[發明專利]一種面向智能電網混合網絡架構的分布式計算方法

在審

• 申請號: 201810983999.4
• 申請日: 2018-08-27
• 公開（公告）號: CN109218414A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 寧士遠;姜淏予;葛泉波
• 申請（專利權）人: 杭州中恒云能源互聯網技術有限公司
• 主分類號: H04L29/08
• 分類號: H04L29/08
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 尉偉敏;占宇

1.一種面向智能電網混合網絡架構的分布式計算方法，所述混合網絡架構包括云計算層、負載均衡層、邊緣計算層、終端設備層和網絡傳輸層，云計算層包括一個云計算節點，邊緣計算層包括L個邊緣計算節點，其特征在于，包括以下步驟：

建立系統模型f；

利用免疫混沌粒子群算法計算各個計算節點應該分配的任務量，

計算節點包括云計算節點和邊緣計算節點。

2.根據權利要求1所述的一種面向智能電網混合網絡架構的分布式計算方法，其特征在于，所述利用免疫混沌粒子群算法計算各個計算節點應該分配的任務量的方法包括以下步驟：

S1：對免疫混沌粒子群算法的基本參數進行設置，包括粒子群規模N_p，粒子群維數D，最大迭代次數T，學習因子a₁、學習因子a₂，起始權重ω_s，終止權重ω_e，混沌控制系數μ，混沌變量Z_it，免疫調節因子d₀，免疫干擾步長e；

S2：利用粒子的位置表示各個計算節點的任務量，對分配給各個計算節點的任務量范圍進行設置，隨機生成N_p個粒子，計算當前任務分配情況下整個任務的處理時延；

S3：利用混沌運動的隨機性使粒子群算法的慣性權重在起始權重ω_s和終止權重ω_e之間隨機跳變，使粒子在最優解周圍進行全局搜索，繼續開拓全局最優解，避免陷入局部最優，產生的混沌序列公式如下：

z_it+1＝μz_it(1-z_it)，

其中，it為當前迭代次數，z_it為第it次迭代產生的混沌變量；

S4：根據混沌運動映射得到的慣性權重ω(it)，公式如下：

S5：計算當前N_p個粒子中每個粒子的適應度值，適應度值即為采用當前粒子對應的任務分配情況下的整個任務處理時延，并分別計算出每個粒子的個體最優適應度值和全部粒子的全局最優適應度值；

S6：將慣性權重ω(it)帶入到當前迭代次數的粒子速度更新公式和粒子位置更新公式中，對粒子群的速度和位置進行更新，

粒子速度更新公式如下：

其中，為第i個粒子在第it次迭代的移動步長，為第i個粒子經歷過的歷史最優適應度值，p_b為全部粒子的全局最優適應度值，γ₁、γ₂為0和1之間均勻分布的隨機數，為第i個粒子在第it次迭代的位置；

粒子位置更新公式如下：

S7：判斷粒子迭代次數，若粒子迭代次數達到設定的免疫干擾步長e，則進行免疫變異操作繼續執行步驟S8，否則，跳轉到步驟S12；

S8：在執行免疫變異操作時，將種群N_p中每一個粒子看成一個抗體，抗體即任務的分配量，再隨機生成N_r個抗體，將種群N_p和種群N_r合并為一個新的N_p+N_r的種群；

S9：計算每個抗體的選擇概率：

其中，P1_i為第i個抗體的選擇概率，為第i個抗體的適應度值，為第i個抗體的親和力值；

S10：計算每個抗體的濃度的選擇概率：

其中，P2_i為第i個抗體的濃度的選擇概率，為第i個抗體的濃度值；

S11：計算每個抗體的基于親和力與濃度選擇的概率：

P_i＝θP1_i+(1-θ)P2_i，

其中，P_i為第i個抗體的基于親和力與濃度選擇的概率，θ為大于0小于1的協調系數，用來協調親和力與濃度的比重；

將抗體按照親和力與濃度選擇的概率值進行從高到低排序，選出概率值最高的前N_p個抗體作為新的種群粒子，用于下一次粒子的尋優，接著跳轉至步驟S3；

S12：更新每個粒子的個體最優適應度值和全部粒子的全局最優適應度值；

S13：判斷是否達到免疫混沌粒子群算法的最大迭代次數，若是，則輸出該算法的全局最優適應度值對應的粒子作為任務分配的最優方案，否則跳轉至步驟S3。