[发明专利]一种基于改进粒子群算法的雾计算任务卸载时延优化方法

说明书

本发明公开了一种基于改进粒子群算法的雾计算任务卸载时延优化方法，雾计算系统包括任务卸载的终端节点和接受任务处理的雾节点，其中一个终端节点会将任务卸载给多个进行任务处理的雾节点。本发明方法首先初始化系统参数和初始种群，并设定每个粒子的速度和位置；然后以最小化系统的卸载时延为目标，以每个粒子对应的卸载时延数值为粒子群算法的适应度函数值；再迭代计算每个粒子的个体最优值和整个群体的全局最优值，对粒子的速度和位置进行进化，并进行边界条件处理；最后当进化代数迭代到满足终止条件后算法停止，获得任务卸载的最佳卸载时延。本发明在满足用户服务质量的前提下能有效降低任务卸载时延，提高系统雾计算任务卸载的效率。

技术领域

本发明涉及雾计算任务卸载领域，具体涉及一种基于改进粒子群算法（IPSO）的雾计算任务卸载时延优化方法。

背景技术

随着通信技术的迅猛发展，以网络化为特征的全球信息化时代已经逐渐开始。由于第五代移动通信技术（5G）的成熟发展和5G基站部署的全面展开，智慧城市，智能家居，智能车路系统、无人驾驶等新型应用不断产生。越来越多的移动设备和物联网设备的接入必然使得数据流量呈现出爆发式增长的态势。因此，为了满足日益增长的全球用户和用户设备对数据流量的巨大需求，新的网络技术层出不穷。云计算技术的发展应运而生，在云计算架构中，所有的网络资源的计算和处理安放在云数据中心。由于单一的终端设备处理资源有限，通过云计算架构，终端设备的任务经过通信链路也可卸载到云数据中心进行处理。然而，云处理技术的发展也存在诸多问题。首先，云数据中心的聚合度很高且通常距离终端用户很远，任务卸载到云数据中心计算过程势必会带来较高的网络延迟。其次，越来越多的终端设备将产生的各种数据任务上传到云端，使得终端设备到云计算中心的传输链路产生拥塞。为了解决云计算在互联网络中关于低时延和数据量巨大等方面的不足，雾计算网络架构应运而生。雾计算网络没有像云计算那样具有网络中心的特点，而是采用分布计算的架构，其位于云数据中心和物联网终端设备的中间层，同样可以提供计算、缓存、通信和控制等能力。

但雾计算的引入也带来了一系列的挑战，终端设备所产生的任务量可能较大，分发给较少的雾节点进行计算会带来较大的时延。因此，我们需要设计合理的任务卸载时延优化算法，在满足用户服务质量的前提下有效的进行任务卸载。

发明内容

发明目的：本发明目的是针对雾计算网络任务卸载问题，提供一种基于改进 粒子群算法的雾计算任务卸载时延优化方法，高效地优化任务卸载过程，减少时 延，提高雾计算网络的计算能力。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种基于改进粒子群算法的雾计算任务卸载时延优化方法，雾计算系统包括 任务卸载的终端节点和接受任务处理的雾节点，一个终端节点会将任务卸载给多 个进行任务处理的雾节点，所述方法包括以下步骤：

(1)初始化系统参数，包括信噪比阈值、雾节点数量、任务总量、雾节点 CPU周期和频率以及计算能力系数，发射功率阈值，发射总功率，信道带宽， 噪声功率，路径损耗因子，以及终端节点与雾节点的距离；

(2)随机产生一个规模为P行N列大小的二维数组作为初始种群，并限定 初始种群中每个粒子的位置和速度；其中P为种群中粒子个数，N为雾节点数量；

(3)以最小化系统的卸载时延为目标，以每个粒子对应的卸载时延数值， 作为粒子群算法的适应度函数值；

(4)计算每个粒子的个体最优值和整个群体的全局最优值；对每个粒子j， 用它的适应度函数值fit(j)和个体最优值p_best(j)比较，如果fit(j)p_best(j),则用 fit(j)替换p_best(j)；此外，用每个粒子的适应度函数值fit(j)和全局最优值g_best比 较，如果fit(j)g_best，则用fit(j)替换g_best；