买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京林业大学

摘要：本发明公开了面向车联网边缘计算服务器的负载均衡优化方法，包括：计算车辆将任务卸载至服务器的上传时间；定义卸载决策，计算缓存队列随时间动态更新的任务总量；计算车辆任务到达缓存队列后若不考虑优先处理所需排队等待的时间；各个缓存队列积压的方差表示缓存队列负载的差异度；定义车辆任务向前插队的比率，计算任务插队后能够提前处理的时间和任务所需支付的代价；根据任务卸载产生的系统效用函数计算目标优化函数；将目标优化函数转化为确定性在线优化函数；将确定性在线优化函数作为适应度函数，基于混合差分遗传算法计算出当前时刻下最优的卸载决策和插队的比率；本发明能够显著提升整体卸载效用，实现服务器集群的负载均衡。

主权项：1.面向车联网边缘计算服务器的负载均衡优化方法，其特征在于，包括以下步骤：步骤1、车辆与边缘服务器进行任务卸载交互；计算车辆将任务卸载至边缘服务器的上传时间；步骤2、每个时隙车辆需选择合适的边缘服务器进行任务卸载，定义卸载决策，每个边缘服务器均有一个任务缓存队列，根据卸载决策计算缓存队列随时间动态更新的所有任务总量；计算车辆任务到达缓存队列后若不考虑优先处理所需排队等待的时间；使用各个缓存队列积压的方差来表示缓存队列负载的差异度；步骤3、定义车辆任务向前插队的比率，根据插队的比率计算任务插队后能够提前处理的时间和任务所需支付的代价；步骤4、根据车辆任务数据量、任务紧急程度、步骤1求出的上传时间、步骤2求出的排队等待的时间、步骤3求出的能够提前处理的时间计算任务的效益值，根据卸载决策、效益值和代价计算任务卸载所产生的系统效用函数；步骤5、根据任务卸载所产生的系统效用函数计算目标优化函数；步骤6、定义控制负载差异的虚拟队列，并基于李雅普诺夫函数将步骤5中的目标优化函数转化为确定性在线优化函数；步骤7、初始化卸载决策和车辆任务向前插队的比率的若干个个体，将确定性在线优化函数作为适应度函数，基于混合差分遗传算法计算出当前时刻下最优的卸载决策和插队的比率；步骤8、根据当前时刻下最优的卸载决策和插队的比率，采用步骤2、步骤4和步骤5的方法更新下一时刻的缓存队列、缓存队列负载的差异度、控制负载差异的虚拟队列和系统效用，进而更新下一时刻的适应度函数，采用步骤7的方法求取下一时刻的最优的卸载决策和插队的比率；所述的步骤1中的计算车辆将任务卸载至边缘服务器的上传时间，具体为：将车辆与边缘服务器的通信链路作为视距链路，根据香农理论，第i个车辆将任务卸载至第j个边缘服务器的上传时间表示为： 其中，Bi表示边缘服务器分配给第i个车辆的子信道带宽，Pr表示任务的接收信号功率，g0表示单位路径损耗，N0是无线信道的传输噪声，di,jt表示第i个车辆在t时刻与第j个边缘服务器之间的距离；Dit表示t时刻第i个车辆的任务数据量大小；所述的步骤2具体为：定义卸载决策矩阵αt，αijt表示矩阵αt中第i行的第j列元素，αijt∈{0,1}，αijt＝1表示第i个车辆在t时刻将任务卸载至第j个服务器，αijt＝0表示第i个车辆在t时刻没有将任务卸载至第j个服务器；车辆在将任务卸载至RSU进入边缘服务器处理的过程中会形成多个任务缓存队列，因此整个系统是一个多边缘服务器多任务缓存队列的排队系统，每个边缘服务器都有一个任务缓存队列，则第j个边缘服务器中的任务缓存队列随时间的动态更新公式表示为： 其中Cj表示第j个边缘服务器的处理能力，Qjt表示t时刻第j个边缘服务器中的所有任务总量，τ表示时隙的长度；边缘服务器会根据先进先出的原则对任务依次进行处理，t时刻第i个车辆的任务到达缓存队列后若不考虑优先处理所需排队等待的时间为： 为了反应多个边缘服务器之间的缓存队列积压程度差异，使用各个缓存队列积压的方差σt来表示缓存队列负载的差异度： 其中表示所有任务缓存队列的平均排队任务量，Dt表示t时刻所有任务的任务向量，αjt表示t时刻第j个边缘服务器接受的任务向量；所述的步骤3具体为：记t时刻第i个车辆的任务向前插队的比率为βit，βit∈[0,1]，当任务不进行插队处理时βit为0，当任务插入到队伍中间时βit为0到1间的值，当任务插入至队首进行处理时βit为1；则t时刻第i个车辆的任务插队后能够提前处理的时间为： 当t时刻第i个车辆的任务需进行插队处理时，t时刻第i个车辆的任务需向被插队的任务支付额外成本，额外成本与插队任务的数据量成正比，则t时刻第i个车辆的任务所需支付的代价Pit可表示为：Pit＝βit·Qjt·δ6；其中，δ表示插队代价因子；所述的步骤4具体为：计算第i个车辆的任务效益值Rit： 其中，Sit表示t时刻第i个车辆的任务紧急程度；则t时刻第i个车辆的任务卸载所产生的系统效用函数为： 其中表示t时刻第i个车辆的任务最大容忍时延；所述的步骤5中的目标优化函数为： s.t.C1:Ut0；C2:βit∈[0,1]；C3:C4:C5:其中σmax为常数，表示系统所能容忍的最大负载差异；E{Qjt}表示Qjt的期望，E{σt}表示σt的期望；式C1要求系统产生的效益始终大于零，式C2要求任务的插队范围不得超过队列长度；式C3要求每个任务最多只能选择一个服务器进行任务卸载；式C4要求每个任务队列的长度是稳定可控的，式C5要求任意时刻的队列负载均衡。

全文数据：

权利要求：

百度查询： 南京林业大学 面向车联网边缘计算服务器的负载均衡优化方法