CN115941581A - 云游戏路由调度方法、设备、存储介质及装置 - Google Patents

Abstract

本发明涉及云游戏技术领域，公开了一种云游戏路由调度方法、设备、存储介质及装置，该方法包括：获取候选调度方案的调度参考信息，基于调度参考信息通过预设云游戏路由调度模型确定目标调度方案，预设云游戏路由调度模型为多目标优化模型，根据目标调度方案进行云游戏路由调度；由于本发明引入了多目标优化的预设云游戏路由调度模型来确定目标调度方案，并根据目标调度方案进行云游戏路由调度，从而实现了从多维度进行路由调度，进而提高了路由调度的合理性。

Description

云游戏路由调度方法、设备、存储介质及装置

技术领域

本发明涉及云游戏技术领域，尤其涉及一种云游戏路由调度方法、设备、存储介质及装置。

背景技术

目前，在进行云游戏路由调度时，传统的路由调度模型只考虑部分因素的影响，从而造成了调度不合理的问题。

发明内容

本发明的主要目的在于提供一种云游戏路由调度方法、设备、存储介质及装置，旨在解决现有技术中传统的路由调度模型只考虑部分因素的影响，从而造成了调度不合理的技术问题。

为实现上述目的，本发明提供一种云游戏路由调度方法，所述云游戏路由调度方法包括以下步骤：

获取候选调度方案的调度参考信息；

基于所述调度参考信息通过预设云游戏路由调度模型确定目标调度方案，所述预设云游戏路由调度模型为多目标优化模型；

根据所述目标调度方案进行云游戏路由调度。

可选地，所述调度参考信息包括边缘节点数量、用户数量、网络通路下的链路段数、网络拥堵情况、网络形式、吞吐量、边缘节点规格信息、游戏启动硬件条件；

所述预设云游戏路由调度模型为：

式中，w_l，l＝1,2,…,6为各部分的加权系数，N为用户数量，M为边缘节点数量，

k＝1,2,…,4为各调度参考信息的调度系数，表示在第k个调度参考信息下第i个用户启动云游戏时是否调度到第j个边缘节点上，

时，第i个用户启动云游戏时调度到第j个边缘节点上，

第i个用户启动云游戏时不调度到第j个边缘节点上，Link_ij为第i个用户与第j个边缘节点之间的网络通路下的链路段数，Cyb_ij为第i个用户与第j个边缘节点之间的网络拥堵情况，W_i为第i个用户的网络形式，Thr_ij为第i个用户与第j个边缘节点之间的吞吐量，Spec_j为第j个边缘节点的边缘节点规格信息，H_i为第i个用户的游戏启动硬件条件，

为各边缘节点空闲实例数的方差，N^*为用户排队数。

可选地，所述获取候选调度方案的调度参考信息的步骤，包括：

获取边缘节点列表，并从候选调度方案中选取待调度用户；

确定所述待调度用户与所述边缘节点列表中各边缘节点之间的网络信息；

根据所述网络信息生成所述候选调度方案的调度参考信息。

可选地，所述获取候选调度方案的调度参考信息的步骤之前，还包括：

根据用户信息和预设启发式伪随机策略生成目标路由调度集；

根据所述目标路由调度集生成候选调度方案。

可选地，所述根据用户信息和预设启发式伪随机策略生成目标路由调度集的步骤，包括：

根据用户信息和预设启发式伪随机策略生成初始路由调度集；

基于预设启发式选择策略从所述初始路由调度集中选取优秀路由调度集；

对所述优秀路由调度集以自适应概率进行局部随机变异，获得变异后路由调度集；

从所述变异后路由调度集中选取目标路由调度集。

可选地，所述从所述变异后路由调度集中选取目标路由调度集的步骤，包括：

获取所述变异后路由调度集中各维度的均值和方差；

根据所述均值和所述方差通过预设正态分布概率模型计算所述变异后路由调度集的正态分布概率；

基于所述正态分布概率从所述变异后路由调度集中选取目标路由调度集。

可选地，所述根据用户信息和预设启发式伪随机策略生成目标路由调度集的步骤，包括：

从所述用户信息中提取用户的等级信息、位置信息以及近期路由信息；

根据所述等级信息、所述位置信息以及所述近期路由信息通过预设启发式伪随机策略生成目标路由调度集。

此外，为实现上述目的，本发明还提出一种云游戏路由调度设备，所述云游戏路由调度设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的云游戏路由调度程序，所述云游戏路由调度程序配置为实现如上文所述的云游戏路由调度方法。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有云游戏路由调度程序，所述云游戏路由调度程序被处理器执行时实现如上文所述的云游戏路由调度方法。

此外，为实现上述目的，本发明还提出一种云游戏路由调度装置，所述云游戏路由调度装置包括：信息获取模块、方案确定模块以及路由调度模块；

所述信息获取模块，用于获取候选调度方案的调度参考信息；

所述方案确定模块，用于基于所述调度参考信息通过预设云游戏路由调度模型确定目标调度方案，所述预设云游戏路由调度模型为多目标优化模型；

所述路由调度模块，用于根据所述目标调度方案进行云游戏路由调度。

在本发明中，公开了获取候选调度方案的调度参考信息，基于调度参考信息通过预设云游戏路由调度模型确定目标调度方案，预设云游戏路由调度模型为多目标优化模型，根据目标调度方案进行云游戏路由调度；由于本发明引入了多目标优化的预设云游戏路由调度模型来确定目标调度方案，并根据目标调度方案进行云游戏路由调度，从而实现了从多维度进行路由调度，进而提高了路由调度的合理性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的云游戏路由调度设备的结构示意图；

图2为本发明云游戏路由调度方法第一实施例的流程示意图；

图3为本发明云游戏路由调度方法第二实施例的流程示意图；

图4为本发明云游戏路由调度方法第三实施例的流程示意图；

图5为本发明云游戏路由调度装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的云游戏路由调度设备结构示意图。

如图1所示，该云游戏路由调度设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)，也可以是稳定的存储器(Non-volatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对云游戏路由调度设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及云游戏路由调度程序。

在图1所示的云游戏路由调度设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述云游戏路由调度设备通过处理器1001调用存储器1005中存储的云游戏路由调度程序，并执行本发明实施例提供的云游戏路由调度方法。

基于上述硬件结构，提出本发明云游戏路由调度方法的实施例。

参照图2，图2为本发明云游戏路由调度方法第一实施例的流程示意图，提出本发明云游戏路由调度方法第一实施例。

在第一实施例中，所述云游戏路由调度方法包括以下步骤：

步骤S10：获取候选调度方案的调度参考信息。

应当理解的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的云游戏路由调度设备，例如，服务器等，或者是其他能够实现相同或相似功能的电子设备，本实施例对此不加限制。

需要说明的是，候选调度方案可以预先设置，也可以根据用户信息实时确定，本实施例对此不加以限制。

调度参考信息可以是对云游戏路由调度有影响的信息，例如，边缘节点数量、用户数量、网络通路下的链路段数、网络拥堵情况、网络形式、吞吐量、边缘节点规格信息、游戏启动硬件条件等信息。

可以理解的是，获取候选调度方案的调度参考信息可以是获取候选调度方案中的待调度用户和边缘节点，并获取待调度用户信息和边缘节点信息，将待调度用户信息和边缘节点信息作为调度参考信息。

步骤S20：基于所述调度参考信息通过预设云游戏路由调度模型确定目标调度方案，所述预设云游戏路由调度模型为多目标优化模型。

需要说明的是，预设云游戏路由调度模型可以预先设置，预设云游戏路由调度模型可以是以调度参考信息为约束条件的多目标路由调度模型。

应当理解的是，将调度参考信息输入预设云游戏路由调度模型后，可以获得候选调度方案对应的调度参考分值，根据调度参考分值从小到大对候选调度方案进行排序，根据排序结果选取目标调度方案。

可以理解的是，根据排序结果选取目标调度方案可以是将排序最靠前的候选调度方案作为目标调度方案。

步骤S30：根据所述目标调度方案进行云游戏路由调度。

应当理解的是，根据目标调度方案进行云游戏路由调度可以是根据目标调度方案将用户调度至对应的目标边缘节点。

在第一实施例中，公开了获取候选调度方案的调度参考信息，基于调度参考信息通过预设云游戏路由调度模型确定目标调度方案，预设云游戏路由调度模型为多目标优化模型，根据目标调度方案进行云游戏路由调度；由于本实施例引入了多目标优化的预设云游戏路由调度模型来确定目标调度方案，并根据目标调度方案进行云游戏路由调度，从而实现了从多维度进行路由调度，进而提高了路由调度的合理性。

参照图3，图3为本发明云游戏路由调度方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明云游戏路由调度方法的第二实施例。

在第二实施例中，所述步骤S10，包括：

步骤S101：获取边缘节点列表，并从候选调度方案中选取待调度用户。

步骤S102：确定所述待调度用户与所述边缘节点列表中各边缘节点之间的网络信息。

步骤S103：根据所述网络信息生成所述候选调度方案的调度参考信息。

应当理解的是，为了提高调度参考信息的准确性，本实施例中，可以基于待调度用户与边缘节点列表中各边缘节点之间的网络信息来生成调度参考信息。

为了便于理解，以下举例说明，但并不对本方案进行限定。调度参考信息通过以下步骤生成：

(1)初始化参数，将各边缘节点添加到边缘节点列表中List，并设置各边缘节点调度列表

及各边缘节点用户排队列表

(2)从调度方案中顺序选择一个用户(即待调度用户)，获取用户所对应的信息：用户的网络地址、用户等级、用户游玩的网络形式，以及用户的历史路由信息；

(2.1)判断该用户历史路由信息是否为空，若为空：

(a)顺序从边缘节点列表List中选择一边缘节点，若已遍历边缘节点列表，则用户无法匹配合适的边缘节点，则从边缘列表中随机选择一个边缘节点调度给此用户，并将此用户加入到边缘节点用户排队列表

转至步骤(e)；

(b)计算此用户与所选边缘节点间的网络拥堵情况，若用户与所选边缘节点间的网络拥堵情况达到设定阈值，则转至步骤(a)；

(c)计算此用户与所选边缘节点间的网络吞吐量，若该吞吐量超过网络吞吐量阈值，则转至步骤(a)；

(d)判断该边缘节点的实例是否全部被占用，若是则转至步骤(a)；

(e)判断该边缘节点的规则信息是否满足用户启动游戏所需要求，若否则转至步骤(a)；

(f)计算网络通路下此用户至所选边缘节点的链路段数，转至步骤(2.3)；

(2.2)若该用户历史路由信息不为空，依据步骤(b)～(f)进行路由调度条件判断和数据处理；若不符合条件，则转至步骤(a)；

(2.3)将此用户添加到边缘节点调度列表

若该调度方案中所有用户均已分配对应的路由信息，则转至步骤(3)；否则转至步骤(2)；

(3)根据上述步骤中各个用户的网络拥堵情况、链路段数、网络吞吐量、排队用户数量等调度参考信息。

在第二实施例中，公开了获取边缘节点列表，并从候选调度方案中选取待调度用户，确定待调度用户与边缘节点列表中各边缘节点之间的网络信息，根据网络信息生成候选调度方案的调度参考信息；由于本实施例中基于待调度用户与边缘节点列表中各边缘节点之间的网络信息来生成调度参考信息。从而能够提高调度参考信息的准确性，进而能够提高云游戏路由调度的准确性。

在第二实施例中，所述调度参考信息包括边缘节点数量、用户数量、网络通路下的链路段数、网络拥堵情况、网络形式、吞吐量、边缘节点规格信息、游戏启动硬件条件；

所述预设云游戏路由调度模型为：

式中，w_l，l＝1,2,…,6为各部分的加权系数，N为用户数量，M为边缘节点数量，

k＝1,2,…,4为各调度参考信息的调度系数，表示在第k个调度参考信息下第i个用户启动云游戏时是否调度到第j个边缘节点上，

时，第i个用户启动云游戏时调度到第j个边缘节点上，

第i个用户启动云游戏时不调度到第j个边缘节点上，Link_ij为第i个用户与第j个边缘节点之间的网络通路下的链路段数，Cyb_ij为第i个用户与第j个边缘节点之间的网络拥堵情况，W_i为第i个用户的网络形式，Thr_ij为第i个用户与第j个边缘节点之间的吞吐量，Spec_j为第j个边缘节点的边缘节点规格信息，H_i为第i个用户的游戏启动硬件条件，

为各边缘节点空闲实例数的方差，N^*为用户排队数。

为了便于理解，以下举例说明，但并不对本方案进行限定。云游戏路由调度模型建立过程具体包括以下步骤：

步骤1、获取各边缘节点规格信息及其对应的实例数、网络通路下的链路段数、网络拥堵情况、吞吐量，以及用户数量、等级信息、用户游玩的网络形式、用户的地理位置以及用户最近活跃路由信息，游戏启动硬件条件，并进行数据预处理。

数据预处理的具体过程为：1)将各边缘节点规格信息以等级化进行描述，并从低到高以1、2、3进行标注，同时映射为游戏所需的硬件信息，并一一对应；2)将各规格实例数、网络通路下的链路段数、网络拥堵情况、网络吞吐量、用户等级信息、用户游玩的网络形式进行无量纲化映射；3)根据用户的地理位置获取该用户的网络地址。

步骤2、根据预处理后的信息建立云游戏路由调度模型，并将该模型转化为准旅行商问题模型。

1)已知用户数量N，各边缘节点数量M；设置各边缘节点规格信息Spec_j及其对应的实例数

网络通路下的链路段数Link_ij、网络拥堵情况Cyb_ij和吞吐量Thr_ij；设置游戏启动硬件条件H_i、用户等级信息G_i、网络形式W_i，其中，i＝1,2,3，…，N，j＝1,2,3,…,M。

2)设置云游戏路由调度模型的限制条件：

(1)各边缘节点具有相同的规格信息，游戏所需的启动要求不能高于各边缘节点规格信息，游戏启动要求与规格信息优先同等级分配；

(2)每个用户试玩游戏时仅且只能调度到一个边缘节点上；

(3)同等情况下，应遵循用户等级高的优先分配原则；

(4)一般情况下，网络吞吐量与用户网络形式有关，成正相关关系,当网络拥堵情况或吞吐量达到预定值时，则用户需要排队等待。

3)根据以上数据信息和限制条件，建立云游戏路由调度模型如下：

式中，w_l，l＝1,2,…,6为各部分的加权系数，N为用户数量，M为边缘节点数量，

k＝1,2,…,4为各调度参考信息的调度系数，表示在第k个调度参考信息下第i个用户启动云游戏时是否调度到第j个边缘节点上，

时，第i个用户启动云游戏时调度到第j个边缘节点上，

第i个用户启动云游戏时不调度到第j个边缘节点上，Link_ij为第i个用户与第j个边缘节点之间的网络通路下的链路段数，Cyb_ij为第i个用户与第j个边缘节点之间的网络拥堵情况，W_i为第i个用户的网络形式，Thr_ij为第i个用户与第j个边缘节点之间的吞吐量，Spec_j为第j个边缘节点的边缘节点规格信息，H_i为第i个用户的游戏启动硬件条件，

为各边缘节点空闲实例数的方差，N^*为用户排队数。

其中，

的计算方式如下：

表示在第k个调度参考信息下第i个用户启动云游戏时是否调度到第j个边缘节点上；

其中，

的计算方式如下：

式中，

表示第j个边缘节点的空闲实例数，

表示M个边缘节点空闲实例数的平均值。

云游戏路由调度模型，其六部分依次分别为用户调度到各边缘节点时的网络通路下链路段数惩罚、网络拥堵惩罚、吞吐量惩罚、游戏启动所需的硬件条件与边缘节点规格信息不匹配的惩罚、各边缘节点空闲实例数的方差惩罚、排队用户数量惩罚。

在第二实施例中，云游戏路由调度模型综合考虑边缘节点数量、用户数量、网络通路下的链路段数、网络拥堵情况、吞吐量、边缘节点规格信息、游戏启动硬件条件等多方面因素，有利于提高各边缘节点的实例使用率，减少资源浪费，并能优化云游戏路由调度问题，减少用户试玩游戏排队现象、游戏启动缓慢、网络拥塞等现象的发生，从而提高用户体验满意度。

参照图4，图4为本发明云游戏路由调度方法第三实施例的流程示意图，基于上述各实施例，提出本发明云游戏路由调度方法的第三实施例。

在第三实施例中，所述步骤S10之前，还包括：

步骤S01：根据用户信息和预设启发式伪随机策略生成目标路由调度集。

应当理解的是，传统的智能调度优化算法主要包括遗传算法、模拟退火算法、蚁群算法等。其中，遗传算法在调度问题中译码过程繁琐，容易过早收敛，寻优能力弱；模拟退火算法计算单一，算法流程简单，但算法寻优精度差；而蚁群算法信息素计算复杂，算法流程繁琐，不适用于云游戏路由调度等实时性要求高的调度问题中；离散分布估计算法作为一种新型基于统计学原理的随机优化算法，算法流程简单容易，能很好的应用于一部分实时要求高的问题中，但该算法本身存在启发性不足和容易陷入局部最优等缺点。

因此，为了优化一般随机策略生成的大量不可行解，提高离散分布估计算法的寻优能力，加快算法的收敛速度，本步骤采用了基于用户信息的预设启发式伪随机策略，有效的增加算法初期的可行解的数量，提升算法寻优速度。

在具体实现中，例如，初始化种群，采用基于用户最近活跃路由信息(即用户信息)的启发式伪随机策略产生大小为Pop路由调度集合D^t(调度方案)，每个方案含有N个用户，其中，初始时刻迭代次数t设为0，最大迭代次数T。

进一步地，为了提高路由调度集的可靠性，所述步骤S01，包括：

从所述用户信息中提取用户的等级信息、位置信息以及近期路由信息；

根据所述等级信息、所述位置信息以及所述近期路由信息通过预设启发式伪随机策略生成目标路由调度集。

进一步地，为了增加种群多样性，提高算法全局搜索能力，所述步骤S01，还包括：

根据用户信息和预设启发式伪随机策略生成初始路由调度集；

基于预设启发式选择策略从所述初始路由调度集中选取优秀路由调度集；

对所述优秀路由调度集以自适应概率进行局部随机变异，获得变异后路由调度集；

从所述变异后路由调度集中选取目标路由调度集。

可以理解的是，为了避免算法陷入局部最优，增强劣势群体和优势群体相互学习的能力，从变异后路由调度集中选取目标路由调度集可以是获取变异后路由调度集中各维度的均值和方差，根据均值和方差通过预设正态分布概率模型计算变异后路由调度集的正态分布概率，基于正态分布概率从变异后路由调度集中选取目标路由调度集。

为了便于理解，以下举例说明，但并不对本方案进行限定。目标路由调度集的生成步骤具体如下：

1、初始化种群，采用基于用户最近活跃路由信息(即用户信息)的启发式伪随机策略产生大小为Pop路由调度集合D^t(调度方案)，每个方案含有N个用户，其中，初始时刻迭代次数t设为0，最大迭代次数T。

为了优化一般随机策略生成的大量不可行解，提高离散分布估计算法的寻优能力，加快算法的收敛速度，本步骤采用了基于用户最近活跃路由信息的伪随机策略，有效的增加算法初期的可行解的数量，提升算法寻优速度。

(1)将N个用户按照其等级G_i排序，同等级用户按照序号随机排列，作为一个初始化路由调度方案；

(2)根据该方案内各用户的地理位置获取该用户的网络地址；

(3)根据用户最近活跃路由信息获取用户历史网络地址及其对应的边缘节点信息；

(4)判断此时用户的网络是否与此用户历史网络地址相同或接近，如网络地址满足要求，则将历史网络对应的边缘节点信息调度给此用户，否则此用户的利用路由调度信息为空；

(5)重复上述步骤生成大小为Pop的路由调度集D^t。

2、根据预设云游戏路由调度模型采用基于准旅行商问题模型译码装置计算种群中各个体目标函数值，并判断是否满足终止条件t>T，若满足，则选择目标函数值最小的个体作为最优结果，并输出其对应的用户路由调度结果，否则继续算法流程。

3、采用自适应选择策略从原种群中选择m个优秀个体组成最优评价集

为了增加种群多样性，提高算法全局搜索能力，本步骤根据迭代次数的增加采用一种启发式选择策略自适应提高优秀个体选择的多样性和数量，从而增加算法的全局搜索能力和解的多样性，其具体过程如下：

(1)确定每代优秀个体数量m，计算公式如下：

式中，α为选择因子，一般取0.5<α<1，ceil(*)为向上取整函数，t为当前迭代次数，T为最大迭代次数。

(2)将Pop个个体目标函数值从小到大排序，选择前m个优秀个体作为评价集

(3)对评价集

以自适应概率进行局部随机变异，以防止种群陷入局部最优。

具体的，计算该评价集内所有个体总目标函数值，并计算该评价集内各个个体占总目标函数值的比重；依次为该评价集内的个体产生一个0～1之间的随机值，若该随机值不小于该个体占总目标函数值的比重，则对该个体进行随机扰动生成一个新个体；将所有新生成的个体加入到原评价集中组成新的评价集

并更新原评价集

4、构建正态分布概率模型，根据概率模型从优秀评价集

中采样生成新个体。

其中，正态分布概率模型为：

式中，f(x_i)表示种群每一维度的正态分布概率，μ_i表示种群中各维度的均值，σ_i表示种群中各维度的方差，i＝1,2，…，N。

通过采样生成Pop个新调度方案的具体过程为：

(4.1)生成新调度方案开始，设置个体维度i为1，将N个用户加入到未调度集合中List；

(4.2)计算评价集

中维度为i的均值μ_i和方差σ_i，并计算正态分布概率参数f(x_i)；

为了避免算法陷入局部最优，增强劣势群体和优势群体相互学习的能力，引入一种学习因子β，计算各维度的均值μ_i和方差σ_i，有效的提升了种群中各个体间的交流能力，有利于提高算法的搜索能力和寻优能力，其计算公式分别如下：

(4.3)随机生成一个0至1之间的随机数r，选择r大于f(x_i)的用户集合，如果该用户集合不为空，则随机选择一个用户加入到调度方案中；否则选择f(x_i)最接近r的一个用户加入到调度方案中，并将该用户从List中移除，并重复此步骤直至List集合为空；

(4.4)若未生成N个新调度方案，则转至步骤(4.1)，否则采样过程结束，输出N个新调度方案。

步骤S02：根据所述目标路由调度集生成候选调度方案。

可以理解的是，根据目标路由调度集生成候选调度方案可以是直接将目标路由调度集中的调度方案作为候选调度方案。

在第三实施例中，基于动态选择策略和启发式伪随机策略的改进离散分布估计算法，以提高原算法的寻优能力和搜索能力，并通过一种基于准旅行商问题的译码装置求解改进分布估计算法的目标函数，减少原算法产生的大量不可行解，提高算法的求解性能。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有云游戏路由调度程序，所述云游戏路由调度程序被处理器执行时实现如上文所述的云游戏路由调度方法。

此外，参照图5，本发明实施例还提出一种云游戏路由调度装置，所述云游戏路由调度装置包括：信息获取模块10、方案确定模块20以及路由调度模块30；

所述信息获取模块10，用于获取候选调度方案的调度参考信息。

需要说明的是，候选调度方案可以预先设置，也可以根据用户信息实时确定，本实施例对此不加以限制。

调度参考信息可以是对云游戏路由调度有影响的信息，例如，边缘节点数量、用户数量、网络通路下的链路段数、网络拥堵情况、网络形式、吞吐量、边缘节点规格信息、游戏启动硬件条件等信息。

可以理解的是，获取候选调度方案的调度参考信息可以是获取候选调度方案中的待调度用户和边缘节点，并获取待调度用户信息和边缘节点信息，将待调度用户信息和边缘节点信息作为调度参考信息。

所述方案确定模块20，用于基于所述调度参考信息通过预设云游戏路由调度模型确定目标调度方案，所述预设云游戏路由调度模型为多目标优化模型。

需要说明的是，预设云游戏路由调度模型可以预先设置，预设云游戏路由调度模型可以是以调度参考信息为约束条件的多目标路由调度模型。

应当理解的是，将调度参考信息输入预设云游戏路由调度模型后，可以获得候选调度方案对应的调度参考分值，根据调度参考分值从小到大对候选调度方案进行排序，根据排序结果选取目标调度方案。

可以理解的是，根据排序结果选取目标调度方案可以是将排序最靠前的候选调度方案作为目标调度方案。

所述路由调度模块30，用于根据所述目标调度方案进行云游戏路由调度。

应当理解的是，根据目标调度方案进行云游戏路由调度可以是根据目标调度方案将用户调度至对应的目标边缘节点。

在本实施例中，公开了获取候选调度方案的调度参考信息，基于调度参考信息通过预设云游戏路由调度模型确定目标调度方案，预设云游戏路由调度模型为多目标优化模型，根据目标调度方案进行云游戏路由调度；由于本实施例引入了多目标优化的预设云游戏路由调度模型来确定目标调度方案，并根据目标调度方案进行云游戏路由调度，从而实现了从多维度进行路由调度，进而提高了路由调度的合理性。

本发明所述云游戏路由调度装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种云游戏路由调度方法，其特征在于，所述云游戏路由调度方法包括以下步骤：

获取候选调度方案的调度参考信息；

基于所述调度参考信息通过预设云游戏路由调度模型确定目标调度方案，所述预设云游戏路由调度模型为多目标优化模型；

根据所述目标调度方案进行云游戏路由调度。

2.如权利要求1所述的云游戏路由调度方法，其特征在于，所述调度参考信息包括边缘节点数量、用户数量、网络通路下的链路段数、网络拥堵情况、网络形式、吞吐量、边缘节点规格信息、游戏启动硬件条件；

所述预设云游戏路由调度模型为：

式中，w_l，l＝1,2,…,6为各部分的加权系数，N为用户数量，M为边缘节点数量，

为各调度参考信息的调度系数，表示在第k个调度参考信息下第i个用户启动云游戏时是否调度到第j个边缘节点上，

时，第i个用户启动云游戏时调度到第j个边缘节点上，

第i个用户启动云游戏时不调度到第j个边缘节点上，Link_ij为第i个用户与第j个边缘节点之间的网络通路下的链路段数，Cyb_ij为第i个用户与第j个边缘节点之间的网络拥堵情况，W_i为第i个用户的网络形式，Thr_ij为第i个用户与第j个边缘节点之间的吞吐量，Spec_j为第j个边缘节点的边缘节点规格信息，H_i为第i个用户的游戏启动硬件条件，

为各边缘节点空闲实例数的方差，N^*为用户排队数。

3.如权利要求1所述的云游戏路由调度方法，其特征在于，所述获取候选调度方案的调度参考信息的步骤，包括：

获取边缘节点列表，并从候选调度方案中选取待调度用户；

确定所述待调度用户与所述边缘节点列表中各边缘节点之间的网络信息；

根据所述网络信息生成所述候选调度方案的调度参考信息。

4.如权利要求1至3中任一项所述的云游戏路由调度方法，其特征在于，所述获取候选调度方案的调度参考信息的步骤之前，还包括：

根据用户信息和预设启发式伪随机策略生成目标路由调度集；

根据所述目标路由调度集生成候选调度方案。

5.如权利要求4所述的云游戏路由调度方法，其特征在于，所述根据用户信息和预设启发式伪随机策略生成目标路由调度集的步骤，包括：

根据用户信息和预设启发式伪随机策略生成初始路由调度集；

基于预设启发式选择策略从所述初始路由调度集中选取优秀路由调度集；

对所述优秀路由调度集以自适应概率进行局部随机变异，获得变异后路由调度集；

从所述变异后路由调度集中选取目标路由调度集。

6.如权利要求5所述的云游戏路由调度方法，其特征在于，所述从所述变异后路由调度集中选取目标路由调度集的步骤，包括：

获取所述变异后路由调度集中各维度的均值和方差；

根据所述均值和所述方差通过预设正态分布概率模型计算所述变异后路由调度集的正态分布概率；

基于所述正态分布概率从所述变异后路由调度集中选取目标路由调度集。

7.如权利要求4所述的云游戏路由调度方法，其特征在于，所述根据用户信息和预设启发式伪随机策略生成目标路由调度集的步骤，包括：

从所述用户信息中提取用户的等级信息、位置信息以及近期路由信息；

根据所述等级信息、所述位置信息以及所述近期路由信息通过预设启发式伪随机策略生成目标路由调度集。

8.一种云游戏路由调度设备，其特征在于，所述云游戏路由调度设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的云游戏路由调度程序，所述云游戏路由调度程序被所述处理器执行时实现如权利要求1至7中任一项所述的云游戏路由调度方法。

9.一种存储介质，其特征在于，所述存储介质上存储有云游戏路由调度程序，所述云游戏路由调度程序被处理器执行时实现如权利要求1至7中任一项所述的云游戏路由调度方法。

10.一种云游戏路由调度装置，其特征在于，所述云游戏路由调度装置包括：信息获取模块、方案确定模块以及路由调度模块；

所述信息获取模块，用于获取候选调度方案的调度参考信息；

所述方案确定模块，用于基于所述调度参考信息通过预设云游戏路由调度模型确定目标调度方案，所述预设云游戏路由调度模型为多目标优化模型；

所述路由调度模块，用于根据所述目标调度方案进行云游戏路由调度。

Images