CN113596169B - 一种基于黏菌算法选取代理节点管理雾计算网络的方法 - Google Patents
一种基于黏菌算法选取代理节点管理雾计算网络的方法 Download PDFInfo
- Publication number
- CN113596169B CN113596169B CN202110883479.8A CN202110883479A CN113596169B CN 113596169 B CN113596169 B CN 113596169B CN 202110883479 A CN202110883479 A CN 202110883479A CN 113596169 B CN113596169 B CN 113596169B
- Authority
- CN
- China
- Prior art keywords
- nodes
- fog
- agent
- node
- task
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明中公开了一种基于黏菌算法选取代理节点管理雾计算网络的方法,涉及雾计算和计算机网络技术领域;为了解决现行的雾网管理方法不能适应这种扩张,并造成一定的高时延问题,不能有效发挥雾计算的优势问题;该方法包括雾网信息获取模块、代理节点选取模块和代理节点工作模块,雾网信息获取模块模拟了黏菌对周围整体环境的信息获取方式,代理节点选取模块利用黏菌算法从雾节点中选取出一定数量的符合选取标准的节点成为代理节点。本方法精简代理节点数量,减少大节点直接被选做代理节点的行为,黏菌算法能够控制代理节点的选取包括位置,能力,数量等,始终使雾网的管理保持良好的负载均衡,发挥出更高效的边缘计算能力。
Description
技术领域
本发明涉及雾计算和计算机网络技术领域,尤其涉及一种基于黏菌算法选取代理节点管理雾计算网络的方法。
背景技术
国内学者提出了利用主节点建立雾小组的方法形成雾网管理的架构,目前的技术方案是机械按照大节点(网关、路由、小型服务器) 选取代理节点管理雾网中的节点。代理节点选取出来后,也只负责任务卸载的信息处理,真正的任务调度运算还是需要占用雾节点资源。由于大节点的位置布局存在距离终端较远和不均匀现象,由此产生的代理节点也会有延迟较高,雾节点负载不均匀的问题,同时造成一些雾节点因为距离过远无法通过代理节点连接进入雾网发挥作用,带来雾资源的浪费。随着物联网设备的大量接入,雾计算的任务量快速增长,可接入雾网的雾节点资源也越来越多,但现行的雾网管理方法不能适应这种扩张,并造成一定的高时延问题,不能有效发挥雾计算的优势。
有鉴于此,本发明提供一种基于黏菌算法选取代理节点管理雾计算网络的方法,以解决上述现有技术中存在的技术问题。
发明内容
基于背景技术存在的技术问题,本发明提出了一种基于黏菌算法选取代理节点管理雾计算网络的方法。
本发明提出的一种基于黏菌算法选取代理节点管理雾计算网络的方法,包括:
S1:该方法包括雾网信息获取模块、代理节点选取模块和代理节点工作模块,雾网信息获取模块模拟了黏菌对周围整体环境的信息获取方式,获取任务和节点信息,大节点的数量约等于传统代理节点的数量,黏菌算法将根据大节点的数量比例将雾网分为三类;
一类是大节点数量少,代理节点负载较大,将选取一定数量的普通节点成为非传统代理节点;
第二类是大节点数量适中,黏菌算法将考虑使用更合适的非传统代理节点负责管理工作,并释放大节点的计算能力;
第三类是大节点数量比例过多的情况。
S2:代理节点选取模块利用黏菌算法从雾节点中选取出一定数量的符合选取标准的节点成为代理节点,选取满足特定条件的雾节点成为新型代理节点,代理节点将承担任务调度的预分配工作,使任务调度的范围限制在较小的雾节点之间,为了构建新型树形雾网结构;
定义所述任务源集T={T1,T2,...,Tk},k为任务数量;
所述代理节点集M={M1,M2,...,Mp},p为选出的代理数量;
所述雾节点集N={N1,N2,...,Nq},q为选出代理节点后剩余雾节点的数量。
S3:黏菌算法选取代理节点主要分为两步,首先根据选取条件从所有雾节点中选出第一批代理节点,然后再根据任务源的实际不同的需求情况最终确定相适应数量的代理节点,存在f1:M→T,使得T 中的每一个方法任务源都有不少于一个方法代理节点处理任务;
存在f2:M→N,使得M中的每一个代理都将管理至少一个所述雾节点用于任务分配,其中f1,f2即为黏菌雾网生成算法得出的映射关系。
定义所述任务源到代理节点的关系矩阵为:
定义所述代理节点到雾节点的关系矩阵为:
S4:黏菌雾网生成算法的作用是先分别得到两个关系矩阵元素的 boolean值,再进行两个关系矩阵的乘法;
通过所述研究黏菌自适应网络发展模型,将雾节点类比为黏菌、任务源类比为食物,黏菌算法在代理选择、节点接入等决策上引入了食物浓度的概念。
本发明中优选地,在S4中,所述食物浓度定义为黏菌(节点) 向食物(任务源)移动的意愿,每个任务源的食物浓度定义为:
其中Ts表示此任务源的任务大小,SN表示与此任务源相连节点的计算速度,k表示相连节点的个数。
本发明中优选地,所述代理节点做任务源选择的决策值:
CD=αC+βd(T,M)+γNM
其中函数d(a,b)表示ab之间连接的距离,d(T,M)代表任务源到代理节点的距离,NM代表与此任务源已经建立链接的代理节点数量。αβγ表示模糊逻辑中的权重占比,并有α+β+γ=1。
本发明中优选地,所述代理节点做雾节点选择的决策值
CD’=α’C’+β’d(M,N)+γ’NN
其中d(M,N)代表代理节点到节点的距离,NN代表与此代理节点已经建立链接的节点数量。
本发明中优选地,定义所述雾网调度距离,其表示任务传输到处理节点上的平均传输距离,计算公式为:
其中,AVG表示平均值,d(a,b)表示ab之间连接的距离;
调度距离能够直接反映任务传输到代理节点和代理节点再将任务分配到雾节点上进行处理的通信距离。
本发明中优选地,所述资源接入量表示平均每个任务源有多少个所述雾节点处理任务:
其中N(a,b)表示ab之间连接的数量。
本发明中优选地,所述代理节点工作模块是上一模块中选出的代理节点管理雾计算网络,主要包括对接入雾网的雾节点的选择和连接、处理任务卸载、反馈任务和节点的映射关系。
与现有技术相比,本发明提供了一种基于黏菌算法选取代理节点管理雾计算网络的方法,具备以下有益效果:
黏菌算法在此传统做法上会精简代理节点数量,减少大节点直接被选做代理节点的行为,黏菌算法能够控制代理节点的选取包括位置,能力,数量等,始终使雾网的管理保持良好的负载均衡,发挥出更高效的边缘计算能力,当接入的雾节点数量少时,平均调度距离也较少,是因为选择了最近的节点,距离较大的节点未能接入,随着接入量的增大,调度距离也变大,同时可以看到黏菌雾网生成算法对两个性能评估指标的不同的优化侧重:传统代理数量少时,主要能优化调度距离;传统代理数量多时,主要优化资源接入量,有效发挥雾计算的优势。
附图说明
图1为本发明提出的一种基于黏菌算法选取代理节点管理雾计算网络的方法的黏菌算法流程图;
图2为本发明提出的一种基于黏菌算法选取代理节点管理雾计算网络的方法的任务节点处理示意图;
图3为本发明提出的一种基于黏菌算法选取代理节点管理雾计算网络的方法的两种算法的调度距离示意图;
图4为本发明提出的一种基于黏菌算法选取代理节点管理雾计算网络的方法的两种算法的资源接入量示意图。
具体实施方式
下面详细描述本专利的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本专利,而不能理解为对本专利的限制。
在本专利的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本专利和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本专利的限制。
在本专利的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“设置”应做广义理解,例如,可以是固定相连、设置,也可以是可拆卸连接、设置,或一体地连接、设置。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本专利中的具体含义。
如图1-2所示,一种基于黏菌算法选取代理节点管理雾计算网络的方法,包括雾网信息获取模块、代理节点选取模块和代理节点工作模块,雾网信息获取模块模拟了黏菌对周围整体环境的信息获取方式,在传统做法上,大节点的数量约等于传统代理节点的数量。黏菌算法将根据大节点的数量比例将雾网分为三类,一类是大节点数量少,代理节点负载较大,将选取一定数量的普通节点成为非传统代理节点。第二类是大节点数量适中,黏菌算法将考虑使用更合适的非传统代理节点负责管理工作,并释放大节点的计算能力。第三类是大节点数量比例过多的情况,目前这种情况很少,但黏菌算法在此基础上会精简代理节点数量,减少大节点直接被选做代理节点的行为。总之,黏菌算法能够控制代理节点的选取(包括位置,能力,数量等),始终使雾网的管理保持良好的负载均衡,发挥出更高效的边缘计算能力。
代理节点选取模块利用黏菌算法从雾节点中选取出一定数量的符合选取标准的节点成为代理节点,本方法算法选取满足特定条件的雾节点成为新型代理节点,代理节点具有构建新型架构的雾计算网络的新功能。代理节点将承担任务调度的预分配工作,使任务调度的范围限制在较小的雾节点之间。为了构建新型树形雾网结构,定义任务源集T={T1,T2,...,Tk},k为任务数量。代理节点集 M={M1,M2,...,Mp},p为选出的代理数量。雾节点集 N={N1,N2,...,Nq},q为选出代理节点后剩余雾节点的数量。
黏菌算法选取代理节点主要分为两步,首先根据选取条件从所有雾节点中选出第一批代理节点,然后再根据任务源的实际不同的需求情况最终确定相适应数量的代理节点,则存在f1:M→T,使得T中的每一个任务源都有不少于一个代理节点处理任务,存在f2:M→N,使得M中的每一个代理都将管理至少一个雾节点用于任务分配。其中 f1,f2即为黏菌雾网生成算法得出的映射关系。
定义任务源到代理节点的关系矩阵为:
定义代理节点到雾节点的关系矩阵为:
黏菌雾网生成算法的作用是先分别得到两个关系矩阵元素的 boolean值,再进行两个关系矩阵的乘法,最终形成图1的树形三层结构。
通过研究黏菌自适应网络发展模型,将雾节点类比为黏菌、任务源类比为食物,黏菌算法在代理选择、节点接入等决策上引入了食物浓度的概念。食物浓度定义为黏菌(节点)向食物(任务源)移动的意愿。这样再加上模糊逻辑的处理,使算法在决策时针对多个影响因子得出决策值时具有一定的自主性。
每个任务源的食物浓度定义为:
其中Ts表示此任务源的任务大小,SN表示与此任务源相连节点的计算速度,k表示相连节点的个数。
代理节点做任务源选择的决策值:
CD=αC+βd(T,M)+γNM
其中函数d(a,b)表示ab之间连接的距离,d(T,M)代表任务源到代理节点的距离,NM代表与此任务源已经建立链接的代理节点数量。αβγ表示模糊逻辑中的权重占比,并有α+β+γ=1,下同。
代理节点做雾节点选择的决策值:
CD’=α’C’+β’d(M,N)+γ’NN
其中d(M,N)代表代理节点到节点的距离,NN代表与此代理节点已经建立链接的节点数量。
为了客观反映本发明的有效性,现定义雾网调度距离,其表示任务传输到处理节点上的平均传输距离,计算公式为:
其中,AVG表示平均值,d(a,b)表示ab之间连接的距离。
调度距离能够直接反映任务传输到代理节点和代理节点再将任务分配到雾节点上进行处理的通信距离,是雾计算时延的关键指标。距离越短,就说明代理节点管理的处理雾组单元越靠近终端任务,越能发挥出雾计算低时延的优势特长。
资源接入量表示平均每个任务源有多少个雾节点处理任务:
其中N(a,b)表示ab之间连接的数量。
代理节点工作模块是上一模块中选出的代理节点管理雾计算网络,主要包括对接入雾网的雾节点的选择和连接、处理任务卸载、反馈任务和节点的映射关系。
如图1-4所示,一种基于黏菌算法选取代理节点管理雾计算网络的方法,最短调度算法的决策是任务和代理节点每步都选择最短距离的代理节点或雾节点进行任务卸载,其特性是具有最短距离顺序选择下的最短距离结果。将最短调度算法设为默认对比算法,利用MATLAB 对性能评估指标进行计算,横坐标表示传统意义上选择出的代理节点数量。
实施例1:
距离越小,传输时延越优,黏菌算法能在传统代理节点数量少时,能有效降低因代理数量不足带来的长距离,经过换算,在传统节点数量不足的情况下(5-9),使用黏菌算法能够平均缩短86.2%的调度距离。在合适传统代理数量情况下(10-18),也具有优化效果。
通过考虑有多少节点能形成调度,处理任务,反映接入雾网的计算资源大小。
实施例2:
黏菌算法能全面提升雾网内所接入的雾节点数量,有效利用雾节点资源,而且在适合传统代理数量的情况下,提升更明显,经过换算,平均整体情况下(5-18),黏菌算法能够提升资源接入量97%,尤其在传统节点数量较多的情况下(10-18),使用黏菌算法能够平均提升 1.25倍的资源接入量。
当接入的雾节点数量少时,平均调度距离也较少,是因为选择了最近的节点,距离较大的节点未能接入。随着接入量的增大,调度距离也变大,同时可以看到黏菌雾网生成算法对两个性能评估指标的不同的优化侧重:
传统代理数量少时,主要能优化调度距离;
传统代理数量多时,主要优化资源接入量。
以上,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于黏菌算法选取代理节点管理雾计算网络的方法,包括,其特征在于:
S1:该方法包括雾网信息获取模块、代理节点选取模块和代理节点工作模块,雾网信息获取模块模拟了黏菌对周围整体环境的信息获取方式,获取任务和节点信息,大节点的数量约等于传统代理节点的数量,黏菌算法将根据大节点的数量比例将雾网分为三类;
一类是大节点数量少,代理节点负载较大,将选取一定数量的普通节点成为非传统代理节点;
第二类是大节点数量适中,黏菌算法将考虑使用更合适的非传统代理节点负责管理工作,并释放大节点的计算能力;
第三类是大节点数量比例过多的情况;
S2:代理节点选取模块利用黏菌算法从雾节点中选取出一定数量的符合选取标准的节点成为代理节点,选取满足特定条件的雾节点成为新型代理节点,代理节点将承担任务调度的预分配工作,使任务调度的范围限制在较小的雾节点之间,为了构建新型树形雾网结构;
定义所述任务源集T={T1,T2,...,Tk},k为任务数量;
所述代理节点集M={M1,M2,...,Mp},p为选出的代理数量;
所述雾节点集N={N1,N2,...,Nq},q为选出代理节点后剩余雾节点的数量;
S3:黏菌算法选取代理节点主要分为两步,首先根据选取条件从所有雾节点中选出第一批代理节点,然后再根据任务源的实际不同的需求情况最终确定相适应数量的代理节点,存在f1:M→T,使得T 中的每一个方法任务源都有不少于一个方法代理节点处理任务;
存在f2:M→N,使得M中的每一个代理都将管理至少一个所述雾节点用于任务分配,其中f1,f2即为黏菌雾网生成算法得出的映射关系;
定义所述任务源到代理节点的关系矩阵为:
定义所述代理节点到雾节点的关系矩阵为:
S4:黏菌雾网生成算法的作用是先分别得到两个关系矩阵元素的boolean值,再进行两个关系矩阵的乘法;
通过所述研究黏菌自适应网络发展模型,将雾节点类比为黏菌、任务源类比为食物,黏菌算法在代理选择、节点接入等决策上引入了食物浓度的概念。
3.根据权利要求1所述的一种基于黏菌算法选取代理节点管理雾计算网络的方法,其特征在于,所述代理节点做任务源选择的决策值:
CD=αC+βd(T,M)+γNM
其中函数d(a,b)表示ab之间连接的距离,d(T,M)代表任务源到代理节点的距离,NM代表与此任务源已经建立链接的代理节点数量; αβγ表示模糊逻辑中的权重占比,并有α+β+γ=1。
4.根据权利要求3所述的一种基于黏菌算法选取代理节点管理雾计算网络的方法,其特征在于,所述代理节点做雾节点选择的决策值
CD’=α’C’+β’d(M,N)+γ’NN
其中d(M,N)代表代理节点到节点的距离,NN代表与此代理节点已经建立链接的节点数量。
7.根据权利要求1所述的一种基于黏菌算法选取代理节点管理雾计算网络的方法,其特征在于,所述代理节点工作模块是上一模块中选出的代理节点管理雾计算网络,主要包括对接入雾网的雾节点的选择和连接、处理任务卸载、反馈任务和节点的映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883479.8A CN113596169B (zh) | 2021-08-03 | 2021-08-03 | 一种基于黏菌算法选取代理节点管理雾计算网络的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883479.8A CN113596169B (zh) | 2021-08-03 | 2021-08-03 | 一种基于黏菌算法选取代理节点管理雾计算网络的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113596169A CN113596169A (zh) | 2021-11-02 |
CN113596169B true CN113596169B (zh) | 2022-04-15 |
Family
ID=78254027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110883479.8A Active CN113596169B (zh) | 2021-08-03 | 2021-08-03 | 一种基于黏菌算法选取代理节点管理雾计算网络的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113596169B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220657A (zh) * | 2017-05-10 | 2017-09-29 | 中国地质大学(武汉) | 一种面向小数据集的高分辨率遥感影像场景分类的方法 |
CN110298491A (zh) * | 2019-06-04 | 2019-10-01 | 三峡大学 | 一种基于黏菌群体智能的交通网络节点选择方法 |
CN111510477A (zh) * | 2020-04-07 | 2020-08-07 | 河海大学 | 基于改进合同网协议和bas的雾计算网络任务卸载方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11706099B2 (en) * | 2018-06-29 | 2023-07-18 | Juniper Networks, Inc. | Monitoring and policy control of distributed data and control planes for virtual nodes |
-
2021
- 2021-08-03 CN CN202110883479.8A patent/CN113596169B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220657A (zh) * | 2017-05-10 | 2017-09-29 | 中国地质大学(武汉) | 一种面向小数据集的高分辨率遥感影像场景分类的方法 |
CN110298491A (zh) * | 2019-06-04 | 2019-10-01 | 三峡大学 | 一种基于黏菌群体智能的交通网络节点选择方法 |
CN111510477A (zh) * | 2020-04-07 | 2020-08-07 | 河海大学 | 基于改进合同网协议和bas的雾计算网络任务卸载方法 |
Non-Patent Citations (2)
Title |
---|
"A Node Selecting Approach for Traffic Network Based on Artificial Slime Mold";Zhengying Cai;《IEEE Acess》;20200106;第1-13页 * |
"基于多头绒泡菌仿生算法的复杂网络节点中心度研究";章雅娟;《中国优秀硕士论文全文数据库》;20131215;A002-23 * |
Also Published As
Publication number | Publication date |
---|---|
CN113596169A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210133534A1 (en) | Cloud task scheduling method based on phagocytosis-based hybrid particle swarm optimization and genetic algorithm | |
CN105631196B (zh) | 一种面向微服务架构的容器级弹性资源供给系统及方法 | |
CN109274745A (zh) | 一种边缘节点优化计算的物联网系统和方法 | |
Luo et al. | Reliable virtual machine placement based on multi-objective optimization with traffic-aware algorithm in industrial cloud | |
CN109600178A (zh) | 一种边缘计算中能耗与时延和最小化的优化方法 | |
CN104754053B (zh) | 一种分布式软件定义网络及在其中动态控制控制器的方法 | |
CN109447241A (zh) | 一种面向物联网领域的动态可重构卷积神经网络加速器架构 | |
CN114422349B (zh) | 基于云边端协同的深度学习模型训练和推理架构部署方法 | |
CN109862573A (zh) | 一种基于多目标粒子群的lte混合组网自规划方法 | |
CN107423133A (zh) | 一种降低电网网损的数据中心间数据网络负载分配方法 | |
CN107105043A (zh) | 一种基于软件定义网络的内容中心网络缓存方法 | |
CN108737268A (zh) | 软件定义工业物联网资源调度方法 | |
CN110289642B (zh) | 一种基于指数罚函数的配电网分层调度优化方法 | |
CN113596169B (zh) | 一种基于黏菌算法选取代理节点管理雾计算网络的方法 | |
CN111324429B (zh) | 一种基于多代血统参考距离的微服务组合调度方法 | |
CN113032149B (zh) | 基于演化博弈的边缘计算服务放置和请求分配方法及系统 | |
CN110120892A (zh) | 基于改进的萤火虫算法的sdn多控制器部署方法及系统 | |
CN116938810A (zh) | 一种基于图神经网络的深度强化学习sdn智能路由优化方法 | |
CN114172149B (zh) | 一种分布式发电集群自治控制方法及系统 | |
CN116321189A (zh) | 一种面向边缘计算中基于深度强化学习的服务器部署方法 | |
CN112001141B (zh) | 脑网络启发的中大规模片上互连系统综合方法 | |
CN114490018A (zh) | 一种基于资源特征匹配的服务调度算法 | |
Mirtaheri et al. | An Ant-colony Based Model for Load Balancing in Fog Environments | |
CN113110915A (zh) | 移动边缘计算环境中自主学习的服务缓存策略 | |
Liu et al. | Non‐inferior Nash strategies for routing control in parallel‐link communication networks |
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 |