[发明专利]一种基于人工免疫与贪婪混合算法的雾设备节点部署方法

说明书

本发明公开一种基于人工免疫与贪婪混合算法的雾设备节点部署方法，用来解决传统人工免疫算法产生的解空间大而导致寻找可行解困难的问题，该算法将雾设备节点部署问题分解为两个子问题求解，利用人工免疫算法求解雾设备节点集合，利用贪婪算法求解传感器节点与雾设备节点的连接，本发明提出的方法面向工业应用的实际需求，在部署雾设备节点时考虑了连接数、容量和延时。

技术领域

本发明属于网络优化技术领域，涉及一种基于人工免疫与贪婪混合算法的雾设备节点部署方法。

背景技术

雾计算在底层网络和互联网附近提供计算和存储服务，能够很好解决延迟敏感应用的迅速响应问题以及带宽消耗问题。雾计算主要由传感器节点、雾设备节点和云服务组成。在雾计算模型中，如何将传感器节点分配到某一雾设备节点中是一个重要问题，合理的分配方式对于延时敏感性的传感器节点任务是至关重要的。同时，为了处理大量的传感器节点任务，必须有效利用雾设备节点的计算、存储和位置资源。

为了在所有可选择的雾设备节点中找到最优的部署图，可以从以下三个方向进行讨论：(1)随机选择原则：根据此条原则，雾设备节点的选择具有统一性和随机性，不考虑额外的因素和属性；(2)最低时延原则：针对当前的传感器节点任务需求，为其提供接入总时延最低的雾设备节点进行服务；(3)最大可用容量原则：为传感器节点提供剩余资源最大的雾设备节点。根据研究结果表明，经过大量研究随机选择原则和最大可用容量原则会带来相近的网络拥塞率，基于最低时延原则设计的雾节点接入系统通常网络性能较好。与其它两种策略相比，最低时延原则中的雾设备节点完成计算的时间更短，因此该雾设备节点在一定时间内，可以接入更多的计算任务请求，从而降低网络阻塞概率。基于延时、连接数以及带宽等约束的部署问题在数学上是NP难的非线性优化问题，由于延时约束引入的多约束条件也使得解此类优化问题的复杂度大大增加。

发明内容

本发明所要解决的技术问题是针对工业应用的雾设备节点部署时，由于延时、连接数以及带宽等约束的存在，使得解此类优化问题的复杂度大大增加，提供一种基于人工免疫与贪婪混合算法的雾设备节点部署方法。

技术方案：一种基于人工免疫与贪婪混合算法的雾设备节点部署方法，包括以下步骤：

步骤1：根据距离最短与满足约束两个方向，利用贪婪算法分配传感器节点与雾设备节点的连接关系；

步骤2：采用人工免疫算法，将适应度函数值作为抗原，将雾设备节点作为抗体，根据传感器节点与雾设备节点的连接关系，计算抗原与抗体的亲和度值；

步骤3：计算种群中抗体与抗体之间的亲和度；

步骤4：根据抗原与抗体的亲和度值和抗体与抗体之间的亲和度，计算抗体在种群中的期望繁殖概率；

步骤5：选取r个最高抗原与抗体亲和度以及s个最高的抗体与抗体亲和度组成Y个最优抗体；

步骤6：选取Z₁-Y个执行交叉、变异免疫操作，得到经过免疫操作的抗体，其中，Z₁表示种群总数；

步骤7：将步骤5中的最优抗体与步骤6中经过免疫操作的抗体组成新的种群；

步骤8：重复执行步骤1至7，直至适应度值优化幅度小于设定范围，则结束迭代，得到雾设备节点部署方案。

进一步的，所述步骤1具体包括以下子步骤：

S210：初始m＝1；

S220：将传感器节点m到p个雾设备节点的距离按照从小到大进行排序，设置标志位Flag_limit＝0，Flag_capacity＝0，Flag_delay＝0，选取距离最短的雾设备节点n；

S230：判断计算雾设备节点n剩余连接数是否大于0，若大于则Flag_limit＝1，若小于等于则Flag_limit＝0；