[发明专利]一种多目标优化的海上边缘计算卸载方法

权利要求书

1.一种多目标优化的海上边缘计算卸载方法，其特征在于，考虑船舶移动性对海上通信网络的影响，构建基于多目标优化的任务卸载协同服务系统；

所述的任务卸载协同服务系统，网络结构分为终端、边缘和云三层，以陆地数据中心为云服务器，边缘层以基站和浮台为边缘服务器ES，终端层以船舶、海军舰艇为海上移动终端MMT；边缘层和终端层通过无线链路组成海上无线Mesh网络，其中ES节点互连构成无线Mesh骨干网络，以ES为中心，通过无线链路聚合MMT节点构建边缘计算簇，连入骨干网，实现任务卸载协同；

在任务卸载协同服务系统中，ES节点根据船舶运动情况，获得边缘计算簇内的节点通信情况，基于节点通信状态，应用改进的混沌蚁群优化ICACO算法寻找最佳卸载路径，实现任务的可靠、高效卸载服务；

所述的海上边缘计算卸载方法，包括如下步骤：

1)任务卸载协同服务系统中，ES节点根据船舶运动特性，构建船舶运动模型，获得边缘计算簇内MMT节点通信情况，具体包括如下步骤：

1-1)以ES节点为原点，建立极坐标系，节点u_i在极坐标系中的极径和极角分别为ρ_i和α_i，节点u_i的位置表示为P_i(ρ_i,α_i)，当ρ_il₀时，节点u_i(i≥1)可与ES节点直接通信；

1-2)设边缘计算簇网络通信半径为l_net，船舶单位面积到达率服从密度为η的泊松点分布，n艘船舶在网络通信范围内的概率分布函数如下：

1-3)船舶运动情况下，计算船舶在极坐标中的位置和节点间距离：

设MMT节点单位时隙内的运动距离为边缘计算簇核心区域边界处存在一组静态的中继节点ES节点通过这些节点将任务多跳卸载至外围区域的MMT节点执行；假设船舶在边缘计算簇内作匀速直线运动，将系统时长分为若干个等长且较短的时隙，时隙时长为τ_slot，使船舶在单位时隙内的运动轨迹看作一条直线，设为船舶运动速度，船舶单位时隙内的运动距离为：

已知节点u_i(i≥1)τ时刻的位置为P_i(τ)＝(ρ_i(τ),α_i(τ))，并以的q概率性选择改变运动速度方向，速度极角变化值为Δβ_i，则节点的速度极角值β_i(τ)为：

根据余弦定理和平面向量的坐标运算，节点u_i在τ+1时刻的位置计算如下：

由于上式计算得到α_i(τ+1)值的值域为更新极角值a_i(τ+1)为：

其中，节点运动距离|P_i(τ)P_i(τ+1)|为：

边缘计算簇中，各节点间的距离公式如下：

1-4)根据船舶在极坐标系中的位置及运动情况，计算边缘计算组通信矩阵：

以χ_i表示节点合作性，若χ_i＝1，则节点为合作节点，若χ_i＝0，则节点为非合作节点，其表达式如下：

以任务卸载源节点u_i为参照物，确定该节点与簇中其它节点的通信情况，当u_j(j≥1)节点驶离节点u_i的通信范围，两点间的通信被中断；若i＝0，则否则结合MMT节点合作性，节点间的连通概率g_i,j(τ)计算如下：

因此，边缘计算簇的通信矩阵可表示为G(τ)＝(g_i,j(τ))_(n+1)×n；

2)根据任务需求和网络环境，构建卸载开销模型和卸载路径信任模型，具体如下：

2-1)根据任务需求特征和海上通信信道特性，构建卸载开销模型：

多径衰落是任务传输过程中通信中断的主要原因，其三射线模型主要包括视线传播、镜面反射和漫反射；漫反射路径和镜面反射路径的功率比服从高斯分布，海浪表面越“粗糙”，则漫反射强度越大；

将漫反射划分为若干个以海浪浪波为单位计算得到的漫反射，由此，三线模型路径损耗计算如下：

其中，l_surf表示相邻海浪波峰之间的距离，表示漫反射路径和镜面反射路径的功率比；

根据香农定理，节点u_i卸载任务至节点u_j的传输速率计算如下：

其中，γ_i,j表示服从莱斯分布的初始信号强度，表示传输功率，b表示信道带宽，p_noi表示信道噪声功率；因此，节点u_i卸载任务r_k至节点u_j的延迟和能耗计算如下：

节点u_i执行任务r_k的延迟和能耗计算如下：

其中f_i表示节点计算能力，k表示执行能耗系数；

利用边缘计算簇中，MMT节点资源负载率的均方误差(Mean Square Error,MSE)来衡量网络资源负载均衡性，均方误差越小，说明资源负载均衡性越好；设任务执行后的资源负载率为得到任务执行后的均方误差

2-2)根据MMT节点任务执行情况和节点间任务传输情况，构建卸载路径信任模型；具体建模过程如下：

2-2-1)基于MMT节点任务执行情况，利用节点执行成功率，计算节点信任如下：

其中表示节点u_i在第s观察期的任务执行成功率，表示节点初始信任值μ₁表示历史信任权重值，其受节点执行任务数的影响，表达式如下：

其中表示节点任务执行次数，σ₄表示权重值μ₁的调整系数；

2-2-2)基于MMT节点间任务传输情况，计算节点间信道传输信任如下：

设观察期s内，u_i卸载到u_j的任务总数为丢失的任务数为计算该信道的任务通过率：

设置信道通过率的最低标准和最佳标准得到信道传输信任为：

3)将卸载路径寻优问题转化为卸载收益最大化问题，应用ICACO算法搜寻最佳卸载路径，具体包括如下步骤：

3-1)将传输开销和执行开销转化为收益函数，收益值和计算表达式如下：

其中σ₁₁和σ₁₂表示传输延迟和能耗的调整系数，σ₂₁和σ₂₂表示执行延迟和能耗的调整系数，和表示延迟和能耗的权重系数；

将通过卸载路径卸载并执行任务r_k产生的开销转化为收益函数

将资源负载率的均方误差转为收益函数，得到收益值为：

其中σ₃表示资源均衡性调整系数；

设置任务最大转发次数l_max和路径信任衰减系数计算任务r_k在u_i→u_j上的传输收益

其中l_i表示支路u_i→u_j在卸载路径中的位置，当时i＝j，节点u_i选择执行任务，此时不存在传输开销，传输收益

结合式(16)、(21)和(24)，计算任务r_k在节点u_i上的执行收益：

其中w₁、w₂和w₃表示收益值和的权重系数，表示该参数优化的重要程度；则卸载收益最大化问题表述为：

3-2)应用ICACO算法求解卸载收益最大化问题：

ICACO算法中，信息素计算如下：

其中表示蚂蚁m的混沌扰动因子，M表示蚂蚁数，ν表示信息素挥发系数；

在寻找卸载路径以最大化卸载收益的情况下，节点u_i选择u_i→u_j的路径转移概率公式如下：

其中θ₁0和θ₂1为启发式常数，控制信息素浓度和卸载收益对路径选择的影响程度；

4)ES节点根据卸载路径向目标节点卸载任务；

5)将任务执行结果回传，更新网络节点特征信息；根据任务执行情况，更新节点信任值；根据卸载路径各支路的信道传输情况，更新其传输信任值。