CN106713173A - 一种基于新贪心策略的按需服务数据包调度贪心算法 - Google Patents

Abstract

本发明属于计算机无线通信技术领域，涉及在基站集成无线网络环境下,一种基于新效用函数贪心策略的按需服务数据包调度贪心算法。首先我们建立该环境下数据包调度问题的数学模型，包括时隙模型和报文请求模型，将原问题转化为整形规划问题，这种整形规划问题可以证明为NP问题，在线性时间内不能找到其最优解，根据模型的特殊情况，可以将问题转化为0‑1整形规划问题，这样可以大大的减少求解问题的复杂性。在实际的online条件(即当前只有部分信道情况已知，部分待调度报文到达)下，基于本文提出的效用函数函数值的贪心策略比基于现有效用函数的贪心策略具有更好的仿真效果，能够提高分配报文的总效益。

Description

一种基于新贪心策略的按需服务数据包调度贪心算法

技术领域

本发明属于计算机无线通信技术领域，涉及在基站集成无线网络环境下,一种基于新贪心策略的按需服务数据包调度贪心算法。

背景技术

本文应用一种基于信息站的三层网络架构，即内容服务器，信息站(路边通信单元)和车载设备(用户)，系统中的网络数据服务方式为按需服务方式。这种网络架构和服务方式现在已经广泛应用于服务高速列车乘客的网络需求和V2X车联网系统通信中。在该系统中，基站通过稳定的网络连接与内容服务器相连，当车载设备(用户)按照需求请求数据服务时，数据报文将通过基站与车载设备或终端(手机，电脑等)之间的无线信道调度和分配给用户。

为了满足车辆在告诉行驶过程中基站与车辆通信的需求，克服开普勒效应等对网络通信的影响，有学者提出一种专门用于基站与车载设备通信的MAC帧结构。这种结构下，每个时间区间被分为时间间隔相等的用于信息传播的时隙，时间间隔小于信道相干时间(channel coherence time)，划分的每个时隙的信道增益是固定的，但是由于信号衰减等原因，时隙的容量会因不同的情况而有所差异。考虑时隙中信道增益等信道信息，应用自适应调制和编码技术，每个时隙可以发送的数据包数量上限可以得出。

考虑网络通信的质量，为了满足用户良好的网络体验，高质量、低延迟、低丢包率等要求是基站调度数据包时要追求的目标。Mohit Agarwal和Anuj Puri在2002年的论文中提出了一种服务请求模型。在按需请求数据服务下，用户愿意为不同的服务付出的代价也是不同，另外由于用户之间的差异，不同用户愿意为请求服务支付的价格也不尽相同，怎样合理高效利用信道，在上述帧结构下合理调度服务数据，使得调度的服务数据获得最大价值，使得服务运营商或提供者获得最大收益也是一种很重要的目标。基于该目标，该调度问题将被转化为一个抢占式单机调度问题，本发明的目标就是如此。

现在已经有学者将上述问题转化为目标函数为一个整数最优规划的问题，能够证明求解该整数最优规划问题是一个NP困难的问题，不能在线性时间内找到最优解。

很多学者提出了很多解决上述问题的算法,例如EDF算法，FIFO算法，还有基于其他效用函数(例如指数容量等)的贪心算法，但是目前算法得到的效果普遍不高，还有可以优化的余地。

发明内容

为解决现有技术中存在的问题，本发明提出一种基于新贪心策略的按需服务数据包调度贪心算法，将按需服务的数据包调度问题转化为整数最优规划问题，进而转化为0-1最优规划问题，利用贪心算法依照提出的效用函数值作为贪心策略对该问题进行优化求解。

本发明所采用的技术方案是按照以下步骤进行：

步骤一，将按需服务的数据包调度问题转化为整数最优规划问题；

1)建立时隙模型；

和表示网络用户进入和离开信息站h,h＝1,2,…,H的传输范围的时刻，时间在每个间隔期间内被等分为时长T_F的时隙，第H信息站覆盖的区域分为个时隙，用于数据传输的时隙总数确定在信息站每时隙内的最大数据包传输数量C_n,n＝1,2,…,N。

2)建立服务请求模型；

设用户服务请求集合为S，S中的每个服务请求s(s∈S)表示为一个四元组：

(G_s,Q_s,D_s,W_s(n)) (1)

其中，Q_s为每个服务需要被调度的数据包数量，G_s为每个服务的到达时间，D_s为该服务的最晚调度时间，W_s(n)为收益，其中n为该数据包的发送时隙；如果该服务的请求在它的生命周期[G_s,D_s]内被调度，那么该请求的每一个数据包将会获得一定收益，否则将不会获得收益。

3)将问题转化为求解最优整数规划问题；

令x_ns表示请求s在时隙n内发送数据包的数量，则调度方案表示为向量该调度方案将调度产生的总收益表示为如下目标函数：

其中，

其中，(2a)表示，数据包只能在服务的生命周期内才能被调度和分配，超出生命周期的数据包无效，且被调度数据包的数量只能为整数；(2b)表示在每个时隙内调度的数据包数量不能超过该时隙能发送的数据包数量的上限；(2c)则表示每个服务被调度数据包的数量不能超过该服务需调度数据包数量的上限。

步骤二，将步骤一的整数最优规划问题转化为0-1最优规划问题

基于时隙的容量，引入一种时隙到虚拟微时隙的映射。根据时隙n的容量C_n，该时隙被划分成C_n个微时隙，每个微时隙的容量是1，即最多仅一个数据包可以在每个微时隙内调度传输；通过这种映射关系，N个时隙共产生个微时隙；经过映射后，服务s的到达时间G_s和最晚调度时间D_s分别转化为：和令m表示微时隙的序号，x_ms表示微时隙m∈[g_s,d_s]内服务s传输数据包的数量，且x_ms∈{0,1}。

故步骤一的整数最优规划问题被规约为下列0-1规划问题，目标函数变为：

其中，

其限制条件含义和(2a)(2b)(2c)相似，唯一的区别在于(3a)，即每个微时隙最多只能发送一个数据包。

步骤三，根据新贪心策略采用贪心算法对该问题进行优化求解；

1)提出一种新的效用函数值作为新贪心策略：

其中α是可变的参数。

2)利用贪心算法求解式(3)，贪心算法具体步骤如下：

①初始化当前时隙序号n，可预测信息信道区间长度N_c，已经到达的服务集合S^*；

②对于根据(4)分别计算U_s；

③根据U_s值从大到小对S^*中的服务进行排序，获得排序后集合其中

④利用新贪心策略在当前时隙区间内优先安排U_s值大服务的数据包，每安排一个数据包，信道可用容量减1，相应服务的待调度数据包的数量减1；

⑤根据步骤④中调度的结果更新服务集合S^*，对于数据包全部调度完成的服务从S^*中删除，未调度完成的更新其尚未调度数据包数量；

⑥检查服务集合是否全部到达完毕，到达完毕后根据实际调度结果计算总收益。

本发明的有益效果为：

基于该新贪心策略的贪心算法，仿真结果证明，比基于现有贪心策略的贪心算法更加高效，而且基于这种贪心策略的贪心算法和目前学者提出的online checker算法相比，仿真结果证明能够获得更大的总效益。

附图说明

图1为本发明整体流程图。

图2为本发明的贪心算法流程图。

图3为时隙到微时隙的映射。

图4为仿真效果图。

具体实施方式

下面结合附图和具体实施例对本发明的技术方案进行详细说明。

实施例1：

给出一种新的按需服务的数据包调度算法，目的在于使得数据包调度获得更大的收益，在online条件下，上述目标函数获得更大值，如图1所示。

步骤一，将按需服务的数据包调度问题转化为整数最优规划问题；

步骤二，将步骤一的整数最优规划问题转化为0-1最优规划问题；

一个具体的时隙映射如附图3所示。

步骤三，根据新贪心策略采用贪心算法对该问题进行优化求解；

Online条件下，假设当前时隙为n，未来N_c时隙的信息已知，即信道容量已知，且在当前时隙已经到达的待调度的请求服务集合为S^*已知，这样基于现有的信息，应用贪心算法来解决。举例来说，如图2所示：

假设在时隙1到达的服务集合为S₁，在时隙区间[1,N_c]内的待调度服务集合(服务的生命周期内且待调度的数据包数量不为0)为S^*，明显地，此时S^*＝S₁，在该调度区间内应用贪心算法解决直到新的服务请求到达或者新的信道信息已知。假设现在有新的请求集合S_n到达时隙n(n≤N_c)，这样我们把时隙n“看作”新的时隙1，更新S^*：新到达的请求加入S^*，对于原来S^*中的请求，如果已经超出生命周期或者其数据包已经全部被调度，则从S^*中删除，对于其他的请求，则更新它们的待调度数据包数量。不断有新请求服务到来不断重复上述过程，直到所有的请求服务全部被调度。

基于前面提出贪心策略，使用贪心算法来求解online条件下该问题的步骤如下：

1.初始化当前时隙序号n，可预测信息信道区间长度N_c，已经到达的服务集合S^*；

2.对于根据式(4)分别计算U_s；

3.根据U_s值从大到小对S^*中的服务进行排序，获得排序后集合其中

4.利用贪心策略在当前时隙区间内优先安排U_s值大服务的数据包，每安排一个数据包，信道可用容量减1，相应服务的待调度数据包的数量减1；

5.根据步骤4中调度的结果更新服务集合S^*，对于数据包全部调度完成的服务从S^*中删除，未调度完成的更新其尚未调度数据包数量；

6.服务集合是否全部到达完毕，到达完毕后根据实际调度结果计算总收益。

根据上述算法，将其程序化，利用matlab进行仿真实验。实验中，采用如下实验样本：每个时隙的容量为5，即每个时隙可以映射为5个微时隙，请求报文到达时间符合泊松分布，到达速率符合泊松分布，生命周期符合均值为10的指数分布,每个请求服务需要发送的数据包的数量Q_s满足[5,15]的随机分布，每个数据包的单价W_s满足[1,10]的随机分布。

基于以上的实验数据，采用多次试验取平均和均值的方法，每个算法做500次实验取平均值，计算方差，绘制了仿真结果图。

比较例1：

目前最流行的贪心策略是按照W_s进行贪心选择，即优先调度报文单价W_s大的服务，W_s越大，其待调度优先级越高。这种贪心策略也是其他各种贪心策略的基础，除此之外，其他学者还提出了两种基于效用函数的贪心策略：Smith Ratio效用函数和ExponentialCapacity效用函数。其中，请求服务s的Smith Ratio效用函数值定义如下：

U_s＝W_s/Q_s (5)

该效用函数的思路简单，一个服务s的W_s越大或者需要发送的数据包的数量越少，那么s的效用值就越大。

请求服务s的Exponential Capacity效用函数值定义为：

其中，即当前时刻(时隙)已经到达的所有服务的集合，而表示s在当前时刻(时隙)还尚未调度的数据包的数量。仿真实验结果显示，利用该效用函数值作为贪心策略的贪心算法效果不如之前学者提出的online checker算法，而online checker算法已经被证明是解决该问题算法中较优的，考虑竞争比，在离线最优算法下，该算法的竞争比最低可以达到最优离线算法的1/2。

如图4所示，基于该新贪心策略的贪心算法，仿真结果证明，比基于现有贪心策略的贪心算法更加高效，而且基于这种贪心策略的贪心算法和目前学者提出的onlinechecker算法相比，仿真结果证明能够获得更大的总效益，相比于比较例中的两种效用函数的贪心算法更加高效。

Claims (2)

1.一种基于新贪心策略的按需服务数据包调度贪心算法，其特征在于如下步骤：

步骤一，将按需服务的数据包调度问题转化为整数最优规划问题；

1)建立时隙模型；

和表示网络用户进入和离开信息站h,h＝1,2,…,H的传输范围的时刻，时间在每个间隔期间内被等分为时长T_F的时隙，第H信息站覆盖的区域分为个时隙，用于数据传输的时隙总数确定在信息站每时隙内的最大数据包传输数量C_n,n＝1,2,…,N；

2)建立服务请求模型；

设用户服务请求集合为S，S中的每个服务请求s(s∈S)表示为一个四元组：

(G_s,Q_s,D_s,W_s(n)) (1)

其中，Q_s为每个服务需要被调度的数据包数量，G_s为每个服务的到达时间，D_s为该服务的最晚调度时间，W_s(n)为收益，其中n为该数据包的发送时隙；如果该服务的请求在它的生命周期[G_s,D_s]内被调度，那么该请求的每一个数据包将会获得一定收益，否则将不会获得收益；

3)将问题转化为求解最优整数规划问题；

令x_ns表示请求s在时隙n内发送数据包的数量，则调度方案表示为向量该调度方案将调度产生的总收益表示为如下目标函数：

$\underset{X}{max}\underset{s\∈S}{\Σ}\[W_s\left(n\right)\underset{n=G_s}{\overset{D_s}{\Σ}}{x}_{ns}\]---\left(2\right)$

其中，

$x_{ns}\∈Z^{+},\∀n\∈\[G_s,D_s\],\∀s\∈S---\left(2a\right)$

$\underset{s\∈S}{\Σ}{x}_{ns}\≤C_n,\∀n=1,2,...,N---\left(2b\right)$

$\underset{n=Gs}{\overset{Ds}{\Σ}}{x}_{ns}\≤Q_s,\∀s---\left(2c\right)$

步骤二，将整数最优规划问题转化为0-1最优规划问题；

根据时隙n的容量C_n，该时隙被划分成C_n个微时隙，每个微时隙的容量是1，即最多仅一个数据包可以在每个微时隙内调度传输；通过这种映射关系，N个时隙共产生个微时隙；经过映射后，服务s的到达时间G_s和最晚调度时间D_s分别转化为：和令m表示微时隙的序号，x_ms表示微时隙m∈[g_s,d_s]内服务s传输数据包的数量，且x_ms∈{0,1}；

$\underset{X}{max}\underset{s\∈S}{\Σ}\[W_s\left(m\right)\underset{m=g_s}{\overset{g_s}{\Σ}}{x}_{ms}\]---\left(3\right)$

其中，

$x_{ms}\∈\{0,1\},\∀n\∈\[g_s,d_s\],\∀s\∈S---\left(3a\right)$

$\underset{s\∈S}{\Σ}{x}_{ms}\≤1,\∀m---\left(3b\right)$

$\underset{n=g_s}{\overset{d_s}{\Σ}}{x}_{ms}\≤Q_s,\∀s---\left(3c\right)$

步骤三，根据新贪心策略采用贪心算法对该问题进行优化求解；

1)提出一种新的效用函数值作为新贪心策略：

$U_s=W_s\×\frac{{Q_s}^{1-\mathrm{\α}}}{1-\mathrm{\α}},\mathrm{\α}\≥0,\mathrm{\α}\≠1---\left(4\right)$

其中α是可变的参数；

2)基于1)中的新贪心策略利用贪心算法求解式(3)。

2.根据权利要求1所述的一种基于新贪心策略的按需服务数据包调度贪心算法，其特征在于，利用贪心算法求解的步骤如下：

①初始化当前时隙序号n，可预测信息信道区间长度N_c，已经到达的服务集合S^*；

②对于根据式(4)分别计算U_s；

③根据U_s值从大到小对S^*中的服务进行排序，获得排序后集合其中

④利用新贪心策略在当前时隙区间内优先安排U_s值大服务的数据包，每安排一个数据包，信道可用容量减1，相应服务的待调度数据包的数量减1；

⑤根据步骤④中调度的结果更新服务集合S^*，对于数据包全部调度完成的服务从S^*中删除，未调度完成的更新其尚未调度数据包数量；

⑥检查服务集合是否全部到达完毕，到达完毕后根据实际调度结果计算总收益。