在邊緣計(jì)算資源協(xié)同與調(diào)度QoE優(yōu)化前提下,對(duì)兩階段邊緣服務(wù)組合及調(diào)度提出一種改進(jìn)的天牛須粒子群算法.該算法將天牛須搜索算法中的天牛抽象成粒子,將單個(gè)個(gè)體的天牛須搜索算法拓展至群體,并引入二階振蕩機(jī)制和動(dòng)態(tài)因子.不僅改進(jìn)了位置更新公式和動(dòng)態(tài)參數(shù)機(jī)制,改進(jìn)群體覓食時(shí)的位置更新時(shí)的動(dòng)態(tài)參數(shù)機(jī)制,豐富了群體移動(dòng)時(shí)的位置多樣性,并且提高了算法的全局搜索能力.通過QoE限制條件下的服務(wù)組合與調(diào)度仿真實(shí)驗(yàn)結(jié)果分析得出,該算法能夠在滿足用戶請(qǐng)求QoE的條件下使得請(qǐng)求的整體執(zhí)行時(shí)間開銷達(dá)到最小. 

【文章來源】：小型微型計(jì)算機(jī)系統(tǒng). 2019,40(07)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

邊緣服務(wù)組合結(jié)構(gòu)Fig．1Edgeservicecompositionstructure

1050635101504450681003054025425535753795265535111030583658925772584457475822此外，本文的模型還加入了服務(wù)切換時(shí)間，隨著服務(wù)請(qǐng)求數(shù)的增加，問題規(guī)模也在逐漸增加．本文提出改進(jìn)天牛須粒子群調(diào)度算法能夠在保持收斂速度的情況下，保持解的質(zhì)量和穩(wěn)定性，并具有較強(qiáng)的避免陷入局部最優(yōu)的能力，說明其能適應(yīng)大規(guī)模的多目標(biāo)優(yōu)化問題的求解．篇幅限制，此處隨機(jī)選取在邊緣服務(wù)請(qǐng)求總數(shù)分別為50，70，100三種情況下，三種算法分別求得的總生產(chǎn)時(shí)間隨迭代次數(shù)的變化趨勢(shì)如圖3-圖5所示．圖3請(qǐng)求數(shù)為50時(shí)三種算法的對(duì)比Fig．3Comparisonofthreealgorithmswhenthenumberofrequestsis50在圖3中，BAPSO展現(xiàn)出較好的全局探索能力，在快速收斂的前提下較大地提高了解的質(zhì)量，縮短了調(diào)度時(shí)的總時(shí)間開銷．分析圖4可知，BAPSO在迭代后期陷入局部最優(yōu)的圖4請(qǐng)求數(shù)為70時(shí)三種算法的的對(duì)比Fig．4Comparisonofthreealgorithmswhenthenumberofrequestsis70情況下及時(shí)作出調(diào)整，跳出了局部最優(yōu)．在圖5中，在問題規(guī)模較大的情況下，粒子群算法較早陷入了局部最優(yōu)，改進(jìn)后的7期簡琤峰等:一種面向邊緣計(jì)算QoE的服務(wù)組合及調(diào)度方法1041

攏?３紙獾鬧柿亢?穩(wěn)定性，并具有較強(qiáng)的避免陷入局部最優(yōu)的能力，說明其能適應(yīng)大規(guī)模的多目標(biāo)優(yōu)化問題的求解．篇幅限制，此處隨機(jī)選取在邊緣服務(wù)請(qǐng)求總數(shù)分別為50，70，100三種情況下，三種算法分別求得的總生產(chǎn)時(shí)間隨迭代次數(shù)的變化趨勢(shì)如圖3-圖5所示．圖3請(qǐng)求數(shù)為50時(shí)三種算法的對(duì)比Fig．3Comparisonofthreealgorithmswhenthenumberofrequestsis50在圖3中，BAPSO展現(xiàn)出較好的全局探索能力，在快速收斂的前提下較大地提高了解的質(zhì)量，縮短了調(diào)度時(shí)的總時(shí)間開銷．分析圖4可知，BAPSO在迭代后期陷入局部最優(yōu)的圖4請(qǐng)求數(shù)為70時(shí)三種算法的的對(duì)比Fig．4Comparisonofthreealgorithmswhenthenumberofrequestsis70情況下及時(shí)作出調(diào)整，跳出了局部最優(yōu)．在圖5中，在問題規(guī)模較大的情況下，粒子群算法較早陷入了局部最優(yōu)，改進(jìn)后的7期簡琤峰等:一種面向邊緣計(jì)算QoE的服務(wù)組合及調(diào)度方法1041

【參考文獻(xiàn)】：
期刊論文
[1]基于綜合信任的邊緣計(jì)算資源協(xié)同研究[J]. 鄧曉衡,關(guān)培源,萬志文,劉恩陸,羅杰,趙智慧,劉亞軍,張洪剛.  計(jì)算機(jī)研究與發(fā)展. 2018(03)
[2]基于QoE的移動(dòng)WebRTC傳輸優(yōu)化策略[J]. 岑霄,葛志輝,李陶深,葉進(jìn).  小型微型計(jì)算機(jī)系統(tǒng). 2017(07)
[3]一種求解云服務(wù)組合全局QoS最優(yōu)問題的改進(jìn)雜交粒子群算法[J]. 簡琤峰,王斌,張美玉,陳嘉誠.  小型微型計(jì)算機(jī)系統(tǒng). 2017(07)
[4]云計(jì)算環(huán)境下信任機(jī)制綜述[J]. 金瑜,王凡,趙紅武,鄧?yán)?  小型微型計(jì)算機(jī)系統(tǒng). 2016(01)
[5]一種基于QoS的QoE到SLA映射方法[J]. 倪萍,廖建新,朱曉民,萬里.  電子與信息學(xué)報(bào). 2010(06)



本文編號(hào)：3535140