如何有效的解決云邊混合計算中的計算卸載問題已逐漸成為互聯(lián)網(wǎng)和物聯(lián)網(wǎng)領(lǐng)域的研究重點(diǎn)。計算卸載問題屬于NP-hard優(yōu)化問題,標(biāo)準(zhǔn)蟻群優(yōu)化算法作為傳統(tǒng)的啟發(fā)式算法可以用來解決類似計算卸載問題,但是傳統(tǒng)蟻群優(yōu)化算法存在著諸多不足,針對這些不足對傳統(tǒng)蟻群優(yōu)化算法進(jìn)行了改進(jìn),旨在得到時延優(yōu)化的計算卸載策略。針對單邊緣計算節(jié)點(diǎn)和云服務(wù)器之間的協(xié)同計算進(jìn)行了研究,首先根據(jù)整體任務(wù)卸載模型進(jìn)行了數(shù)學(xué)建模;然后根據(jù)各個數(shù)學(xué)模型利用改進(jìn)后的蟻群優(yōu)化算法進(jìn)行了實(shí)驗(yàn)仿真。仿真實(shí)驗(yàn)結(jié)果表明改進(jìn)后的蟻群優(yōu)化算法比傳統(tǒng)蟻群優(yōu)化算法收斂更快,其中改進(jìn)蟻群優(yōu)化算法在17次迭代后開始收斂,傳統(tǒng)蟻群優(yōu)化算法在23次迭代后開始收斂;并且使用改進(jìn)后的蟻群優(yōu)化算法調(diào)度任務(wù)與傳統(tǒng)蟻群優(yōu)化算法調(diào)度任務(wù)、任務(wù)只在邊緣計算節(jié)點(diǎn)執(zhí)行和任務(wù)全部卸載到云服務(wù)器上執(zhí)行進(jìn)行了對比,結(jié)果表明使用改進(jìn)后的蟻群優(yōu)化算法進(jìn)行任務(wù)調(diào)度大大縮短了任務(wù)的完成時間,其中當(dāng)任務(wù)數(shù)量為50個時,改進(jìn)蟻群算法執(zhí)行任務(wù)比上述3種方法分別大約短6 s,15 s,50 s。 

【文章來源】：電子測量技術(shù). 2020,43(09)

【文章頁數(shù)】：5 頁

【部分圖文】：

計算卸載系統(tǒng)模型

根據(jù)上述參數(shù)實(shí)驗(yàn)仿真得到傳統(tǒng)蟻群算法與改進(jìn)后蟻群算法的收斂速度和任務(wù)執(zhí)行延遲對比圖,如圖2所示。通過上圖可以看出傳統(tǒng)蟻群算法在該場景下在23次開始收斂,且任務(wù)的執(zhí)行時間大約在30 s左右,而改進(jìn)后的蟻群優(yōu)化算法在17次便開始收斂并且任務(wù)的執(zhí)行時間在25 s左右;兩者比較可知改進(jìn)后的蟻群優(yōu)化算法收斂更快且部分提高了任務(wù)的執(zhí)行時間。

不同任務(wù)數(shù)下的延遲大小

【參考文獻(xiàn)】：
期刊論文
[1]基于MQTT的多協(xié)議物聯(lián)網(wǎng)網(wǎng)關(guān)設(shè)計與實(shí)現(xiàn)[J]. 于海飛,張愛軍.  國外電子測量技術(shù). 2019(11)
[2]基于改進(jìn)蟻群算法的自適應(yīng)云資源調(diào)度模型研究[J]. 聶清彬,潘峰,吳嘉誠,曹耀欽.  激光與光電子學(xué)進(jìn)展. 2020(01)
[3]基于改進(jìn)蟻群優(yōu)化算法的云計算調(diào)度方法[J]. 王恩重,陶傳奇.  計算機(jī)與數(shù)字工程. 2019(04)
[4]基于拉格朗日的計算遷移能耗優(yōu)化策略[J]. 樂光學(xué),朱友康,劉建生,戴亞盛,游真旭,徐浩.  電信科學(xué). 2018(12)
[5]面向邊緣云高效能的移動終端計算遷移方法[J]. 徐乃凡,王俊芳,郭建立,林榮恒.  電子測量技術(shù). 2018(20)
[6]基于改進(jìn)蟻群算法的云計算任務(wù)調(diào)度研究[J]. 魏勇,趙開新,張松青,王東署.  火力與指揮控制. 2017(05)



本文編號：3008491