申请/专利权人：天津大学

申请日：2020-05-09

公开（公告）日：2024-04-16

公开（公告）号：CN111723972B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/067;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.10.27#实质审查的生效;2020.09.29#公开

摘要：本发明公开了一种基于模拟退火算法的优化远程云排布方法：根据交通情况初始化请求密度矩阵；规定远程云的可接受时延范围及最佳时延范围；求出初始远程云的个数；基于贪心算法求出初始远程云集合；检验初始解是否满足终止条件；若满足，则输出解，优化远程云排布；否则在远程云集合中随机加入一个新远程云，生成新解，根据该新解，基于模拟退火算法，求出优化后的解；检验优化后的解是否满足终止条件，若满足，则输出解，优化远程云排布；若不满足，则继续随机加入一个新远程云，重复本过程。本发明能够根据车载云本身具有的分布特性和远程云的处理能力特性，基于区域内具体交通情况，求解区域内远程云的分布情况。

主权项：1.一种基于模拟退火算法的优化远程云排布方法，其特征在于，包括以下过程：步骤一：根据实际情况对远程云的可接受时延范围及最佳时延范围进行规定，根据可接受时延范围、最佳时延范围及区域大小将区域分为区块，再根据某区域的交通情况，初始化请求密度矩阵；假设根据D*Dkm的区域内交通情况初始化请求密度矩阵，在获取表示交通情况的灰度图N后，将区域分为若干个大小为n*nkm的区块；首先，根据远程云的覆盖范围对n的值进行设定，将远程云的覆盖范围由圆形区域转化为方形区域，方形区域应为圆形区域的内接正方形；假设远程云最佳时延范围半径为rbkm，可接受时延范围半径为rakm，n应满足以下条件： 式中，rb为远程云的最佳时延范围半径，ra为远程云的可接受时延范围半径，n为区块边长，n的值只要满足范围即可，具体可以按需求设定；而ra和rb的值则需要根据实际情况进行设定；之后，设定对请求密度矩阵M的大小，M应为矩阵；最后，根据以下公式对请求密度矩阵M进行初始化。 式中，Mij表示请求密度矩阵M中第i行、第j列的元素，Nab表示请求密度矩阵N中第a行、第b列的元素；步骤二：根据步骤一中求出的请求密度矩阵及可接受时延范围和最佳时延范围，求出初始远程云的个数m2；假设请求密度矩阵大小为ma×m*ma×m，其中ma为远程云可接受时延范围矩阵边长；考虑最优情况，将请求密度矩阵分为若干个大小为ma×ma的矩阵区域，矩阵区域满足以下条件，此时远程云的数量为m2；a所有矩阵区域均至少覆盖在可接受时延范围内；b矩阵区域内覆盖在最佳时延范围内的区块数量与矩阵区域内区块总数的比值≥R，R表示被远程云最佳通讯范围覆盖的区域占总区域的比例的最小值；c区域内远程云架设在不同的i,j位置，i,j是每个矩阵区域的中心位置，且周围mb×mb区域内不存在其他远程云，则则即区域内请求密度所需计算资源之和小于远程云预留的所有计算资源，其中λij为位置为i,j的请求密度矩阵中的元素，mb为最佳时延范围矩阵边长，σ为远程云预留的资源占总资源的比例，R表示被远程云最佳通讯范围覆盖的区域占总区域的比例的最小值；在这种最优情况的假设下，远程云数量为m2，即区域内至少需要架设m2个远程云；步骤三：根据初始远程云的个数，基于贪心算法求出初始远程云集合；检验初始解是否满足终止条件；若满足，则输出解，优化远程云排布；否则继续步骤四；首先，将请求密度矩阵M中的所有元素降序排序获得数组S1，数组中的元素为一个三元组i,j,λij，存储有元素位置i,j和元素的值λij；其次，定义数组S2，其中的每一个元素为一个二元组i,j，存储远程云的一组位置；之后，考虑数组S1中的第一个元素i,j,λij及其临近的mb×mb区域内的其他元素，求解即该元素及其周围mb×mb区域内的其他元素之和的值，若则将二元组i,j加入到数组S2中，并移除数组S1中属于该元素及其周围mb×mb区域的部分；若则对数组S1中属于属于该元素及其周围mb×mb区域的部分重新升序得到数组S3，从数组S3中的第一个元素起开始移除元素，直至∑λiji,j∈S3≤R·σ，即使数组S3中元素之和恰好小于远程云所拥有计算资源数目，重新移除数组S1中i,j∈S3的部分，同时二元组i,j加入到数组S2中；最后，重复进行上述过程，直至数组S2中的元素个数为m2，此时的数组S2即为初始解S0；另外，此处的终止条件为以下两点：a请求密度矩阵中所有元素均被覆盖在远程云的可接受时延范围内；b请求密度矩阵中被覆盖在最佳时延范围内元素之和占请求密度矩阵中所有元素之和的比值大于等于预设值步骤四：在远程云集合中随机加入一个新远程云，生成新解Sb，根据该新解Sb，基于模拟退火算法，求出优化后的解Sa；检验优化后的解Sa是否满足终止条件，若满足，则输出解Sa，优化远程云排布，并计算出车载云计算系统损耗；若不满足，则继续随机加入一个新远程云，重复步骤四；模拟退火算法的迭代过程如下：首先，设定最大迭代次数K，设定随机扰动函数，随机改变新解Sb中的某个元素，获取新解Sa，使得Sa＝randomSa3其次，设定目标函数，并计算Sa和Sb的目标函数差ΔIr。之后，设定接受准则，这里设定的接受概率公式为 其中，NuS′为在新解状态下未被覆盖在可接受时延范围内的区块数量，k为迭代次数，ΔIr为损耗差值；最后，当迭代次数大于k时，停止迭代过程。

全文数据：

权利要求：

百度查询： 天津大学 基于模拟退火算法的优化远程云排布方法

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