CN116170365A - 基于蚁群算法的多用户SaaS服务部署系统及方法 - Google Patents
基于蚁群算法的多用户SaaS服务部署系统及方法 Download PDFInfo
- Publication number
- CN116170365A CN116170365A CN202310445223.8A CN202310445223A CN116170365A CN 116170365 A CN116170365 A CN 116170365A CN 202310445223 A CN202310445223 A CN 202310445223A CN 116170365 A CN116170365 A CN 116170365A
- Authority
- CN
- China
- Prior art keywords
- clearing
- child node
- node
- ant colony
- data
- 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.)
- Granted
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 50
- 230000002776 aggregation Effects 0.000 claims abstract description 15
- 238000004220 aggregation Methods 0.000 claims abstract description 15
- 238000009472 formulation Methods 0.000 claims abstract description 7
- 238000012423 maintenance Methods 0.000 claims abstract description 7
- 239000000203 mixture Substances 0.000 claims abstract description 7
- 239000003016 pheromone Substances 0.000 claims description 64
- 230000005540 biological transmission Effects 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 28
- 238000005457 optimization Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 11
- 238000005265 energy consumption Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000001154 acute effect Effects 0.000 claims description 8
- 241001146702 Candidatus Entotheonella factor Species 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 7
- 235000013305 food Nutrition 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 241000257303 Hymenoptera Species 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
- H04L45/08—Learning-based routing, e.g. using neural networks or artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- H04L67/104—Peer-to-peer [P2P] networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于SaaS服务部署技术领域,本发明公开了基于蚁群算法的多用户SaaS服务部署系统及方法,构建清结算业务区块链,通过SaaS服务部署服务对清结算业务区块链进行分析,生成清结算计划表;构建蚁群算法,对子节点进行蚁群算法的参数初始化设置,并通过公式化计算确定改进后的蚁群算法;根据改进后的蚁群算法,对每个父节点中所有的子节点数据进行聚合操作,将聚合得到的数据传送给自己父节点;通过蚂蚁寻路概率公式计算最优路径,可得到清结算业务区块链之间进行点对点清算的最优清算路径;通过蚂蚁算法的自适应维护更新,继续进行数据的传送;所述清结算业务区块链将点对点清算的最优清算路径转发至公网。
Description
技术领域
本发明涉及SaaS服务部署技术领域,更具体地说,本发明涉及基于蚁群算法的多用户SaaS服务部署系统及方法。
背景技术
多用户SaaS服务部署通过Internet提供软件的模式,厂商将应用软件统一部署在自己的服务器上,客户可以根据自己实际需求,通过互联网向厂商定购所需的应用软件服务,按定购的服务多少和时间长短向厂商支付费用,并通过互联网获得厂商提供的服务。用户不用再购买软件,而改用向提供商租用基于Web的软件,来管理企业经营活动,且无需对软件进行维护,服务提供商会全权管理和维护软件,软件厂商在向客户提供互联网应用的同时,也提供软件的离线操作和本地数据存储,让用户随时随地都可以使用其定购的软件和服务。对于许多小型企业来说,SaaS是采用先进技术的最好途径,它消除了企业购买、构建和维护基础设施和应用程序的需要。
现有的多用户SaaS服务部署存在以下缺陷:
1、多用户SaaS服务部署缺少有效的支持并发的方法,特别是对于点对点清算过程中,虽然可以支撑所有的区块链同时登录处理,但是没有有效的算法引导处理,在考虑数据聚合时,数据在路径交叉节点进行聚合,由于清结算数据单元作为独立节点存在,其选择数据回传路径时,路径交叉点是随机形成的,不能够实现数据的有效聚合。
2、路径选择时可能导致局部信息量过大,并且产生回路,使得局部节点能量消耗过快,严重影响网络的连通性,从而能耗增加,生命周期缩短和网络延迟增大,安全性能降低。
为了解决这一问题,我们引入蚁群算法,通过蚁群算法规划最优清算路径,从而改善区块链点对点清算流程;鉴于此,本申请发明人发明了基于蚁群算法的多用户SaaS服务部署系统及方法。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供基于蚁群算法的多用户SaaS服务部署系统及方法。
为实现上述目的,本发明提供如下技术方案:基于蚁群算法的多用户SaaS服务部署方法,包括:以下步骤:
S1:构建清结算业务区块链,通过SaaS服务部署服务对所述清结算业务区块链进行分析,生成清结算计划表;
S2:构建蚁群算法,将清结算业务区块链定义为父节点,每个清结算业务区块链中对应的清结算数据单元定义为子节点;根据清结算计划表提取对应的个父节点和/>个子节点,将当清结算业务区块链的位置定义为/>,当清结算数据单元的位置定义为/>;
S4:根据改进后的蚁群算法,对每个父节点中所有的子节点数据进行聚合操作,将聚合得到的数据传送给对应的父节点;对个父节点通过公式计算最优路径,根据/>个父节点通过公式计算最优路径,可得到清结算业务区块链之间进行点对点清算的最优清算路径;
S5:通过蚂蚁算法的自适应维护更新,继续进行数据的传送;通过公式对父节点或子节点能量耗尽进行计算,从而完成SaaS服务部署服务;
S6:将所述清结算业务区块链点对点清算的最优清算路径转发至公网。
在一个优选的实施方式中,生成所述清结算计划表的逻辑为:
S11:构建清结算业务区块链,对所有的清结算业务区块链进行SaaS服务部署服务,
S12:通过SaaS服务部署服务将清结算业务区块链划分多个清结算数据单元,将每个清结算数据单元均作为独立的节点部署在清结算业务区块链上,
S13:记录清结算数据单元以及记录触发所述清结算数据单元的清算时间点;
S14:将所有的清结算数据单元和对应的清算时间点生成清结算计划表,其中,所述清结算计划表用于指示对清结算业务区块链的交易数据库的交易数据进行清结算处理;所述交易数据库包括一个数据表,所述交易数据库用于查询与记录所述清结算计划表中记录的清结算数据单元和其对应的清结算时间点。
在一个优选的实施方式中,生成改进后的所述蚁群算法的逻辑为:
其中,为/>个子节点中的第/>个子节点,基于/>个子节点寻找下一个子节点/>,/>为/>个子节点之间的信息素,/>为/>个子节点之间的启发信息,/>、/>为蚁群算法参数,/>根据子节点信息素更新优化进行赋值,/>;
式中,为当前时间到清结算时间点之间的差值;/>为数据传输的带宽;/>表示电路能量效率;/>表示当前子节点的传输能量效率,即为遵循SaaS服务部署的清结算业务区块链协议所在清算通道的信道增益效率;/>表示当前子节点和下一目标子节点之间的距离,/>表示系统达到理论容量时实际系统中需要的信噪比和理论中需要的信噪比之间的差值;
设置数据传输损耗阈值Y1,将数据传输能量损耗量代入数据传输损耗阈值中对比分析;当/>小于或等于Y1,则将对应所述子节点标记为常规子节点标记;对应所述子节点的信息素浓度的权值/>;当/>大于Y1,则将对应所述子节点标记为急性子节点标记,对应所述子节点的信息素浓度的权值/>。
其中,为能量、/>为传输距离、/>为信道安全和/>值为邻居父节点数量,通过能量/>、传输距离/>、信道安全/>和/>值的计算公式表示父节点/>和节父点/>之间的一种启发式值;/>和/>表示两个父节点序号,/>为邻居父节点数量;/>表示信息素浓度;/>、分别表示信息素浓度和启发式值的权重,/>,且/>,即在路径选择过程中所起的因素,/>表示将能量/>、传输距离/>、信道安全/>量化到同一量纲上的一个参数。
在一个优选的实施方式中,节点能量耗尽的公式为:
式中,为该清结算业务区块链在SaaS服务部署服务中的任意父节点或子节点所在位置的接收功率;/>表示对应的父节点或子节点所在位置的热噪声功率;/>为所述清结算业务区块链在SaaS服务部署服务中的指定父节点或指定子节点所在位置的接收功率;表示所述清结算业务区块链接收到的除当前指定父节点或指定子节点所在位置的接收功率之外的所有位置的接收功率。
基于蚁群算法的多用户SaaS服务部署系统,包括:
区块链构建模块,构建清结算业务区块链,通过SaaS服务部署服务对所述清结算业务区块链进行分析,生成清结算计划表;将生成的清结算计划表发送给蚁群算法分析模块;
蚁群算法构建模块,构建蚁群算法,将清结算业务区块链定义为父节点,每个清结算业务区块链中对应的清结算数据单元定义为子节点;根据清结算计划表提取对应的个父节点和/>个子节点,将当清结算业务区块链的位置定义为/>,当清结算数据单元的位置定义为/>,并将蚁群算法结合清结算业务区块链、清结算数据单元的关系发送至蚁群算法分析模块;
蚁群算法分析模块,还根据改进后的蚁群算法,对每个父节点中所有的子节点数据进行聚合操作,将聚合得到的数据传送给对应的父节点;对个父节点通过公式计算最优路径,根据/>个父节点通过公式计算最优路径,可得到清结算业务区块链之间进行点对点清算的最优清算路径,并将处理后的最优清算路径发送至数据处理模块;
通过蚂蚁算法的自适应维护更新,将更新后的数据发送给数据更新模块,继续进行数据的传送;通过公式对父节点或子节点能量耗尽进行计算,从而完成SaaS服务部署服务;
数据处理模块,将所述清结算业务区块链将点对点清算的最优清算路径转发至公网。
在一个优选的实施方式中,生成所述清结算计划表的逻辑为:
生成所述清结算计划表的逻辑为:
S11:构建清结算业务区块链,对所有的清结算业务区块链进行SaaS服务部署服务,
S12:通过SaaS服务部署服务将清结算业务区块链划分多个清结算数据单元,将每个清结算数据单元均作为独立的节点部署在清结算业务区块链上,
S13:记录清结算数据单元以及记录触发所述清结算数据单元的清算时间点;
S14:将所有的清结算数据单元和对应的清算时间点生成清结算计划表,其中,所述清结算计划表用于指示对清结算业务区块链的交易数据库的交易数据进行清结算处理;所述交易数据库包括一个数据表,所述交易数据库用于查询与记录所述清结算计划表中记录的清结算数据单元和其对应的清结算时间点。
在一个优选的实施方式中,生成改进后的所述蚁群算法的逻辑为:
其中,为/>个子节点中的第/>个子节点,基于/>个子节点寻找下一个子节点/>,/>为/>个子节点之间的信息素,/>为/>个子节点之间的启发信息,/>、/>为蚁群算法参数,/>根据子节点信息素更新优化进行赋值,/>;
式中,为当前时间到清结算时间点之间的差值;/>为数据传输的带宽;/>表示电路能量效率;/>表示当前子节点的传输能量效率,即为遵循SaaS服务部署的清结算业务区块链协议所在清算通道的信道增益效率;/>表示当前子节点和下一目标子节点之间的距离,/>表示系统达到理论容量时实际系统中需要的信噪比和理论中需要的信噪比之间的差值;
设置数据传输损耗阈值Y1,将数据传输能量损耗量代入数据传输损耗阈值中对比分析;当/>小于或等于Y1,则将对应所述子节点标记为常规子节点标记;对应所述子节点的信息素浓度的权值/>;当/>大于Y1,则将对应所述子节点标记为急性子节点标记,对应所述子节点的信息素浓度的权值/>。
本发明基于蚁群算法的多用户SaaS服务部署系统及方法的技术效果和优点:
本发明在多用户SaaS服务部署系统中对蚁群算法进行了更进一步的改善,综合考虑了距离因素、能量因素以及网络安全等因素,因此在均衡网络能耗的同时拥有更强的服务部署能力,更重要的是具有很好的可扩展性。
清结算业务区块链作为父节点和清结算数据单元作为子节点,通过蚁群算法,寻找点对点清算的最优路径;同时及时更新点对点清算过程中分别的信息素,提高节点信息优化的性能,在一定程度上能更好的均衡能量的消耗,并以每个节点的负载作为更新的依据,这样就可以更好的提高网络的性能。
附图说明
图1为本发明的多用户SaaS服务部署系统示意图;
图2为本发明的多用户SaaS服务部署方法示意图;
图中:1、区块链构建模块;2、蚁群算法构建模块;3、蚁群算法分析模块;4、数据更新模块;5、数据处理模块。
具体实施方式
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,都属于本发明保护的范围。
实施例一
请参阅图1所示,本实施例基于蚁群算法的多用户SaaS服务部署系统,包括:区块链构建模块1、蚁群算法构建模块2、蚁群算法分析模块3、数据更新模块4、数据处理模块5;
区块链构建模块1,构建清结算业务区块链,通过SaaS服务部署服务对所述清结算业务区块链进行分析,生成清结算计划表;将生成的清结算计划表发送给蚁群算法分析模块3;
生成所述清结算计划表的逻辑为:
S11:构建清结算业务区块链,对所有的清结算业务区块链进行SaaS服务部署服务,
S12:通过SaaS服务部署服务将清结算业务区块链划分多个清结算数据单元,将每个清结算数据单元均作为独立的节点部署在清结算业务区块链上,
S13:记录清结算数据单元以及记录触发所述清结算数据单元的清算时间点;
S14:将所有的清结算数据单元和对应的清算时间点生成清结算计划表,其中,所述清结算计划表用于指示对清结算业务区块链的交易数据库的交易数据进行清结算处理;所述交易数据库包括一个数据表,所述交易数据库用于查询与记录所述清结算计划表中记录的清结算数据单元和其对应的清结算时间点。
这里需要说明的是:生成清结算计划表的目的是统计每个清结算业务区块链中含有的清结算业务,这样就可以清楚每个清结算业务区块链中对应的清结算数据单元之间的关系,可以更加清晰明了的统计当前需要待处理的清结算明细,为后续蚁群算法,提供基础信息,确定蚂蚁移动的节点。
清结算计划表根据SaaS服务部署服务获取,获取清结算计划表的交易数量,获取每个清结算数据单元需要处理的信息,并根据每个清结算数据单元需要处理的信息以及数据传输能量损耗量对每个清结算数据单元进行应急性分析,综合考虑清结算业务区块链的清结算计划表,从而实现点对点清算的过程。
蚁群算法构建模块2,构建蚁群算法,将清结算业务区块链定义为父节点,每个清结算业务区块链中对应的清结算数据单元定义为子节点;根据清结算计划表提取对应的个父节点和/>个子节点,将当清结算业务区块链的位置定义为/>,当清结算数据单元的位置定义为/>,并将蚁群算法结合清结算业务区块链、清结算数据单元的关系发送至蚁群算法分析模块3;
这里需要说明的是:当前清结算业务区块链的应用中,并没有引入蚁群算法,因此在使用之前,需要将清结算业务区块链进行定义区分,从而将清结算业务区块链和蚁群算法之间构建基础信息;
通过蚁群算法获得最短路径求解过程中,路径构建包括初始节点的选择和下一个节点的选择。每个蚂蚁都随机选择一个节点作为其出发点,并维护一个路径记忆表,用来存放该蚂蚁依次经过的节点,蚂蚁在构建路径的每一步中,按照概率选择下一个要到达的节点,因此我们在构建蚁群算法用于解决点对点清算时,要对清结算业务区块链和清结算数据单元进行区分,每个清结算业务区块链内对应的清结算数据单元内数据都需要处理,根据其上信息素的增大,优先处理,从而形成选取最优路径。
生成改进后的所述蚁群算法的逻辑为:
其中,为/>个子节点中的第/>个子节点,基于/>个子节点寻找下一个子节点/>,/>为/>个子节点之间的信息素,/>为/>个子节点之间的启发信息,/>、/>为蚁群算法参数,/>根据子节点信息素更新优化进行赋值,/>;
这里需要说明的是:本申请对父节点(即清结算业务区块链)之间点对点清算,在实际应用中,就是对两个父节点中之间含有多个子节点之间进行点对点清算,相当于蚂蚁在寻找食物时,有两片区域,每个区域对应里面都有若干食物,这里食物具体是什么,有多少数据,这个是由清结算计划表中记录的子节点(即清结算数据单元)和其对应的清结算时间点决定的,因此本申请所需要清结算的子节点的信息素的大小,相当于当前清结算计划表中对应的子节点的交易数据,通过蚁群算法的使用,迅速获取下一子节点,将每个父节点中所有子节点的路径寻找也是我们在点对点清算中重要的一步,从而获取当前父节点中对应的清结算计划表的最优处理方式。
式中,为数据传输的带宽;/>表示电路能量效率;/>表示当前子节点的传输能量效率,即为遵循SaaS服务部署的清结算业务区块链协议所在清算通道的信道增益效率;/>表示当前子节点和下一目标子节点之间的距离,/>为当前时间到清结算时间点之间的差值;/>表示系统达到理论容量时实际系统中需要的信噪比和理论中需要的信噪比之间的差值;
这里需要说明的是:在蚁群算法公式中,引入当前时间到清结算时间点之间的差值,如果需要的时间越小,说明当前节点如果不处理,就会超时,在蚂蚁寻找食物过程中,相当于,如果现在不去寻找该食物,食物就会丢失,因此,随着差值变小,说明当前节点需要急性处理的概率越大,因此对数据传输能量损耗量越大。
设置数据传输损耗阈值Y1,将数据传输能量损耗量代入数据传输损耗阈值中对比分析;当/>小于或等于Y1,则将对应所述子节点标记为常规子节点标记;对应所述子节点的信息素浓度的权值/>;当/>大于Y1,则将对应所述子节点标记为急性子节点标记,对应所述子节点的信息素浓度的权值/>。
这里需要说明的是:根据清结算计划表确定每个子节点的交易数据,获取对应子节点的传输能量损耗量,其中数据传输能量损耗量/>越大,证明当前子节点需要进行紧急处理,在蚁群算法公式中,对应的下一子节点选择的概率越大,即对应子节点信息素的权重越大,反之数据传输能量损耗量/>越小,证明当前子节点不需要进行紧急处理,对应的下一子节点选择的概率越小,即对应子节点信息素的权重越小,因此,在这里为了方便统计,对子节点信息素的权重进行赋值,首先设置数据传输损耗阈值Y1,当高于Y1标记为急性子节点标记,对应所述子节点的信息素浓度的权值/>;当小于或等于Y1,则将对应所述子节点标记为常规子节点标记;对应所述子节点的信息素浓度的权值/>;因此,通过蚁群算法优先解决急性清结算数据单元。
蚁群算法分析模块3,还根据改进后的蚁群算法,对每个父节点中所有的子节点数据进行聚合操作,将聚合得到的数据传送给对应的父节点;对个父节点通过公式计算最优路径,根据/>个父节点通过公式计算最优路径,可得到清结算业务区块链之间进行点对点清算的最优清算路径,并将处理后的最优清算路径发送至数据处理模块5;
其中,为能量、/>为传输距离、/>为信道安全和/>值为邻居父节点数量,通过能量/>、传输距离/>、信道安全/>和/>值的计算公式表示父节点/>和节父点/>之间的一种启发式值;/>和/>表示两个父节点序号,/>为邻居父节点数量;/>表示信息素浓度;/>、分别表示信息素浓度和启发式值的权重,/>,且/>,即在路径选择过程中所起的因素,/>表示将能量/>、传输距离/>、信道安全/>量化到同一量纲上的一个参数。
另外,对于本申请来说,优先处理子节点的路径,对子节点进行融合,根据子节点分析中,可以获得对应的的大小以及更新/>的大小;根据对应父节点的信息素,从而计算父节点之间的最优路径,其与子节点寻找最优路径的方式是一样的,都是经过蚁群算法获得的。
通过蚂蚁算法的自适应维护更新,继续进行数据的传送;通过公式对父节点或子节点能量耗尽进行计算,从而完成SaaS服务部署服务;
节点能量耗尽的公式为:
式中,为该清结算业务区块链在SaaS服务部署服务中的任意父节点或子节点所在位置的接收功率;/>表示对应的父节点或子节点所在位置的热噪声功率;/>为所述清结算业务区块链在SaaS服务部署服务中的指定父节点或指定子节点所在位置的接收功率;表示所述清结算业务区块链接收到的除当前指定父节点或指定子节点所在位置的接收功率之外的所有位置的接收功率。
这里需要说明的是:这里对父节点或子节点能量耗尽的计算,其作用相当于起到限定迭代的作用,当数据计算一定次数后,就把当前的局部最优解当作全局最优解,这里涉及的父节点或子节点能量耗尽也是通过事先设定的一个误差允许范围,当迭代一定次数后,当前最优的任务处理结果在这个允许范围内,就可以停止计算;这个过程中在实际的负载均衡调度中,需要对各个节点的任务处理进行均衡设置,而且蚁群算法本质上是没有终点的,可以通过节点能量消耗结束蚁群算法。
数据处理模块5,将所述清结算业务区块链点对点清算的最优清算路径转发至公网。
实施例二
请参阅图2所示,本实施例未详细叙述部分见实施例一描述内容,本实施例提供基于蚁群算法的多用户SaaS服务部署方法,其特征在于,包括:以下步骤:
S1:构建清结算业务区块链,通过SaaS服务部署服务对所述清结算业务区块链进行分析,生成清结算计划表;
生成所述清结算计划表的逻辑为:
S11:构建清结算业务区块链,对所有的清结算业务区块链进行SaaS服务部署服务,
S12:通过SaaS服务部署服务将清结算业务区块链划分多个清结算数据单元,将每个清结算数据单元均作为独立的节点部署在清结算业务区块链上,
S13:记录清结算数据单元以及记录触发所述清结算数据单元的清算时间点;
S14:将所有的清结算数据单元和对应的清算时间点生成清结算计划表,其中,所述清结算计划表用于指示对清结算业务区块链的交易数据库的交易数据进行清结算处理;所述交易数据库包括一个数据表,所述交易数据库用于查询与记录所述清结算计划表中记录的清结算数据单元和其对应的清结算时间点;
S2:构建蚁群算法,将清结算业务区块链定义为父节点,每个清结算业务区块链中对应的清结算数据单元定义为子节点;根据清结算计划表提取对应的个父节点和/>个子节点,将当清结算业务区块链的位置定义为/>,当清结算数据单元的位置定义为/>;/>
生成改进后的所述蚁群算法的逻辑为:
其中,为/>个子节点中的第/>个子节点,基于/>个子节点寻找下一个子节点/>,/>为/>个子节点之间的信息素,/>为/>个子节点之间的启发信息,/>、/>为蚁群算法参数,/>根据子节点信息素更新优化进行赋值,/>;
式中,为当前时间到清结算时间点之间的差值;/>为数据传输的带宽;/>表示电路能量效率;/>表示当前子节点的传输能量效率,即为遵循SaaS服务部署的清结算业务区块链协议所在清算通道的信道增益效率;/>表示当前子节点和下一目标子节点之间的距离,/>表示系统达到理论容量时实际系统中需要的信噪比和理论中需要的信噪比之间的差值;
设置数据传输损耗阈值Y1,将数据传输能量损耗量代入数据传输损耗阈值中对比分析;当/>小于或等于Y1,则将对应所述子节点标记为常规子节点标记;对应所述子节点的信息素浓度的权值/>;当/>大于Y1,则将对应所述子节点标记为急性子节点标记,对应所述子节点的信息素浓度的权值/>;
S4:根据改进后的蚁群算法,对每个父节点中所有的子节点数据进行聚合操作,将聚合得到的数据传送给对应的父节点;对个父节点通过公式计算最优路径,根据/>个父节点通过公式计算最优路径,可得到清结算业务区块链之间进行点对点清算的最优清算路径;
其中,为能量、/>为传输距离、/>为信道安全和/>值为邻居父节点数量,通过能量/>、传输距离/>、信道安全/>和/>值的计算公式表示父节点/>和节父点/>之间的一种启发式值;/>和/>表示两个父节点序号,/>为邻居父节点数量;/>表示信息素浓度;/>、分别表示信息素浓度和启发式值的权重,/>,且/>,即在路径选择过程中所起的因素,/>表示将能量/>、传输距离/>、信道安全/>量化到同一量纲上的一个参数;
S5:通过蚂蚁算法的自适应维护更新,继续进行数据的传送;通过公式对父节点或子节点能量耗尽进行计算,从而完成SaaS服务部署服务;
节点能量耗尽的公式为:
式中,为该清结算业务区块链在SaaS服务部署服务中的任意父节点或子节点所在位置的接收功率;/>表示对应的父节点或子节点所在位置的热噪声功率;/>为所述清结算业务区块链在SaaS服务部署服务中的指定父节点或指定子节点所在位置的接收功率;表示所述清结算业务区块链接收到的除当前指定父节点或指定子节点所在位置的接收功率之外的所有位置的接收功率;
S6:将所述清结算业务区块链将点对点清算的最优清算路径转发至公网。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一 种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于蚁群算法的多用户SaaS服务部署方法,其特征在于,包括:以下步骤:
S1:构建清结算业务区块链,通过SaaS服务部署服务对所述清结算业务区块链进行分析,生成清结算计划表;
S2:构建蚁群算法,将清结算业务区块链定义为父节点,每个清结算业务区块链中对应的清结算数据单元定义为子节点;根据清结算计划表提取对应的 个父节点和/>个子节点,将清结算业务区块链的位置定义为/>,将清结算数据单元的位置定义为/>;
S4:根据改进后的蚁群算法,对每个父节点中所有的子节点数据进行聚合操作,将聚合得到的数据传送给对应的父节点;对个父节点通过公式计算最优路径,根据/>个父节点通过公式计算最优路径,可得到清结算业务区块链之间进行点对点清算的最优清算路径;
S5:通过蚂蚁算法的自适应维护更新,继续进行数据的传送;通过公式对父节点或子节点能量耗尽进行计算,从而完成SaaS服务部署服务;
S6:所述清结算业务区块链将点对点清算的最优清算路径转发至公网。
2.根据权利要求1所述的基于蚁群算法的多用户SaaS服务部署方法,其特征在于,生成所述清结算计划表的逻辑为:
S11:对所有的清结算业务区块链进行SaaS服务部署服务;
S12:通过SaaS服务部署服务将清结算业务区块链划分多个清结算数据单元,将每个清结算数据单元均作为独立的节点部署在清结算业务区块链上;
S13:记录清结算数据单元以及记录触发所述清结算数据单元的清算时间点;
S14:将所有的清结算数据单元和对应的清算时间点生成清结算计划表,其中,所述清结算计划表用于对清结算业务区块链的交易数据库的交易数据进行清结算处理;所述交易数据库包括一个数据表,所述交易数据库用于查询与记录所述清结算计划表中记录的清结算数据单元和其对应的清结算时间点。
3.根据权利要求2所述的基于蚁群算法的多用户SaaS服务部署方法,其特征在于,生成改进后的所述蚁群算法的逻辑为:
其中,为/>个子节点中的第/>个子节点,基于/>个子节点寻找下一个子节点/>,/>为/>个子节点之间的信息素,/>为/>个子节点之间的启发信息,/>、/>为蚁群算法参数,/>根据子节点信息素更新优化进行赋值,/>;
式中,为当前时间到清结算时间点之间的差值;/>为数据传输的带宽;/>表示电路能量效率;/>表示当前子节点的传输能量效率,即为遵循SaaS服务部署的清结算业务区块链协议所在清算通道的信道增益效率;/>表示当前子节点和下一目标子节点之间的距离,表示系统达到理论容量时实际系统中需要的信噪比和理论中需要的信噪比之间的差值;
7.基于蚁群算法的多用户SaaS服务部署系统,其特征在于,包括:
区块链构建模块(1),构建清结算业务区块链,通过SaaS服务部署服务对所述清结算业务区块链进行分析,生成清结算计划表;将生成的清结算计划表发送给蚁群算法分析模块(3);
蚁群算法构建模块(2),构建蚁群算法,将清结算业务区块链定义为父节点,每个清结算业务区块链中对应的清结算数据单元定义为子节点;根据清结算计划表提取对应的个父节点和/>个子节点,将清结算业务区块链的位置定义为/>,将清结算数据单元的位置定义为/>,并将蚁群算法结合清结算业务区块链、清结算数据单元的关系发送至蚁群算法分析模块(3);
蚁群算法分析模块(3),还根据改进后的蚁群算法,对每个父节点中所有的子节点数据进行聚合操作,将聚合得到的数据传送给对应的父节点;对个父节点通过公式计算最优路径,根据/>个父节点通过公式计算最优路径,可得到清结算业务区块链之间进行点对点清算的最优清算路径,并将处理后的最优清算路径发送至数据处理模块(5);
通过蚂蚁算法的自适应维护更新,将更新后的数据发送给数据更新模块(4),继续进行数据的传送;通过公式对父节点或子节点能量耗尽进行计算,从而完成SaaS服务部署服务;
数据处理模块(5),将所述清结算业务区块链将点对点清算的最优清算路径转发至公网。
8.根据权利要求7所述的基于蚁群算法的多用户SaaS服务部署系统,其特征在于,生成所述清结算计划表的逻辑为:
生成所述清结算计划表的逻辑为:
S11:构建清结算业务区块链,对所有的清结算业务区块链进行SaaS服务部署服务,
S12:通过SaaS服务部署服务将清结算业务区块链划分多个清结算数据单元,将每个清结算数据单元均作为独立的节点部署在清结算业务区块链上,
S13:记录清结算数据单元以及记录触发所述清结算数据单元的清算时间点;
S14:将所有的清结算数据单元和对应的清算时间点生成清结算计划表,其中,所述清结算计划表用于指示对清结算业务区块链的交易数据库的交易数据进行清结算处理;所述交易数据库包括一个数据表,所述交易数据库用于查询与记录所述清结算计划表中记录的清结算数据单元和其对应的清结算时间点。
9.根据权利要求8所述的基于蚁群算法的多用户SaaS服务部署系统,其特征在于,生成改进后的所述蚁群算法的逻辑为:
其中,为/>个子节点内中的第/>个子节点,基于/>个子节点寻找下一个子节点/>,/>为个子节点之间的信息素,/>为/>个子节点之间的启发信息,/>、/>为蚁群算法参数,/>根据子节点信息素更新优化进行赋值,/>;
式中,为当前时间到清结算时间点之间的差值;/>为数据传输的带宽;/>表示电路能量效率;/>表示当前子节点的传输能量效率,即为遵循SaaS服务部署的清结算业务区块链协议所在清算通道的信道增益效率;/>表示当前子节点和下一目标子节点之间的距离,表示系统达到理论容量时实际系统中需要的信噪比和理论中需要的信噪比之间的差值;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310445223.8A CN116170365B (zh) | 2023-04-24 | 2023-04-24 | 基于蚁群算法的多用户SaaS服务部署系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310445223.8A CN116170365B (zh) | 2023-04-24 | 2023-04-24 | 基于蚁群算法的多用户SaaS服务部署系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116170365A true CN116170365A (zh) | 2023-05-26 |
CN116170365B CN116170365B (zh) | 2023-08-04 |
Family
ID=86420381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310445223.8A Active CN116170365B (zh) | 2023-04-24 | 2023-04-24 | 基于蚁群算法的多用户SaaS服务部署系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116170365B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345657A (zh) * | 2013-04-02 | 2013-10-09 | 江苏大学 | 云计算环境下基于遗传和蚁群的任务调度方法 |
CN104063261A (zh) * | 2014-04-01 | 2014-09-24 | 杭州电子科技大学 | 一种基于云环境下的多目标优化虚拟机放置方法 |
CN109634742A (zh) * | 2018-11-15 | 2019-04-16 | 华南理工大学 | 一种基于蚁群算法的时间约束科学工作流优化方法 |
US20200220791A1 (en) * | 2019-01-08 | 2020-07-09 | Hewlett Packard Enterprise Development Lp | Instantiation of a telco blockchain in a nfv environment |
CN113434218A (zh) * | 2021-07-06 | 2021-09-24 | 北京百度网讯科技有限公司 | 微服务配置方法、装置、电子设备和介质 |
CN115480876A (zh) * | 2022-09-15 | 2022-12-16 | 史志 | 基于蚁群算法优化的云计算任务调度方法及系统 |
-
2023
- 2023-04-24 CN CN202310445223.8A patent/CN116170365B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345657A (zh) * | 2013-04-02 | 2013-10-09 | 江苏大学 | 云计算环境下基于遗传和蚁群的任务调度方法 |
CN104063261A (zh) * | 2014-04-01 | 2014-09-24 | 杭州电子科技大学 | 一种基于云环境下的多目标优化虚拟机放置方法 |
CN109634742A (zh) * | 2018-11-15 | 2019-04-16 | 华南理工大学 | 一种基于蚁群算法的时间约束科学工作流优化方法 |
US20200220791A1 (en) * | 2019-01-08 | 2020-07-09 | Hewlett Packard Enterprise Development Lp | Instantiation of a telco blockchain in a nfv environment |
CN113434218A (zh) * | 2021-07-06 | 2021-09-24 | 北京百度网讯科技有限公司 | 微服务配置方法、装置、电子设备和介质 |
CN115480876A (zh) * | 2022-09-15 | 2022-12-16 | 史志 | 基于蚁群算法优化的云计算任务调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116170365B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bild et al. | Aggregate characterization of user behavior in Twitter and analysis of the retweet graph | |
Ding et al. | Spectrum inference in cognitive radio networks: Algorithms and applications | |
EP2832040B1 (en) | System and method for root cause analysis of mobile network performance problems | |
Wang et al. | Predicting link quality using supervised learning in wireless sensor networks | |
US9178721B2 (en) | Inferring causal paths in a distributed computing environment | |
CN105227369A (zh) | 基于众包模式的移动Apps对无线网路资源利用的分析方法 | |
Soorki et al. | Social community-aware content placement in wireless device-to-device communication networks | |
Nemeth et al. | Giant clusters in random ad hoc networks | |
Khobahi et al. | Optimized transmission for parameter estimation in wireless sensor networks | |
Umoren et al. | Methodical Performance Modelling of Mobile Broadband Networks with Soft Computing Model | |
Wang et al. | A supervised learning approach for routing optimizations in wireless sensor networks | |
Mascitti et al. | Service provisioning in mobile environments through opportunistic computing | |
Magrin et al. | A configurable mathematical model for single-gateway lorawan performance analysis | |
CN116170365B (zh) | 基于蚁群算法的多用户SaaS服务部署系统及方法 | |
Hardes et al. | Simulating a city-scale community network: From models to first improvements for Freifunk | |
Mahimkar et al. | Aurora: conformity-based configuration recommendation to improve LTE/5G service | |
JP2006229430A (ja) | 仮想ネットワークに対する実ネットワークのトラヒック管理方法、プログラム及び装置 | |
Baert et al. | A digital communication twin for performance prediction and management of bluetooth mesh networks | |
Islam et al. | Analysing connectivity patterns and centrality metrics for opportunistic networks | |
Moraes et al. | Improving video content access with proactive d2d caching and online social networking | |
Yoneki et al. | Epimap: Towards quantifying contact networks and modelling the spread of infections in developing countries | |
Sardar et al. | Queuing analysis of QoS aware microwave power transfer enabled CR-IoT network | |
Sokolov et al. | Instrumental supporting system for developing and analysis of software-defined networks of mobile objects | |
Kia et al. | STBCP: An energy efficient sub-threshold bee colony-based protocol for wireless sensor networks | |
Karimi et al. | Mining historical data towards interference management in wireless sdns |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231017 Address after: 101300 Shunyi District Zhongguancun Science Park, Shunyi Park, No. 1 Linkong Second Road, Shunyi District, Beijing Patentee after: Youjiayoubao (Beijing) Technology Co.,Ltd. Address before: 16th Floor, Building K, No. 19 Ningshuang Road, Yuhuatai District, Nanjing City, Jiangsu Province, 210046 Patentee before: Yiling Jiangsu Big Data Co.,Ltd. |