CN114785692B - 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 - Google Patents
一种虚拟电厂聚合调控通信网络流量均衡方法及装置 Download PDFInfo
- Publication number
- CN114785692B CN114785692B CN202210386746.5A CN202210386746A CN114785692B CN 114785692 B CN114785692 B CN 114785692B CN 202210386746 A CN202210386746 A CN 202210386746A CN 114785692 B CN114785692 B CN 114785692B
- Authority
- CN
- China
- Prior art keywords
- slice
- network
- node
- mapping
- link
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000002776 aggregation Effects 0.000 title claims abstract description 25
- 238000004220 aggregation Methods 0.000 title claims abstract description 25
- 230000033228 biological regulation Effects 0.000 title claims description 24
- 238000013507 mapping Methods 0.000 claims abstract description 194
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 97
- 230000005012 migration Effects 0.000 claims abstract description 62
- 238000013508 migration Methods 0.000 claims abstract description 62
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 230000015654 memory Effects 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 3
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000007774 longterm Effects 0.000 abstract description 5
- 238000013178 mathematical model Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000035772 mutation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- 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
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种虚拟电厂聚合调控通信网络流量均衡方法及装置，包括：基于切片节点、切片链路和切片网关映射生成切片网络映射方案；采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案。通过实施本发明，产生若干切片网络映射方案，作为改进生物地理原理算法的种群，同时，重新设定种群和迁移算子，增加了前期的试探搜索能力和后期的较好收敛速度，再对初始映射方案种群进行迭代优化，进行SDN定义的网络切片全局寻优，用于虚拟电厂通信网络流量均衡的切片网络映射，平衡整个物理网络的流量，降低了虚拟电厂通信网络堵塞及网络传输时延，提高网络传输实时性和网络长期平均运行收益和效用最大化。
Description
技术领域
本发明涉及虚拟电厂通信技术领域，具体涉及一种虚拟电厂聚合调控通信网络流量均衡方法及装置。
背景技术
通信网络是虚拟电厂聚合调控的重要支撑，应用聚合通信网关实现海量异构业务终端接入，完成相应虚拟电厂综合业务应用接入和处理。由于业务实时需求、计算资源有限等因素制约，需要聚合通信网关与云平台协同计算以实现业务功能，而这些数据采集设备多是无人值守并且长期持续工作的，必将产生海量数据，若不加选择地将所有数据交给通信设备接入到通信网络过程中，势必造成部分网络资源过于繁忙，部分网络资源过于闲置，造成虚拟电厂海量终端接入环境下通信网络的低时延、大带宽、高可靠等问题。
为了能确保智能电网海量电量/非电量信息的实时、准确获取，达到提升设备性能，降低设备能耗，减少网络拥塞等目的，通过SDN技术对网络节点和路径规划来划分充分利用网络资源，提升业务响应速度，减少对网络带宽需求，为用户提供更好的服务体验并实现系统效用最大化成为虚拟电厂聚合调控网络资源优化调度研究的热点。
当虚拟电厂的海量资源接入网络时，要使海量报文在网络传输节点和路径流量均衡是个复杂问题，属于群体最优化问题。自然界中很多群体智能现象都显示了生物种群的协同合作能力，由大量简单个体通过合作完成的效果比单个复杂个体完成的效果更好，表现出良好的健壮性和灵活性。而生物地理原理群体优化智能方法，通过对由大量的简单个体所组成的群体行为进行分析，然后建立模型，并给出具体的规则，不需要生成新的个体，个体之间通过迁移算子实现种群内部的信息共享，并且每个个体都有各自的变异概率，在很多基准函数上表现出良好的性能。因此，如何将生物地理原理群体优化方法应用到虚拟电厂通信网络资源优化是目前亟待解决的问题。
发明内容
有鉴于此，本发明实施例提供了涉及一种虚拟电厂聚合调控通信网络流量均衡方法及装置，以解决如何将生物地理原理群体优化方法应用到虚拟电厂通信网络资源优化中的技术问题。
本发明提出的技术方案如下：
本发明实施例第一方面提供一种虚拟电厂聚合调控通信网络流量均衡方法，包括：
基于切片节点、切片链路和切片网关映射生成切片网络映射方案；采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，所述改进生物地理原理算法基于切片节点流量、切片链路流量和切片网关流量重新设定生物地理算法中的种群和迁移算子，所述迁移算子中包括非线性缩放因子和迭代第次差值最大和最小的两个向量。
可选地，基于切片节点、切片链路和切片网关映射生成切片网络映射方案，包括：对切片网络中每一条切片通路的源节点和目的节点进行映射，将切片节点请求按照节点约束条件映射到物理节点上；将每一条切片通路按照请求带宽约束条件进行链路映射，将切片通路请求映射到物理路径上；基于切片节点、切片链路和切片网关映射生成切片网络映射方案。
可选地，将切片通路请求映射到物理路径上时，基于跳数最小的路径进行映射。
可选地，采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，包括：对切片网络映射方案进行初始化，得到初始化切片网络映射方案；基于改进生物地理原理算法的目标函数计算初始化切片网络映射方案的适应度值；基于改进生物地理原理算法迁移算子计算初始化切片网络映射方案每个项的迁入率和迁出率；基于迁入率和迁出率进行每个映射方案中的切片节点迁入迁出操作；基于迭代结束条件和迁入迁出操作后的切片节点得到最优映射方案和相应的适应度值。
可选地，对切片网络映射方案进行初始化，得到初始化切片网络映射方案，包括：将切片网络中所有切片通路节点作为种群栖息地的种群的量；基于物理节点和物理路径构成的物理网络计算物理网络的节点潜能和每个切片节点的度；基于切片节点潜能和度对未进行映射的链路两端节点进行映射；基于链路流量均衡度最小的路径进行切片链路映射，基于网关下挂终端群流量和最小进行网关映射，得到初始化切片网络映射方案。
可选地，改进生物地理原理算法的目标函数采用如下公式表示：
其中，Ns表示物理网络节点的集合，Es表示物理网络链路集合；SN为切片节点流量压力，是切片节点上已经使用的资源与节点自身总资源的比值；SAN为物理网络中所有节点流量压力的数学期望；表示切片节点流量压力均衡度，即在t时刻物理网络各节点流量压力的标准差；/> 表示链路流量压力均衡度，即在t时刻物理网络链路中最大链路流量压力与整个网络中所有链路的平均链路流量压力的比值；ω表示切片节点流量压力均衡度和链路流量压力均衡度的平衡系数。
可选地，迁入率采用如下公式计算：
其中，I表示栖息地的最大迁入率；表示非线性缩放因子，Gi为迭代第i次，Gmax为算法的最大迭代次数；f(xi)-f(x0)表示迭代第次差值最大的两个向量，f(xi)-f(xi-1)表示迭代第次差值最小的两个向量；
迁出率采用如下公式计算：
其中，E表示栖息地的最大迁出率。
本发明实施例第二方面提供一种虚拟电厂聚合调控通信网络流量均衡装置，包括：映射生成模块，用于基于切片节点、切片链路和切片网关映射生成切片网络映射方案；方案确定模块，用于采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，所述改进生物地理原理算法基于切片节点流量、切片链路流量和切片网关流量重新设定生物地理算法中的种群和迁移算子，所述迁移算子中包括非线性缩放因子和迭代第次差值最大和最小的两个向量。
本发明实施例第三方面提供一种计算机可读存储介质，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执行如本发明实施例第一方面及第一方面任一项所述的虚拟电厂聚合调控通信网络流量均衡方法。
本发明实施例第四方面提供一种电子设备，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，从而执行如本发明实施例第一方面及第一方面任一项所述的虚拟电厂聚合调控通信网络流量均衡方法。
本发明提供的技术方案，具有如下效果：
本发明实施例提供的虚拟电厂聚合调控通信网络流量均衡方法、装置及存储介质，通过产生若干切片网络映射方案，作为改进生物地理原理算法的种群，同时，改进生物地理原理算法重新设定生物地理算法中的种群和迁移算子，增加了前期的试探搜索能力和后期的较好收敛速度，再对初始映射方案种群进行迭代优化，进行SDN定义的网络切片全局寻优，用于虚拟电厂通信网络流量均衡的切片网络映射，平衡整个物理网络的流量，降低了虚拟电厂通信网络堵塞，提高网络传输实时性和网络长期平均运行收益和效用最大化。
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是根据本发明实施例的虚拟电厂聚合调控通信网络流量均衡方法的流程图；
图2是根据本发明另一实施例的虚拟电厂聚合调控通信网络流量均衡方法的流程图；
图3是根据本发明另一实施例的虚拟电厂聚合调控通信网络流量均衡方法的流程图；
图4是根据本发明另一实施例的虚拟电厂聚合调控通信网络流量均衡方法的流程图；
图5是根据本发明实施例的某科技园区虚拟电厂通信网络架构示意图；
图6是根据本发明实施例的某科技园区虚拟电厂通信切片网络示意图；
图7是根据本发明实施例的某园区虚拟电厂切片网络两算法链路流量压力均衡度对比图；
图8是根据本发明实施例的某园区虚拟电厂切片网络两算法节点流量压力均衡度对比图；
图9是根据本发明实施例的某园区虚拟电厂切片网络两算法物理平均节点流量压力对比图；
图10是根据本发明实施例的某园区虚拟电厂切片网络两算法物理平均链路流量压力对比图；
图11是根据本发明实施例的虚拟电厂聚合调控通信网络流量均衡装置的结构框图；
图12是根据本发明实施例提供的计算机可读存储介质的结构示意图；
图13是根据本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种虚拟电厂聚合调控通信网络流量均衡方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种虚拟电厂聚合调控通信网络流量均衡方法，可用于电子设备，如电脑、手机、平板电脑等，图1是根据本发明实施例虚拟电厂聚合调控通信网络流量均衡方法的流程图，如图1所示，该方法包括如下步骤：
步骤S101：基于切片节点、切片链路和切片网关映射生成切片网络映射方案。其中，在切片网络映射中，具体包括切片节点、切片链路、切片网关映射三部分。
其中，对于该均衡方法，每接入一个业务首先在聚合调控服务器按照目的结点标号、网关结点标号和终端群目的地标号把该业务通过SDN网络切片控制器进行网络切片，形成各个切片通路，每个切片通路由切片节点、切片链路、切片网关和切片终端群组成；再将该切片通路按网络业务类型的电源类、负荷类、储能类进行分类，并为每种业务类型按流量的上行、下行和上下平衡型定义上下行流量系数β。
具体地，切片网络的每一条切片通路依次进行映射，首先对该通路的源节点和目的节点映射，其中节点映射转化数学模型：FN：(N，BN)→(N，AN)，N为切片网络请求的节点集，AN为物理节点的属性集合，BN为切片节点的属性集合，将切片节点请求按节点约束条件映射到物理节点上；再对该路径按请求带宽约束条件进行切片链路映射，链路映射转化为数学模型：FL：(E，BL)→(E，AL)，AL为物理链路的属性集合，BL为切片链路的属性集合；再对该通路的多个网关依据下挂终端流量总和进行切片网关映射，网关映射转化为数学模型：FG：(G，BG)→(G，AG)，G为切片网关请求的网关集，AG为物理网关的属性集合，BG为切片网关的属性集合。
其中，在寻找源节点和目的节点之间的物理路径时，物理路径可能有多条，为减少物理网络资源的利用，寻找物理路径之间的最短路径，即跳数最小的路径，但跳数最小的路径可能不止一条，将其作为一个集合，组成网络切片集合，将切片链路请求按带宽约束条件映射到物理路径上。
步骤S102：采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，所述改进生物地理原理算法基于切片节点流量、切片链路流量和切片网关流量重新设定生物地理算法中的种群和迁移算子，所述迁移算子中包括非线性缩放因子和迭代第次差值最大和最小的两个向量。
其中，改进生物地理原理算法可以是在现有生物地理算法的基础上，进行种群和迁移算子的改进，使其能够应用在虚拟电厂通信网络流量压力均衡切片资源映射中，由此，该改进生物地理原理算法也可以称为改进生物地理原理的虚拟电厂通信网络流量压力均衡切片资源映射算法(Virtual Power PlantNetwork Flow－Balancing Biogeography－based Optimization，VPPN FB－BBO)。
在采用改进生物地理原理算法时，采用生成的切片网络映射方案作为改进生物地理原理算法中的种群栖息地。具体地，该种群栖息地表示为：Xi＝(Xi1，Xi2，...，XiD)，其中D为切片请求中切片节点的个数。另外，算法中的其他参数分别采用如下表示：栖息地所能容纳的最大种群数量为Smax，最大变异率Mmax，系统迁移率Msys和精英保存数量z。其中，需要说明的是，切片通路的分类特性和系数β作为所述VPPN FB－BBO算法的种群和个体属性之一，其作用影响个体变异率，迁入迁出率和精英保存操作。
另外，为了不造成网络出现拥塞现象，需要既考虑节点流量压力，也要考虑切片链路流量压力和网关流量压力，从整个网络的流量压力均衡考虑，需要调整网络中切片节点和链路的负载平衡点，由此用ω作为切片节点流量压力均衡度和链路流量压力均衡度的平衡系数，用于调节物理网络的节点流量压力和链路流量压力，ω根据物理网络的节点流量压力和链路流量压力的均衡度调整取值，按百分比设定，ω的取值范围为0到100％，例如：当链路流量压力均衡度较差时，则将ω的取值减小来提高链流量压力均衡度，同时减小了节点流量压力均衡度。从而在切片网络请求映射后网络的整个流量压力可以达到较优的均衡程度。
本发明实施例提供的虚拟电厂聚合调控通信网络流量均衡方法，通过产生若干切片网络映射方案，作为改进生物地理原理算法的种群，同时，改进生物地理原理算法重新设定生物地理算法中的种群和迁移算子，增加了前期的试探搜索能力和后期的较好收敛速度，再对初始映射方案种群进行迭代优化，进行SDN定义的网络切片全局寻优，用于虚拟电厂通信网络流量均衡的切片网络映射，平衡整个物理网络的流量，降低了虚拟电厂通信网络堵塞，提高网络传输实时性和网络长期平均运行收益和效用最大化。
在一实施方式中，如图2所示，采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，包括如下步骤：
步骤S201：对切片网络映射方案进行初始化，得到初始化切片网络映射方案。具体地，初始化的过程主要是确定虚拟电厂网络所有节点，作为种群栖息地的种群的量。同时，将切片网络链路中未进行映射的节点进行映射，并查找满足资源约束条件的物理路径进行链路映射，从而得到初始化切片网络映射方案。
步骤S202：基于改进生物地理原理算法的目标函数计算初始化切片网络映射方案的适应度值。其中，考虑网络的节点流量压力和链路网络压力，该改进生物地理原理算法的目标函数采用如下公式表示：
其中，Ns表示物理网络节点的集合，Es表示物理网络链路集合；SN为切片节点流量压力，是切片节点上已经使用的资源与节点自身总资源的比值；SAN为物理网络中所有节点流量压力的数学期望；表示t时刻物理网络各节点流量压力的标准差，即节点流量压力均衡度；/>表示t时刻物理网络链路中最大链路流量压力与整个网络中所有链路的平均链路流量压力的比值，即链路流量压力均衡度；ω表示节点流量压力均衡度和链路流量压力均衡度的平衡系数。
步骤S203：基于改进生物地理原理算法迁移算子计算初始化切片网络映射方案每个项的迁入率和迁出率。其中，为了增加VPPN FB－BBO算法前期的试探搜索能力和后期的较好收敛速度，对现有生物地理原理算法进行重新设定，在迁移算子中加入的非线性缩放因子，Gi为迭代第i次，Gmax为算法的最大迭代次数；加入迭代第次差值最大f(xi)-f(x0)和迭代第次差值最小f(xi)-f(xi-1)的两个向量，起到算法的动态调节的作用，以实现物种迁入迁出率根据物种数量进行动态变化。
由此，改进生物地理原理算法的迁入率采用如下公式计算：
其中，I表示栖息地的最大迁入率；表示非线性缩放因子，Gi为迭代第i次，Gmax为算法的最大迭代次数；f(xi)-f(x0)表示迭代第次差值最大的两个向量，f(xi)-f(xi-1)表示迭代第次差值最小的两个向量；
迁出率采用如下公式计算：
其中，E表示栖息地的最大迁出率。
步骤S204：基于迁入率和迁出率进行每个映射方案中的切片节点迁入迁出操作。其中，在判断是否进行迁入迁出操作时，首先根据系统迁移率Msys判断毎个栖息地(映射方案)是否发生迁移，若是，则根据计算的迁入率λi和预设迁入率的关系判断毎个切片节点是否发生迁入，若是，则执行迁入操作，即在栖息地映射方案中增加节点特征向量。
同时，根据迁出率μi和预设迁出率的关系判断毎个切片节点是否发生迁出，若是，则执行迁出操作，即在栖息地映射方案中删除该节点特征向量。
步骤S205：基于迭代结束条件和迁入迁出操作后的切片节点得到最优映射方案和相应的适应度值。具体地，在判断是否迭代结束之前，先判断每个方案中的切片节点是否发生突变，若是，则选择满足切片节点约束条件的节点替换原节点；若未发生突变，则判断是否满足迭代结束条件，满足之后输出最优映射方案和其适应度值。若不满足迭代条件，继续重复步骤S202至步骤S205的计算。
在一实施方式中，如图3所述，对切片网络映射方案进行初始化，得到初始化切片网络映射方案，包括如下步骤：
步骤S301：将切片网络中所有切片通路节点作为种群栖息地的种群的量。
步骤S302：基于物理节点和物理路径构成的物理网络计算物理网络的节点潜能和每个切片节点的度。其中，物理网络的节点潜能为该节点资源与该节点相连的链路资源和的乘积，具体表示为节点潜能Pn＝节点资源×∑节点相连的链路资源。每个节点的度为节点与其他节点直接相连的链路数。
步骤S303：基于切片节点潜能和度对未进行映射的链路两端节点进行映射。具体地，在进行映射判断之前，先对链路按照切片请求(预订)物理网络资源由大到小的顺序进行排序；然后对排序后的网络切片链路依次进行处理，判断两端节点是否映射，若两端节点都没有映射，先对该链路中度较大的节点先进行映射，再对物理网络中满足资源约束的节点，选择节点资源潜能Pn最大的节点映射；若两端节点有一个已映射，则对网络切片链路的另一端节点，查找满足跳数限制和节点资源约束的节点中资源潜能Pn最大的节点进行映射，若两端节点都已映射则直接进行下一步操作。
步骤S304：基于链路流量均衡度最小的路径进行链路映射，基于网关下挂终端群流量和最小进行网关映射，得到初始化切片网络映射方案。在节点映射判断完成之后，查找满足资源约束的物理路径，具体可以根据网络链路流量压力均衡度定义，选择链路流量压力均衡度RL最小的路径进行链路映射；然后根据下挂的终端群源荷储类型及业务上下型流量系数β之和，选择下挂终端群流量之和有小到大的网关一一进行映射，得到初始化切片网络映射方案，在完成所有节点、链路和网关映射之后，输出初始化切片网络映射方案。
在一实施方式中，如图4所示，以自建的某科技园区所建虚拟电厂分布式宽带通信网络作为实施例，该虚拟电厂聚合调控通信网络流量均衡方法采用如下流程实现：
S1：将通信网络中的服务器、路由器、交换机等设定为物理节点，这样图5展示其通信架构，图6为虚拟电厂通信切片网络示意图。为了更好描述实施过程，首先将物理网络和切片网络建立数学模型：自建的某科技园区所建虚拟电厂切片网络映射分为切片节点、切片链路和切片网关映射三个部分，切片网络在映射时，先将节点映射转化数学模型：FN：(N，BN)→(N，AN)，N为切片网络请求的节点集，AN为物理节点的属性集合，BN为切片节点的属性集合，再将切片节点请求按节点约束条件映射到物理节点上；再对该路径按请求带宽约束条件进行链路映射，链路映射转化为数学模型：FL：(E，BL)→(E，AL)，AL为物理链路的属性集合，BL为切片链路的属性集合，再将虛拟链路请求按带宽约束条件映射到物理路径上；再对该通路的多个网关依据下挂终端流量总和进行网关映射，网关映射转化为数学模型：FG：(G，BG)→(G，AG)，G为切片网关请求的网关集，AG为物理网关的属性集合，BG为切片网关的属性集合。
如图5和图6所示，切片网络请求SN1和SN2的节点和网关映射方案分别为[e→A，f→B，g→C，c→I，b→L，a→O]和[k→D，l→R，j→K，i→N，h→O]；链路映射方案分别为：
{[(a，b)→(O，P)，(P，L)]，
[(b，c)→(L，I)]，
[(c，e)→(I，E)，(E，A)]，
[(c，f)→(I，F)，(F，B)]，
[(c，g)→(I，F)，(F，C)]}
和
{[(k，j)→(D，G)，(G，K)]，
[(l，j)→(R，S)，(S，K)]，
[(j，i)→(K，N)]，
[(i，h)→(N，O)]}。
物理节点和物理链路要同时满足切片节点、切片链路和切片网关请求的资源约束。
S2：按该园区物理网络输入并初始化虚拟电厂通信网络各个参数，包括该科技园区共建分布式宽带通信节点数为98个，节点之间的连接概率为0.5，分布式宽带通信物理网络节点的计算资源按交换机、路由器、服务器的顺序从50到100的线性分布产生，分布式宽带通信物理链路带宽资源服从50到100的平均分布；初始化虚拟电厂切片网络所有切片网络节点，作为种群栖息地的种群向量，包括：种群栖息地的作为切片网络切片节点的各个参数，栖息地数量为n，即种群大小，每个栖息地X由D维向量组成，向量Xi＝(Xi1，Xi2，...，XiD)，i＝1，2，......，n代表所求解问题D维空间里的解，D取为切片请求切片网络节点个数，服从2到10均匀分布；切片节点之间的连接概率为0.5，切片网络节点和带宽资源服从0到50均匀分布，切片网络请求的到达服从泊松分布，并且每一个切片网络请求的生存时间满足指数分布。VPPN FB－BBO的其他参数设置如下：栖息地数量为n＝5，迭代次数为10代，通信连接节点的跳数限制为从1到3的均勾分布，ω取40％的平衡点；最大迁入率I＝1，最大迁出率E＝1，系统迁移率Msys＝1，最大变异率Mmax＝0.005，精英个体留存数z＝2。
S3：初始化分布式宽带通信物理网络的节点潜能Pn＝节点资源×∑节点相连的链路资源，执行切片网络请求，计算每个切片节点的度＝节点与直接相连节点的链路数。
S4：对链路按照切片通过SDN请求预订物理网络资源由大到小的顺序进行排序。
S5：对排序后的网络切片链路依次进行处理，判断两端节点是否已映射，若两端节点都没有映射，先对该链路中度较大的节点先进行映射，再对物理网络中满足资源约束的节点，选择节点资源潜能Pn最大的节点映射。若两端节点有一个已映射，则执行步骤S6，若都已映射则执行步骤S7。
S6：对网络切片链路的另一端节点，循环查找满足跳数限制和节点资源约束节点中资源潜能Pn最大的节点进行映射。
S7：查找满足资源约束的分布式宽带通信物理路径，根据网络链路流量压力均衡度定义，选择链路流量压力均衡度RL最小的路径进行链路映射。
S8：计算下挂的终端群源荷储类型及业务上下型流量系数β之和，选择下挂终端群流量之和有小到大的网关一一进行网关映射。
S9：是否处理完所有节点、网关和链路，若是，输出初始化切片网络映射方案，否则，执行步骤S5。
S10：在上一步输出初始化映射方案中根据改进生物地理原理算法的目标函数计算适应度值，并对适应度值按由小到大的顺序排序。
S11：根据上述迁入率和迁出率计算S9输出的初始化映射方案每个项的迁入和迁出率。
S12：循环根据系统迁移率Msys判断毎个栖息地(映射方案)是否发生迁移，若是，根据迁入率λi判断毎个节点是否发生迁入，若是，则执行迁入操作，即在栖息地映射方案中增加节点特征向量，否则执行下一个步驟。
S13：根据迁出率μi判断毎个节点是否发生迁出，若是，则执行迁出操作，即在栖息地映射方案中删除该节点特征向量，否则执行下一个步驟。
S14：判断每个方案中的节点是否发生突变，若是，则选择满足节点约束件的节点替换原节点；若否，继续执行下一步。
S15：判断切片网络映射方案迭代是否结束，若否，返回步骤S10；若是，继续下一步。
S16：迭代结束，输出最优映射方案和其适应度值。
为了进一步说明该改进生物地理原理算法的优势，基于该园区网络，采用传统的均衡链路负载VN构造算法针对链路均衡度和节点进行优化，采用传统的均衡节点负载VN构造算法针对节点均衡度进行优化。然后在物理网络链路流量压力均衡度、物理网络节点流量压力均衡度、物理网络平均节点流量压力、物理网络平均链路流量压力四个方面对该改进生物地理原理算法和传统算法进行对比。
其中，图7显示了该科技园区虚拟电厂通信网络切片链路的流量压力均衡度对比图，从图中可以得到，起初，采用所述VPPN FB－BBO算法的链路均衡度较低，随着网络长时间运行，两种算法的链路均衡度都开始上升，由于流量均衡采用所述VPPN FB－BBO算法进行优化映射，在处理切片网络映射时均衡了链路的均衡度，全局寻找最优映射方案，其链路流量均衡度低于传统的均衡链路负载VN构造算法，除1900到3700和5400到6200时间单元，VPPN FB－BBO算法的链路均衡度都低于传统的均衡链路负载VN构造算法。并且随着时间的不断增加，两种算法的差异进一步扩大。
图8显示了该科技园区虚拟电厂通信网络切片网络节点的流量压力均衡度，从图中可以得到，VPPN FB－BBO算法在映射时同时考虑链路、节点和网关的流量压力均衡度，在时间单位1800到4200时VPPN FB－BBO算法的节点流量压力均衡度高于传统的均衡节点负载VN构造算法，其它时间单位内均低于传统的均衡节点负载VN构造算法，并且随着时间的增加，VPPN FB－BBO算法的节点均衡度优越性进一步体现。
为进一步说明，用该科技园区虚拟电厂络切片网络的物理平均节点和平均链路的流量压力对比，本发明平均节点流量压力指物理网络中所有节点流量压力的数学期望值，平均链路流量压力指物理网络中所有链路流量压力的数学期望值。如图9和图10所示，显示了物理网络平均节点流量压力和平均链路负载，从图中看出，VPPN FB－BBO算法在映射切片网络时的平均节点压力和平均链路压力总体低于传统的均衡链路节点负载VN构造算法和传统的均衡节点负载VN构造算法。
本发明实施例提供的虚拟电厂聚合调控通信网络流量均衡方法，利用改进后的VPPN FB－BBO算法求解基于网络流量压力均衡的切片网络映射，通过产生满足约束条件的不同映射方案作为VPPN FB－BBO的初始种群，并利用VPPNFB－BBO算法进行迭代优化，寻找全局最优解，使整个物理网络的流量压力达到均衡状态，提高了物理网络资源的利用率。
目前网络切片技术虽然实现了虚拟网络资源的初始化可行解，但初始化可行解只是产生一定数目的不同映射方案，但这样的映射技术只考虑了切片链路的资源约束、以及局部的链路流量压力，并未从整个物理网络的均衡性考虑，其整个网络切片方案并不是最优，因此，利用VPPN FB－BBO算法进行全局优化，寻找整个网络资源映射可行解的整体最优方案，并重新切片网络和映射网络资源，最终输出整个物理网络流量压力均衡的切片映射方案，平衡了整个网络所有切片网络的流量。
与传统生物地理学算法相比，本发明VPPN FB－BBO算法通过初始化产生若干满足条件的切片网络映射方案作为生物地理学算法的一个种群，重新定义生物地理学算法中的迁移算子，加入缩放因子和调整解向量，初始化可行解的方法和目标函数的不同，提高了算法的收敛速度、收敛精度及探索能力。
较于其他的群体智能优化算法，本发明VPPN FB－BBO算法有其独特的机制，不需要生成新的个体，个体之间通过迁移算子实现种群内部的信息共享，并且每个个体都有各自的变异概率。由此，简化了算法结构，在计算机运算多个基准函数时表现出良好的性能。
虽然现有技术也有采用一些其它切片优化算法，比如节点映射贪婪法、链路映射最短路径法、链路映射多商品流法、链路映射成本法等，但是本发明VPPNFB－BBO算法在同阶段求解结果中更加提高了切片网络请求接受率，提高了物理网络链路流量压力均衡度、物理网络节点流量压力均衡度；降低了物理网络平均节点流量压力和平均链路流量压力；有效提高了切片网络长期平均运行收益和切片网络映射平均开销。
本发明实施例还提供一种虚拟电厂聚合调控通信网络流量均衡装置，如图11所示，该装置包括：
映射生成模块，用于基于切片节点、切片链路和切片网关映射生成切片网络映射方案；具体内容参见上述方法实施例对应部分，在此不再赘述。
方案确定模块，用于采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，所述改进生物地理原理算法基于切片节点流量、切片链路流量和切片网关重新设定生物地理算法中的种群和迁移算子，所述迁移算子中包括非线性缩放因子和迭代第次差值最大和最小的两个向量。具体内容参见上述方法实施例对应部分，在此不再赘述。
本发明实施例提供的虚拟电厂聚合调控通信网络流量均衡装置，通过产生若干切片网络映射方案，作为改进生物地理原理算法的种群，同时，改进生物地理原理算法重新设定生物地理算法中的种群和迁移算子，增加了前期的试探搜索能力和后期的较好收敛速度，再对初始映射方案种群进行迭代优化，进行SDN定义的网络切片全局寻优，用于虚拟电厂通信网络流量均衡的切片网络映射，平衡整个物理网络的流量，降低了虚拟电厂通信网络堵塞，提高网络传输实时性和网络长期平均运行收益和效用最大化。
本发明实施例提供的虚拟电厂聚合调控通信网络流量均衡装置的功能描述详细参见上述实施例中虚拟电厂聚合调控通信网络流量均衡方法描述。
本发明实施例还提供一种存储介质，如图12所示，其上存储有计算机程序601，该指令被处理器执行时实现上述实施例中虚拟电厂聚合调控通信网络流量均衡方法的步骤。该存储介质上还存储有音视频流数据，特征帧数据、交互请求信令、加密数据以及预设数据大小等。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 AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
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，所述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，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
本发明实施例还提供了一种电子设备，如图13所示，该电子设备可以包括处理器51和存储器52，其中处理器51和存储器52可以通过总线或者其他方式连接，图13中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit，CPU)。处理器51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52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，如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52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虚拟电厂聚合调控通信网络流量均衡方法。
存储器52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装置、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51所创建的数据等。此外，存储器52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52可选包括相对于处理器51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51。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。
所述一个或者多个模块存储在所述存储器52中，当被所述处理器51执行时，执行如图1－10所示实施例中的虚拟电厂聚合调控通信网络流量均衡方法。
上述电子设备具体细节可以对应参阅图1至图10所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
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做出各种修改和变型，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 (5)
1.一种虚拟电厂聚合调控通信网络流量均衡方法，其特征在于，包括：
基于切片节点、切片链路和切片网关映射生成切片网络映射方案；
采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，所述改进生物地理原理算法基于切片节点流量、切片链路流量和切片网关流量重新设定生物地理算法中的种群和迁移算子，所述迁移算子中包括非线性缩放因子和迭代第次差值最大和最小的两个向量；
基于切片节点、切片链路和切片网关映射生成切片网络映射方案，包括：
对切片网络中每一条切片通路的源节点和目的节点进行映射，将切片节点请求按照节点约束条件映射到物理节点上；
将每一条切片通路按照请求带宽约束条件进行链路映射，将切片链路请求映射到物理路径上；
基于切片节点、切片链路和切片网关映射生成切片网络映射方案；
采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，包括：
对切片网络映射方案进行初始化，得到初始化切片网络映射方案；
基于改进生物地理原理算法的目标函数计算初始化切片网络映射方案的适应度值；
基于改进生物地理原理算法迁移算子计算初始化切片网络映射方案每个项的迁入率和迁出率；
基于迁入率和迁出率进行每个映射方案中的切片节点迁入迁出操作；
基于迭代结束条件和迁入迁出操作后的切片节点得到最优映射方案和相应的适应度值；
对切片网络映射方案进行初始化，得到初始化切片网络映射方案，包括：
将切片网络中所有切片通路节点作为种群栖息地的种群的量；
基于物理节点和物理路径构成的物理网络计算物理网络的节点潜能和每个切片节点的度；
基于切片节点潜能和度对未进行映射的链路两端节点进行映射；
基于链路流量均衡度最小的路径进行切片链路映射，基于网关下挂终端群流量和最小进行网关映射，得到初始化切片网络映射方案；
改进生物地理原理算法的目标函数采用如下公式表示：
其中，Ns表示物理网络节点的集合，Es表示物理网络链路集合；SN为切片节点流量压力，是切片节点上已经使用的资源与节点自身总资源的比值；SAN为物理网络中所有节点流量压力的数学期望；表示节点流量压力均衡度，即在t时刻物理网络各节点流量压力的标准差；/>表示链路流量压力均衡度，即在t时刻物理网络链路中最大链路流量压力与整个网络中所有链路的平均链路流量压力的比值；ω表示切片节点流量压力均衡度和链路流量压力均衡度的平衡系数；
迁入率采用如下公式计算：
其中，I表示栖息地的最大迁入率；表示非线性缩放因子，Gi为迭代第i次，Gmax为算法的最大迭代次数；f(xi)-f(x0)表示迭代第次差值最大的两个向量，f(xi)-f(xi-1)表示迭代第次差值最小的两个向量；
迁出率采用如下公式计算：
其中，E表示栖息地的最大迁出率。
2.根据权利要求1所述的虚拟电厂聚合调控通信网络流量均衡方法，其特征在于，将切片通路请求映射到物理路径上时，基于跳数最小的路径进行映射。
3.一种虚拟电厂聚合调控通信网络流量均衡装置，其特征在于，包括：
映射生成模块，用于切片节点、切片链路和切片网关映射生成切片网络映射方案；
方案确定模块，用于采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，所述改进生物地理原理算法基于切片节点流量、切片链路流量和切片网关重新设定生物地理算法中的种群和迁移算子，所述迁移算子中包括非线性缩放因子和迭代第次差值最大和最小的两个向量；
基于切片节点、切片链路和切片网关映射生成切片网络映射方案，包括：
对切片网络中每一条切片通路的源节点和目的节点进行映射，将切片节点请求按照节点约束条件映射到物理节点上；
将每一条切片通路按照请求带宽约束条件进行链路映射，将切片链路请求映射到物理路径上；
基于切片节点、切片链路和切片网关映射生成切片网络映射方案；
采用改进生物地理原理算法，对切片网络映射方案进行迭代优化，得到最优映射方案，包括：
对切片网络映射方案进行初始化，得到初始化切片网络映射方案；
基于改进生物地理原理算法的目标函数计算初始化切片网络映射方案的适应度值；
基于改进生物地理原理算法迁移算子计算初始化切片网络映射方案每个项的迁入率和迁出率；
基于迁入率和迁出率进行每个映射方案中的切片节点迁入迁出操作；
基于迭代结束条件和迁入迁出操作后的切片节点得到最优映射方案和相应的适应度值；
对切片网络映射方案进行初始化，得到初始化切片网络映射方案，包括：
将切片网络中所有切片通路节点作为种群栖息地的种群的量；
基于物理节点和物理路径构成的物理网络计算物理网络的节点潜能和每个切片节点的度；
基于切片节点潜能和度对未进行映射的链路两端节点进行映射；
基于链路流量均衡度最小的路径进行切片链路映射，基于网关下挂终端群流量和最小进行网关映射，得到初始化切片网络映射方案；
改进生物地理原理算法的目标函数采用如下公式表示：
其中，Ns表示物理网络节点的集合，Es表示物理网络链路集合；SN为切片节点流量压力，是切片节点上已经使用的资源与节点自身总资源的比值；SAN为物理网络中所有节点流量压力的数学期望；表示节点流量压力均衡度，即在t时刻物理网络各节点流量压力的标准差；/>表示链路流量压力均衡度，即在t时刻物理网络链路中最大链路流量压力与整个网络中所有链路的平均链路流量压力的比值；ω表示切片节点流量压力均衡度和链路流量压力均衡度的平衡系数；
迁入率采用如下公式计算：
其中，I表示栖息地的最大迁入率；表示非线性缩放因子，Gi为迭代第i次，Gmax为算法的最大迭代次数；f(xi)-f(x0)表示迭代第次差值最大的两个向量，f(xi)-f(xi-1)表示迭代第次差值最小的两个向量；
迁出率采用如下公式计算：
其中，E表示栖息地的最大迁出率。
4.一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执行如权利要求1或2所述的虚拟电厂聚合调控通信网络流量均衡方法。
5.一种电子设备，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，从而执行如权利要求1或2所述的虚拟电厂聚合调控通信网络流量均衡方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210386746.5A CN114785692B (zh) | 2022-04-12 | 2022-04-12 | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210386746.5A CN114785692B (zh) | 2022-04-12 | 2022-04-12 | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114785692A CN114785692A (zh) | 2022-07-22 |
| CN114785692B true CN114785692B (zh) | 2024-03-26 |
Family
ID=82428429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210386746.5A Active CN114785692B (zh) | 2022-04-12 | 2022-04-12 | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114785692B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116347404B (zh) * | 2023-05-30 | 2023-10-13 | 天翼云科技有限公司 | 一种基于群组认证的mMTC网络切片映射方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112073452A (zh) * | 2020-05-27 | 2020-12-11 | 河南工程学院 | 一种能源有效和资源受限的移动边缘计算任务分配方法 |
| CN112105081A (zh) * | 2019-06-17 | 2020-12-18 | 北京化工大学 | 一种基于改进生物地理学优化算法的高精度无线定位方法 |
-
2022
- 2022-04-12 CN CN202210386746.5A patent/CN114785692B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112105081A (zh) * | 2019-06-17 | 2020-12-18 | 北京化工大学 | 一种基于改进生物地理学优化算法的高精度无线定位方法 |
| CN112073452A (zh) * | 2020-05-27 | 2020-12-11 | 河南工程学院 | 一种能源有效和资源受限的移动边缘计算任务分配方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于改进BBO的Web文本聚类算法;李超雄;黄发良;温肖谦;福建师范大学学报(自然科学版)(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114785692A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111953759B (zh) | 基于强化学习的协同计算任务卸载和迁移的方法及装置 | |
| Maheshwari et al. | Scalability and performance evaluation of edge cloud systems for latency constrained applications | |
| CN108121512B (zh) | 一种边缘计算服务缓存方法、系统、装置及可读存储介质 | |
| CN112020103B (zh) | 一种移动边缘云中的内容缓存部署方法 | |
| Fan et al. | Workload allocation in hierarchical cloudlet networks | |
| CN112822050B (zh) | 用于部署网络切片的方法和装置 | |
| CN112416554A (zh) | 一种任务迁移方法、装置、电子设备及存储介质 | |
| CN112737823A (zh) | 一种资源切片分配方法、装置及计算机设备 | |
| CN111258762A (zh) | 一种动态周期的媒体服务器负载均衡算法 | |
| 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 | |
| CN113315669B (zh) | 基于云边协同的吞吐量优化的机器学习推断任务部署方法 | |
| Wang et al. | Multi-leader multi-follower Stackelberg game based dynamic resource allocation for mobile cloud computing environment | |
| 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 | |
| CN114595049A (zh) | 一种云边协同任务调度方法及装置 | |
| CN115665227B (zh) | 一种普适的异构融合算网资源智慧适配网络架构及方法 | |
| CN113328953B (zh) | 网络拥塞调整的方法、装置和存储介质 | |
| Routaib et al. | Modeling and evaluating a cloudlet-based architecture for mobile cloud computing | |
| CN109600432B (zh) | 内容中心移动边缘网络用户动态接入方法 | |
| Haung | A qoe-aware strategy for supporting service continuity in an mcc environment | |
| CN115514769B (zh) | 卫星弹性互联网资源调度方法、系统、计算机设备及介质 | |
| Liu et al. | Adaptive federated pruning in hierarchical wireless networks | |
| CN115499875A (zh) | 一种卫星互联网任务卸载方法、系统以及可读存储介质 | |
| CN114116052A (zh) | 一种边缘计算方法及装置 | |
| CN115150893A (zh) | 基于任务划分与d2d的mec任务卸载策略方法 | |
| CN116418808A (zh) | 一种mec的联合计算卸载和资源分配方法及装置 |
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 |