[发明专利]一种基于粒子群算法资源感知计算迁移方法、装置及介质

说明书

本发明公开了一种基于粒子群算法资源感知计算迁移方法，所述方法包括：对输入的每一个工作流中的子任务的前驱后继关系进行判断然后对每个工作流进行整合重构，得到复杂工作流的全局模型；基于粒子群优化算法，以系统能耗和时延为优化目标，通过迭代不断更新粒子速度、粒子位置以及粒子适应度函数，最终得到多目标优化后粒子的迁移策略；根据当前的系统能耗、系统时延以及边缘服务器的资源利用率，进一步地，在每一次迁移策略确定后对系统进行新一轮的资源配置，实现能耗、时延以及资源利用率三目标优化。本发明在面对用户端产生的较为复杂的任务时，仍可以为用户提供质量较高的服务，且可以实现对服务器的负载进行平衡的功能，计算简单快速。

技术领域

本发明涉及任务迁移与资源配置领域，具体涉及一种基于粒子群算法资源感知计算迁移方法、装置及介质。

背景技术

在移动边缘计算(Mobile Edge Computing,MEC)环境中，任务可以通过计算迁移迁移到边缘服务器或远程云数据中心(公有云)进行处理，如图5所示，以达到解放移动设备资源，降低任务处理时延和能耗的目的。但是随着移动设备的更新换代以及物联网、车联网等新技术的产生，用户端产生的任务变得更为复杂，甚至可能同时存在能耗、时延等多种约束，如果不能根据任务的特征合理的规划迁移策略，网络拥塞、服务器过载等一系列会对服务质量造成严重影响的情况仍然可能发生。

现有的针对MEC环境下的优化方法，大多针对于一般应用或一般工作流进行优化。吴华明等人在文献“An efficient application partitioning algorithm in mobileenvironments,IEEE Transactions on Parallel and Distributed Systems,2019.”中针对一般应用，提出了一种适用于MEC环境的迁移分区算法。综合优化了系统的能耗、时间消耗和成本。许小龙等人在文献“Energy-Efficient Computation Offloading inCloudlet-Based Mobile Cloud Using NSGA-II.2018Eleventh InternationalConference on Mobile Computing and Ubiquitous Network(ICMU).IEEE,2018.”中基于非支配排序遗传算法-II(Non-dominated Sorting Genetic Algorithm II,NSGA-II)针对一般工作流提出了一种多目标计算迁移方法。他们的目标是优化系统能耗的同时降低任务处理的时延。但是由于用户端产生的任务可能是由若干有序工作流与若干无序工作流所组成的复杂的工作流，这就意味着算法的输入不仅是数据量较大的任务流，而且这些任务之间存在着一定的前驱后继关系，甚至具有能耗、时延等多方面的约束。因此，现有的研究方法可能并不能适用于针对复杂工作流的计算迁移和多目标优化。