申请/专利权人：山东理工大学

申请日：2022-04-07

公开（公告）日：2023-07-07

公开（公告）号：CN114745394B

主分类号：H04L67/1042

分类号：H04L67/1042;H04L67/1001;H04L67/125;H04L67/00;H04L45/302

优先权：

专利状态码：有效-授权

法律状态：2023.07.07#授权;2022.07.29#实质审查的生效;2022.07.12#公开

摘要：本发明涉及服务选择技术领域，具体涉及一种云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法。包括输入带有QoS属性的服务；将服务随机分布在云和边缘服务器；移动用户发出请求并上传；初始化飞蛾和火焰种群，计算最优飞蛾的位置；对最优飞蛾和火焰的位置进行迭代运算；将迭代得到的最优飞蛾的位置所对应的一组候选服务输出；迭代运算包括：对每个飞蛾和火焰的位置进行更新；计算当前迭代种群中最优飞蛾的位置Q1；通过差异进化算法在每只飞蛾周围更新其他位置Q2，将更优的位置作为当前迭代轮次输出的最优飞蛾位置。将飞蛾扑火优化算法与差异进化算法结合，可以从多个角度高效的找到全局最优解，为解决多目标优化问题提供更加可靠的保障。

主权项：1.一种云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法，其特征在于，包括：构建移动用户、边缘服务器、云服务器、无线连接和互联网组成的云和边缘环境，一台所述云服务器与多台边缘服务器互联；检索并输入网络中带有QoS属性的服务数据集到云和边缘环境；将服务随机分布在云服务器和边缘服务器；移动用户在当前位置通过物联网设备发出请求并上传至云服务器或边缘服务器；根据上传的任务初始化飞蛾和火焰种群，并计算初始飞蛾和火焰种群中最优飞蛾的位置，其中，每一个飞蛾和火焰的位置代表每个任务所选择的候选服务对应的一种解决方案；对最优飞蛾和火焰的位置进行迭代运算，直到达到最大迭代次数；将迭代得到的最优飞蛾的位置所对应的一组候选服务输出；所述迭代运算包括：利用飞蛾扑火优化算法对每个飞蛾和火焰的位置进行更新；计算当前迭代种群中最优飞蛾的位置Q1；通过差异进化算法的思想在每只飞蛾周围更新其他位置Q2，将位置Q1和位置Q2中更优的位置作为当前迭代轮次输出的最优飞蛾位置；所述最优飞蛾的位置计算包括：分别计算主观权重和客观权重并按照比例将两者结合；计算解决方案的整体QoS值，并将其作为权重适应度；将当前迭代种群中具有最高权重适应度的飞蛾作为最优飞蛾；所述分别计算主观权重和客观权重并按照比例将两者结合包括：采用序关系法计算主观权重，计算公式包括 其中，表示序数关系中第i个QoS属性的主观权重，ri表示两个属性之间的重要性关系系数，k表示QoS属性的总数；采用变异系数法计算客观权重，计算公式包括 其中，表示服务的第i个QoS属性的平均值，m是候选服务的数量，xij是候选服务中第j个服务的第i个QoS属性的值，si表示第i个QoS属性值的均方偏差，ci表示第i个QoS属性值的变化系数，表示第i个QoS属性值的客观权重，k是服务的QoS属性的总数；将主观权重和客观权重进行组合，组合公式包括 其中α是调整主客观权重的偏差因子，表示第i个QoS属性的主观权重，表示第i个QoS属性的客观权重，表示第i个QoS属性的整体QoS值；对各种属性的QoS值进行比较归一化： 其中，qmax表示当前计算属性中的最大值，qmin表示当前计算属性中的最小值，q表示当前计算属性值；服务选择解决方案的总成本由所选服务的标准化成本之和决定： 其中一个请求有n个任务，每个任务都有一个完成它的服务si，是服务si的成本；服务选择解决方案花费的总时间Tsum是由标准化请求上传时间、组合服务的标准化执行时间和标准化解决方案下载时间之和决定：Tsum＝NormTup+NormTcomp+NormTdown其中，Tup表示请求的上传时间；Tdown表示解决方案的下载时间；Tcomp表示完成任务的所有选定服务的执行时间；成本和响应时间是选择的要分析的QoS属性，代表选择服务质量的整体QoS值计算如下： 其中，Csum表示解决方案的成本，Tsum表示解决方案的总响应时间，表示成本在该实验中的主客观综合权重，表示响应时间在该实验中的主客观综合权重，OverallQoS作为解决方案的权重适应度参与计算流程；所述利用飞蛾扑火优化算法对每个飞蛾和火焰的位置进行更新包括：计算更新飞蛾或者火焰的位置Mi，包括Mi＝Di×ebt×cos2πt+Fj；计算飞蛾与火焰之间的距离，包括Di＝|Fj-Mi|；当迭代次数增加时，自适应减少火焰的数量，包括： 其中，Mi表示第i个飞蛾的位置，Di表示第i个飞蛾和第j个火焰之间的距离，b是预定义的螺旋形状的路径系数，t是[-1,1]范围内中的随机数，Fj代表第j个火焰的位置，f是迭代自适应减少的火焰的数量，l是当前迭代次数，T表示最大迭代次数，M为最大飞蛾数量，N为最大火焰数量，e是自然对数的底数。

全文数据：

权利要求：

百度查询： 山东理工大学 云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD