申请/专利权人：山东交通学院

申请日：2022-09-26

公开（公告）日：2024-04-26

公开（公告）号：CN115484177B

主分类号：H04L41/5019

分类号：H04L41/5019;H04L43/55;H04L41/147

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2023.01.03#实质审查的生效;2022.12.16#公开

摘要：本发明属于边缘计算、移动计算及服务迁移技术领域，具体涉及面向移动边缘计算的多属性MDP模型服务迁移方法。能够在用户移动的情况下能够平衡迁移次数与总服务质量，大大提高了用户移动时的服务体验。其包括以下步骤：构建可迁移节点列表；构建基于多属性的收益函数；求解迁移策略通过对收益函数，利用Q‑learning进行求解，根据上述内容建立Q‑table，依次每个状态下Q值最高的动作执行，最终完成当前时隙的迁移决策过程。

主权项：1.一种面向移动边缘计算的多属性MDP模型服务迁移方法，其特征在于，包括以下步骤：S1.构建可迁移节点列表对用户进行跟踪得到用户当前的移动位置与移动方向，根据当前时隙的位置对用户的移动轨迹进行预测从而得到用户之后的位置信息， 用户当前的移动位置为x1,y1,移动方向为θ，用户之后的位置信息为x2,y2，vt表示用户在t时刻时的移动速度；根据当前时隙所遇到到的信息，从而获取用户所经过的边缘节点，构建目的节点的候选列表,之后结合放置好边缘节点的位置进行计算，得到两种情况下的边缘节点服务范围内的移动轨迹公式: S2.构建基于多属性的收益函数S3.求解迁移策略通过步骤2中构建的收益函数，利用Q-learning进行求解，根据上述内容建立Q-table，依次每个状态下Q值最高的动作执行，最终完成当前时隙的迁移决策过程；在S1建立可迁移节点列表后执行下面步骤:1统计可迁移节点列表中以及当前节点距离用户的距离，以及可迁移节点列表中节点的资源占用情况,获取用户当前服务的计算资源需求的大小；3建立每个节点能够提供的最大服务质量函数；3分析每个节点的实时资源占用情况以及当前资源计算需求，并对收益函数进行修正；4建立迁移到每个节点时的迁移开销函数；5根据S1中预测的用户移动轨迹建立用户在每个节点内的停留时间函数，而根据用户在边缘服务范围的位置不同；6综合前面的步骤，建立总收益函数；最大服务质量函数： 其中qmax表示分别表示节点为用户提供服务质量的最高值，st表示在t时刻中当前环境的状态，α表示用户在当前通信节点范围内时的折扣因子，其中，当用户在服务节点之外时，采用边缘节点集群之间的回程网络进行通信，因此使用τ表示用户在当前通信节点范围之外时的折扣因子；步骤3后包括以下步骤：当Ca-Cd＜0时，如果执行服务迁移，那么为该行动的回报函数定义一个比较大的惩罚值M，其中Ca表示可迁移节点的可用资源情况，Cd服务的资源需求；步骤4建立迁移到每个节点时的迁移开销函数如下： 迁移开销一般包括两部分，第一部分是原节点和目标节点之间数据传输的成本；第二部分则是迁移结束后，在迁移后节点上启动服务的成本，其中第一部分的迁移开销与传输距离有关，而第二部分的传输成本可以定义一个常数，其中at＝n表示迁移到可迁移列表中的第n个节点，at＝0表示不执行迁移；步骤5停留时间函数，根据用户在边缘服务范围的位置不同，大体可分为以三种情况：①当用户在离开其原节点的服务范围且不迁移时，用户在其原节点的运动收益为0；②当用户在目的节点的服务范围内且选择迁移或者用户在其通信节点的服务范围内且选择不迁移；③当用户不在目的节点的服务范围且选择迁移； 其中x1,y1表示用户当前的位置坐标，x2,y2表示用户离开当前服务范围时的坐标，并且此时用户与当前节点之间的距离等于其服务半径R，θ则表示以x1,y1，x2,y2和服务范围的直径构建出三角形的夹角；综合前面的步骤，建立总收益函数，具体函数如下： 其中ω用来决定迁移开销所占比重，ω越大，则表示迁移开销占比越大，同样ρ表示运动收益的所占比重，ρ越大，则表示运动收益的占比越大。

全文数据：

权利要求：

百度查询： 山东交通学院 面向移动边缘计算的多属性MDP模型服务迁移方法

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