[发明专利]一种移动边缘计算中基于混合遗传算法的计算卸载方法

说明书

本发明公开了一种移动边缘计算中基于混合遗传算法的计算卸载方法，包括：S1.建立系统模型，得到子任务集在各处理器的计算时延以及各处理器之间的传输时延，并根据子任务集的约束关系确定子任务集中各任务层值；S2.根据确定的任务层值和随机策略初始化种群，得到子任务集的初始种群个体，并进行符号编码，得到任务调度序列，对初始种群中的个体进行优化；S3.构建适应度评价函数，并对优化后的初始种群中的个体进行选择操作；S4.构建交叉机制，使用基于禁忌表搜索算法的交叉操作对新的种群中的个体进行交叉；S5.使用基于模拟退火算法的变异操作对新的种群中的个体进行变异操作；S6.判断是否达到迭代步长，若否，则重复步骤S3‑S5；若是，则输出全局最优解。

技术领域

本发明涉及移动边缘技术领域，尤其涉及一种移动边缘计算中基于混合遗传算法的计算卸载方法。

背景技术

随着物联网(IoT)的发展，智能手机和笔记本电脑等移动用户设备(UE)掀起了新的浪潮。传统应用难以满足基于物联网用户不断增长的需求，例如服务质量。最近，出现了许多新颖的应用程序，并很快受到用户的青睐，例如实时在线游戏，虚拟现实等。

尽管当今移动设备的处理能力越来越强大，但移动设备通常具有有限的电池容量并无法在短时间内处理巨大的应用程序，成为移动应用未来发展的瓶颈。严格的延时限制已成为在移动设备上运行复杂应用程序的障碍。移动云计算(MCC)在过去被视为减轻计算任务负担的一种有前途的方法，因为丰富的计算资源可以显著减少应用程序处理延时。虽然数据处理速度很快，但是网络带宽却很有限。随着数据不断增多，数据传输速度变成了提升云计算能力的瓶颈。为了解决这一关键挑战，用户可以将任务卸载到移动边缘计算(MEC)服务器以提高性能。因此，在云服务器，边缘服务器和用户本地三方协同计算卸载场景下，制定卸载决策方案成为当下一个热点问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种移动边缘计算中基于混合遗传算法的计算卸载方法，在云服务器，边缘服务器和用户本地三方协同计算场景下，以最小化用户端具有优先级约束子任务集总完成时延为目标，将用户端具有优先级依赖关系的子任务集卸载到不同服务器。并利用一种混合遗传算法进行求解。与传统遗传算法相比，可以得到更好的寻优效果。

为了实现以上目的，本发明采用以下技术方案：

一种移动边缘计算中基于混合遗传算法的计算卸载方法，包括步骤：

S1.建立系统模型，得到子任务集在各处理器的计算时延以及各处理器之间的传输时延，并根据子任务集的约束关系确定子任务集中各任务层值；其中，系统模型由一个用户、一个移动云服务器和多个边缘服务器组成，由移动云服务器进行集中式决策调度方案；一个服务器只能同时处理一个任务，当用户端子任务集过多时，用户所属BS可以与资源池中其他BS通信，进行协同计算卸载，以满足用户需求；

S2.根据确定的任务层值和随机策略初始化种群，得到子任务集的初始种群个体，并根据初始种群个体中任务与处理器的映射关系，进行符号编码，得到任务调度序列，并对初始种群中的个体进行优化；

S3.构建适应度评价函数，根据适应度评价函数对优化后的初始种群中的个体进行选择操作，得到新的种群；

S4.构建交叉机制，使用基于禁忌表搜索算法的交叉操作对新的种群中的个体进行交叉；

S5.使用基于模拟退火算法的变异操作对新的种群中的个体进行变异操作；

S6.判断是否达到迭代步长，若否，则重复步骤S3-S5；若是，则输出全局最优解。

进一步的，所述步骤S1中根据子任务集的约束关系确定子任务集中各任务层值，具体为：

子任务集的约束关系使用有向无环图模型表示，表示为：

G＝V,E