CN111953547B - 一种基于业务的异构基站重叠分组及资源配置方法及装置 - Google Patents
一种基于业务的异构基站重叠分组及资源配置方法及装置 Download PDFInfo
- Publication number
- CN111953547B CN111953547B CN202010846561.9A CN202010846561A CN111953547B CN 111953547 B CN111953547 B CN 111953547B CN 202010846561 A CN202010846561 A CN 202010846561A CN 111953547 B CN111953547 B CN 111953547B
- Authority
- CN
- China
- Prior art keywords
- base station
- service
- node
- nodes
- bipartite graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013468 resource allocation Methods 0.000 title claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 230000002068 genetic effect Effects 0.000 claims abstract description 19
- 230000015654 memory Effects 0.000 claims description 18
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 22
- 210000000349 chromosome Anatomy 0.000 description 16
- 230000008569 process Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 7
- 108090000623 proteins and genes Proteins 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007667 floating Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000035772 mutation Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012248 genetic selection Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
Abstract
本发明提供了一种基于业务的异构基站重叠分组及资源配置方法及装置,该方法包括获取电力无线异构网信息,并根据电力无线异构网信息构建业务集合与基站集合之间的二分图;根据电力无线异构网信息配置二分图中连接边的权值,并根据预设赋值规则为业务节点和基站节点配置顶标值;采用匈牙利算法得到二分图满足预设匹配规则的当前最大权匹配结果;判断当前最大权匹配结果是否满足所有业务节点都有相匹配的基站节点;如果满足,则根据当前最大权匹配结果构建各业务的基站重叠分组;根据基站重叠分组的结果,采用遗传算法确定各基站的资源分配结果。实现以业务为中心的基站分组,可满足不同业务的时延要求,提高了业务的执行效率和网络资源的利用率。
Description
技术领域
本发明涉及电力物联网技术领域,具体涉及一种基于业务的异构基站重叠分组及资源配置方法及装置。
背景技术
在电力无线异构网络场景中,各类智能监测业务数据流量飞速增长,为了适应这样的网络流量增长形势,可以通过在智能监测设备重叠部署不同技术形式网络构造电力无线异构网络的方法,提高谱利用率和网络吞吐量。最终形成了多种形式网络重叠覆盖监测设备的电力无线异构网络。
随着电网业务的发展,对业务的监测效率与监测时延要求逐步提高,此时,单一的边缘服务器难以高效独立处理单业务的处理请求。目前针对电力无线异构网络重叠覆盖的监测网络,在现有的资源分配方案中不同的业务通常会在现有分组中选择合适的传输基站。由于现有的分组决策和资源分配研究都是以基站为中心,将基站资源分配到某一个固定分组中,按照固定的分配方式为所有的业务提供资源服务,但是由于不同业务自身时延要求并不一致,这种以基站为中心的传统资源配置方式难以适应不同业务要求的变化,进而影响业务的执行效率和网络资源的利用率。
发明内容
有鉴于此,本发明实施例提供了一种基于业务的异构基站重叠分组及资源配置方法及装置,以克服现有技术中基于电力无线异构网络的监测网络的资源配置方法难以适应不同业务要求的变化,造成业务执行效率和网络资源利用率低的问题。
本发明实施例提供了一种基于业务的异构基站重叠分组及资源配置方法,包括:
获取电力无线异构网信息,并根据所述电力无线异构网信息构建业务集合与基站集合之间的二分图,其中,将所述业务集合中的业务和所述基站集合中的基站分别配置为所述二分图的业务节点和基站节点,将业务与基站之间的连接关系配置为所述二分图的连接边;
根据所述电力无线异构网信息配置所述二分图中连接边的权值,并根据预设赋值规则为所述业务节点和所述基站节点配置顶标值;
采用匈牙利算法得到所述二分图满足预设匹配规则的当前最大权匹配结果;
判断所述当前最大权匹配结果是否满足所有业务节点都有相匹配的基站节点;
当所述当前最大权匹配结果满足所有业务节点都有相匹配的基站节点时,根据所述当前最大权匹配结果构建各业务的基站重叠分组;
根据所述基站重叠分组的结果,采用遗传算法确定各基站的资源分配结果。
可选地,所述根据所述电力无线异构网信息配置所述二分图中连接边的权值,并根据预设赋值规则为所述业务节点和所述基站节点配置顶标值,包括:
从所述电力无线异构网信息中获取业务与基站之间的距离,并将所述距离配置为所述二分图中对应的业务节点与基站节点之间连接边的权值;
获取与业务节点相连的所有连接边的权值,确定所有连接边中的最小权值;
将所述业务节点的顶标值配置为所述最小权值,并将基站节点的顶标值配置为0。
可选地,所述预设匹配规则为基站节点与业务节点之间的顶标值之和不大于基站节点与业务节点之间连接边的权值。
可选地,当所述当前最大权匹配结果不满足所有业务节点都有相匹配的基站节点时,所述方法还包括:
获取所有不满足所述预设匹配规则的业务节点与基站节点的顶标值之和以及业务节点与基站节点的连接边的权值;
分别计算所述顶标值之和与权值的差值,并对所有的差值进行排序,得到最小差值;
根据所述最小差值分别对所述二分图中业务节点及基站节点的顶标值进行更新,并返回所述采用匈牙利算法得到所述二分图满足预设匹配规则的当前最大权匹配结果的步骤,直至所述当前最大权匹配结果满足所有业务节点都有相匹配的基站节点。
可选地,所述根据所述最小差值分别对所述二分图中业务节点及基站节点的顶标值进行更新,包括:
将业务节点的顶标值加上所述最小差值得到更新后的业务节点的顶标值;
将基站节点的顶标值减去所述最小差值得到更新后的基站节点的顶标值。
可选地,所述根据所述当前最大权匹配结果构建各业务的基站重叠分组,包括:
获取当前业务在所述当前最大权匹配结果中对应的基站节点,并将所述基站节点确定为所述当前业务的锚节点;
获取所有基站的位置信息;
根据所述位置信息分别计算所述锚节点对应的基站与其他基站之间的距离;
将距离满足预设距离阈值的基站及所述锚节点对应的基站确定为所述当前业务的基站重叠分组。
本发明实施例还提供了一种基于业务的异构基站重叠分组及资源配置装置,包括:
第一模块,用于获取电力无线异构网信息,并根据所述电力无线异构网信息构建业务集合与基站集合之间的二分图,其中,将所述业务集合中的业务和所述基站集合中的基站分别配置为所述二分图的业务节点和基站节点,将业务与基站之间的连接关系配置为所述二分图的连接边;
第二模块,用于根据所述电力无线异构网信息配置所述二分图中连接边的权值,并根据预设赋值规则为所述业务节点和所述基站节点配置顶标值;
第三模块,用于采用匈牙利算法得到所述二分图满足预设匹配规则的当前最大权匹配结果;
第四模块,用于判断所述当前最大权匹配结果是否满足所有业务节点都有相匹配的基站节点;
第五模块,用于当所述当前最大权匹配结果满足所有业务节点都有相匹配的基站节点时,根据所述当前最大权匹配结果构建各业务的基站重叠分组;
第六模块,用于根据所述基站重叠分组的结果,采用遗传算法确定各基站的资源分配结果。
可选地,所述预设匹配规则为基站节点与业务节点之间的顶标值之和不大于基站节点与业务节点之间连接边的权值。
本发明实施例还提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行本发明实施例提供的基于业务的异构基站重叠分组及资源配置方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行本发明实施例提供的基于业务的异构基站重叠分组及资源配置方法。
本发明技术方案,具有如下优点:
本发明实施例提供了一种基于业务的异构基站重叠分组及资源配置方法及装置,包括:获取电力无线异构网信息,并根据电力无线异构网信息构建业务集合与基站集合之间的二分图;根据电力无线异构网信息配置二分图中连接边的权值,并根据预设赋值规则为业务节点和基站节点配置顶标值;采用匈牙利算法得到二分图满足预设匹配规则的当前最大权匹配结果;判断当前最大权匹配结果是否满足所有业务节点都有相匹配的基站节点;如果满足,则根据当前最大权匹配结果构建各业务的基站重叠分组;根据基站重叠分组的结果,采用遗传算法确定各基站的资源分配结果。通过采用“以业务为中心”的重叠分组策略,从网络整体时延的角度出发,来降低业务的平均计算时延,能够提高相互协作的基站间资源的配置效率,优化无线带宽资源的利用率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中的以“业务为中心”的异构资源配置方案场景图;
图2为本发实施例中的基于业务的异构基站重叠分组及资源配置方法的流程图;
图3为本发明实施例中的基于业务的异构基站重叠分组及资源配置方法的具体应用实例的示意图;
图4为本发明实施例中的基于业务的异构基站重叠分组及资源配置装置的结构示意图;
图5为本发明实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
在电力无线异构网场景中,各类智能监测业务数据流量飞速增长。为了适应这样的网络流量增长形势,人们通过在智能设备部署重叠覆盖异构基站的方法,提高了频谱利用率和网络吞吐量。这些基站的通信形式不同,为业务提供不同的网络服务,例如:提供LTE230MHz服务的基站、提供NB-IoT 230MHz网络服务的基站及提供运营商LTE与NB-IoT网络服务的基站,这些基站的服务范围相互重叠构成异构基站,最终形成了多种形式网络重叠覆盖监测设备的电力无线异构网络。
随着移动边缘计算的发展,移动网络中的基站具有一定的计算能力。这些计算资源可以在电网的智能监测中发挥作用。在智能监测及巡检业务中,通过将本地监测数据卸载到边缘服务器可以有效减少数据处理时延,提高监测效率。目前一些研究针对网络整体的时延或传输速率做了优化。
随着电网业务的发展,监测效率与监测时延要求逐步提高,单一的边缘服务器难以高效独立处理单业务的处理请求。同时,由于智能监测网络中的基站密度相对较大,基站的空闲资源利用可以有效地提高网络性能。在这种场景中,本发明提出了一个基于重叠分组的协作处理机制。首先,考虑了电力无线异构网络中进行重叠分组的策略。其次,建立了业务节点的分簇与异构资源分布的数学模型,将联合上下行链路的时延优化问题分成分组和资源分配两个子问题。再次,提出了KM(Kuhn-Munkres)匹配与遗传算法相结合的资源分配算法,基于优化后的KM匹配算法对电力无线异构网络中的业务进行重叠分组,并使用遗传算法对分组后的计算与信道资源进行分配。
目前针对基于电力无线异构网络的监测网络,现有的资源分配方案并未采用重叠分组的思想,不同的业务通常会在现有分组的中选择合适的传输基站。大部分的分组决策和资源分配研究是以基站为中心,然而在重叠分组中,分组不再是以基站为中心,而是以设备的业务为中心聚集。一个基站可以同时处于不同的分组中,基站资源不再单纯地分配到某一个分组中,而是为多个分组服务。多个基站可以同时使用不同的策略为单个业务提供服务。在这种情况下,需要设计更适合重叠分组方式的资源分配方案。此外,目前大多数研究只单独针对网络的上行链路或者下行链路进行资源分配,但是在监测网络中,针对某些特殊的时延敏感型业务(如下行链路的控制命令),联合上下行链路从网络整体的角度进行资源配置是非常有必要的。
本发明实施例以电力无线异构网中的智能监测场景为背景,研究了“以业务为中心”的重叠分组策略和资源分配方案。提出了一种适应于电力无线异构网络重叠覆盖网络环境下的动态组网方法和资源配置方案,实现了从“业务被动的选择网络”到“网络主动服务业务”的转变。针对多基站协作下的资源难以管理的问题,本发明提出了KM匹配与遗传算法相结合的资源分配算法,基于优化后的KM匹配算法对基于电力无线异构网络的监测网络中的不同业务进行重叠分组,并使用遗传算法对分组后的计算与信道资源进行分配。
图1为电力无线异构网的智能监测场景中,以“业务为中心”的异构资源配置方案场景图。参照图1,在电力无线异构网的智能监测场景中,J个小基站以重叠分组的方式被分为最多I个分组,为I个业务提供服务。为了简单起见,本发明将业务集合表示为I={1,2,...,I},基站集合表示为J={1,2,...,J}。其中,i,j分别表示第i个业务和第j个基站。每个业务与基站的服务关系用矩阵X=[xij]表示。当xij=1时,表示基站j为业务i提供服务。反之,xij=0表示当前基站j没有为业务i提供服务。假设在当前区域,每个基站占用不同的频带范围,并为不同的业务分配不同的子载波进行通信,因此不考虑业务之间相互的干扰问题。基站处部署了缓存与MEC服务器,以提供缓存与计算资源。基站处的计算资源量用CPU每秒能处理的比特数表示,记为假定网络内各基站的发射功率相同,则不同基站的通信资源量主要通过带宽进行比较,每个基站分配到的子载波带宽总量通过Wj表示。
通过以上的系统模型可以得到,当业务只由一个基站j服务时,对于每个业务节点i,从其发出某个处理请求到该请求处理完成的时延tij主要由上行链路的数据卸载时延、基站侧的数据计算时延和下行链路的结果分发时延组成,即:
其中,αij表示上行链路给业务i分配的带宽比例,表示上行链路基站j的总带宽资源,Pi和hi,j分别表示业务的发射功率与信道增益。表示下行链路基站j将数据结果发送到业务节点i所需要的时间,且βi表示业务节点i数据处理后的压缩比例,注意不同的数据类型βi的值也不同,表示下行链路的传输速率。的表达式为:
其中,αji表示下行链路基站j给业务节点i分配的带宽比例,表示下行链路基站j的总带宽资源,Pj和hj,i分别表示基站的发射功率与信道增益。在网络中,基站采用重叠分组的方式进行协作。则网络中业务的平均等待时延最小为:
本发明将优化问题分解成两个子问题,一个是基站的重叠分组问题,一个是基站通信和计算资源分配问题。在重叠分组问题中,使用改进的KM算法对业务和基站进行匹配,以求找到重叠分组的锚节点。业务请求的文件版本会缓存在锚节点。通过锚节点,业务可以得到基本的服务质量保障。在资源分配问题中,本发明使用遗传算法对基站的信道资源和计算资源进行分配。由于传统的KM算法需要二分图两部分节点数量相同,而显然基站节点集合与业务节点集合中节点的数量不一致,因此,传统的KM算法无法得到最佳匹配结果,由于电力无线异构网络中对于同一业务其经过基站数一般不会小于节点数,本发明实施例通过对传统KM算法结束条件进行调整,当所有业务都被包含在一个最佳匹配中时,代表所有业务都已找到锚节点,可以视为匹配完成的标志。
图2为本发明实施例提供的基于业务的异构基站重叠分组及资源配置方法的具体流程图,其主要过程包括以下几个步骤:
步骤S101:获取电力无线异构网信息,并根据电力无线异构网信息构建业务集合与基站集合之间的二分图,其中,将业务集合中的业务和基站集合中的基站分别配置为二分图的业务节点和基站节点,将业务与基站之间的连接关系配置为二分图的连接边。具体地,电力无线异构网信息中包括在该电力无线异构网中所包含的基站及业务的相关信息,其中,业务也可以理解为用户。
在实际应用中,将如图1所示的电力无线异构网划分为两组,一组是业务集合I={i1,i2,...,iI},一组是基站集合J={j1,j2,...,jJ}。当业务可以与基站连接时,将二者对应的节点相连,并且业务节点或基站节点分组内没有相连的边,则所构成的网络拓扑可以看作一个二分图。由于业务处于重叠覆盖的电力无线异构网络中,可以假设区域中任意业务可以与任一基站相连,则网络拓扑图是一个完全二分图。
步骤S102:根据电力无线异构网信息配置二分图中连接边的权值,并根据预设赋值规则为业务节点和基站节点配置顶标值。
具体地,在一实施例中,上述的步骤S102包括如下步骤:
步骤S201:从电力无线异构网信息中获取业务与基站之间的距离,并将距离配置为二分图中对应的业务节点与基站节点之间连接边的权值。
步骤S202:获取与业务节点相连的所有连接边的权值,确定所有连接边中的最小权值。
步骤S203:将业务节点的顶标值配置为最小权值,并将基站节点的顶标值配置为0。
具体地,由于业务与基站之间的距离越大则数据时延也越大,因此,在本发明实施例中通过使用业务节点与基站节点间的距离作为边的权值,并且将业务节点的顶标值确定为最小权值的目的是为了后续得到所有业务节点间总距离最短的匹配结果,即得到总时延最优的分配方案。
步骤S103:采用匈牙利算法得到二分图满足预设匹配规则的当前最大权匹配结果。具体地,预设匹配规则为基站节点与业务节点之间的顶标值之和不大于基站节点与业务节点之间连接边的权值。
具体地,在一实施例中,如图3所示,上述步骤S103具体包括如下过程:首先找到一条增广路径,通过取反操作获得更大的匹配,并在当前匹配的基础上再寻找增广路径,重复此步骤,则可以得到二分图中满足上述预设匹配规则的一个当前最大权匹配结果,将当前最大权匹配结果中的业务节点与基站节点分别存储为I′={i1,i2,...,iM}和J′={j1,j2,…,jN}。并且,在这个过程中,如果有边因权值大于顶标值之和未加入增广路径,则需要记录二者差值g。
步骤S104:判断当前最大权匹配结果是否满足所有业务节点都有相匹配的基站节点。在实际应用中,如果上述的I=I′,则说明所有业务均找到匹配的基站节点,执行步骤S105,否则,说明仍有业务未找到匹配,则需要对上述二分图中的顶标值进行调整,执行步骤S107。
具体地,在一实施例中,当当前最大权匹配结果不满足所有业务节点都有相匹配的基站节点时,方法还包括:
步骤S107:获取所有不满足预设匹配规则的业务节点与基站节点的顶标值之和以及业务节点与基站节点的连接边的权值。
步骤S108:分别计算顶标值之和与权值的差值,并对所有的差值进行排序,得到最小差值。
需要说明的是,在实际应用中,由于上述在寻找当前最大权匹配结果的过程中已经对未加入增广路径的边进行了记录,因此,也可以直接获取所有未加入增广路径的边对应的权值与顶标值之和的差值g,并且通过对所有的差值从小到大进行排序,得到最小差值gmin。
步骤S109:根据最小差值分别对二分图中业务节点及基站节点的顶标值进行更新,并返回步骤S103,直至当前最大权匹配结果满足所有业务节点都有相匹配的基站节点。
具体地,在一实施例中,上述的步骤S109,具体包括如下过程:将业务节点的顶标值加上最小差值得到更新后的业务节点的顶标值;将基站节点的顶标值减去最小差值得到更新后的基站节点的顶标值。在实际应用中,通过将上述I′中的业务的顶标值加上最小差值gmin,将J′中的业务顶标值减去最小值gmin。这样I′与J′的匹配关系依然符合约束要求。而对于之前未参与匹配的(J-J′)中基站来说,与I′中业务匹配成功的条件放宽了,使得匈牙利算法在寻找增广路径时有更多边可供选择。调整顶标完成后,重复上述步骤S103,再次寻找当前图的当前最大权匹配结果,直至I=I′。
步骤S105:当当前最大权匹配结果满足所有业务节点都有相匹配的基站节点时,根据当前最大权匹配结果构建各业务的基站重叠分组。
具体地,在一实施例中,在完成以上步骤后,可以得到一个包含所有业务节点的匹配,使得匹配中所有边长权值和最小,即基站与业务节点的距离和最小,因此,可以基于该当前最大权匹配结果构建各业务的基站重叠分组。具体包括如下步骤:
步骤S501:获取当前业务在当前最大权匹配结果中对应的基站节点,并将基站节点确定为当前业务的锚节点。具体地,由于当前最大权匹配结果为每一个业务节点唯一对应有一个基站节点,因此,将该基站节点确定为当前业务的锚节点,该锚节点所对应的基站仅用于为当前业务提供服务,即每一个业务都需要独占一个锚节点。
步骤S502:获取所有基站的位置信息。
步骤S503:根据位置信息分别计算锚节点对应的基站与其他基站之间的距离。
步骤S504:将距离满足预设距离阈值的基站及锚节点对应的基站确定为当前业务的基站重叠分组。
在实际应用中,在确定当前业务的锚节点之后还需要若干个与锚节点对应的基站协同合作为当前业务提供服务的其他基站,因此,可以根据基站的位置信息来确定基站间的距离,进而根据距离来选择为当前业务提供服务的基站重叠分组中所包括的所有基站,在实际应用中,上述的预设距离阈值可以根据业务时延要求或者实际情况进行调整,本发明并不以此为限。
下面将结合具体示例,对上述步骤S5,进行详细说明:
当前最大权匹配结果其实就是一种连接关系,假设上述二分图中包括3个业务节点(a、b、c)以及8个基站节点(d、e、f、g、h、i、j、k),并且当前最大权匹配结果为:a节点接入基站e、b节点接入基站d、c节点接入基站g,当然这个结果是满足上述预设匹配规则的。此时,b节点接入基站d,d就称为b的锚节点,然后以d节点为中心d会按照预设距离阈值作为半径进行选择,将在其半径内的其他基站节点(如f、h)划分到分组中。分组划分后,该分组内的所有基站会为该业务节点服务。例如:b和d是一个最佳匹配结果,因此d是b的锚节点,该锚节点选取其他的基站与该锚节点组成一个基站组如d、f、h,然后d、f、h这个小组共同为业务节点b服务。
步骤S106:根据基站重叠分组的结果,采用遗传算法确定各基站的资源分配结果。具体地,通过上述步骤,对于每一个业务均得到该业务对应的一个基站重叠分组,其中,除了锚节点对应的基站之外,其他基站均可同时为多个业务提供服务,在本发明实施例中,基站中可用资源向不同业务进行分配的过程采用遗传算法来实现。遗传算法主要包括编码、种群初始化、适应度评估、选择、交叉、变异等步骤,具体实现过程如下:
编码。编码的主要工作是将待分配资源编码成为染色体。为了便于演化,染色体一般为一个(1,n)矩阵,矩阵中的元素称为基因。编码就是建立计算、信道等资源的表现型到染色体中基因型的映射关系。编码的方式有很多,包括二进制编码法、浮点编码法、符号编码法等。本发明采用浮点编码方式,将每个基站的信道、计算资源总量设为1,染色体中的基因对应基站分配给业务的资源占比。本发明的信道和计算资源分配结果分别通过两个I×J的矩阵表示,记作W和C。其中的元素均为不大于1的浮点数,wij表示基站j分配给业务i的子载波带宽资源占比,cij表示基站j分配给业务i的计算资源占比,将其与基站j的资源总量相乘即可得到业务分配到的真实资源量。将W和C两个矩阵分别转换成(1,n)矩阵,其中n=I×J.并将其连接成一个矩阵,成为染色体S。
初始化种群。以染色体为特征的个体的集合称为种群。种群的初始化就是建立足够多的个体进行演化,主要是染色体的初始化过程。本发明首先对两个资源分配矩阵进行初始化。在之前的分组过程中,为了保证服务质量,每个锚节点都只为一个对应业务提供服务,因此当基站j为业务i的锚节点时,wij=cij=1.其他基站的资源则随机分配给与其相连的各个业务节点,即∑iwij=∑icij=1重复以上过程,生成多个染色体,以完成种群初始化。
适应度评估。对种群的个体进行适应度评估,作为后续选择的依据。本发明进行资源分配的优化目标是业务的总时延。因此,需要将染色体转化为资源分配矩阵,得到业务总时延,以时延的倒数作为个体的适应度。资源分配方式对应的时延越低,则适应度越高,个体在演化中存活的几率越大。由于本发明的染色体中存在约束关系∑iwij=∑icij=1,而在演化过程中难以时刻保证此约束关系成立。因此需要在适应度计算时添加惩罚值。惩罚值由惩罚函数求得,本发明中,惩罚函数为p=k·(1-∑isij),其中p为惩罚值,sij为染色体上的基因,k为惩罚比重。将原适应度减去惩罚值p,即可得到修正后的适应度。
选择。选择是根据适应度决定保留哪些个体的过程。常用方法包括轮盘赌选择、随机竞争选择、最佳保留选择、排挤选择等。本发明采用最佳保留与轮盘赌结合的选择策略。首先将适应度最高的几个个体保留。剩余个体通过轮盘赌进行选择,每个个体保留下来的概率等于其适应度占剩余所有个体适应度和的比例。所保留个体的数量是按照数量阈值进行筛选,并且该数量阈值可以根据实际情况进行设置,本发明并不以此为限。
交叉。交叉是指两个染色体之间交换部分基因形成新个体的过程。不同的编码方式交叉方式也不同。使用浮点数进行编码时,按照交叉概率随机选择两个染色体进行交叉,每次交叉进行如下操作:首先在两个染色体中随机选择一个位置,设该位置基因为与根据事先制定的交叉比例α,有:和更新与的值,该次交叉完成。
变异。变异是指染色体中部分基因产生随机变化。本发明中变异操作即为将某一随机基因修改为0~1的随机浮点数。
经过上述编码、种群初始化、适应度评估、选择、交叉、变异等步骤后,将得到一个关于基站资源分配的次优解,然后根据该次优解进行基站资源的分配,提高了基站资源的利用率,并且保障了业务总时延最优,提高了业务的执行效率。关于采用遗传算法的详细内容可以参见现有技术中的相关描述,在此不再进行赘述。
通过执行上述步骤,本发明实施例提供的基于业务的异构基站重叠分组及资源配置方法及,采用“以业务为中心”的重叠分组策略,从网络整体时延的角度出发,来降低业务的平均计算时延,该方案的提出,能够提高相互协作的基站间资源的配置效率,优化无线带宽资源的利用率。
本方案针对电力无线异构网中的智能监测场景,采用“以业务为中心”的分组思想,首先提出了一种基于改进KM算法的重叠分组的策略。通过KM匹配算法选择出业务对应的锚节点,并以此完成重叠分组。其次,建立了业务节点的分簇与异构资源分布的数学模型,通过遗传算法在分组内进行资源的分配。最后,联合上下行链路的对业务的整体时延进行优化。
KM算法是解决带权二分图的最优匹配问题的典型算法,通过顶标实现将最优匹配转换为最大匹配问题。一般情况下,当|V1|=|V2|时,可以使用KM算法查找最优解。而在本发明中提出一种改进的KM算法,与传统方式不同的是,本发明的KM算法会在业务找到匹配基站时停止,剩余基站作为重叠分组时的辅助节点,被分配到各个分组中进行协作。在资源分配问题中,本发明通过遗传算法求得一个次优解,遗传算法是一种基于遗传选择原理的优化算法。它与生物学中的染色体生成原理类似,以群体中所有个体为对象,在随机化技术的指导下,对一个被编码的参数空间进行高效搜索,随着迭代次数的增加,群体中个体的适应度逐渐提高,最后收敛于一个次优解,从而根据该次优解进行基站资源的分配。本发明从网络的整体对业务的时延进行了优化,并联合上下行链路对资源进行优化;本发明采用了“以业务为中心”的重叠分组策略,对基站的重叠分组问题进行研究,并提出基于KM改进算法的重叠分组策略。
本发明实施例还提供了一种基于业务的异构基站重叠分组及资源配置装置,如图4所示,该基于业务的异构基站重叠分组及资源配置装置包括:
第一模块101,用于获取电力无线异构网信息,并根据电力无线异构网信息构建业务集合与基站集合之间的二分图,其中,将业务集合中的业务和基站集合中的基站分别配置为二分图的业务节点和基站节点,将业务与基站之间的连接关系配置为二分图的连接边。详细内容参见上述方法实施例中步骤S101的相关描述,在此不再进行赘述。
第二模块102,用于根据电力无线异构网信息配置二分图中连接边的权值,并根据预设赋值规则为业务节点和基站节点配置顶标值。详细内容参见上述方法实施例中步骤S102的相关描述,在此不再进行赘述。
第三模块103,用于采用匈牙利算法得到二分图满足预设匹配规则的当前最大权匹配结果。详细内容参见上述方法实施例中步骤S103的相关描述,在此不再进行赘述。
第四模块104,用于判断当前最大权匹配结果是否满足所有业务节点都有相匹配的基站节点。详细内容参见上述方法实施例中步骤S104的相关描述,在此不再进行赘述。
第五模块105,用于当当前最大权匹配结果满足所有业务节点都有相匹配的基站节点时,根据当前最大权匹配结果构建各业务的基站重叠分组。详细内容参见上述方法实施例中步骤S105的相关描述,在此不再进行赘述。
第六模块106,用于根据基站重叠分组的结果,采用遗传算法确定各基站的资源分配结果。详细内容参见上述方法实施例中步骤S106的相关描述,在此不再进行赘述。
通过上述各个组成部分的协同合作,本发明实施例提供的基于业务的异构基站重叠分组及资源配置装置,通过采用“以业务为中心”的重叠分组策略,从网络整体时延的角度出发,来降低业务的平均计算时延,能够提高相互协作的基站间资源的配置效率,优化无线带宽资源的利用率。
根据本发明实施例还提供了一种电子设备,如图5所示,该电子设备可以包括处理器901和存储器902,其中处理器901和存储器902可以通过总线或者其他方式连接,图5中以通过总线连接为例。
处理器901可以为中央处理器(Central Processing Unit,CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器901所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中,当被处理器901执行时,执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-StateDrive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种基于业务的异构基站重叠分组及资源配置方法,其特征在于,包括:
获取电力无线异构网信息,并根据所述电力无线异构网信息构建业务集合与基站集合之间的二分图,其中,将所述业务集合中的业务和所述基站集合中的基站分别配置为所述二分图的业务节点和基站节点,将业务与基站之间的连接关系配置为所述二分图的连接边;
根据所述电力无线异构网信息配置所述二分图中连接边的权值,并根据预设赋值规则为所述业务节点和所述基站节点配置顶标值;
采用匈牙利算法得到所述二分图满足预设匹配规则的当前最大权匹配结果;
判断所述当前最大权匹配结果是否满足所有业务节点都有相匹配的基站节点;
当所述当前最大权匹配结果满足所有业务节点都有相匹配的基站节点时,根据所述当前最大权匹配结果构建各业务的基站重叠分组;
根据所述基站重叠分组的结果,采用遗传算法确定各基站的资源分配结果;
当所述当前最大权匹配结果不满足所有业务节点都有相匹配的基站节点时,所述方法还包括:
获取所有不满足所述预设匹配规则的业务节点与基站节点的顶标值之和以及业务节点与基站节点的连接边的权值;
分别计算所述顶标值之和与权值的差值,并对所有的差值进行排序,得到最小差值;
根据所述最小差值分别对所述二分图中业务节点及基站节点的顶标值进行更新,并返回所述采用匈牙利算法得到所述二分图满足预设匹配规则的当前最大权匹配结果的步骤,直至所述当前最大权匹配结果满足所有业务节点都有相匹配的基站节点;
所述根据所述最小差值分别对所述二分图中业务节点及基站节点的顶标值进行更新,包括:
将业务节点的顶标值加上所述最小差值得到更新后的业务节点的顶标值;
将基站节点的顶标值减去所述最小差值得到更新后的基站节点的顶标值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述电力无线异构网信息配置所述二分图中连接边的权值,并根据预设赋值规则为所述业务节点和所述基站节点配置顶标值,包括:
从所述电力无线异构网信息中获取业务与基站之间的距离,并将所述距离配置为所述二分图中对应的业务节点与基站节点之间连接边的权值;
获取与业务节点相连的所有连接边的权值,确定所有连接边中的最小权值;
将所述业务节点的顶标值配置为所述最小权值,并将基站节点的顶标值配置为0。
3.根据权利要求1所述的方法,其特征在于,所述预设匹配规则为基站节点与业务节点之间的顶标值之和不大于基站节点与业务节点之间连接边的权值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述当前最大权匹配结果构建各业务的基站重叠分组,包括:
获取当前业务在所述当前最大权匹配结果中对应的基站节点,并将所述基站节点确定为所述当前业务的锚节点;
获取所有基站的位置信息;
根据所述位置信息分别计算所述锚节点对应的基站与其他基站之间的距离;
将距离满足预设距离阈值的基站及所述锚节点对应的基站确定为所述当前业务的基站重叠分组。
5.一种基于业务的异构基站重叠分组及资源配置装置,其特征在于,包括:
第一模块,用于获取电力无线异构网信息,并根据所述电力无线异构网信息构建业务集合与基站集合之间的二分图,其中,将所述业务集合中的业务和所述基站集合中的基站分别配置为所述二分图的业务节点和基站节点,将业务与基站之间的连接关系配置为所述二分图的连接边;
第二模块,用于根据所述电力无线异构网信息配置所述二分图中连接边的权值,并根据预设赋值规则为所述业务节点和所述基站节点配置顶标值;
第三模块,用于采用匈牙利算法得到所述二分图满足预设匹配规则的当前最大权匹配结果;
第四模块,用于判断所述当前最大权匹配结果是否满足所有业务节点都有相匹配的基站节点;
第五模块,用于当所述当前最大权匹配结果满足所有业务节点都有相匹配的基站节点时,根据所述当前最大权匹配结果构建各业务的基站重叠分组;当所述当前最大权匹配结果不满足所有业务节点都有相匹配的基站节点时,所述第五模块还用于获取所有不满足所述预设匹配规则的业务节点与基站节点的顶标值之和以及业务节点与基站节点的连接边的权值;分别计算所述顶标值之和与权值的差值,并对所有的差值进行排序,得到最小差值;根据所述最小差值分别对所述二分图中业务节点及基站节点的顶标值进行更新,并返回所述采用匈牙利算法得到所述二分图满足预设匹配规则的当前最大权匹配结果的步骤,直至所述当前最大权匹配结果满足所有业务节点都有相匹配的基站节点;所述根据所述最小差值分别对所述二分图中业务节点及基站节点的顶标值进行更新,包括:将业务节点的顶标值加上所述最小差值得到更新后的业务节点的顶标值;将基站节点的顶标值减去所述最小差值得到更新后的基站节点的顶标值;
第六模块,用于根据所述基站重叠分组的结果,采用遗传算法确定各基站的资源分配结果。
6.根据权利要求5所述的装置,其特征在于,所述预设匹配规则为基站节点与业务节点之间的顶标值之和不大于基站节点与业务节点之间连接边的权值。
7.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-4任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机从而执行权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846561.9A CN111953547B (zh) | 2020-08-20 | 2020-08-20 | 一种基于业务的异构基站重叠分组及资源配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846561.9A CN111953547B (zh) | 2020-08-20 | 2020-08-20 | 一种基于业务的异构基站重叠分组及资源配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111953547A CN111953547A (zh) | 2020-11-17 |
CN111953547B true CN111953547B (zh) | 2022-08-05 |
Family
ID=73359258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010846561.9A Active CN111953547B (zh) | 2020-08-20 | 2020-08-20 | 一种基于业务的异构基站重叠分组及资源配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111953547B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632289B (zh) * | 2020-12-18 | 2023-06-20 | 平安科技(深圳)有限公司 | 业务条款数据的处理方法、装置、设备及存储介质 |
CN113727358B (zh) * | 2021-08-31 | 2023-09-15 | 河北工程大学 | 一种基于km和贪心算法的边缘服务器部署和内容缓存方法 |
CN114301924A (zh) * | 2021-12-09 | 2022-04-08 | 中国电子科技集团公司电子科学研究院 | 一种云边协同环境的应用任务调度方法及节点设备 |
CN116681265B (zh) * | 2023-07-31 | 2023-10-10 | 四川思极科技有限公司 | 资源分配方法、装置、计算机设备及可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108551664A (zh) * | 2018-04-17 | 2018-09-18 | 南京邮电大学 | 一种基于图论的车载异构网络资源协作优化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080056184A1 (en) * | 2006-08-31 | 2008-03-06 | Marilynn Green | Method and appratus for providing resource allocation using utility-based cross-layer optimization |
CN105682190B (zh) * | 2015-12-30 | 2019-01-04 | 哈尔滨工业大学 | 一种基于图论的异构网络用户接入与时域干扰协调联合优化方法 |
CN106792995B (zh) * | 2016-12-27 | 2020-01-10 | 北京邮电大学 | 一种5g网络中保障内容低时延传输的用户接入方法 |
-
2020
- 2020-08-20 CN CN202010846561.9A patent/CN111953547B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108551664A (zh) * | 2018-04-17 | 2018-09-18 | 南京邮电大学 | 一种基于图论的车载异构网络资源协作优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111953547A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111953547B (zh) | 一种基于业务的异构基站重叠分组及资源配置方法及装置 | |
CN107172166B (zh) | 面向工业智能化服务的云雾计算系统 | |
Mohammed et al. | Distributed inference acceleration with adaptive DNN partitioning and offloading | |
Piltyay et al. | Wireless sensor network connectivity in heterogeneous 5G mobile systems | |
Lee et al. | An online secretary framework for fog network formation with minimal latency | |
CN110098969B (zh) | 一种面向物联网的雾计算任务卸载方法 | |
CN109167671B (zh) | 一种面向量子密钥分发业务的配用通信系统均衡负载调度方法 | |
CN112020103B (zh) | 一种移动边缘云中的内容缓存部署方法 | |
CN110247793B (zh) | 一种移动边缘云中的应用程序部署方法 | |
CN111930436A (zh) | 一种基于边缘计算的随机型任务排队卸载优化方法 | |
CN110233755B (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN113342409B (zh) | 多接入边缘计算系统时延敏感型任务卸载决策方法及系统 | |
CN109656713B (zh) | 一种基于边缘计算框架的容器调度方法 | |
KR102352375B1 (ko) | 유전 알고리즘 기반의 엣지 컴퓨팅 최적화 장치 및 방법 | |
CN112256413A (zh) | 基于物联网的边缘计算任务的调度方法和装置 | |
Moreira et al. | Task allocation framework for software-defined fog v-RAN | |
CN113342504A (zh) | 基于缓存的智能制造边缘计算任务调度方法及系统 | |
CN115809148B (zh) | 一种面向边缘计算的负载均衡任务调度方法及装置 | |
Kumar et al. | Quality of service‐aware adaptive radio resource management based on deep federated Q‐learning for multi‐access edge computing in beyond 5G cloud‐radio access network | |
CN114785692B (zh) | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 | |
US20240086715A1 (en) | Training and using a neural network for managing an environment in a communication network | |
CN113709817B (zh) | 多基站多服务器场景下的任务卸载和资源调度方法及装置 | |
CN106358302B (zh) | 一种无线传感器网络多收发器多信道分配算法 | |
Malik et al. | A user-centric qos-aware multi-path service provisioning in mobile edge computing | |
CN114615705A (zh) | 一种基于5g网络下单用户资源分配策略方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |