一种面向MEC的边缘视频缓存服务器部署规划方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115103408A(43)申请公布日2022.09.23(21)申请号202210735870.8(22)申请日2022.06.27(71)申请人西安电子科技大学地址710071陕西省西安市雁塔区太白南路2号(72)发明人刘佳宜姚文斌杨清海(74)专利代理机构西安弘理专利事务所61214专利代理师王丹(51)Int.Cl.H04W28/08(2009.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图3页(54)发明名称一种面向MEC的边缘视频缓存服务器部署规划方法(57)摘要本发明公开的一种面向MEC的边缘视频缓存服务器部署规划方法，获取基站节点用户请求的历史数据；根据服务器部署约束条件限制，任选一个服务器部署方案，求得每个采样时刻基站请求数据下的最优化预设的第一目标方程的值，进而求其时间平均均值，保存该部署方案以及该均值作为一个神经网络训练样本；重复上述步骤，直至获取预设数目个训练样本用于训练神经网络；根据神经网络和预设的第二目标方程得到适应度函数F，利用遗传算法求出F的最优值和对应的染色体，即得到最优的视频缓存服务器部署方案。该方法考虑了用户请求动态变化的情况下，减少服务器运营成本，提高用户质量，减少传输时延，以响应超高清视频等业务需求。CN115103408ACN115103408A权利要求书1/2页1.一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，具体包括以下步骤：步骤一：获取M个基站节点用户请求的历史数据并进行等时隙Δt采样得第n时刻各个基站节点用户请求步骤二：服务器类型集合为{f1,f2,…,fF}共F类；边缘节点集合为{e1,e2,...,eE}共E个节点，根据边缘节点的现实条件限制，得到一个任意的服务器部署方案其中，为二进制变量，表示在ei节点上部署fj类型的服务器，反之不在ei节点上部署fj类型的服务器；在当前部署方案下，在每一时隙下，确定资源分配方案，为各个基站用户请求分配适合的服务器，以最小化预设的第一目标方程V；将每一时隙下的最优V的值记为：Vn,n＝1,2,3,…K，进而求其均值对服务器部署方案进行重新编码得到新的输入并保存输入和输出E[V]作为一个神经网络训练样本；步骤三：重复步骤二，每重复一次步骤二则获得一个神经网络训练样本，直至获取预设数目N个神经网络训练样本；步骤四：根据服务器部署方案设计遗传算法的染色体，初始化遗传算法种群规模，设置遗传算法参数；步骤五：根据步骤三中训练后的神经网络和预设的第二目标方程W得到适应度函数F，计算各个染色体的适应度；步骤六：根据遗传算法参数，边缘节点部署服务器的现实条件限制，以及各个染色体的适应度，对染色体进行相关操作并迭代得到下一代种群；步骤七：重复步骤五至六，直到达到最大迭代次数；输出最优染色体并得到服务器部署方案。2.根据权利要求1所述的一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，步骤二中所述边缘节点的现实条件限制如下：1)部署的服务器计算容量和缓存空间不得超过边缘节点所提供的计算容量和缓存空间；2)每个边缘节点最多仅能部署一个服务器。3.根据权利要求1所述的一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，步骤二中V是指用户请求总时延、用户服务质量的物理量抽象化为数学表达式，即以2CN115103408A权利要求书2/2页为自变量的数学表达式，分别表示为D,P,令V＝α1D+α2P；其中，D代表用户请求总时延，P代表用户服务质量，α1,α2分别为D,P的权重系数。4.根据权利要求3所述的一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，所述步骤二中神经网络训练样本的输入，经过一一对应编码处理，将通过编码为其中表示边缘节点ei不部署服务器，表示在边缘节点ei部署fj类型的服务器，Z表示整数。5.根据权利要求3所述的一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，所述步骤三中神经网络，其隐含层层数及各每层神经元个数由技术人员根据经验进行设置；其输入层共有E个输入，输出层共有1个输出：其输入为输出为E[V]的预测值E′[V]。6.根据权利要求3所述的一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，所述步骤四中设计遗传算法的染色体为所述步骤二中的7.根据权利要求3所述的一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，所述步骤四中设置遗传算法参数包括种群数量、染色体长度、染色体交叉概率、染色体变异概率、最大迭代次数。8.根据权利要求5所述的一种面向MEC的边缘视频缓存服务器部署规划方法，其特征在于，所述步骤五中第二目标方程W为服务器运营成本的物理量抽象化为数学表达