性能提升的关键瓶颈，尤其是在计算负载和资源时空分布不均衡的情况下。因此，如何通过设计高效的资源优化配置策略实现端边云计算资源的合理调度以及计算任务的快速高效执行，是当前边缘计算领域的一个研究重点和难点。

不同于边缘计算在以无线通信为主的陆地场景上的迅猛发展，将该技术运用于水下这一特殊应用场景的研究尚且处于起步阶段。水下环境复杂多变，能量补给困难；通信距离受限，时延较长，针对这一特殊场景的边缘计算卸载策略与资源优化算法，寥寥无几。倘若直接将陆地场景上的算法直接应用于水下场景，无法实现具体问题具体分析，也很难有理想的效果。与此同时，现有针对水下传感器数据采集的策略大多也仅对采集路径做出规划，很少将能量损耗与系统时延同时纳入优化目标。

发明内容

针对现有技术的不足，本发明提出一种水下边云协同网络的资源联合分配方法。

具体技术方案如下：

一种水下边云协同网络的资源联合分配方法，包括以下步骤：

步骤一：根据地理位置，将水域划分为若干个同等面积大小的矩形网格，每个矩形网格内有相同数量的水下传感器，且每一矩形网格均有一个水下移动潜器独立负责数据采集工作；

步骤二：根据APPROX-TSP-TOUR算法求解岸基服务器及任一矩形网格内水下传感器构成的哈密顿回路，即单一水下移动潜器的移动路线；