物联网环境中优化资源分配的方法、设备和介质与流程

1.本发明涉及物联网通信技术领域，特别涉及一种基于分散计算资源的物联网环境中改进二进制鲸鱼优化资源分配方法、设备和介质。


背景技术：

2.随着接入网络和产生数据的设备越来越多，云计算的集中处理和远距离传输往往会导致网络拥塞和反馈不及时，难以满足时代性要求。在这种情况下，减少核心网络上的操作负担和提高实时响应能力的常见做法是以合理的方式将计算任务卸载到网络边缘。然而，当存在大量突发和紧急任务请求时，由于边缘服务器的计算能力、可扩展性和运营成本的限制，边缘计算的优势将不再突出。在这一点上，网络常常拥挤到不堪重负的地步，大量紧急任务和有限资源之间的冲突尤为明显。针对这一局限性，研究了如何优化边缘设备之间的数据分发和协作，以减少边缘服务器的计算负担。然而，这些优化方法严重依赖于良好的网络环境，因此在动态变化的网络环境或没有足够网络连通性的偏远地区无法达到理想的性能。为此，近年来基于神经网络的智能卸载策略被广泛提出，以适应动态网络环境。这些建议可以极大地提高动态网络中的连接性能，但这些方法强烈依赖于计算服务器的广泛部署，不适合稀疏分布的网络环境。随着云计算和边缘计算的相应缺点越来越明显，分散计算逐渐成为一种有效的解决方案。
3.在分散计算中，大量的物联网移动设备为解决计算供需矛盾提供了有效的机会资源。在这种新的计算范式中，分散在网络空间位置的大量设备所提供的丰富资源可以得到合理利用，从而避免了传统边缘或数据中心资源的限制。分散计算被定义为一种完全分散和高效的移动组织架构，它以协作和共享的方式利用不同的硬件位置和灵活的空闲资源分配，以提高任务执行效率和整体保证。在分散计算系统中，相关的网络设备(例如，服务器、便携式云、笔记本电脑、智能手机)可以从基本传输节点扩展到可用于任务卸载的网络计算点(ncp)。这些ncp通常通过异构有线或无线通道覆盖网络链路连接，连接自由度高，没有中心机制。同时，许多任务卸载和资源分配技术被吸引到分散计算范式中，为复杂网络环境提供了很好的计算能力。
4.在分散计算环境下，网络化的计算点(ncp)允许相邻的物联网节点共享计算资源，以完成其相关的计算任务，从而提高计算资源的利用率和整个网络的整体任务完成效率。但在此过程中，如果共享计算资源分配不合理，当所有节点都连接到ncp共享计算资源时，计算任务将无法完成。


技术实现要素：

5.本发明针对现有技术的缺陷，提供了一种物联网环境中优化资源分配的方法、设备和介质。
6.为了实现以上发明目的，本发明采取的技术方案如下：
7.一种物联网环境中优化资源分配的方法，包括以下步骤：
8.s1：假设有m个网络计算点ncps，ncps是ncp的复数，用集合s1：假设有m个网络计算点ncps，ncps是ncp的复数，用集合和n个物联网节点，表示为集合
9.s2：建立ncps生成任务的计算模型；
10.计算ncps生成任务所需的时间；
11.计算ncp生成的任务所需的能量；
12.s3：建立物联网节点生成任务的计算模型；
13.计算物联网节点与ncps之间存在的传输延迟；
14.计算物联网节点生成的计算任务的时间延迟；
15.计算iot节点生成的任务所消耗的能量；
16.s4：对于每个ncp，其目标是在有限的能量消耗下，在最短的时间内完成所有任务，将目标公式化；
17.s5：建立改进的二进制鲸优化算法(ibwoa)来完成资源分配决策，ibwoa目标是最小化s4的公式给出的目标。
18.s6：部署惩罚函数，控制每个iot节点在一个ncp上卸载，从而达到卸载决策的目的。
19.进一步地，s2中假设ncpj生成的任务用集合表示。
20.其中为ncp自身生成所需的计算任务，为所需计算资源，j的含义是ncps中的第j个ncp，则完成ncps生成的计算任务所需的时间为:
[0021][0022]
其中，f代表计算频率；
[0023]
计算ncp生成的任务所需的能量为:
[0024][0025]
其中εj为与计算相关的ncp j的单位能耗。
[0026]
进一步地，s3中假设物联网节点i生成的任务由集合给出，其中为物联网节点生成的所需计算任务，为所需计算资源。物联网节点需要将所需任务的数据传输给ncps，则物联网节点与ncps之间存在传输延迟，表示为:
[0027][0028]
其中为物联网节点i与网络控制节点j之间的传输速率，α
i,j
代表权重因子，代表计算节点j为网络节点i的计算任务。
[0029]
数据传输到网络控制节点后，由网络控制节点进行任务计算。则计算物联网节点生成的计算任务的时间延迟如下:
[0030][0031]
计算iot节点生成的任务所消耗的能量为:
[0032][0033]
进一步地，s4中目标公式化如下：
[0034][0035]
进一步地，s5中利用传递函数强制搜索代理的位置在二进制空间中变换；
[0036]
所述传递函数定义为：
[0037][0038]
对目标公式进行转化使用适应度函数:
[0039][0040]
μ＝102是一个惩罚系数。
[0041]
进一步地，s6中惩罚函数pi(x)的约束条件如下：
[0042][0043][0044][0045][0046][0047]
其中δi表示卸载到一个ncp的节点的极限数量，δj＝1。
[0048]
本发明还公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述一种物联网环境中优化资源分配的方法。
[0049]
本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述一种物联网环境中优化资源分配的方法。
[0050]
与现有技术相比，本发明的优点在于：
[0051]
提高任务执行效率和整体保证，为复杂网络环境提供了很好的计算能力，解决存在离散或二元变量值的问题。为有效地探索全局解决方案，提高了woa的精度和可靠性。能够处理分散计算场景下的复杂问题，并使目标最小化。
附图说明
[0052]
图1是本发明实施例ibwoa的伪代码图。
具体实施方式
[0053]
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
[0054]
(一)系统模型
[0055]
本实施例考虑一个基于分布式计算的物联网环境，其中包含分布式物联网节点。假设有m个网络计算点(ncps)，用集合和n个物联网节点，表示为集合对于多个ncp来说，它们可能会定期生成一些计算任务，生成的个任务需要自己完成。与此同时，物联网节点将产生一些需要ncps解决的计算任务。一般情况下，物联网节点产生的计算任务是独立且不可分割的。
[0056]
(1)ncps生成任务的计算模型
[0057]
假设ncpj生成的任务用集合表示。其中为ncp自身生成所需的计算任务，为所需计算资源，则完成ncps生成的计算任务所需的时间为:
[0058][0059]
计算ncp生成的任务所需的能量为:
[0060][0061]
其中εj为与计算相关的ncpj的单位能耗。
[0062]
(2)物联网节点生成任务的计算模型
[0063]
假设物联网节点i生成的任务由集合给出，其中为物联网节点生成的所需计算任务，为所需计算资源。物联网节点需要将所需任务的数据传输给ncps，则物联网节点与ncps之间存在传输延迟，可以表示为:
[0064][0065]
其中为物联网节点i与网络控制节点j之间的传输速率。数据传输到网络控制节点后，由网络控制节点进行任务计算。则计算物联网节点生成的计算任务的时间延迟如下:
[0066][0067]
计算iot节点生成的任务所消耗的能量为:
[0068][0069]
(3)问题公式化
[0070]
对于每个ncp，其目标是在有限的能量消耗下，在最短的时间内完成所有任务，其目标为：
[0071][0072]
(二)算法设计
[0073]
本实施例研究了一种改进的二进制鲸优化算法(improved binary whaleoptimization algorithm,ibwoa)来完成资源分配决策，其目标是最小化式(1)给出的目标。
[0074]
(1)二进制优化算法
[0075]
二进制鲸鱼优化算法(binary whale optimization algorithm,bwoa)旨在解决存在离散或二元变量值的问题。为有效地探索全局解决方案，提高了woa的精度和可靠性。由于bwoa所表现出的良好性能，本实施例可以将其应用于处理分散计算场景下的复杂问题，并使目标最小化。在求解优化问题的过程中，利用传递函数强制搜索代理的位置在二进制空间中变换，使得这些元素只能得到离散解。本实施例中算法利用的传递函数定义为：
[0076][0077]
根据系统模型，本实施例给出如下适应度函数:
[0078][0079]
注意，μ＝102是一个惩罚系数，惩罚函数p(x)表示系统模型中提出的这些约束。
[0080][0081]
[0082][0083][0084][0085][0086]
其中δi表示卸载到一个ncp的节点的极限数量，δj＝1。
[0087]
算法设计的关键步骤是部署惩罚函数，控制每个iot节点在一个ncp上卸载，从而达到卸载决策的目的。同时，在满足上述约束条件的情况下，有限ncp可以携带一定数量的节点。
[0088]
(2)复杂性分析
[0089]
根据woa的流程，算法的鲸鱼种群为n，搜索代理的维数为m，在每次迭代中，更新位置的复杂度为o(nm)，算法在有限的迭代次数内收敛，因此woa算法的复杂度为o(tnm)，其中t表示最大迭代次数。bwoa的步骤与woa大致相同，因此其计算复杂度为o(tnm)。
[0090]
本实施例提出的ibwoa算法在改进过程中不增加新的计算量，但需要考虑约束条件。假设等式约束和不等式约束分别为x和y，等式约束和不等式函数的处理时间约束分别为o(nx)和o(ny)。为了解决约束优化问题，ibwoa的计算复杂度为0(tn(x+y+m))。ibwoa的伪代码如图1所示。
[0091]
(3)数值评估
[0092]
本实施例进行了数值模拟来验证所提出的分析并评估本实施例的方案的性能。得出结论：本实施例提出的启发式算法ibwoa在最终结果、收敛速度和稳定性方面都优于ran和bpso算法。
[0093]
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integratedcircuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种物联网环境中优化资源分配的方法的操作，包括以
下步骤：
[0094]
s1：假设有m个网络计算点ncps，ncps是ncp的复数，用集合s1：假设有m个网络计算点ncps，ncps是ncp的复数，用集合和n个物联网节点，表示为集合
[0095]
s2：建立ncps生成任务的计算模型；
[0096]
计算ncps生成任务所需的时间；
[0097]
计算ncp生成的任务所需的能量；
[0098]
s3：建立物联网节点生成任务的计算模型；
[0099]
计算物联网节点与ncps之间存在的传输延迟；
[0100]
计算物联网节点生成的计算任务的时间延迟；
[0101]
计算iot节点生成的任务所消耗的能量；
[0102]
s4：对于每个ncp，其目标是在有限的能量消耗下，在最短的时间内完成所有任务，将目标公式化；
[0103]
s5：建立改进的二进制鲸优化算法(ibwoa)来完成资源分配决策，ibwoa目标是最小化s4的公式给出的目标。
[0104]
s6：部署惩罚函数，控制每个iot节点在一个ncp上卸载，从而达到卸载决策的目的。
[0105]
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0106]
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关一种物联网环境中优化资源分配的方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
[0107]
s1：假设有m个网络计算点ncps，ncps是ncp的复数，用集合s1：假设有m个网络计算点ncps，ncps是ncp的复数，用集合和n个物联网节点，表示为集合
[0108]
s2：建立ncps生成任务的计算模型；
[0109]
计算ncps生成任务所需的时间；
[0110]
计算ncp生成的任务所需的能量；
[0111]
s3：建立物联网节点生成任务的计算模型；
[0112]
计算物联网节点与ncps之间存在的传输延迟；
[0113]
计算物联网节点生成的计算任务的时间延迟；
[0114]
计算iot节点生成的任务所消耗的能量；
[0115]
s4：对于每个ncp，其目标是在有限的能量消耗下，在最短的时间内完成所有任务，将目标公式化；
[0116]
s5：建立改进的二进制鲸优化算法(ibwoa)来完成资源分配决策，ibwoa目标是最小化s4的公式给出的目标。
[0117]
s6：部署惩罚函数，控制每个iot节点在一个ncp上卸载，从而达到卸载决策的目的。
[0118]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0119]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品可由计算机程序指令实现。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现指定的功能的装置。
[0120]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现指定的功能。
[0121]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现指定的功能的步骤。
[0122]
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

技术特征：
1.一种物联网环境中优化资源分配的方法，其特征在于，包括以下步骤：s1：假设有m个网络计算点ncps，ncps是ncp的复数，用集合s1：假设有m个网络计算点ncps，ncps是ncp的复数，用集合和n个物联网节点，表示为集合s2：建立ncps生成任务的计算模型；计算ncps生成任务所需的时间；计算ncp生成的任务所需的能量；s3：建立物联网节点生成任务的计算模型；计算物联网节点与ncps之间存在的传输延迟；计算物联网节点生成的计算任务的时间延迟；计算iot节点生成的任务所消耗的能量；s4：对于每个ncp，其目标是在有限的能量消耗下，在最短的时间内完成所有任务，将目标公式化；s5：建立改进的二进制鲸优化算法(ibwoa)来完成资源分配决策，ibwoa目标是最小化s4的公式给出的目标；s6：部署惩罚函数，控制每个iot节点在一个ncp上卸载，从而达到卸载决策的目的。2.根据权利要求1所述的一种物联网环境中优化资源分配的方法，其特征在于：s2中假设ncpj生成的任务用集合表示；其中为ncp自身生成所需的计算任务，为所需计算资源，j的含义是ncps中的第j个ncp，则完成ncps生成的计算任务所需的时间为:其中，f代表计算频率；计算ncp生成的任务所需的能量为:其中ε
j
为与计算相关的ncp j的单位能耗。3.根据权利要求2所述的一种物联网环境中优化资源分配的方法，其特征在于：s3中假设物联网节点i生成的任务由集合给出，其中为物联网节点生成的所需计算任务，为所需计算资源；物联网节点需要将所需任务的数据传输给ncps，则物联网节点与ncps之间存在传输延迟，表示为:其中为物联网节点i与网络控制节点j之间的传输速率，α
i,j
代表权重因子，代表计算节点j为网络节点i的计算任务；
数据传输到网络控制节点后，由网络控制节点进行任务计算；则计算物联网节点生成的计算任务的时间延迟如下:计算iot节点生成的任务所消耗的能量为:4.根据权利要求3所述的一种物联网环境中优化资源分配的方法，其特征在于：s4中目标公式化如下：5.根据权利要求4所述的一种物联网环境中优化资源分配的方法，其特征在于：s5中利用传递函数强制搜索代理的位置在二进制空间中变换；所述传递函数定义为：对目标公式进行转化使用适应度函数:μ＝102是一个惩罚系数。6.根据权利要求5所述的一种物联网环境中优化资源分配的方法，其特征在于：s6中惩罚函数p
i
(x)的约束条件如下：(x)的约束条件如下：(x)的约束条件如下：(x)的约束条件如下：(x)的约束条件如下：
其中δ
i
表示卸载到一个ncp的节点的极限数量，δ
j
＝1。7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现权利要求1至6其中一项所述的一种物联网环境中优化资源分配的方法。8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1至6其中一项一种物联网环境中优化资源分配的方法。

技术总结
本发明公开了一种物联网环境中优化资源分配的方法、设备和介质，包括：建立NCPs生成任务的计算模型；建立物联网节点生成任务的计算模型；针对分散计算环境建立了时间最小化的资源分配模型，采用节点间选择对并满足设备能量约束。提出了一种启发式算法，即改进二进制鲸鱼优化算法(IBWOA)来解决问题。部署惩罚函数，从而达到卸载决策的目的。本发明的优点是：具有更好的结果、收敛速度和稳定性。收敛速度和稳定性。收敛速度和稳定性。


技术研发人员：贾文雯 林瑞杰
受保护的技术使用者：贾文雯
技术研发日：2023.05.12
技术公布日：2023/8/13