[發明專利]基于自適應策略的進化免疫方法

在審

• 申請號: 202011461165.0
• 申請日: 2020-12-11
• 公開（公告）號: CN112506635A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 陳曉紀;海濱;王磊;李龍飛;陸發燕;張淑芳;胡張飛
• 申請（專利權）人: 奇瑞汽車股份有限公司
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06N3/00
• 代理公司: 蕪湖安匯知識產權代理有限公司 34107
• 代理人: 鐘雪

本發明提供了一種基于自適應策略的進化免疫方法，包括：S1、初始化參數及構建差分演化算子池；S2、隨機選擇差分演化算子，生成種群中的免疫個體；S3、將種群劃分為大小相同的若干子種群，計算免疫個體的各目標值，排序保留各目標值下的精英解；S4、針對每個子種群，基于子種群中后代與父代的自適應值改進率來選擇差分演化算子克隆后代；S5、基于非支配排序策略，獲得所有子種群中的非支配解，并構建精英解集；S6、更新個體評價次數，執行步驟S4，直至個體評價次數達到次數閾值，輸出最優解。利用滑動窗口保存每個演化算子生成種群個體的適應值，評估每個演化算子的優劣，以自適應的方式選擇最優的演化算子執行種群優化。

技術領域

本發明涉及到霧計算技術領域，提供了一種基于自適應策略的進化免疫方法。

背景技術

目前，霧計算受到國內外研究人員的廣泛關注。霧計算由分散的終端設備、邊緣服務器、網絡互聯設備等組成，可以提供計算卸載、存儲資源等服務。霧計算可以看作是云計算的網絡延伸，具有時延低、實時交互、位置感知和移動支持等特點。由于霧計算服務器距離移動終端近，移動終端將任務傳輸至霧計算所需要的傳輸時延小，所以移動終端將計算復雜和較高時延需求的應用卸載到霧計算中，同時也節省了移動終端傳輸能耗和傳輸至云上的鏈路帶寬。然而與云服務器相比，霧服務器計算能力較低。霧計算資源管理和調度問題是影響霧計算服務性能的關鍵，尤其是在出現大規模的服務請求時，若資源調度問題得不到有效解決，就會增加服務延遲、降低資源利用率和用戶滿意度等問題。在霧計算資源管理和調度中，需要同時考慮任務時間延時、能源消耗量、計費等多個目標。在霧計算資源管理與調度中，如何同時優化這些目標函數，成為當前的難點。

近年來，免疫算法成為解決多目標優化問題的主流算法之一。然而，傳統的免疫算法，僅使用單一演化算子執行種群進化過程，這可能會導致難以處理復雜的多目標優化問題。即使采用不同的進化算子進行結合，也需要調整多個參數，難以平衡種群收斂性與多樣性。

發明內容

本發明提供了一種基于自適應策略的進化免疫方法，旨在改善上述問題。

本發明是這樣實現的，一種基于自適應策略的進化免疫方法，所述方法具體包括如下步驟：

S1、初始化參數及構建差分演化算子池；

S2、種群初始化：從分演化算子池中隨機選擇差分演化算子，生成種群中的免疫個體，一個免疫個體對應一種霧計算的資源調度方案；

S3、將種群劃分為大小相同的若干子種群，計算免疫個體的各目標值，排序保留各目標值下的精英解；

S4、針對每個子種群，基于子種群中后代與父代的自適應值改進率來選擇差分演化算子克隆后代；

S5、基于非支配排序策略，獲得所有子種群中的非支配解，并構建精英解集；

S6、更新個體評價次數，執行步驟S4，直至個體評價次數達到次數閾值，輸出最優解。

進一步的，目標值基于目標函數來進行計算，所述目標函數由任務完成的時延目標函數、霧節點執行該任務的能源消耗目標函數、及霧節點執行該任務時產生的費用目標函數組成。

進一步的，所述步驟S4具體包括如下步驟：

S41、定義滑動窗口，滑動窗口用于保存后代與父代之間適應值改進率及對應差分演化算子索引的二維數組結構；

S42、將子種群中的各后代與父代間的適應值改進率及選擇的差分演化算子索引放入滑動窗口內，直至滑動窗口滿；

S43、選擇滑動窗口中最大適應值改進率對應的差分演化算子來對所在的子種群執行后代個體的克隆。

進一步的，適應值改進率FIR的計算公式具體如下：