申请/专利权人：西安电子科技大学

申请日：2022-06-27

公开（公告）日：2024-03-22

公开（公告）号：CN115103408B

主分类号：H04W28/084

分类号：H04W28/084;G06N3/045;G06N3/086

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.10.14#实质审查的生效;2022.09.23#公开

摘要：本发明公开的一种面向MEC的边缘视频缓存服务器部署规划方法，获取基站节点用户请求的历史数据；根据服务器部署约束条件限制，任选一个服务器部署方案，求得每个采样时刻基站请求数据下的最优化预设的第一目标方程的值，进而求其时间平均均值，保存该部署方案以及该均值作为一个神经网络训练样本；重复上述步骤，直至获取预设数目个训练样本用于训练神经网络；根据神经网络和预设的第二目标方程得到适应度函数F，利用遗传算法求出F的最优值和对应的染色体，即得到最优的视频缓存服务器部署方案。该方法考虑了用户请求动态变化的情况下，减少服务器运营成本，提高用户质量，减少传输时延，以响应超高清视频等业务需求。

主权项：1.一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，具体包括以下步骤：步骤一：获取M个基站节点用户请求的历史数据并进行等时隙Δt采样得到第n时刻各个基站节点用户请求步骤二：服务器类型集合为{f1,f2,…,fF}共F类；边缘节点集合为{e1,e2,...,eE}共E个节点，根据边缘节点的现实条件限制，得到一个任意的服务器部署方案 其中，为二进制变量，表示在ei节点上部署fj类型的服务器，反之不在ei节点上部署fj类型的服务器；在当前部署方案下，在每一时隙下，确定资源分配方案，为各个基站用户请求分配适合的服务器，以最小化预设的第一目标方程V；将每一时隙下的最优V的值记为：Vn,n＝1,2,3,…K，进而求其均值对服务器部署方案进行重新编码得到新的输入并保存输入和输出E[V]作为一个神经网络训练样本；步骤二中V是指用户请求总时延、用户服务质量的物理量抽象化为数学表达式，即以为自变量的数学表达式，分别表示为D,P,令V＝α1D+α2P；其中，D代表用户请求总时延，P代表用户服务质量，α1,α2分别为D,P的权重系数；所述步骤二中神经网络训练样本的输入，经过一一对应编码处理，将通过编码为其中表示边缘节点ei不部署服务器，表示在边缘节点ei部署fj类型的服务器，Z表示整数；步骤三：重复步骤二，每重复一次步骤二则获得一个神经网络训练样本，直至获取预设数目N个神经网络训练样本；步骤四：根据服务器部署方案设计遗传算法的染色体，初始化遗传算法种群规模，设置遗传算法参数；步骤五：根据步骤三中训练后的神经网络和预设的第二目标方程W得到适应度函数F，计算各个染色体的适应度；所述步骤五中第二目标方程W为服务器运营成本的物理量抽象化为数学表达式，即仅以为自变量的数学表达式，则第二目标方程W为： 其中，为服务器类型fj的成本；α1′为的权重系数；步骤五中适应度函数F可以表示为：F＝W+E′[V]其中E′[V]为神经网络的预测值，计算E′[V]时，需先将转化为来作为神经网络的输入；步骤六：根据遗传算法参数，边缘节点部署服务器的现实条件限制，以及各个染色体的适应度，对染色体进行相关操作并迭代得到下一代种群；步骤七：重复步骤五至六，直到达到最大迭代次数；输出最优染色体并得到服务器部署方案。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种面向MEC的边缘视频缓存服务器部署规划方法

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