欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2020116323747
申请人: 杭州电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2024-08-27
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于遗传算法的Fog‑RAN网络缓存放置问题的决策方法,其特征在于包括如下步骤:步骤1:随机生成若干个不同的包含全体雾节点的内容缓存决策矩阵,然后采用二进制编码方法对这些内容缓存决策矩阵进行编码,得到若干个不同的个体,这些个体组成遗传算法的初始种群;

步骤2:计算种群中每个个体的适应度值,计算个体适应度值的函数设置为整个Fog‑RAN网络下全体用户的平均下载延迟函数;

步骤3:根据种群中每个个体的适应度值,采用锦标赛选择方法对个体进行筛选;

步骤4:将筛选后的种群的个体随机两两配对,每一对个体作为一对父代个体,然后设定一个交叉概率,对每一对父代个体,为其生成一个[0,1]区间内的随机数;若存在某对父代个体的随机数小于交叉概率Pm,则随机生成连接点,然后将该对父代个体在该连接点处进行交叉组合;然后,判断交叉之后得到的新个体是否满足约束条件;若存在新个体不满足约束,则重新随机生成新的连接点,将该新个体的父代个体重新进行交叉操作,得到新的子代个体,然后再判断新个体是否满足约束条件,直到交叉得到的新个体满足约束条件为止;

步骤5:设定一个变异概率Pc,然后对交叉之后得到的后代种群中每一个个体,为其生成一个[0,1]区间内的随机数;若存在某个个体的随机数小于变异概率Pc,则对其进行变异,得到变异之后的新个体S′;

步骤6:将经过选择、交叉、变异操作之后的新种群重新进行上述步骤3~5的选择、交叉、变异的操作,重复迭代若干次,直到得到的新种群的个体适应度的最佳值收敛,然后将对应于最佳值的个体进行解码,就得到最佳的包含全体雾节点的内容缓存决策矩阵。

2.根据权利要求1所述的基于遗传算法的Fog‑RAN网络缓存放置问题的决策方法,其特征在于内容缓存决策矩阵X是一个M×Q矩阵,其中M为整个网络中雾节点的数量,Q为整个网络中内容的种类数量;内容缓存决策矩阵X中的决策变量xmq是一个0‑1变量,xmq=1表示雾节点nm缓存了内容fq;xmq=0表示雾节点nm没有缓存内容fq;且每个雾节点都有容量上限,对于雾节点nm,它的容量上限为Qm;对于雾节点nm,定义它的内容缓存决策矢量Xm为一个1×Q的矢量,该矢量中的元素为决策变量xmq;在生成内容缓存决策矩阵X时,并不是完全的随机生成,而是让任意一个雾节点nm都从其值得缓存的内容集合Fm中随机选取Qm个内容进行缓存;其中,内容集合 该集合中的元素为雾节点nm值得缓存的内容,即:该雾节点服务的用户的所需内容以及与其协作的雾节点服务的用户的所需内容;相应的,对于雾节点nm定义其值得缓存的内容缓存决策矢量为一个1×Q的矢量X′m。

3.根据权利要求2所述的基于遗传算法的Fog‑RAN网络缓存放置问题的决策方法,其特征在于二进制编码方法具体操作为:定义种群中的个体为S=(s1,…,sM×Q),S的第i个元素si∈{0,1}定义为:

其中,代表xmq和si之间的映射关系;若雾节点nm缓存了内容fq,则si=xmq=1;由此确定编码与解码方式。

4.根据权利要求3所述的基于遗传算法的Fog‑RAN网络缓存放置问题的决策方法,其特征在于步骤2具体实现如下:

整个Fog‑RAN网络下全体用户的平均下载延迟函数为:其中,K为全体用户的数量; 为全体用户的平均下载延迟,即个体的适应度值;Dkq(·)为用户uk从其接入雾节点nm下载内容fq的下载延迟;pkq为用户uk请求内容fq的概率;|fq|为内容fq的大小;Rmk为雾节点nm到用户uk的传输速率;Dnm为雾节点nn与协作雾节点nm之间的传输时延;I(·)为标志函数,当用户uk的接入雾节点nm的协作雾节点中缓存了内容fq时为1,否则为0;DC为云数据中心的内容服务器将内容传输给雾节点nm的传输时延;Cm为能够与雾节点nm进行协作的雾节点集合。

5.根据权利要求4所述的基于遗传算法的Fog‑RAN网络缓存放置问题的决策方法,其特征在于整个网络下全体用户的平均下载延迟函数中的标志函数I(·),具体表示为:其中,Cm为雾节点nm的协作雾节点的集合。

6.根据权利要求5所述的基于遗传算法的Fog‑RAN网络缓存放置问题的决策方法,其特征在于步骤3所述的筛选具体实现如下:

每次从种群中取出一定数量个体,然后选择其中具有最佳适应度值的一个个体进入子代种群,重复该操作,直到新的种群规模达到原来的种群规模;具体的:设置每次的选取比例为50%,则每次从种群中随机选取一半的个体,比较这些个体的适应度值,挑选具有最佳适应度值的个体加入到下一代的种群中,重复所述操作,直到新的种群的个体数量达到原来的种群规模。

7.根据权利要求5或6所述的基于遗传算法的Fog‑RAN网络缓存放置问题的决策方法,其特征在于步骤5所述的变异具体实现如下:从该个体中随机选取一个值为1的元素,将该元素的值变为0,并记录下该元素在该个体中的位置;然后,利用个体的解码方法,判断该元素位于哪个雾节点的内容缓存决策矢量中,若该元素位于雾节点nm的内容缓存决策矢量Xm中,则将该个体中的雾节点nm的内容缓存决策矢量Xm复制出来,得到矢量Xcopy;将矢量Xcopy与雾节点nm的值得缓存的内容集合对应的内容缓存决策矢量X′m进行异或操作,得到Xxor;最后,从经过异或操作得到的Xxor中随机挑选一个元素值为1的位置,将雾节点nm的Xcopy中的对应位置的元素设置为1,得到X′copy;再将个体S中对应于雾节点nm的内容缓存决策矢量Xm的那部分元素值替换为X′copy,得到变异之后的新个体S′。