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：成都中嵌自动化工程有限公司

摘要：本发明公开一种基于非支配排序人工蜂鸟算法的MEC任务卸载方法，首先构建MEC系统下的多用户网络场景架构，并表示出系统核心要素的基本数据构成，根据待优化指标构建多目标优化模型，然后将模型优化问题映射到非支配排序人工蜂鸟算法中，实现对多个指标的权衡求解，得到最优帕累托解集和最优卸载策略，最后MEC系统根据卸载策略完成对任务的计算卸载部署，以提升用户的服务体验。

主权项：1.一种基于非支配排序人工蜂鸟算法的MEC任务卸载方法，其特征在于，包括步骤：S1.网络场景搭建：构建移动边缘计算系统下的多用户单服务器任务卸载网络架构，并根据场景信息表示基本数据包括移动设备、MEC服务器和计算任务；S2.多目标优化模型构建：结合MEC场景并根据待优化指标和卸载策略，构建任务卸载计算的多目标优化模型；S3.模型算法映射：将任务卸载问题的多种策略映射为非支配排序人工蜂鸟算法中蜂鸟的位置，将多目标指标映射为蜂鸟寻觅食物源的适应度评价函数，映射编码采用一种卸载策略主导的多策略动态联合编码方式；S4.算法优化求解：将单目标人工蜂鸟算法与帕累托多目标优化框架结合，引入拥挤距离改进算法的解更新策略，采用动态消除原理进行算法的存档更新，利用上述策略下的算法求解优化模型的最优帕累托前沿解集和最优卸载策略；在步骤S4中，单目标人工蜂鸟算法与帕累托多目标优化框架结合，包括步骤：S41：蜂鸟个体种群初始化，得到初始解；S42：按照蜂鸟的飞行方式、觅食方式行为和规则得到新解；S43：根据多目标优化解更新策略更新解；S44：通过非支配排序构造出非支配解集；S45：结合存档大小调整种群的非支配解集规模；S46：根据迭代截止条件判断迭代是否结束，未结束则重新进入S42步骤，直至迭代结束得到最优帕累托解集;个体解的拥挤距离计算公式为： ；其中，i为个体解索引编号，和分别为时延和能耗两指标的优化模型，max{}为取最大值函数，min{}为取最小值函数；S5.最优策略场景应用：根据非支配排序人工蜂鸟算法针对系统模型求出的最优卸载策略完成对移动边缘系统任务的卸载部署；求解优化模型的最优帕累托前沿解集和最优卸载策略，包括步骤：D1：算法参数设置：设置种群数量npop、最大迭代次数MaxIt和用户数量参数N；D2：种群初始化：随机生成初始种群位PopPos，并根据初始位置计算种群的最优位置BestPos、最优适应度值PopFit、最优非支配解集tPop，访问表T；种群位置PopPos初始化方法： ；其中，i为个体解索引编号，rand为随机数生成函数，Up和Low分别为搜索空间的上下边界；访问表T用于记录对其它蜂鸟位置的最大未访问时间，体现了蜂鸟觅食过程中特定的记忆能力，访问表T初始化方法： ；其中，i为个体解索引编号，j表示其它位置蜂鸟编号；D3：方向向量更新：随机选择全向飞行、轴向飞行和对角线飞行三种飞行技能之一来更新飞行方向向量表；D4：觅食方式选择与位置更新：随机选择引导觅食或领地觅食的觅食方式之一进行新位置探索，按照改进的解更新策略选择更优的位置，并完成访问表、适应度值和精英解集的更新；步骤D4中改进解更新策略的数学表示： ；其中，i为个体解索引编号，t表示时刻，为候选解，为原解，为新解，若r表示为支配等级，则为同属于支配等级的非支配集，与分别为候选解与原解的拥挤距离，个体解拥挤距离定义为该解所有子目标拥挤距离之和，子目标函数拥挤距离为该解前后相邻两个体解在该目标函数上的距离之差与该目标函数上的最大距离和最小距离之差的比值，拥挤距离越大表示该解附近的探索空间越大；D5：最差种群位置更新：种群最差位置的个体进行迁徙觅食，并完成位置、访问表、适应度值和精英解集的更新；D6：存档更新：基于拥挤距离动态消除法更新最优非支配解集存档；D7：迭代结束判断：根据迭代截止条件判断迭代是否结束，未结束则重新进入D3步骤，直至迭代结束得到蜂鸟最优位置对应下的最优帕累托解集和最优卸载策略。

全文数据：

权利要求：

百度查询： 成都中嵌自动化工程有限公司 一种基于非支配排序人工蜂鸟算法的MEC任务卸载方法