申请/专利权人：重庆邮电大学

申请日：2023-11-29

公开（公告）日：2024-03-22

公开（公告）号：CN117750430A

主分类号：H04W28/08

分类号：H04W28/08;H04W24/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明属于边缘计算技术领域，具体涉及一种基于IWSO算法的边缘计算任务卸载方法，包括：建立基于超密集网络场景下的边缘计算模型；根据建立的模型确定用户设备计算的时延与能耗，根据用户设备计算的时延与能耗定义的加权计算出用户设备卸载任务的总成本；采用IWSO算法对边缘卸载策略进行优化，最小化用户设备卸载任务的总成本；本发明采用改进的白鲨优化算法对边缘卸载策略进行优化，该算法在搜索过程中有寻优能力强、收敛速度快等特点，能迅速得到全局最优解；本发明方法能够有效降低边缘计算中任务的卸载成本，得到最优的时延与能耗加权成本和。

主权项：1.一种基于IWSO算法的边缘计算任务卸载方法，其特征在于，包括：S1：由多个用户设备、多个基站和多个边缘服务器组成基于超密集网络场景下的边缘计算模型，确定该模型的参数和给定任务集合；S2：若当前任务在本地进行计算时，根据模型的参数获取本地计算时延和能耗；S3：若当前任务被卸载到边缘服务器上时，获取用户设备的相关参数，根据用户设备的相关参数计算用户设备的上传时延、边缘服务器的计算时延、用户设备任务卸载的时延和用户设备卸载的能耗；S4：根据任务在本地进行计算时的本地计算时延和能耗和任务被卸载到边缘服务器上时的时延和能耗计算用户设备卸载任务的加权总成本，并将用户设备卸载任务的加权总成本作为待优化的目标函数；S5：采用IWSO算法求解待优化的目标函数，得到任务卸载策略；S51：使用混沌映射初始化白鲨种群，初始化白鲨速度，设置最大迭代次数；S52：通过最小化待优化的目标函数计算白鲨种群的适应度值，得到当前最优值；S53：进行迭代，更新白鲨优化算法的参数，使用非惯性权重递减参数优化算法加强前期全局搜索能力以及后期局部搜索能力；S54：根据生成的随机值以及参数mv的最新值来判断更新白鲨种群的位置，若随机数大于参数mv，则使用局部搜索更新白鲨位置；若随机数小于参数mv，则使用全局搜索更新白鲨位置；S55：根据生成的随机值以及参数ss来判断更新白鲨种群的位置，若随机数小于参数Ss，则更新白鲨位置；S56：获取更新后的白鲨种群的适应度最优值，若更新后的最优值比上一次迭代的最优值好，则更新最优值；S57：判断当前迭代次数是否达到最大迭代次数，若到达最大迭代次数，则输出结果，得到全局最优解；否则返回S7，迭代次数加1。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于IWSO算法的边缘计算任务卸载方法

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