[发明专利]一种基于K-shell影响力最大化计算迁移优化方法

说明书

本发明公开了一种基于K‑shell影响力最大化计算迁移优化方法，该方法以时延与能耗联合最小化为目标，将移动终端的计算迁移资源路径优化问题转化为社会网络影响力最大化问题求解，转化后的影响力最大化问题考虑边缘服务器ES在网络所处位置与自身属性，通过K‑shell方法进行分等级处理，有效减少ES路径搜索消耗成本，并结合贪心与启发式算法的思想提出K‑shell影响力最大化计算迁移算法Ks‑IMCO。实验表明，Ks‑IMCO算法对比RA与PSwH算法的能耗、延迟明显提升，能有效提高边缘计算网络计算迁移的效率。

技术领域

本发明涉及移动边缘计算技术领域，具体是边缘计算中的一种基于K-shell影响力最大化计算迁移优化方法。

背景技术

随着通信技术与智能终端设备的快速发展和应用普及，流式服务已成为移动网络承载的重要业务之一，对智能终端设备性能提出了更高的要求。受计算能力、存储容量、电池能耗、设计美观等限制，使移动智能设备(Mobile Smart Device，MSD)无法完成资源需求大、计算任务重的密集型任务。为解决该问题，资源丰富的云计算模型作为有效方案之一应运而生，并由此已演化出雾计算、边缘计算等先进的计算模式。5G技术的日渐成熟和应用推广，使得无线移动网络承载数据和业务量将以线性增长，流式多元化网络业务和服务的快速增长必将导致网络拥塞、数据丢失等问题，传统的云计算已无法满足终端对高带宽、低时延和实时性的需求。

为了解决云计算的不足，新出现的网络计算模式在终端用户附近提供计算资源，并根据应用需求将数据就近处理，如透明计算、cloudlet、边缘计算、雾计算[4]和移动边缘计算等。cloudlet和雾计算的计算能力未集成到移动网络中，导致服务质量降低。移动边缘计算较其他计算模式更侧重于无线接入网络，具有低时延、低能耗等优点。2014年，欧洲电信标准协会(ETSI)提出移动边缘计算(Mobile Edge Computing，MEC)，基本思想：将延迟敏感的应用程序迁移到距离较近的边缘服务器(Edge Server，ES)进行计算与存储，有效降低传输时延。2016年，ETSI把MEC的概念扩展为“多接入边缘计算”(Multi-access EdgeComputing，MEC)，将移动边缘计算从电信蜂窝网络进一步延伸至其他无线接入网络(如WiFi)。其中，计算迁移是MEC研究的关键问题之一。终端根据实际应用场景指定不同的卸载策略时需考虑何时迁移、在何处迁移、如何迁移、迁移哪部分等，最终达到能耗与系统性能的平衡，提升用户的服务质量和体验质量。

针对移动终端资源受限这一课题，MEC近年在计算机科学领域得到广泛研究，计算迁移技术的发展，为解决终端资源受限这一问题引入了新的方法。计算迁移可以实现将计算体迁移到其他资源丰富的终端上运行、跨终端任务同步、移动设备资源共享等应用目标。

综上所述，现有技术主要存在以下问题：关于MEC资源划分的研究主要集中在算法设计上，同时大部分都只涉及了单用户MEC，对多用户MEC的计算迁移路径缺乏研究。并且大多数都是仅考虑了计算延迟，或者是仅考虑终端能耗，没有把延迟和能耗联合考虑，无法达到全局最优，并不能有效解决移动终端资源受限的问题。

发明内容

本发明的目的在于克服上述现有技术的不足，而提供一种基于K-shell影响力最大化计算迁移优化方法，该方法通过将MEC计算迁移路径选择转化为社会网络中影响力最大化求解问题，构建计算迁移路径优化选择算法，转化后的影响力最大化问题充分考虑ES在网络拓扑结构中所处位置与自身属性，对不同ES通过K-shell方法进行分等级处理，有效减少ES路径搜索消耗成本，其核心思想是将ES类比为社会网络节点，通过K-shell方法定义ES路径影响力，结合贪心与启发式算法的思想提出K-shell影响力最大化计算迁移(K-shell Influence Maximization Computation Offloading，Ks-IMCO)算法，从而有效降低能耗与时延，提高用户体验质量。

实现本发明目的的技术方案是：