申请/专利权人：华东交通大学

申请日：2024-04-12

公开（公告）日：2024-06-21

公开（公告）号：CN118042495B

主分类号：H04W24/02

分类号：H04W24/02;H04W24/06;H04W28/06;H04W28/084;G06N3/006;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明公开了超密集网络中加压安全计算卸载与资源优化方法，该方法包括：获取超密集网络的网络基础信息，根据网络基础信息构建网络系统，并在网络系统的约束下构建优化问题；根据优化问题得到初始解，并将初始解定义为父代种群，采用改进的自适应遗传水波算法对父代种群进行搜索，最后输出全局最优水波的位置；根据全局最优水波的位置执行联合数据压缩及安全的多任务多步计算卸载与资源优化配置，满足延迟约束和安全成本漏洞，实现最小化全网能耗的目标。

主权项：1.超密集网络中加压安全计算卸载与资源优化方法，其特征在于，包括：步骤S1：获取超密集网络的网络基础信息，根据网络基础信息构建网络系统，网络系统包括通信模型、计算模型、数据压缩模型及安全模型，并在时延及安全成本约束下构建优化问题，优化问题为全网总能耗最小化问题；步骤S2：根据优化问题得到初始解，并将初始解定义为父代种群，采用自适应遗传水波优化算法对父代种群进行搜索，最后输出全局最优水波的位置，即求得全网总能耗的最小的解；自适应遗传水波优化算法对父代种群进行搜索的过程包括：初始化种群及确定历史最佳水波；采用改进的传播操作对种群进行粗粒度搜索，根据传播操作生成的新水波是否优于原水波，更新水波的波高；若传播生成的新水波优于历史最佳水波，对该新水波执行改进的碎浪操作；当水波的波高降至零时，对水波执行折射操作进行细粒度搜索；步骤S3：根据全局最优水波的位置执行联合数据压缩及安全的计算卸载与资源优化配置；所述步骤S1的优化问题为： ；其中，，表示频带划分因子；表示小基站分簇数量；表示用户发射功率集合，，表示用户的发射功率，表示用户的索引集合；表示卸载决策的索引集合，，表示用户与基站的关联索引，表示用户与基站相关联，否则，表示基站的索引集合，表示小基站的索引集合，表示宏基站的索引；表示安全决策的索引集合，，表示用户的任务与加密算法的选择决策，表示用户的任务选择加密算法，否则，表示用户任务的索引集合，表示加密算法的索引集合；和表示压缩比率集合，，表示用户的任务的卸载部分从用户到基站的压缩比率，定义为原始数据量与压缩数据量的比值，，表示用户的任务的卸载部分从小基站到宏基站的压缩比率；表示子信道选择的索引集合，，表示用户与子信道之间的关联索引，表示用户选择子信道，否则，表示子信道的索引集合；和表示卸载任务量的集合，，表示在经过压缩和加密后用户的任务卸载到基站的任务量，即二步卸载中第一步卸载的任务量，，表示在经过压缩和加密后基站卸载至宏基站的任务量，即第二步卸载的任务量；表示全网总能耗，即所有用户和基站在全部卸载过程的能耗之和，表示用户在完成其卸载过程中产生的系统能耗，表示无限趋近于的常数，表示无限趋近于的常数；表示用户的任务处理时间不能超过其截止时间，表示用户的安全漏洞成本不能超过其最大可接受成本，安全漏洞成本指安全加密算法不能有效保证任务传输安全时产生的成本，表示用户关联指示只能取值0或1，表示一个用户只能与一个基站相关联，表示安全加密算法选择指示只能取值0或1，表示用户的任务只能选择一种安全加密算法，表示子信道选择指示只能取值0或1，表示用户只能与一个子信道相关联，给出了频带划分因子的下限和上限，给出小基站分簇数量的下限和上限，表示小基站不进行分簇，表示每个小基站形成一个簇，给出发射功率的下限和上限，给出的下限和上限，给出的下限和上限，表示卸载任务量和大于，但小于，同时必须小于；所述步骤S2包括以下子步骤：步骤S21：初始化自适应遗传水波算法的最大迭代次数，并将当前迭代次数设置为1；步骤S22：单个水波，水波种群,包括个水波，每个水波的高度为，用于控制算法流程，其初始值取常数；对每个水波进行编码，将优化参量、、、、、、、、、分别编码为、、、、、、、、、；其中表示水波中的频带划分因子，表示水波中的小基站分簇数量，发射功率编码集，表示水波中用户的发射功率；关联索引编码集，表示水波中用户关联的基站索引；安全加密算法选择编码集，表示水波中虚拟用户选择的加密算法索引，虚拟用户即用户的每个任务，因为各个任务相互独立，为了方便表示可以将任务看作一个虚拟的用户，表示虚拟用户的索引集合，表示用户数量，表示每个用户的任务数量；用户端压缩比率编码集，表示水波中虚拟用户使用的压缩比率；小基站端压缩比率编码集，表示水波中与虚拟用户相关联的小基站使用的压缩比率；子信道选择编码集，表示水波中用户选择的子信道索引；用户卸载任务量编码集，表示水波中从虚拟用户卸载到其关联基站的任务数据量；小基站卸载任务量编码集，表示从与虚拟用户关联的小基站卸载到宏基站的任务数据量；步骤S23：根据以下公式，初始化种群： ，其中，表示水波中的频带划分因子初始值，表示水波中的小基站分簇数量初始值，表示水波中用户关联的基站索引初始值，表示水波中虚拟用户选择的加密算法索引初始值，表示水波中用户的发射功率初始值，表示水波中虚拟用户使用的压缩比率初始值，表示水波中与虚拟用户相关联的小基站使用的压缩比率初始值，表示水波中用户选择的子信道索引初始值，表示水波中从虚拟用户卸载到其关联基站的任务数据量初始值，表示从与虚拟用户关联的小基站卸载到宏基站的任务数据量初始值，返回对应线性索引的矩阵的行下标和列下标，表示从集合中随机输出一个元素，生成一个介于和之间的随机数；并根据以下公式构建水波种群中水波的适应度函数： ，其中，，表示水波的适应度函数值，表示全网总能耗，表示用户的时延约束的惩罚因子，表示用户的安全漏洞成本约束的惩罚因子，表示用户的计算任务总时间，表示用户的任务截止时间，表示用户的安全漏洞总成本，表示用户的最大允许安全漏洞总成本；使用适应度函数计算水波种群中所有水波的适应度值，并将适应度值最高的个体作为历史最佳水波；步骤S24：判断当前迭代次数是否小于等于最大迭代次数，若当前迭代次数小于等于最大迭代次数，则对水波种群进行改进传播、改进碎浪和折射的操作，以得到目标种群，若当前迭代次数大于最大迭代次数，则输出目标种群中所有水波的编码；步骤S241：根据锦标赛法选择策略从父代种群中随机选取两个水波，将适应度高的水波放入目标种群中，并判断两个水波中是否有历史最佳水波，若两个水波中没有历史最佳水波，则用历史最佳水波替换目标种群中适应度最低的水波；步骤S242：定义多样性测度如下： ，其中、、、、、、、、、分别表示、、、、、、、、、的可行域的对角线长度，此外有 ，其中，表示种群频带划分因子平均值，表示种群小基站分簇数量平均值，表示水波中用户关联的基站索引平均值，表示水波中虚拟用户选择的加密算法索引平均值，表示水波中用户的发射功率平均值，表示水波中虚拟用户使用的压缩比率平均值，表示水波中与虚拟用户相关联的小基站使用的压缩比率平均值，表示水波中用户选择的子信道索引平均值，表示水波中从虚拟用户卸载到其关联基站的任务数据量平均值，表示从与虚拟用户关联的小基站卸载到宏基站的任务数据量平均值；根据多样性测度定义多样性引导的变异概率： ，其中、和是预先设置的概率，且满足，且趋近于0，和是阈值常量，且满足；步骤S243：从水波种群中剩下的水波中任意选取两个相邻的水波，并根据以下公式得到两个相邻的水波之间的自适应交叉概率： ，其中，和为满足的常量，表示水波和中适应度低的水波的适应度值，，表示与水波相邻的水波，和分别表示种群中所有水波适应度值的最小值和平均值；从相邻水波和中随机选择一个交叉位置，根据自适应交叉概率对水波和从交叉点开始交换相应水波位置片段；步骤S244：根据以下公式得到水波种群中的水波的自适应变异概率： ，其中和是满足的常量，表示水波的适应度值，和分别表示种群中所有水波适应度值的最大值和平均值；步骤S245：根据多样性引导的变异概率、自适应交叉概率、自适应变异概率执行相同的预设变异规则，依次分别对水波种群中的水波的位置进行变异，变异规则为： ， ， ， ， ， ， ， ， ， ，其中,上标和表示迭代次数，以为例，表示在第次迭代的值，表示在第次迭代的值；返回对应线性索引的矩阵的行下标和列下标，表示对的舍入运算，和为服从0-1均匀分布的随机数，分别用于控制变异幅度和搜索方向，表示向最大值方向变异，否则向最小值方向变异；步骤S246：步骤S241至步骤S245统称为改进的传播操作，在传播操作生成新的水波种群后，使用适应度函数计算新生成水波种群中水波的适应度值，并将适应度值最高的个体作为当前种群最优水波，并按以下规则更新每个水波的碎浪系数：，其中、分别表示第次和第次迭代时水波的碎浪系数，表示碎浪系数最大值，表示碎浪系数最小值，将新生成的水波种群与其父代水波种群的水波按顺序依次进行比较，若新生成水波的适应度值优于父代水波的适应度值，保留新生成的水波，否则保留父代水波，最终形成一个由传播生成的水波和父代水波共同组成的水波种群；在新生成水波的适应度值优于父代水波的适应度值时，再进一步将新生成水波的适应度值与当前种群最优水波进行比较，若前者优于后者，则执行碎浪操作，否则不执行操作；若新生成水波的适应度值小于父代水波的适应度值，水波的波高降低，即，其中、分别表示第次和第次迭代时水波的波高，当时，执行折射操作；步骤S246的步骤包括：步骤S2461：在传播新生成水波的适应度值优于当前种群最优水波时，对前者执行碎浪操作；这种操作用于细粒度搜索，即围绕水波的潜在最优解区域进行进一步搜索；在碎浪操作中，新产生的水波称为孤立波，改进的碎浪操作生成个孤立波，每个孤立波的位置的所有元素进行更新；水波经碎浪操作生成孤立波的规则为： ， ， ， ， ，其中，，表示服从均值为0、方差为1的正态分布的随机数，表示碎浪系数，、、、、、、、、、分别表示新生成孤立波的频带划分因子、分簇数量、关联索引、安全选择、发射功率、用户端压缩比率、小基站端压缩比率、子信道选择、第一步卸载量、第二步卸载量的位置；、、、、、、、、、分别表示当前种群最优水波的频带划分因子、分簇数量、关联索引、安全选择、发射功率、用户端压缩比率、小基站端压缩比率、子信道选择、第一步卸载量、第二步卸载量的位置；如果生成的个孤立波中没有适应度值高于当前种群最优水波的孤立波，则保留当前最优水波，否则将当前最优水波替换为适应度值最高的孤立波；步骤S2462：若新生成水波的适应度值小于父代水波的适应度值，水波的波高降低，即，当时，表明水波不能进一步更新，为了避免水波的搜索停滞，对水波按照如下规则执行折射操作： ， ， ， ， ， ， ， ， ， ，其中表示生成一个服从均值为、方差为的正态分布的随机数；在折射操作执行完毕后，将生成的新水波替换原水波，同时令其波高重置为初始值，即；步骤S247：将当前种群最优水波与历史最佳水波进行适应度比较，若前者的适应度值大于后者，则用当前种群最优水波更新历史最佳水波，否则保留历史最佳水波；步骤S248：将当前迭代次数的值加1，返回步骤S22，重复迭代直到迭代结束，最终保留的历史最佳水波为全局最优水波。

全文数据：

权利要求：

百度查询： 华东交通大学 超密集网络中加压安全计算卸载与资源优化方法

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