CN110351144B - 一种基于cro改正的物联网接入虚拟化资源编排方法 - Google Patents
一种基于cro改正的物联网接入虚拟化资源编排方法 Download PDFInfo
- Publication number
- CN110351144B CN110351144B CN201910648214.2A CN201910648214A CN110351144B CN 110351144 B CN110351144 B CN 110351144B CN 201910648214 A CN201910648214 A CN 201910648214A CN 110351144 B CN110351144 B CN 110351144B
- Authority
- CN
- China
- Prior art keywords
- reaction
- molecule
- resource
- buff
- molecules
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012937 correction Methods 0.000 title claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims abstract description 61
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000013178 mathematical model Methods 0.000 claims abstract description 22
- 230000008901 benefit Effects 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009739 binding Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 238000005381 potential energy Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- OOXMVRVXLWBJKF-DUXPYHPUSA-N n-[3-[(e)-2-(5-nitrofuran-2-yl)ethenyl]-1,2,4-oxadiazol-5-yl]acetamide Chemical compound O1C(NC(=O)C)=NC(\C=C\C=2OC(=CC=2)[N+]([O-])=O)=N1 OOXMVRVXLWBJKF-DUXPYHPUSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
Images
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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- 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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5051—Service on demand, e.g. definition and deployment of services in real time
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于CRO改正的物联网接入虚拟化资源编排方法。包括以下步骤,S1:建立Web业务识别模型,当有新Web业务到达时,根据其特征进行识别,并根据资源池的资源总量选择虚拟化网络功能的组件,分别对Web应用、物理网络资源、及虚拟化网络资源编排过程建立数学模型;S2:把S1步骤建立的数学模型转化为分子反应模型;S3:采用最优值高斯化来优化S2步骤中的碰撞反应中的邻居,采用动态损失函数来优化S2步骤中的碰撞反应、分解反应、交换反应、组合反应的动能系数;S4:采用S3步骤中优化后的模型进行物联网接入虚拟化资源编排。本方法的有益效果是,有助于降低物联网接入业务拒绝率,提高网络***资源的利用率。
Description
技术领域
本发明属于移动通信领域,尤其涉及无线移动通信网络的虚拟化网络切片的资源编排方法。
背景技术
随着网络功能虚拟化(NFV)和软件定义网络(SDN)进程,虚拟化网络功能编排(NFVO)被认为是未来网络的灵魂,将要成为运营商灵活管理网络、最大化发挥新技术优势的关键。NFVO有助于标准化虚拟网络的功能,以提高软件定义的网络元素的互操作性。它能够执行资源编排、网络服务编排以及功能编排。它能够独立于任何特定的虚拟基础设施管理器来协调、授权、发布和使用资源,还提供共享NFV基础设施资源的VNF实例的管理。欧洲电信标准协会(ETSI)专门开发了NFVO编排器。因此,对虚拟化的无线网络功能编排方法研究具有重大意义和实用价值。虚拟化网络功能编排主要是对各个虚拟化网络功能选择,排序及各个网络功能所需要的资源(计算资源,通信资源,存储资源)的编排。因此,资源编排就成为虚拟化网络功能编排中重要的一部分,同时也是影响网络编排***成功与否的关键技术之一。同时,随着物联网的发展,物联网的拓扑结构、传输内容异构式的出现,从而导致接入方式及接入所需要的资源千差万异。为各种专一的物联网络,采用NFVO技术,提供量身定制的接入方式成为研究重点。
现有的NFVO主要分为二种类。(1)对节点的功能(Middlebox)进行编排:它是在一台服务器中用软件来替代专门的网络硬件设备。Md Faizul Bari和Shihabur RahmanChowdhury于2016年在《IEEE Transactions on Network and Service Management》期刊上发表论文“Orchestrating Virtualized Network Functions”,提出了一种利用整数线性规划方法来编排核心网络的虚拟化网络功能,降低网络运行成本提高资源利用率。同时,采用嵌套装箱问题的启发式算法来求解VNFO问题。(2)对虚拟化的链路(Service FunctionChaining)进行编排:它是指把一个或多个服务功能动态地集成到服务功能链路中,如内容分发网络。Tarik Taleb和Adlen Ksentini于2016年在《IEEE Transactions On WirelessCommunications》期刊上发表论文“Coping With Emerging Mobile Social MediaApplications Through Dynamic Service Function Chaining”,提出了一种服务功能链编排策略。它首先识别移动web应用程序和位于同一邻域的用户,然后对相关数据流定义了应用的相关策略,并在移动域中处理组播过程的建立。
虚拟化网络功能的资源编排是一类组合优化问题。由于网络***具有异构性、分布性和动态性等特点,使得网资源编排变得十分复杂,是一个NP完全问题。资源编排需要满足应用的各个功能的资源需求,同时基础设施的经济效益最大化。
发明内容
为了解决上述问题本发明提供一种资源编排能够满足应用的各个功能的资源需求,同时基础设施的经济效益最大化的基于CRO改正的物联网接入虚拟化资源编排方法,包括以下步骤,
S1:识别Web业务,根据资源池的资源总量选择虚拟化网络功能的组件,分别对Web应用所需要的功能、Web应用所需要的功能对应的资源、物理网络的功能、物理网络的功能对应的资源、虚拟化网络功能编排过程建立数学模型;
S2:把S1步骤建立的数学模型转化为分子反应模型;
S3:采用最优值高斯化优化S2步骤中碰撞反应中的邻居,采用动态损失函数优化S2步骤中的碰撞反应、分解反应、交换反应、组合反应的动能系数;
S4:采用S3步骤中优化后的模型进行物联网接入虚拟化资源编排。
进一步的,所述步骤S1包括以下步骤,
S101:对Web应用所需要的功能进行数学建模包括,
定义应用i的虚拟功能请求函数为Ri=(Fi,QoSi),
其中Fi,是一个应用i请求的虚拟功能集合,
Fi={f1,fj,fn}
Fi的数学表达形式是:where fj={id,name,description,note},
其中,j表示Fi的第j项功能,n表示Fi的第n项功能,
其中,fj表示具体的一个虚拟功能,ak表示一个虚拟功能fj所带有的属性,it表示信息资源,b表示带宽资源,p射频中的功率资源,n是资源池中功能的个数,m是资源池中属性的个数,
k表示虚拟功能fj的第k项属性,m表示虚拟功能fj的第m项属性;
S102:对物理网络资源进行数学建模,包括,
B是单位比特率的大小,定义无线接入链路ηs单位频谱效益的代价为:
其中,γi是信噪比,定义单位射频中的功率资源的代价为cp,无线接入链路ηp单位射频中的功率资源效益的代价为ηp=pk×cp,定义单位信息资源的代价为cit,服务ηit消耗信息资源的代价为ηp=itk×cit,
VNF的部署效益ηd的代价为ηd=σb×ηs+σp×ηp+σit×ηit,
其中,σb、σp、是权重系数,0≤σb,σp,σit≤1,且σb+σp+σit=1;
S103:对虚拟化网络功能编排过程进行数学建模,包括,
构建虚拟化网络功能编排过程数学模型:
s.t.Ri,j,k→it≤N×xj',k'→it
Ri,j,k→p≤N×xj',k'→p
Ri,j,k→b≤N×xj',k'→b
其中μi,j是价值函数,表示具有属性ak的虚拟功能模块fj所需要付出的代价,xj',k'表示选择的功能模块,Ri,j,k→it≤N×xj',k'→it,Ri,j,k→p≤N×xj',k'→p,Ri,j,k→b≤N×xj',k'→b表示选择N个具有属性ak的虚拟功能模块fj的IT资源值、频谱资源、收发功率资源大于或者等应用i请求的资源值,表示虚拟功能模块fi与虚拟功能模块fi+y存在依赖关系,fi≠fi+y表示虚拟功能模块fi与虚拟功能模块fi+y存在排斥关系,costj,k指多个具有属性aj的虚拟功能模块fi并列使用时所付出的代价,M costj,k指多个具有属性aj的虚拟功能模块fi共同使用同一份资源时所付出的代价,δs,δp,δit为功能模块xj',k'的系数;
S104:对虚拟化网络功能编排过程数学模型进行优化,包括以下步骤,
S1042:
将虚拟化网络功能编排过程数学模型初次优化为
s.t.Ri,j,k→it≤N×xj',k'→it
Ri,j,k→p≤N×xj',k'→p
Ri,j,k→b≤N×xj',k'→b
在优化过程中采用以下公式增加虚拟功能模块fi的代价成本,μj,k'=μj,k+μj+y,k;
S1043:将拟化网络功能编排过程数学模型优化为
s.t.Ri,j,k→it≤N×xj',k'→it
Ri,j,k→p≤N×xj',k'→p
Ri,j,k→b≤N×xj',k'→b。
进一步的,所述步骤S2具体包括,
S202:KE为动能初始值设为“0”;
S203:buff为缓冲能量,由分子无效碰撞产生,由全局函数负责,初始值设为“0”;
S204:在虚拟服务编排问题解空间的总维数D=mn中,任取pop个解组成一个分子反应群体。
进一步的,所述步骤S3包括以下步骤,
S301:执行碰壁反应,分子撞击容器壁,
令ω'是撞击后的分子的结构,则
得到结果分子的动能KE计算公式,
KEω'=(PEω+KEω-PEω')×q,
其中,q∈[KELossRate,1],则(1-q)表示撞墙过程中,KE的损失比例,q的取值服从指数分布,
其中,t为分子发生化学反应的次数;
S302:执行分解反应将分子分解成二个分子,
令ω'1,ω'2是分解后的分子的结构,则
分子发生分解反应的条件为:
PEω+KEω+buff×rand≥PE'ω1+PE'ω2,
根据能量守恒定律,可以得到结果分子的动能KE计算公式,
temp=PEω+KEω+buff×rand-PEω1'-PEω2',
buff=buff-buff×rand,
KEω1'=temp×q×rand,
KEω2'=temp×q×(1-rand),
其中rand为一个随机数,temp为临时变量;
S303:执行交换反应,二个分子ω1,ω2随机选取一些相同的位置的值进行交换。令ω'1,ω'2是交换后的分子的结构,则
分子发生交换反应的条件为:
PEω1+KEω1+PEω2+KEω2≥PEω1'+PEω2',
得到结果分子的动能KE计算公式,
temp=PEω1+KEω1+PEω2+KEω2+buff×rand-PEω1'-PEω2'),
KEω1'=temp×q×rand,
KEω2'=temp×q×(1-rand);
S304:合成反应:二个分子ω1,ω2相同的位置的值进行相加并与该位置的最高值取模。令ω'是交换后的分子的结构,则
ω’=ω1+ω2,
分子发生合成反应的条件为:
PEω1+KEω1+PEω2+KEω2+buff×rand≥PEω',
得到结果分子的动能KE计算公式,
KEω'=(PEω1+KEω1+PEω2+KEω2-PEω')×q。
进一步的,所述步骤S4包括以下步骤,
S401:通过随机的方式,产生反应群体pop;
S402:产生总体迭代的次数T;
S403:对群体pop中的每个分子进行分析,判断是否满足碰壁反应条件,如果满足则执行碰壁反应,完成碰壁反应后,判断是否PEω≥PEω',如果大于则ω=ω',否则buff=buff+(PEω+KEω-PEω')×(1-q);
S404:对群体pop中的每个分子进行分析,判断是否满足分解反应条件,如果满足则执行分解反应,完成分解反应后,判断是否或如果大于则ω=min(ω1',ω2'),同时增加一个ω=max(ω1',ω2');否则buff=buff+(PEω+KEω-PEω1'-PEω2')×(1-q);
S405:对群体pop中的每个分子,再任选一个分子进行分析,判断是否满***换反应条件,如果不满足则再选择一个分子进行分析,否则发生交换反应;对群体pop中的每个分子,再任选一个分子进行分析,判断是否满***换反应条件,如果不满足则再选择一个分子进行分析,否则发生交换反应;
S406:对群体pop中的每个分子,再任选一个分子进行分析,判断是否满足结合反应条件,如果不满足则再选择一个分子进行分析,否则发生结合反应。
本发明的有益效果是,采用本发明的技术方案有助于降低物联网接入业务拒绝率,提高网络***资源的利用率,加速了全局近似最优解的求解速度,提高了近似最优解的近似度,最终加快虚拟化网络自动化、智能化的进程。
附图说明
图1为本发明一实施例流程图。
具体实施方式
如图1所示,本发明提供一种基于CRO改正的物联网接入虚拟化资源编排方法,包括以下步骤
S1:识别Web业务,根据资源池的资源总量选择虚拟化网络功能的组件,分别对Web应用所需要的功能、Web应用所需要的功能对应的资源、物理网络的功能、物理网络的功能对应的资源、虚拟化网络功能编排过程建立数学模型;
S2:把S1步骤建立的数学模型转化为分子反应模型;
S3:采用最优值高斯化优化S2步骤中碰撞反应中的邻居,采用动态损失函数优化S2步骤中的碰撞反应、分解反应、交换反应、组合反应的动能系数;
S4:采用S3步骤中优化后的模型进行物联网接入虚拟化资源编排。
下面对步骤S1包括的子步骤进行具体说明,
S101:对Web应用所需要的功能进行数学建模包括,
定义应用i的虚拟功能请求函数为Ri=(Fi,QoSi),
其中,Fi是一个应用i请求的虚拟功能集合,
Fi={f1,fj,fn}
Fi的数学表达形式是:where fj={id,name,description,note}
其中,j表示Fi的第j项功能,n表示Fi的第n项功能;
其中,fj表示具体的一个虚拟功能,ak表示一个虚拟功能fj所带有的属性,k表示虚拟功能fj的第k项属性,m表示虚拟功能fj的第m项属性,it表示信息资源,b表示带宽资源,p射频中的功率资源,n是资源池中功能的个数;
S102:对物理网络资源进行数学建模,包括,
其中,γi是信噪比,定义单位射频中的功率资源的代价为cp,无线接入链路ηp单位射频中的功率资源效益的代价为ηp=pk×cp,
定义单位信息资源的代价为cit,服务ηit消耗信息资源的代价为ηp=itk×cit,
VNF的部署效益ηd的代价为ηd=σb×ηs+σp×ηp+σit×ηit,
其中,σb、σp、是权重系数,0≤σb,σp,σit≤1,且σb+σp+σit=1。
S103:对虚拟化网络功能编排过程进行数学建模,包括,
构建虚拟化网络功能编排过程数学模型:
其中μi,j是价值函数,表示具有属性ak的虚拟功能模块fj所需要付出的代价,
xj',k'表示选择的功能模块,Ri,j,k→it≤N×xj',k'→it,Ri,j,k→p≤N×xj',k'→p,Ri,j,k→b≤N×xj',k'→b表示选择N个具有属性ak的虚拟功能模块fj的IT资源值、频谱资源、收发功率资源要大于或者等应用i请求的资源值,表示虚拟功能模块fi与虚拟功能模块fi+y存在依赖关系,fi≠fi+y表示虚拟功能模块fi与虚拟功能模块fi+y存在排斥关系,costj,k指多个具有属性aj的虚拟功能模块fi并列使用时所付出的代价,Mcostj,k指多个具有属性aj的虚拟功能模块fi共同使用同一份资源时所付出的代价,δs,δp,δit为功能模块xj',k'的系数;
S104:对虚拟化网络功能编排过程数学模型进行优化,包括以下步骤,
S1042:将虚拟化网络功能编排过程数学模型初次优化为
s.t.Ri,j,k→it≤N×xj',k'→it
Ri,j,k→p≤N×xj',k'→p
Ri,j,k→b≤N×xj',k'→b
在优化过程中采用以下公式增加虚拟功能模块fi的代价成本,μj,k'=μj,k+μj+y,k;
S1043:将拟化网络功能编排过程数学模型优化为
s.t.Ri,j,k→it≤N×xj',k'→it
Ri,j,k→p≤N×xj',k'→p
Ri,j,k→b≤N×xj',k'→b。
下面对步骤S2包括的子步骤进行具体说明,
S2:把S1建立的数学模型转化为分子反应算法
S201:定S1数学模型的可选的任意一个解为一个分子结构。每个分子具有两种能量,势能(PE)和动能(KE)。势能是分子结构能量量化的形式,这样,可以建立目标函数的数学模型,设ω为分子结构,即解,为目标函数,则可以得到下面的等式:
S202:KE可以作为一种衡量分子状态的手段,它表示一个分子逃离当前状态到达一个更坏的分子结构(一个新的解,对应的适应度函数值更高)的能力。KE的初始值为“0”。
S203:buff为缓冲能量,由分子无效碰撞产生,由全局函数负责,初始值为“0”。
S204:在虚拟服务编排问题解空间的总维数D=mn中,任取pop个解组成一个分子反应群体。
下面对步骤S3包括的子步骤进行具体说明,
S3:分子发生化学反应
S301:碰壁反应。分子撞击容器壁,分子的一些结构发生变化。令ω'是撞击后的分子的结构,则
PEω+KEω≥PEω'
根据能量守恒定律,可以得到结果分子的动能KE计算公式
KEω'=(PEω+KEω-PEω')×q
其中,q∈[KELossRate,1],则(1-q)表示撞墙过程中,KE的损失比例。
为了加快收敛速度及全局近似最优解,使得q在前期取值较少,后期取值较大,q的取值服从指数分布
其中,t为分子发生化学反应的次数。
S302:分解反应:分子分解成二个分子。令ω'1,ω'2是分解后的分子的结构,则
分子发生分解反应的条件为:
PEω+KEω+buff×rand≥PE'ω1+PE'ω2
根据能量守恒定律,可以得到结果分子的动能KE计算公式
temp=PEω+KEω+buff×rand-PEω1'-PEω2'
buff=buff-buff×rand
KEω1'=temp×q×rand
KEω2'=temp×q×(1-rand)
S303:交换反应:二个分子ω1,ω2随机选取一些相同的位置的值进行交换。令ω'1,ω'2是交换后的分子的结构,则
分子发生交换反应的条件为:
PEω1+KEω1+PEω2+KEω2≥PEω1'+PEω2'
根据能量守恒定律,可以得到结果分子的动能KE计算公式
temp=PEω1+KEω1+PEω2+KEω2+buff×rand-PEω1'-PEω2')
KEω1'=temp×q×rand
KEω2'=temp×q×(1-rand)
S304:合成反应:二个分子ω1,ω2相同的位置的值进行相加并与该位置的最高值取模。令ω'是交换后的分子的结构,则
ω'=ω1+ω2
分子发生合成反应的条件为:
PEω1+KEω1+PEω2+KEω2+buff×rand≥PEω'
根据能量守恒定律,可以得到结果分子的动能KE计算公式
KEω'=(PEω1+KEω1+PEω2+KEω2-PEω')×q
下面对步骤S4包括的子步骤进行具体说明,
S4:采用S3中改正的算法进行编排
S401:通过随机的方式,产生反应群体pop.
S402:产生总体迭代的次数T。
S403:对群体pop中的每个分子进行分析,是否满足碰壁反应条件,如果满足则发生碰壁反应。碰壁反应后,判断PEω≥PEω',如果大于则ω=ω',否则buff=buff+(PEω+KEω-PEω')×(1-q)
S404:对群体pop中的每个分子进行分析,是否满足分解反应条件,如果满足则发生分解反应。分解反应后,判断或如果大于则ω=min(ω1',ω2'),同时增加一个ω=max(ω1',ω2');否则buff=buff+(PEω+KEω-PEω1'-PEω2')×(1-q)。
S405:对群体pop中的每个分子,再任选一个分子进行分析,是否满***换反应条件,如果不满足则再选择一个分子进行分析,否则发生交换反应。
S406:对群体pop中的每个分子,再任选一个分子进行分析,是否满足结合反应条件,如果不满足则再选择一个分子进行分析,否则发生结合反应。最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (1)
1.一种基于CRO改正的物联网接入虚拟化资源编排方法,其特征在于,包括以下步骤,
S1:识别Web业务,根据资源池的资源总量选择虚拟化网络功能的组件,分别对Web应用所需要的功能、物理网络的功能对应的资源、虚拟化网络功能编排过程建立数学模型;
S2:把S1步骤建立的数学模型转化为分子反应模型;
S3:采用最优值高斯化优化S2步骤中碰撞反应中的邻居,采用动态损失函数优化S2步骤中的碰撞反应、分解反应、交换反应、组合反应的动能系数;
S4:采用S3步骤中优化后的模型进行物联网接入虚拟化资源编排;
所述步骤S1包括以下步骤,
S101:对Web应用所需要的功能进行数学建模包括,
定义应用i的虚拟功能请求函数为Ri=(Fi,QoSi),
其中Fi,是一个应用i请求的虚拟功能集合,
其中,fj表示具体的一个虚拟功能,ak表示一个虚拟功能fj所带有的属性,it表示信息资源,b表示带宽资源,p表示射频中的功率资源,m是资源池中属性的个数,k表示虚拟功能fj的第k项属性,a1表示虚拟功能fj所带有的第1个属性,am表示虚拟功能fj所带有的第m个属性;
S102:对物理网络的功能对应的资源进行数学建模,包括,
B是单位比特率的大小,定义无线接入链路ηs单位频谱效益的代价为:
其中,γi是信噪比,定义单位射频中的功率资源的代价为cp,无线接入链路ηp单位射频中的功率资源效益的代价为ηp=pk×cp,
VNF的部署效益ηd的代价为ηd=σb×ηs+σp×ηp+σit×ηit,ηit表示服务,
其中,σb、σp、是权重系数,0≤σb,σp,σit≤1,且σb+σp+σit=1;
S103:对虚拟化网络功能编排过程进行数学建模,包括,
构建虚拟化网络功能编排过程数学模型:
其中μj,k是价值函数,表示具有属性ak的虚拟功能模块fj所需要付出的代价,xj',k'表示选择的功能模块,s.t.Ri,j,k→it≤N×xj',k'→it,Ri,j,k→p≤N×xj',k'→p,Ri,j,k→b≤N×xj',k'→b表示选择N个具有属性ak的虚拟功能模块fj的IT资源值、频谱资源、收发功率资源大于或者等于应用i请求的资源值,表示虚拟功能模块fi与虚拟功能模块fi+y存在依赖关系,fi≠fi+y表示虚拟功能模块fi与虚拟功能模块fi+y存在排斥关系,costj,k指多个具有属性aj的虚拟功能模块fi并列使用时所付出的代价,Mcostj,k指多个具有属性aj的虚拟功能模块fi共同使用同一份资源时所付出的代价,δs,δp,δit为功能模块xj',k'的系数;
所述步骤S2具体包括,
S201:定S1数学模型的可选的任意一个解为一个分子结构,每个分子具有两种能量,势能PE和动能KE;
S202:KE为动能,初始值设为“0”;
S203:buff为缓冲能量,由分子无效碰撞产生,由全局函数负责,初始值设为“0”;
S204:在虚拟服务编排问题解空间的总维数D=mn中,任取pop个解组成一个分子反应群体;
所述步骤S3包括以下步骤,
S301:执行碰壁反应,分子撞击容器壁,
令ω'是撞击后的分子的结构,则
得到结果分子的动能KE计算公式,
KEω'=(PEω+KEω-PEω')×q,PE表示势能,
其中,q∈[KELossRate,1],则(1-q)表示撞墙过程中,KE的损失比例,q的取值服从指数分布,
其中,t为分子发生化学反应的次数,ω是分子的结构;
S302:执行分解反应将分子分解成二个分子,
令ω'1,ω'2是分解后的分子的结构,则
分子发生分解反应的条件为:
PEω+KEω+buff×rand≥PE'ω1+PE'ω2,
根据能量守恒定律,可以得到结果分子的动能KE计算公式,
temp=PEω+KEω+buff×rand-PEω1'-PEω2',
buff=buff-buff×rand,
KEω1'=temp×q×rand,
KEω2'=temp×q×(1-rand),
其中rand为一个随机数,temp为临时变量;
S303:执行交换反应,二个分子ω1,ω2随机选取一些相同的位置的值进行交换,令ω'1,ω'2是交换后的分子的结构,则
分子发生交换反应的条件为:
PEω1+KEω1+PEω2+KEω2≥PEω1'+PEω2',
得到结果分子的动能KE计算公式,
temp=PEω1+KEω1+PEω2+KEω2+buff×rand-PEω1'-PEω2',
KEω1'=temp×q×rand,
KEω2'=temp×q×(1-rand);
S304:合成反应:二个分子ω1,ω2相同的位置的值进行相加并与该位置的最高值取模,令ω'是交换后的分子的结构,则
ω’=ω1+ω2,
分子发生合成反应的条件为:
PEω1+KEω1+PEω2+KEω2+buff×rand≥PEω',
得到结果分子的动能KE计算公式,
KEω'=(PEω1+KEω1+PEω2+KEω2-PEω')×q;
所述步骤S4包括以下步骤,
S401:通过随机的方式,产生反应群体pop;
S402:产生总体迭代的次数T;
S403:对群体pop中的每个分子进行分析,判断是否满足碰壁反应条件,如果满足则执行碰壁反应,完成碰壁反应后,判断是否PEω≥PEω',如果大于则ω=ω',否则buff=buff+(PEω+KEω-PEω')×(1-q);
S404:对群体pop中的每个分子进行分析,判断是否满足分解反应条件,如果满足则执行分解反应,完成分解反应后,判断是否或如果大于则ω=min(ω1',ω2'),同时增加一个ω=max(ω1',ω2');否则buff=buff+(PEω+KEω-PEω1'-PEω2')×(1-q);
S405:对群体pop中的每个分子,再任选一个分子进行分析,判断是否满***换反应条件,如果不满足则再选择一个分子进行分析,否则发生交换反应;
S406:对群体pop中的每个分子,再任选一个分子进行分析,判断是否满足结合反应条件,如果不满足则再选择一个分子进行分析,否则发生结合反应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648214.2A CN110351144B (zh) | 2019-07-18 | 2019-07-18 | 一种基于cro改正的物联网接入虚拟化资源编排方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648214.2A CN110351144B (zh) | 2019-07-18 | 2019-07-18 | 一种基于cro改正的物联网接入虚拟化资源编排方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110351144A CN110351144A (zh) | 2019-10-18 |
CN110351144B true CN110351144B (zh) | 2020-07-07 |
Family
ID=68174915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910648214.2A Expired - Fee Related CN110351144B (zh) | 2019-07-18 | 2019-07-18 | 一种基于cro改正的物联网接入虚拟化资源编排方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110351144B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910952B (zh) * | 2019-11-21 | 2023-05-12 | 衡阳师范学院 | 一种利用化学反应策略预测基本蛋白质方法 |
CN110996334B (zh) * | 2019-12-09 | 2022-10-11 | 衡阳师范学院 | 一种虚拟化无线网络功能编排策略 |
CN115631808B (zh) * | 2022-10-25 | 2023-08-01 | 贵州大学 | 一种分子靶点快速预测及关联机理分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106797323A (zh) * | 2014-09-25 | 2017-05-31 | 英特尔Ip公司 | 网络功能虚拟化 |
CN107241223A (zh) * | 2017-06-07 | 2017-10-10 | 重庆电子工程职业学院 | 一种基于sdr和虚拟化技术资源弹性协作映射方法及装置 |
CN107454604A (zh) * | 2017-08-22 | 2017-12-08 | 哈尔滨工程大学 | 认知中继网络的量子化学反应优化多中继选择方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9373960B2 (en) * | 2013-03-13 | 2016-06-21 | Oracle International Corporation | Computerized system and method for distributed energy resource scheduling |
-
2019
- 2019-07-18 CN CN201910648214.2A patent/CN110351144B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106797323A (zh) * | 2014-09-25 | 2017-05-31 | 英特尔Ip公司 | 网络功能虚拟化 |
CN107241223A (zh) * | 2017-06-07 | 2017-10-10 | 重庆电子工程职业学院 | 一种基于sdr和虚拟化技术资源弹性协作映射方法及装置 |
CN107454604A (zh) * | 2017-08-22 | 2017-12-08 | 哈尔滨工程大学 | 认知中继网络的量子化学反应优化多中继选择方法 |
Non-Patent Citations (5)
Title |
---|
"An optimized virtual network mapping using PSO in cloud computing";Vahid Abedifar等;《2013 21st Iranian Conference on Electrical Engineering (ICEE) on IEEE》;20130916;全文 * |
"Optimization of Intelligent Neural Network Prediction Based on Particle Swarm";Xuezhi Lei;《2018 International Conference on Virtual Reality and Intelligent Systems (ICVRIS) on IEEE》;20181112;全文 * |
"Resource allocation mechanism based on two-step mapping for saving energy in wireless network virtualization";Sai Zou等;《2015 IEEE 9th International Conference on Anti-counterfeiting, Security, and Identification (ASID)》;20160215;全文 * |
《一种虚拟化网络功能启发式动态编排算法》;母泽平;《西南师范大学学报(自然科学版)》;20190630;第44卷(第6期);92-102页 * |
《基于离散粒子群优化的多目标服务路径构建算法》;马丁 等;《通信学报》;20170228;第38卷(第2期);94-105页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110351144A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110351144B (zh) | 一种基于cro改正的物联网接入虚拟化资源编排方法 | |
Li et al. | QoS driven task offloading with statistical guarantee in mobile edge computing | |
CN109639377B (zh) | 基于深度强化学习的频谱资源管理方法 | |
CN113504999B (zh) | 一种面向高性能分层联邦边缘学习的调度与资源分配方法 | |
Chen et al. | Computation offloading and task scheduling for DNN-based applications in cloud-edge computing | |
Zhu et al. | Foundation study on wireless big data: Concept, mining, learning and practices | |
CN110351145B (zh) | 一种基于经济效益的虚拟化的无线网络功能编排方法 | |
Neel et al. | Game models for cognitive radio algorithm analysis | |
Wang et al. | Dynamic resource allocation for jointing vehicle-edge deep neural network inference | |
Chen et al. | Hybrid fog/cloud computing resource allocation: Joint consideration of limited communication resources and user credibility | |
Balakrishnan et al. | Deep reinforcement learning based traffic-and channel-aware OFDMA resource allocation | |
Liu et al. | Joint task offloading and resource allocation for device-edge-cloud collaboration with subtask dependencies | |
Cheng et al. | Efficient resource allocation for NOMA-MEC system in ultra-dense network: A mean field game approach | |
CN110996334B (zh) | 一种虚拟化无线网络功能编排策略 | |
Kopras et al. | Task allocation for energy optimization in fog computing networks with latency constraints | |
Li et al. | A distributed ADMM approach with decomposition-coordination for mobile data offloading | |
Agarwal et al. | Secured scheduling techniques of network resource management in vehicular communication networks | |
LiWang et al. | Energy-aware allocation of graph jobs in vehicular cloud computing-enabled software-defined IoV | |
Yang et al. | Multimedia resource allocation strategy of wireless sensor networks using distributed heuristic algorithm in cloud computing environment | |
Jiang et al. | Resource Efficient Federated Learning and DAG Blockchain With Sharding in Digital Twin Driven Industrial IoT | |
Zhang et al. | Dynamic spectrum access for Internet-of-Things with hierarchical federated deep reinforcement learning | |
Hussein et al. | Efficient Computation Offloading of IoT-Based Workflows Using Discrete Teaching Learning-Based Optimization. | |
Peng et al. | Data-driven spectrum partition for multiplexing URLLC and eMBB | |
CN112272410B (zh) | Noma网络中用户关联与资源分配的模型训练方法 | |
Ren et al. | Paramart: Parallel Resource Allocation Based on Blockchain Sharding for Edge-Cloud Services |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200707 |