一种基于粒子群算法的边缘计算服务器放置方法专利检索-迭代电信专利检索查询-专利查询网

一种基于粒子群 算法的边缘计算服务器放置方法

阅读：172发布：2021-09-19

专利汇可以提供一种基于粒子群算法的边缘计算服务器放置方法专利检索，专利查询，专利分析的服务。并且本发明提出了一种基于粒子群算法的边缘计算服务器放置方法，该方法的主体思路是：通过迭代不断更新边缘服务器的位置和速度，确定每一次迭代是每个边缘服务器所负载的基站，最后根据负载均衡程度判定边缘服务器的位置是否满足最优化的要求。该方法的有益效果在于可以一次性找出所有边缘服务器的位置，不用对每一个边缘服务器分别计算，大大节约了时间提高了效率。在考虑边缘服务器和基站之间的传输延迟最小化的同时考虑每个边缘服务器之间的负载均衡，让最中边缘服务器放置的位置同时满足最小化传输延迟和负载均衡两个特性，充分考虑现实情况，具有可操作性。，下面是一种基于粒子群算法的边缘计算服务器放置方法专利的具体信息内容。

权利要求

1.一种基于粒子群算法的边缘计算服务器放置方法，其特征在于：该方法的主要步骤如下：
步骤1：定义基站集合B＝{b1，b2，bi，…，bn}，其中n表示基站数目，i表示基站序号；定义边缘服务器集合S＝{s1，s2，sj，…，sm}，其中m表示边缘服务器数目，j表示边缘服务器序号；
设置最大迭代次数为kmax；
步骤2：用(yi1，yi2)表示二维空间中基站bi的坐标，用(xj1k，xj2k)表示迭代k次后边缘服务器sj的坐标；用(vj1k，vj2k)表示迭代k次后边缘服务器sj的速度；用Rk＝{(x11k，x12k)，…，k k k k
(xj1 ，xj2)，…，(xm1 ，xm2)}表示第k次迭代时所有边缘服务器的位置坐标集合；用xmax，xmin表示边缘服务器坐标所能达到的最大最小值；用vmax，vmin表示边缘服务器速度所能达到的最大最小值；初始时从集合B中随机选取m个基站作为边缘服务器的起始位置并且所有边缘服务器的初始速度都为(0，0)；
步骤3：根据欧式距离公式计算第k次迭代过程中每个基站到m个边缘服务器的距离d(i，j)k，比较d(i，j)k值的大小，将d(i，j)k取值最小时的基站bi放入边缘服务器sj负责的基站集合Sjk＝{bi，…}其中i，j，k表示在第k次迭代时距离基站bi最近的边缘服务器是sj；
步骤4：遍历第k次迭代时每个边缘服务器包含基站的数目，用Nmaxk，Nmink表示第k次迭代时边缘服务器包含最多和最少的基站数目；用ε＝Nmaxk-Nmink表示所有边缘服务器的负载均衡程度；如果达到迭代次数kmax或者ε≤M，则转步骤10，否则转步骤5；其中M为人为设定的常数，作为阈值；
步骤5：用Sjg(1≤g≤k)表示前k次迭代过程中边缘服务器sj所经历过的最好位置，其中j，g表示前k次迭代中在第g次迭代时边缘服务器sj包含的基站数目最多；用pbestj＝(pbesetj1，pbestj2)表示边缘服务器j所经历过的最好位置，其中pbestj1＝xj1g，pbestj2＝xj2g；
步骤6：用Sef(1≤e≤m，1≤f≤k)表示前k次迭代中所有边缘服务器经历过的最好位置，其中e，f表示前k次迭代过程中在第f次迭代时边缘服务器se包含的基站数目最多；用gbest＝(gbest1，gbest2)表示所有服务器经历过的最好位置，其中gbest1＝xe1f，gbest2＝xe2f；
步骤7：设置动态权重w；
步骤8：对边缘服务器sj第d(1≤d≤2)维速度vjdk进行更新；
步骤9：对边缘服务器sj的第d(1≤d≤2)维位置xjdk更新；
步骤10：对更新完成后的位置和速度坐标越界做处理，若vjdk＞vmax则vjdk＝vmax，若vjdk＜vmin则vjdk＝vmin；若xjdk＞xmax则xjdk＝xmax，若xjdk＜xmin则xjdk＝xmin；处理完成后转步骤3；
步骤11：输出停止迭代时m个边缘服务器的位置坐标集合Rk，迭代结束。
2.根据权利要求1所述的一种基于粒子群算法的边缘计算服务器放置方法，其特征在于：所述步骤3中，根据欧式距离公式(1)计算第k次迭代过程中每个基站到m个边缘服务器k
的距离d(i，j) 。
3.根据权利要求1所述的一种基于粒子群算法的边缘计算服务器放置方法，其特征在于：所述步骤7中，根据公式(2)设置动态权重：
其中wmax是最大惯性权重，wmin是最小惯性权重(最大最小惯性权重由初始时人为设定)，k为当前迭代次数，kmax为总的迭代次数。
4.根据权利要求1所述的一种基于粒子群算法的边缘计算服务器放置方法，其特征在于：所述步骤8中，根据公式(3)对边缘服务器sj第d(1≤d≤2)维速度进行更新：
vjdk＝wvjdk-1+c1r1(pbestj1-xjdk-1)+c2r2(gbestd-xjdk-1) (3)
其中c1，c2为加速度常数，调节最大学习步长，r1，r2为两个随机数，取值范围[0，1]用来增加搜索的随机性，w为动态权重，调节边缘服务器速度变化的快慢，k为当前迭代次数。
5.根据权利要求1所述的一种基于粒子群算法的边缘计算服务器放置方法，其特征在于：所述步骤9中，根据公式(4)对边缘服务器sj的第d(1≤d≤2)维位置更新。
xjdk＝xjdk-1+vjdk-1 (4)。

说明书全文

一种基于粒子群算法的边缘计算服务器放置方法

技术领域

[0001] 本发明属于移动边缘计算相关领域，具体涉及一种基于粒子群算法的边缘计算服务器放置方法。

背景技术

[0002] 随着物联网技术的快速发展，越来越多的终端设备可以连接网络。一种提高移动终端性能的方法是卸载部分工作给资源丰富的远端云来处理即云计算数据中心。但云计算中心通常位于距离移动终端较远的位置，随着越来越多的物联网智能设备接入网络，移动终端和云计算中心的传输延迟将会越来越大，严重影响用户的体验。

[0003] 移动边缘计算技术是将资源丰富的云端云下放至网络边缘，来满足高带宽，低时延的要求。移动边缘计算的关键技术分为边缘云放置，计算卸载，服务迁移，群智协同四个技术。边缘云放置考虑将边缘服务器放置在哪些位置可以使用户和边缘服务器之间传输延迟最小。计算卸载是将移动终端上的计算任务卸载到边缘服务器上用来提高移动终端的性能。服务迁移是边缘服务器和边缘服务器之间的任务迁移，可以在一个边缘服务器计算量大的时候将计算任务迁移到其他边缘服务器用来平衡边缘服务器之间的负载均衡程度。群智协同用来统一调度边缘服务器的工作。

[0004] 移动边缘计算架构主要分为三个部分，分别是边缘移动终端设备，边缘云，终端云。边缘云是部署在基站周围的小规模云计算中心，负载处理边缘移动终端设备的计算任务。当边缘设备处理能力不能满足自身请求时，通过网络将密集型计算任务和海量数据迁移到边缘云处理，而当边缘云不能满足边缘设备的请求时，将部分任务和数据迁移至远端云处理。边缘云和远端元是相辅相成的关系，两者的结合可以更好处理万物互联时代海量数据处理问题。

[0005] 在移动边缘计算架构中，边缘服务器的放置是一个非常重要的问题。许多放置方法是考虑选择具有最大工作负载的基站作为边缘服务器放置的位置，这种方法没有考虑基站和边缘服务器之间的传输延迟，而且边缘服务器分布可能不均匀。在现实情况下一个地区的基站分布常常是根据该地区移动终端设备的数量来分布的，而且每个基站的工作负载也不相同。

发明内容

[0006] 本发明提出了一种基于粒子群算法的边缘计算服务器放置方法，该方法的主体思路是：用坐标表示每个边缘服务器和基站的位置，用向量的形式表示每个边缘服务器的速度。根据欧式距离计算每次迭代后每个基站所属的边缘计算服务器。计算每个边缘服务器经历过的最好位置和所有边缘服务器经历过的最好位置用来更新边缘服务器的位置和速度。最后判断负责基站数目最多的边缘服务器和负责基站数目最少的边缘服务器之间的差值是否满足给定条件来确定最终的服务器放置位置。

[0007] 一种基于粒子群算法的边缘计算服务器放置方法，该方法的主要步骤如下：

[0008] 步骤1：定义基站集合B＝{b1，b2，bi，…，bn}，其中n表示基站数目，i表示基站序号；定义边缘服务器集合S＝{s1，s2，sj，…，sm}，其中m表示边缘服务器数目，j表示边缘服务器序号；设置最大迭代次数为kmax；

[0009] 步骤2：用(yi1，yi2)表示二维空间中基站bi的坐标，用(xj1k，xj2k)表示迭代k次后边缘服务器sj的坐标；用(vj1k，vj2k)表示迭代k次后边缘服务器sj的速度；用Rk＝{(x11k，x12k)，…，(xj1k，xj2k)，…，(xm1k，xm2k)}表示第k次迭代时所有边缘服务器的位置坐标集合；用xmax，xmin表示边缘服务器坐标所能达到的最大最小值；用vmax，vmin表示边缘服务器速度所能达到的最大最小值；初始时从集合B中随机选取m个基站作为边缘服务器的起始位置并且所有边缘服务器的初始速度都为(0,0)；

[0010] 步骤3：根据欧式距离公式计算第k次迭代过程中每个基站到m个边缘服务器的距离d(i，j)k，比较d(i，j)k值的大小，将d(i，j)k取值最小时的基站bi放入边缘服务器sj负责的k基站集合Sj＝{bi，…}其中i，j,k表示在第k次迭代时距离基站bi最近的边缘服务器是sj；

[0011] 步骤4：遍历第k次迭代时每个边缘服务器包含基站的数目，用Nmaxk，Nmink表示第k次迭代时边缘服务器包含最多和最少的基站数目；用ε＝Nmaxk-Nmink表示所有边缘服务器的负载均衡程度；如果达到迭代次数kmax或者ε≤M，则转步骤10，否则转步骤5；其中M为人为设定的常数，作为阈值；

[0012] 步骤5：用Sjg(1≤g≤k)表示前k次迭代过程中边缘服务器sj所经历过的最好位置，其中j，g表示前k次迭代中在第g次迭代时边缘服务器sj包含的基站数目最多；用pbestj＝(pbestetj1，pbestj2)表示边缘服务器j所经历过的最好位置，其中pbestj1＝xj1g，pbestj2＝xj2g；

[0013] 步骤6：用Sef(1≤e≤m，1≤f≤k)表示前k次迭代中所有边缘服务器经历过的最好位置，其中e，f表示前k次迭代过程中在第f次迭代时边缘服务器se包含的基站数目最多；用gbest＝(gbest1，gbest2)表示所有服务器经历过的最好位置，其中gbest1＝xe1f，gbest2＝xe2f；

[0014] 步骤7：设置动态权重w；

[0015] 步骤8：对边缘服务器sj第d(1≤d≤2)维速度vjdk进行更新；

[0016] 步骤9：对边缘服务器sj的第d(1≤d≤2)维位置xjdk更新；

[0017] 步骤10：对更新完成后的位置和速度坐标越界做处理，若vjdk＞vmax则vjdk＝vmax，若vjdk＜vmin则vjdk＝vmin；若xjdk＞xmax则xjdk＝xmax，若xjdk＜xmin则xjdk＝xmin；处理完成后转步骤3；

[0018] 步骤11：输出停止迭代时m个边缘服务器的位置坐标集合Rk，迭代结束。

[0019] 进一步地，所述步骤3中，根据欧式距离公式(1)计算第k次迭代过程中每个基站到m个边缘服务器的距离d(i，j)k。

[0020]

[0021] 进一步地，所述步骤7中，根据公式(2)设置动态权重：

[0022]

[0023] 其中wmax是最大惯性权重，wmin是最小惯性权重(最大最小惯性权重由初始时人为设定)，k为当前迭代次数，kmax为总的迭代次数。

[0024] 进一步地，所述步骤8中，根据公式(3)对边缘服务器sj第d(1≤d≤2)维速度进行更新：

[0025] vjdk＝wvjdk-1+c1r1(pbestj1-xjdk-1)+c2r2(gbestd-xjdk-1) (3)

[0026] 其中c1，c2为加速度常数，调节最大学习步长，r1，r2为两个随机数，取值范围[0,1]用来增加搜索的随机性，w为动态权重，调节边缘服务器速度变化的快慢，k为当前迭代次数。

[0027] 进一步地，所述步骤9中，根据公式(4)对边缘服务器sj的第d(1≤d≤2)维位置更新。

[0028] xjdk＝xjdk-1+vjdk-1 (4)

[0029] 本发明提出了一种基于粒子群算法的边缘计算服务器放置方法，较目前主流的边缘服务器放置方法而言，该方法的主要优势在于：通过对边缘服务器位置的不断更新比较每个边缘服务器负责基站的数目，当每个边缘服务器负载的基站数目相差不大时，找出当前所有边缘服务器的位置。可以通过迭代找到所有边缘服务器的位置，在最小化传输延迟的同时，让边缘服务器之间负载尽可能均衡。附图说明

[0030] 图1为本发明所述的边缘服务器放置方法流程图。

具体实施方式

[0031] 下面结合说明书附图对本发明的技术方案做进一步的详细说明。

[0032] 一种基于粒子群算法的边缘计算服务器放置方法，该方法的主要步骤如下：

[0033] 步骤1：定义基站集合B＝{b1，b2，bi，…，bn}，其中n表示基站数目，i表示基站序号；定义边缘服务器集合S＝{s1，s2，sj，…，sm}，其中m表示边缘服务器数目，j表示边缘服务器序号；设置最大迭代次数为kmax。

[0034] 步骤2：用(yi1，yi2)表示二维空间中基站bi的坐标，用(xj1k，xj2k)表示迭代k次后边缘服务器sj的坐标；用(vj1k，vj2k)表示迭代k次后边缘服务器sj的速度；用Rk＝{(x11k，x12k)，…，(xj1k，xj2k)，…，(xm1k，xm2k)}表示第k次迭代时所有边缘服务器的位置坐标集合；用xmax，xmin表示边缘服务器坐标所能达到的最大最小值；用vmax，vmin表示边缘服务器速度所能达到的最大最小值；初始时从集合B中随机选取m个基站作为边缘服务器的起始位置并且所有边缘服务器的初始速度都为(0,0)。

[0035] 步骤3：根据欧式距离公式计算第k次迭代过程中每个基站到m个边缘服务器的距离d(i，j)k，比较d(i，j)k值的大小，将d(i，j)k取值最小时的基站bi放入边缘服务器sj负责的基站集合Sjk＝{bi，…}其中i，j,k表示在第k次迭代时距离基站bi最近的边缘服务器是sj。

[0036] 所述步骤3中，根据欧式距离公式(1)计算第k次迭代过程中每个基站到m个边缘服务器的距离d(i，j)k。

[0037]

[0038] 步骤4：遍历第k次迭代时每个边缘服务器包含基站的数目，用Nmaxk，Nmink表示第k次迭代时边缘服务器包含最多和最少的基站数目；用ε＝Nmaxk-Nmink表示所有边缘服务器的负载均衡程度；如果达到迭代次数kmax或者ε≤M，则转步骤10，否则转步骤5；其中M为人为设定的常数，作为阈值。

[0039] 步骤5：用Sjg(1≤g≤k)表示前k次迭代过程中边缘服务器sj所经历过的最好位置，其中j，g表示前k次迭代中在第g次迭代时边缘服务器sj包含的基站数目最多；用pbestj＝(pbesetj1，pbestj2)表示边缘服务器j所经历过的最好位置，其中pbestj1＝xj1g，pbestj2＝xj2g。

[0040] 步骤6：用Sef(1≤e≤m，1≤f≤k)表示前k次迭代中所有边缘服务器经历过的最好位置，其中e，f表示前k次迭代过程中在第f次迭代时边缘服务器se包含的基站数目最多；用gbest＝(gbest1，gbest2)表示所有服务器经历过的最好位置，其中gbest1＝xe1f，gbest2＝xe2f。

[0041] 步骤7：设置动态权重w。

[0042] 所述步骤7中，根据公式(2)设置动态权重：

[0043]

[0044] 其中wmax是最大惯性权重，wmin是最小惯性权重(最大最小惯性权重由初始时人为设定)，k为当前迭代次数，kmax为总的迭代次数。

[0045] 步骤8：对边缘服务器sj第d(1≤d≤2)维速度vjdk进行更新。

[0046] 所述步骤8中，根据公式(3)对边缘服务器sj第d(1≤d≤2)维速度进行更新：

[0047] vjdk＝wvjdk-1+c1r1(pbestj1-xjdk-1)+c2r2(gbestd-xjdk-1) (3)

[0048] 其中c1，c2为加速度常数，调节最大学习步长，r1，r2为两个随机数，取值范围[0,1]用来增加搜索的随机性，w为动态权重，调节边缘服务器速度变化的快慢，k为当前迭代次数。

[0049] 步骤9：对边缘服务器sj的第d(1≤d≤2)维位置xjdk更新。

[0050] 所述步骤9中，根据公式(4)对边缘服务器sj的第d(1≤d≤2)维位置更新。

[0051] xjdk＝xjdk-1+vjdk-1 (4)

[0052] 步骤10：对更新完成后的位置和速度坐标越界做处理，若vjdk＞vmax则vjdk＝vmax，若vjdk＜vmin则vjdk＝vmin；若xjdk＞xmax则xjdk＝xmax，若xjdk＜xmin则xjdk＝xmin；处理完成后转步骤3。

[0053] 步骤11：输出停止迭代时m个边缘服务器的位置坐标集合Rk，迭代结束。

[0054] 本发明提出了一种基于粒子群算法的边缘计算服务器放置方法，较目前主流的边缘服务器放置方法而言，该方法的主要优势在于：通过对边缘服务器位置的不断更新比较每个边缘服务器负责基站的数目，当每个边缘服务器负载的基站数目相差不大时，找出当前所有边缘服务器的位置。可以通过迭代找到所有边缘服务器的位置，在最小化传输延迟的同时，让边缘服务器之间负载尽可能均衡。

[0055] 以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。

标题	发布/更新时间	阅读量
一种电力物联网中基于D2D通信的MEC定价卸载方法	2020-05-08	206
一种低功耗高运算性能求解计算流体动力学的框架方法	2020-05-08	107
一种输电断面热稳定功率极限区间识别方法及系统	2020-05-08	776
存储器控制器及其操作方法	2020-05-08	895
神经网络量化方法、装置及电子设备	2020-05-08	875
PCIe初始化流程的仿真方法、装置及相关设备	2020-05-11	484
一种存储设备量产方法、装置、存储介质及电子设备	2020-05-11	157
适于无线网络的资源分配方法、装置和系统	2020-05-08	359
一种基于深度学习的商品二维码生成方法及系统	2020-05-08	328
一种用于联邦学习的图形化模型全生命周期建模方法	2020-05-11	751

一种基于粒子群算法的边缘计算服务器放置方法

一种基于粒子群算法的边缘计算服务器放置方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：