多边缘计算节点中的地理信息服务进化粒子群优化方法

本发明属于地理信息科学领域，涉及多边缘计算节点中的地理信息服务进化粒子群优化方法。

背景技术：

1、自然灾害造成的公共通信网络中断给应急响应期间的灾害数据观测、传输、处理和应用带来了巨大挑战。在应急通信网络中，由于通信和计算资源有限，边缘计算节点的性能和稳定性通常较弱，从而直接影响基于紧急通信和计算环境的紧急监控的地理信息服务的服务质量。研究在有限区域内搭建的面向灾害应急的通信网络（如自组织通信网络）中构建高效、可靠的地理信息边缘服务组合方法是当前需求急切解决的问题，是支撑极端灾害应急需要突破的关键瓶颈。如何解决上述难点是本发明拟解决的技术问题。

2、web服务组合优化方法主要包括穷举法、线性规划方法、智能优化方法和机器学习方法等。穷举算法通过直接搜索解空间，比较所有可能解的优劣，最终得到最佳的解决方案。线性规划方法通过线性加权来调整服务质量约束参数，求解优化方案。智能优化算法是对遗传算法、蚁群算法、粒子群算法等一系列通过模拟自然界或物理世界发展规律来求解最优组合的一类算法的统称。机器学习方法以深度强化学习为主，通过训练一个递归神经网络模型预测服务质量评价。智能优化算法由于实现简单、计算量小，能在有限时间内找到满足服务质量约束的可行解而得到广泛应用。但是，上述方法都是在传统云计算模式下对web服务组合方法的研究，候选服务规模庞大且几乎不考虑网络、性能限制。而在边缘环境下，通信能力受限，边缘计算节点的性能和稳定性通常较弱，因此，上述方法不能在边缘环境下进行很好的地理信息服务组合。

技术实现思路

1、根据现有技术的不足，本发明的目的是提供多边缘计算节点中的地理信息服务进化粒子群优化方法，能够在边缘环境下通信受限且边缘计算节点性能和稳定性较差的场景中获取地理信息边缘服务链组合的最优方案，提高多边缘计算节点在边缘计算环境下地理信息服务链的执行效率、稳定性和可靠性。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、多边缘计算节点中的地理信息服务进化粒子群优化方法，包括以下步骤：

4、步骤s1、针对地理信息边缘服务，建立进化粒子群算法框架；

5、步骤s2、在有限边缘计算节点下，进行进化粒子群算法的粒子染色体编码，设定每条粒子染色体代表一个具体实现服务链组合，该条粒子染色体上的每个基因位代表一个具体实现服务，每个基因位的取值范围为该具体实现服务的候选边缘计算节点集，每条粒子染色体编码为该条粒子染色体代表的具体实现服务链组合在实际边缘计算节点组合的具体实现；

6、步骤s3、综合考虑服务历史质量日志记录和边缘计算节点性能，对具体实现服务的服务质量进行纠正，且平衡具体实现服务链组合中的边缘计算节点分布情况，获取每一具体实现服务链组合综合适应值；

7、步骤s4、对粒子染色体进行更新操作；

8、步骤s5、若粒子染色体满足优化终止条件，输出每一粒子染色体的最优方案，若不满足优化终止条件，对粒子染色体进行进化操作后跳转步骤s3，直到满足优化终止条件为止。

9、进一步地，步骤s1中，设定边缘计算节点的集合、服务链组合、具体实现服务、具体实现服务链组合和粒子染色体群。

10、进一步地，定义边缘计算节点的集合k={1,2,…,k,…,n}，k为边缘计算节点编号，n为边缘计算节点的数量；

11、定义服务链组合sc={s1,s2,…, sj,…,sm}，其中，sj为第j个抽象服务，m为抽象服务的数量；

12、定义具体实现服务sj,k，表示抽象服务sj在边缘计算节点k上的具体实现；

13、定义具体实现服务链组合sc={s1,k1, s2,k2, …, sj,kj, …, sm,km, k1, k2, …,kj, …, km∈k}，其中，sj,kj为抽象服务sj在边缘计算节点kj上的具体实现，将sc设定为粒子染色体；

14、定义粒子染色体群swarmt={sc1t, sc2t, …, scqt, …, scmt}，其中，t为粒子染色体群迭代次数，q为粒子染色体编号，m为粒子染色体群规模，scqt为第q个粒子染色体的第t次粒子染色体群迭代结果。

15、进一步地，在步骤s3中，统计每个边缘计算节点上各个具体实现服务的历史执行数据，对各个边缘计算节点依次统计，直到所有边缘计算节点统计完毕，直到所有具体实现服务统计完毕，输出各个具体实现服务的服务质量。

16、进一步地，在步骤s3中，根据边缘计算节点性能对单个具体实现服务的服务质量进行纠正，则：

17、（1）

18、其中，为具体实现服务sj,k的第i个服务质量指标，为进行边缘计算节点性能纠正后具体实现服务sj,k的第i个服务质量指标，为具体实现服务sj,k所在边缘计算节点k的计算性能权重。

19、进一步地，在步骤s3中，通过边缘计算节点均衡算子平衡服务链组合过程中的边缘计算节点分布情况；

20、具体地，边缘计算节点均衡权重bw(k)的计算公式：

21、（2）

22、（3）

23、其中，countsnodes(k)是一个具体实现服务链组合中一个边缘计算节点k的出现次数，为经过边缘计算节点性能纠正和边缘计算节点均衡处理后的具体实现服务sj,k的第i个服务质量指标，nw(k)为具体实现服务sj,k所在边缘计算节点k的计算性能权重，bw(k)为边缘计算节点k的均衡权重。

24、进一步地，在步骤s3中，将具体实现服务链组合的第i个服务质量指标表示为：

25、（4）

26、其中，为具体实现服务 sj,k的第i个服务质量指标，为与服务链组合的业务流程逻辑相关的服务质量指标i的计算公式，为具体实现服务链组合sc的第i个服务质量指标；

27、进行边缘计算节点计算性能纠正和边缘计算节点均衡后的具体实现服务链组合的单项服务质量指标的计算公式如式（5）所示：

28、(5)

29、其中，为经过边缘计算节点性能纠正和边缘计算节点均衡处理后的具体实现服务sj,k的第i个服务质量指标，为经边缘计算节点性能纠正和边缘计算节点均衡处理后的具体实现服务链组合sc的第i个服务质量指标。

30、进一步地，在步骤s3中，综合具体实现服务链各项服务质量指标进行综合适应值计算：

31、(6)

32、其中，分别为具体实现服务链组合的6项服务质量指标值，是各服务质量指标值对应的权重向量，且，f(sc)为具体实现服务链组合sc的综合适应值；

33、经边缘计算节点性能纠正和边缘计算节点均衡处理后综合具体实现服务链各项服务质量指标进行综合适应值计算：

34、(7)

35、其中，分别为经边缘计算节点性能纠正和边缘计算节点均衡处理后的具体实现服务链组合sc的6项服务质量指值标，为经边缘计算节点性能纠正和边缘计算节点均衡处理后具体实现服务链组合sc的综合适应值。

36、进一步地，在步骤s4中，更新粒子染色体历史最优位置和粒子染色体历史最优综合适应值，更新粒子染色体群全局最优位置和粒子染色体群全局最优综合适应值。

37、进一步地，在步骤s5中，进化操作包括交叉操作、变异操作和进化逆转操作。

38、与现有技术相比，本发明具有以下优点和有益效果：

39、本发明提供的多边缘计算节点中的地理信息服务进化粒子群优化方法，基于这些边缘计算节点性能，综合考虑服务历史质量日志记录和边缘计算节点性能，对具体实现服务的服务质量进行纠正，且平衡服务链组合中的边缘计算节点分布情况，获取每一具体实现服务链组合综合适应值，构建质量和效率更优秀的服务链组合。

40、本发明提供的多边缘计算节点中的地理信息服务进化粒子群优化方法，基于粒子群算法，在对具体实现服务的服务质量进行纠正，且平衡服务链组合中的边缘计算节点分布情况，对粒子染色体进行更新，输出每一粒子染色体的最优方案，获取最优的具体实现服务链组合，能够适用于边缘环境下通信受限且边缘计算节点性能和稳定性较差的场景，大大提升了边缘环境下的抽象服务在实际边缘计算节点上的具体实现的服务质量。