[發明專利]基于PSO-DE算法的計算卸載方法

在審

• 申請號: 202110532059.5
• 申請日: 2021-05-14
• 公開（公告）號: CN113590211A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 張笑;譚文安;周鑫
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F9/445
• 分類號: G06F9/445;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于PSO-DE算法的計算卸載方法，其特征在于，包括以下步驟：

步驟1：初始化：根據粒子個體的維度(用戶任務數)、粒子編碼、種群規模等隨機生成種群pop1；初始化學習因子、最大迭代次數、變異因子、交叉概率等；

步驟2：根據初始化種群pop0，分別根據適應度函數計算每個粒子的適應度值并記錄全局最佳的位置以及其對應的適應度值；注意，此時每個粒子個體最佳為該粒子初始化的位置；

步驟3：根據粒子的速度與位置的公式來更新粒子每一維度的的速度與位置，并對該粒子每一維度的速度與位置做越界處理；

步驟4：選擇。根據適應度函數計算更新后粒子的適應值，并與原粒子個體的適應度值進行比較。若該粒子的適應度值大于原粒子個體的適應度值，則將新粒子替換原粒子個體，最后形成一個新的種群pop1并計算該種群每個粒子個體的適應度；

步驟5：變異。根據變異算子對種群pop1中的粒子個體進行變異操作，并需要對新粒子個體的每一維度進行邊界檢查，最后形成種群pop2；

步驟6：交叉。對當前種群pop1的個體與變異后的種群pop2的個體進行交叉操作，并對新粒子個體的每一維度進行邊界檢查，最后形成種群pop3并計算該種群每個粒子個體的適應度；

步驟7：選擇。按降序對種群pop1與pop3中粒子個體的適應度值排序，選取適應度值較高的個體作為下一次迭代的初始種群pop1并分別更新最佳個體與全局最佳以及它們的適應值。

步驟8：判斷是否滿足結束條件。若不滿足，則直接跳轉步驟3，重復執行步驟3-7；否則，退出循環，直接輸出最佳的任務卸載策略以及對應的適應值。

2.根據權利要求1所述的基于PSO-DE算法的計算卸載組合法，其特征在于：所述步驟1中，本發明考慮在一個由U個移動設備和一個基站組成的MEC系統中。該系統主要分為兩個部分：(1)由移動設備組成的主要負責對自身任務的處理、卸載任務數據的傳輸；(2)由基站和服務器組成的MEC服務器負責接收來自移動設備傳輸的任務并對其進行處理。其中，每個邊緣服務器可以為多個移動設備服務，每個移動設備所產生的任務可以選擇在自身設備執行或者選擇連接無線網絡將自身任務卸載到邊緣服務器上執行。注意：當出現任務卸載時，本發明只考慮由一個邊緣服務器來處理，不考慮部分卸載問題，如本在MEC服務器上執行的任務中途又卸載到終端設備上處理。

3.根據權利要求1所述的基于PSO-DE算法的計算卸載組合法，其特征在于：所述步驟1中，跟傳統群體智能優化算法一樣，本發明提出的算法仍需要根據實驗來確定學習因子、慣性權重、變異算子以及交叉概率。