基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法
1.本發(fā)明涉及一種基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，屬于邊緣計(jì)算和優(yōu)化算法領(lǐng)域。
背景技術(shù)：
2.隨著移動(dòng)網(wǎng)絡(luò)和車(chē)聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，大量車(chē)輛移動(dòng)設(shè)備接入互聯(lián)網(wǎng)，車(chē)輛變得越來(lái)越互聯(lián)和智能化。隨著車(chē)輛網(wǎng)絡(luò)的發(fā)展，各種車(chē)輛應(yīng)用應(yīng)運(yùn)而生，如無(wú)人駕駛和自然語(yǔ)言處理等。上述應(yīng)用通常有大量的處理數(shù)據(jù)，需要大量的計(jì)算資源，因此會(huì)產(chǎn)生大量的能耗；然而，車(chē)載設(shè)備計(jì)算資源有限且能量供應(yīng)有限，往往無(wú)法滿(mǎn)足這些應(yīng)用的需求。
3.車(chē)載設(shè)備計(jì)算資源和能量供應(yīng)有限，故可以借助周?chē)木W(wǎng)絡(luò)環(huán)境將其計(jì)算任務(wù)卸載到邊緣服務(wù)器和。計(jì)算卸載技術(shù)可以提高用戶(hù)體驗(yàn)，還可以縮短任務(wù)的執(zhí)行時(shí)間。因此，在過(guò)去幾年中，多接入邊緣計(jì)算(mec)中的任務(wù)卸載和調(diào)度問(wèn)題一直是許多研究工作的重點(diǎn)。但是，一方面車(chē)輛任務(wù)對(duì)時(shí)延有一定的要求，另一方面邊緣計(jì)算不僅會(huì)在車(chē)載設(shè)備端產(chǎn)生能耗，也會(huì)在邊緣服務(wù)器和上產(chǎn)生大量能耗。當(dāng)車(chē)輛任務(wù)被卸載到邊緣節(jié)點(diǎn)時(shí)，我們需要考慮以下因素：任務(wù)在車(chē)輛設(shè)備本地計(jì)算的比例，分配給邊緣服務(wù)器和計(jì)算的比例，只有考慮好分配的比例，才能節(jié)省能耗，才能開(kāi)始“卸載”任務(wù)。
4.有鑒于此，確有必要提出一種新的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，以解決上述問(wèn)題。
技術(shù)實(shí)現(xiàn)要素：
5.本發(fā)明的目的在于提供一種基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，在滿(mǎn)足車(chē)輛任務(wù)被順利完成時(shí)達(dá)到最小化時(shí)延和能耗。
6.為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，包括以下步驟：
7.步驟1：建立車(chē)輛邊緣計(jì)算中的通信模型和計(jì)算模型，計(jì)算模型包括每個(gè)計(jì)算任務(wù)在車(chē)輛本地的本地計(jì)算時(shí)間本地計(jì)算能耗卸載到路邊單元的路邊單元計(jì)算時(shí)間路邊單元計(jì)算能耗卸載到的計(jì)算時(shí)間計(jì)算能耗有m輛車(chē)的集合v＝{v1,v2,
…
,vm}，按路邊單元?jiǎng)澐謪^(qū)域，有n個(gè)區(qū)域的集合r＝{r1,r2,
…
,rn}，每個(gè)車(chē)輛都有一個(gè)任務(wù)，每個(gè)任務(wù)用三元組表示：其中di表示任務(wù)ti的大小，ci表示計(jì)算任務(wù)所需的cpu圈數(shù)，表示任務(wù)所能接受的最大時(shí)間延遲，從而得到車(chē)輛i處理任務(wù)的總時(shí)間：車(chē)輛i處理任務(wù)的總能耗：車(chē)輛i處理任務(wù)的總能耗：
8.步驟2：考慮任務(wù)時(shí)延約束的限制，設(shè)計(jì)系統(tǒng)目標(biāo)函數(shù)；
9.步驟3：對(duì)任務(wù)卸載的決策變量進(jìn)行編碼；
10.步驟4：初始化種和遺傳迭代設(shè)置；
11.步驟5：進(jìn)行交叉變異運(yùn)算，產(chǎn)生新一代種；
12.步驟6：計(jì)算體中個(gè)體的適應(yīng)度；
13.步驟7：非支配排序和擁擠度計(jì)算；
14.步驟8：選擇幸存?zhèn)€體；
15.步驟9：跳轉(zhuǎn)步驟5，并循環(huán)，直至滿(mǎn)足條件；
16.步驟10：選取最優(yōu)個(gè)體作為最優(yōu)解。
17.作為本發(fā)明的進(jìn)一步改進(jìn)，所述通信模型為車(chē)輛和路邊單元之間的無(wú)線(xiàn)通信速率：
[0018][0019]
其中b為信道帶寬，pi是車(chē)輛i的傳輸功率，是車(chē)輛i和路邊單元r的信道增益，n0表示噪聲功率。
[0020]
作為本發(fā)明的進(jìn)一步改進(jìn)，所述本地計(jì)算時(shí)間：
[0021][0022]
其中，xi是任務(wù)分配到車(chē)輛本地的本地計(jì)算的比例，fi為車(chē)輛本地的本地計(jì)算能力；
[0023]
所述車(chē)輛本地計(jì)算能耗：
[0024][0025]
其中，pi為車(chē)輛的功率；
[0026]
所述卸載到路邊單元的計(jì)算時(shí)間：
[0027][0028]
所述卸載到路邊單元上的計(jì)算能耗：
[0029][0030]
其中，yi是任務(wù)卸載到路邊單元計(jì)算的比例，為路邊單元的計(jì)算能力，時(shí)間分為兩部分，分別是計(jì)算任務(wù)從車(chē)輛上傳到路邊單元的時(shí)間和計(jì)算任務(wù)在路邊單元上計(jì)算的時(shí)間，為路邊單元的功率；
[0031]
所述卸載到的計(jì)算時(shí)間：
[0032][0033]
所述卸載到的計(jì)算能耗
[0034][0035]
其中，1-x
i-yi是計(jì)算任務(wù)卸載到計(jì)算的比例，當(dāng)xi＝1表示任務(wù)全部在車(chē)輛本地卸載，當(dāng)yi＝1表示任務(wù)都在路邊單元上卸載，為的計(jì)算能力，為的功率。
[0036]
作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟2包括以下步驟：
[0037]
步驟21：定義求和目標(biāo)函數(shù)：求和m個(gè)車(chē)輛在n個(gè)區(qū)域中時(shí)間和能耗成本為：
[0038][0039][0040]
其中
[0041]
步驟22：最小化系統(tǒng)時(shí)延和能耗，系統(tǒng)目標(biāo)函數(shù)為：
[0042][0043]
s.t.0≤x,y≤1
[0044]
0≤x+y≤1
[0045][0046]
其中，0≤x,y≤1為約束1，代表決策變量的取值范圍在0～1之間；0≤x+y≤1為約束2，代表每個(gè)車(chē)輛在一個(gè)時(shí)隙內(nèi)并行卸載；為約束3，代表每個(gè)任務(wù)的時(shí)延約束。
[0047]
作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟3中將決策變量編碼為基因。
[0048]
作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟3中采用實(shí)數(shù)進(jìn)行編碼。
[0049]
作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟4包括以下步驟：
[0050]
步驟41：根據(jù)編碼基因，生成n個(gè)個(gè)體作為初始體；
[0051]
步驟42：初始化迭代次數(shù)為1，且指定迭代進(jìn)化的總次數(shù)為g。
[0052]
作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟5包括以下步驟：
[0053]
步驟51：采用模擬二元交叉法將兩個(gè)不同個(gè)體的基因進(jìn)行重組，在兩個(gè)不同的個(gè)體上隨機(jī)生成交叉位，交換兩個(gè)個(gè)體的交叉區(qū)域基因；
[0054]
步驟52：采用多項(xiàng)式突變改變基因的價(jià)值。
[0055]
作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟6包括以下步驟：
[0056]
步驟61：帶入步驟2中計(jì)算時(shí)延和能耗成本；
[0057]
步驟62：取時(shí)延和能耗的倒數(shù)作為個(gè)體適應(yīng)度，選擇適應(yīng)度高的個(gè)體進(jìn)入下一代。
[0058]
作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟7包括以下步驟：
[0059]
步驟71：將r
t
進(jìn)行非支配排序，得到非支配層級(jí)為(f1，f2，
…
，f
l
)的諸層個(gè)體；
[0060]
步驟72：把非支配層級(jí)的個(gè)體依次加入下一代子代的集合，從f1開(kāi)始構(gòu)造一個(gè)新
的種s
t
，直到其大小為n或者第一次超過(guò)n，稱(chēng)最后一層為第一層，第二層及以上的解將被淘汰出局，在大多數(shù)情況下，最后一層僅有部分被接受；
[0061]
步驟73：如果|s
t
|＝n則無(wú)需進(jìn)行下面的操作，直接p
t+1
＝s
t
；如果s
t
|》n，那么下一代的一部分解為剩余部分(k＝n-|p
t+1
|)從f
l
中選擇；
[0062]
步驟74：對(duì)第一層使用擁擠度排序，用多樣性衡量第一層里的解，選擇剩部分k個(gè)解并入，其中p
t
是第t代的父代，其大小為n，其生成的子代為q
t
，其大小也為n，將子代和父代結(jié)合為r
t
＝p
t
∪q
t
，其中r
t
的大小為2n，并從中選出n個(gè)個(gè)體。
[0063]
本發(fā)明的有益效果是：本發(fā)明的基于車(chē)輛邊緣計(jì)算的任務(wù)提出了車(chē)輛邊緣計(jì)算中通信模型和計(jì)算模型，并設(shè)計(jì)目標(biāo)函數(shù)，模型為np困難問(wèn)題，很難在常數(shù)時(shí)間內(nèi)求解，因此采用遺傳算法在常數(shù)時(shí)間內(nèi)求出最優(yōu)解，實(shí)現(xiàn)最小化時(shí)延和能量消耗；本發(fā)明不但可以有效保證車(chē)輛任務(wù)卸載時(shí)的低時(shí)延和低能耗，而且還滿(mǎn)足了每個(gè)車(chē)輛任務(wù)本身的延遲要求。
附圖說(shuō)明
[0064]
圖1是本發(fā)明的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法的步驟圖。
[0065]
圖2是本發(fā)明的任務(wù)卸載模型示意圖。
[0066]
圖3是本發(fā)明的任務(wù)卸載方法流程圖。
[0067]
圖4是本發(fā)明的遺傳算法的流程圖。
具體實(shí)施方式
[0068]
為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)描述。
[0069]
如圖1～圖4所示，本發(fā)明揭示了一種基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，用于解決在車(chē)輛行駛過(guò)程中的計(jì)算任務(wù)在車(chē)輛本地、路邊單元及中的分配問(wèn)題，包括以下步驟：
[0070]
步驟1：建立車(chē)輛邊緣計(jì)算中的通信模型和計(jì)算模型。
[0071]
其中建立的通信模型為車(chē)輛和路邊單元(rsu)之間的無(wú)線(xiàn)通信速率，將車(chē)輛與之間的無(wú)線(xiàn)通信認(rèn)為是基于正交頻分多址的，以此建立通信模型為：
[0072][0073]
其中b為信道帶寬，pi是車(chē)輛i的傳輸功率，是車(chē)輛i和路邊單元r的信道增益，n0表示噪聲功率。
[0074]
建立的計(jì)算模型包括每個(gè)計(jì)算任務(wù)在車(chē)輛本地的本地計(jì)算時(shí)間本地計(jì)算能耗卸載到路邊單元的路邊單元計(jì)算時(shí)間路邊單元計(jì)算能耗卸載到的計(jì)算時(shí)間計(jì)算能耗不同的車(chē)輛具有不同分配的計(jì)算任務(wù)，設(shè)有m輛車(chē)的集合v＝{v1,v2,
…
,vm}，按路邊單元?jiǎng)澐謪^(qū)域，有n個(gè)區(qū)域的集合r＝{r1,r2,
…
,rn}，每個(gè)
車(chē)輛都有一個(gè)任務(wù)，每個(gè)任務(wù)用三元組表示：其中di表示任務(wù)ti的大小，ci表示計(jì)算任務(wù)所需的cpu圈數(shù)，表示任務(wù)所能接受的最大時(shí)間延遲；
[0075]
本地計(jì)算時(shí)間的公式為：
[0076][0077]
其中，xi是任務(wù)分配到車(chē)輛本地的本地計(jì)算的比例，fi為車(chē)輛本地的本地計(jì)算能力；
[0078]
車(chē)輛本地計(jì)算能耗的公式為：
[0079][0080]
其中，pi為車(chē)輛的功率；
[0081]
卸載到路邊單元的計(jì)算時(shí)間的公式為：
[0082][0083]
卸載到路邊單元上的計(jì)算能耗的公式為：
[0084][0085]
其中，yi是任務(wù)卸載到路邊單元計(jì)算的比例，為路邊單元的計(jì)算能力，在路邊單元上的時(shí)間分為兩部分，分別是計(jì)算任務(wù)從車(chē)輛上傳到路邊單元的時(shí)間和計(jì)算任務(wù)在路邊單元上計(jì)算的時(shí)間，為路邊單元的功率；
[0086]
卸載到的計(jì)算時(shí)間的公式為：
[0087][0088]
卸載到的計(jì)算能耗的公式為：
[0089][0090]
其中，1-x
i-yi是計(jì)算任務(wù)卸載到計(jì)算的比例，當(dāng)xi＝1表示任務(wù)全部在車(chē)輛本地卸載，當(dāng)yi＝1表示任務(wù)都在路邊單元上卸載，為的計(jì)算能力，為的功率。
[0091]
根據(jù)得到的計(jì)算任務(wù)在車(chē)輛本地的本地計(jì)算時(shí)間本地計(jì)算能耗卸載到路邊單元的路邊單元計(jì)算時(shí)間路邊單元計(jì)算能耗卸載到的計(jì)算時(shí)間計(jì)算能耗因?yàn)槿蝿?wù)是并行處理的，所以取車(chē)輛本地，rsu和計(jì)算所耗時(shí)間的最大值從而得到車(chē)輛i處理任務(wù)的總時(shí)間：同時(shí)可得到
車(chē)輛i處理任務(wù)的總能耗：車(chē)輛i處理任務(wù)的總能耗：
[0092]
步驟2：考慮任務(wù)時(shí)延約束的限制，設(shè)計(jì)系統(tǒng)目標(biāo)函數(shù)；
[0093]
步驟2包括以下步驟：
[0094]
步驟21：定義求和目標(biāo)函數(shù)：求和m個(gè)車(chē)輛在n個(gè)區(qū)域中時(shí)間和能耗成本為：
[0095][0096][0097]
其中
[0098]
步驟22：最小化系統(tǒng)時(shí)延和能耗，系統(tǒng)目標(biāo)函數(shù)為：
[0099][0100]
s.t.0≤x,y≤1
[0101]
0≤x+y≤1
[0102][0103]
其中，0≤x,y≤1為約束1，代表決策變量的取值范圍在0～1之間；0≤x+y≤1為約束2，代表每個(gè)車(chē)輛在一個(gè)時(shí)隙內(nèi)并行卸載；為約束3，代表每個(gè)任務(wù)的時(shí)延約束。
[0104]
步驟3：對(duì)任務(wù)卸載的決策變量進(jìn)行編碼；
[0105]
對(duì)于上述步驟2中的求和目標(biāo)函數(shù)進(jìn)行求解，但求和目標(biāo)函數(shù)為np困難問(wèn)題，為了便于求解，本發(fā)明采用了遺傳算法，步驟3中將決策變量編碼為基因進(jìn)行處理。且本發(fā)明采用實(shí)數(shù)編碼對(duì)任務(wù)卸載方案進(jìn)行編碼。
[0106]
步驟4：初始化種和遺傳迭代設(shè)置；
[0107]
步驟4包括以下步驟：
[0108]
步驟41：根據(jù)編碼基因，生成n個(gè)個(gè)體作為初始體；
[0109]
步驟42：初始化迭代次數(shù)為1，且指定迭代進(jìn)化的總次數(shù)為g。
[0110]
步驟5：進(jìn)行交叉變異運(yùn)算，產(chǎn)生新一代種；
[0111]
步驟5包括以下步驟：
[0112]
步驟51：采用模擬二元交叉法將兩個(gè)不同個(gè)體的基因進(jìn)行重組，在兩個(gè)不同的個(gè)體上隨機(jī)生成交叉位，交換兩個(gè)個(gè)體的交叉區(qū)域基因；
[0113]
步驟52：采用多項(xiàng)式突變改變基因的價(jià)值。
[0114]
步驟6：計(jì)算體中個(gè)體的適應(yīng)度；
[0115]
步驟6包括以下步驟：
[0116]
步驟61：帶入步驟2中計(jì)算時(shí)延和能耗成本；
[0117]
步驟62：取時(shí)延和能耗的倒數(shù)作為個(gè)體適應(yīng)度，選擇適應(yīng)度高的個(gè)體進(jìn)入下一代。
[0118]
步驟7：非支配排序和擁擠度計(jì)算；
[0119]
步驟7包括以下步驟：
[0120]
步驟71：將r
t
進(jìn)行非支配排序，得到非支配層級(jí)為(f1，f2，
…
，f
l
)的諸層個(gè)體；
[0121]
步驟72：把非支配層級(jí)的個(gè)體依次加入下一代子代的集合，從f1開(kāi)始構(gòu)造一個(gè)新的種s
t
，直到其大小為n或者第一次超過(guò)n，稱(chēng)最后一層為第一層，第二層及以上的解將被淘汰出局，在大多數(shù)情況下，最后一層僅有部分被接受；
[0122]
步驟73：如果|s
t
|＝n則無(wú)需進(jìn)行下面的操作，直接p
t+1
＝s
t
；如果s
t
|》n，那么下一代的一部分解為剩余部分(k＝n-|p
t+1
|)從f
l
中選擇；
[0123]
步驟74：對(duì)第一層使用擁擠度排序，用多樣性衡量第一層里的解，選擇剩部分k個(gè)解并入，其中p
t
是第t代的父代，其大小為n，其生成的子代為q
t
，其大小也為n，將子代和父代結(jié)合為r
t
＝p
t
∪q
t
，其中r
t
的大小為2n，并從中選出n個(gè)個(gè)體。
[0124]
步驟8：選擇幸存?zhèn)€體；
[0125]
步驟9：跳轉(zhuǎn)步驟5，并循環(huán)，直至滿(mǎn)足條件；
[0126]
步驟10：選取最優(yōu)個(gè)體作為最優(yōu)解。
[0127]
綜上所述，本發(fā)明的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，提出了車(chē)輛邊緣計(jì)算中通信模型和計(jì)算模型，并設(shè)計(jì)目標(biāo)函數(shù)，模型為np困難問(wèn)題，很難在常數(shù)時(shí)間內(nèi)求解，因此采用遺傳算法在常數(shù)時(shí)間內(nèi)求出最優(yōu)解，實(shí)現(xiàn)最小化時(shí)延和能量消耗；本發(fā)明不但可以有效保證車(chē)輛任務(wù)卸載時(shí)的低時(shí)延和低能耗，而且還滿(mǎn)足了每個(gè)車(chē)輛任務(wù)本身的延遲要求。
[0128]
以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍。
技術(shù)特征：
1.一種基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于，包括以下步驟：步驟1：建立車(chē)輛邊緣計(jì)算中的通信模型和計(jì)算模型，計(jì)算模型包括每個(gè)計(jì)算任務(wù)在車(chē)輛本地的本地計(jì)算時(shí)間本地計(jì)算能耗卸載到路邊單元的路邊單元計(jì)算時(shí)間路邊單元計(jì)算能耗卸載到的計(jì)算時(shí)間計(jì)算能耗有m輛車(chē)的集合v＝{v1,v2,
…
,v
m
}，按路邊單元?jiǎng)澐謪^(qū)域，有n個(gè)區(qū)域的集合r＝{r1,r2,
…
,r
n
}，每個(gè)車(chē)輛都有一個(gè)任務(wù)，每個(gè)任務(wù)用三元組表示：其中d
i
表示任務(wù)t
i
的大小，c
i
表示計(jì)算任務(wù)所需的cpu圈數(shù)，表示任務(wù)所能接受的最大時(shí)間延遲，從而得到車(chē)輛i處理任務(wù)的總時(shí)間：車(chē)輛i處理任務(wù)的總能耗：車(chē)輛i處理任務(wù)的總能耗：步驟2：考慮任務(wù)時(shí)延約束的限制，設(shè)計(jì)系統(tǒng)目標(biāo)函數(shù)；步驟3：對(duì)任務(wù)卸載的決策變量進(jìn)行編碼；步驟4：初始化種和遺傳迭代設(shè)置；步驟5：進(jìn)行交叉變異運(yùn)算，產(chǎn)生新一代種；步驟6：計(jì)算體中個(gè)體的適應(yīng)度；步驟7：非支配排序和擁擠度計(jì)算；步驟8：選擇幸存?zhèn)€體；步驟9：跳轉(zhuǎn)步驟5，并循環(huán)，直至滿(mǎn)足條件；步驟10：選取最優(yōu)個(gè)體作為最優(yōu)解。2.根據(jù)權(quán)利要求1所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于：所述通信模型為車(chē)輛和路邊單元之間的無(wú)線(xiàn)通信速率：其中b為信道帶寬，p
i
是車(chē)輛i的傳輸功率，是車(chē)輛i和路邊單元r的信道增益，n0表示噪聲功率。3.根據(jù)權(quán)利要求1所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于：所述本地計(jì)算時(shí)間：其中，x
i
是任務(wù)分配到車(chē)輛本地的本地計(jì)算的比例，f
i
為車(chē)輛本地的本地計(jì)算能力；所述車(chē)輛本地計(jì)算能耗：其中，p
i
為車(chē)輛的功率；所述卸載到路邊單元的計(jì)算時(shí)間：
所述卸載到路邊單元上的計(jì)算能耗：其中，y
i
是任務(wù)卸載到路邊單元計(jì)算的比例，為路邊單元的計(jì)算能力，時(shí)間分為兩部分，分別是計(jì)算任務(wù)從車(chē)輛上傳到路邊單元的時(shí)間和計(jì)算任務(wù)在路邊單元上計(jì)算的時(shí)間，為路邊單元的功率；所述卸載到的計(jì)算時(shí)間：所述卸載到的計(jì)算能耗其中，1-x
i-y
i
是計(jì)算任務(wù)卸載到計(jì)算的比例，當(dāng)x
i
＝1表示任務(wù)全部在車(chē)輛本地卸載，當(dāng)y
i
＝1表示任務(wù)都在路邊單元上卸載，為的計(jì)算能力，為的功率。4.根據(jù)權(quán)利要求1所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于，所述步驟2包括以下步驟：步驟21：定義求和目標(biāo)函數(shù)：求和m個(gè)車(chē)輛在n個(gè)區(qū)域中時(shí)間和能耗成本為：步驟21：定義求和目標(biāo)函數(shù)：求和m個(gè)車(chē)輛在n個(gè)區(qū)域中時(shí)間和能耗成本為：其中步驟22：最小化系統(tǒng)時(shí)延和能耗，系統(tǒng)目標(biāo)函數(shù)為：s.t.0≤x,y≤10≤x+y≤1其中，0≤x,y≤1為約束1，代表決策變量的取值范圍在0～1之間；0≤x+y≤1為約束2，代表每個(gè)車(chē)輛在一個(gè)時(shí)隙內(nèi)并行卸載；為約束3，代表每個(gè)任務(wù)的時(shí)延約束。5.根據(jù)權(quán)利要求1所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于：所述步驟3
中將決策變量編碼為基因。6.根據(jù)權(quán)利要求5所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于：所述步驟3中采用實(shí)數(shù)進(jìn)行編碼。7.根據(jù)權(quán)利要求1所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于，所述步驟4包括以下步驟：步驟41：根據(jù)編碼基因，生成n個(gè)個(gè)體作為初始體；步驟42：初始化迭代次數(shù)為1，且指定迭代進(jìn)化的總次數(shù)為g。8.根據(jù)權(quán)利要求1所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于，所述步驟5包括以下步驟：步驟51：采用模擬二元交叉法將兩個(gè)不同個(gè)體的基因進(jìn)行重組，在兩個(gè)不同的個(gè)體上隨機(jī)生成交叉位，交換兩個(gè)個(gè)體的交叉區(qū)域基因；步驟52：采用多項(xiàng)式突變改變基因的價(jià)值。9.根據(jù)權(quán)利要求1所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于，所述步驟6包括以下步驟：步驟61：帶入步驟2中計(jì)算時(shí)延和能耗成本；步驟62：取時(shí)延和能耗的倒數(shù)作為個(gè)體適應(yīng)度，選擇適應(yīng)度高的個(gè)體進(jìn)入下一代。10.根據(jù)權(quán)利要求1所述的基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，其特征在于，所述步驟7包括以下步驟：步驟71：將r
t
進(jìn)行非支配排序，得到非支配層級(jí)為(f1，f2，
…
，f
l
)的諸層個(gè)體；步驟72：把非支配層級(jí)的個(gè)體依次加入下一代子代的集合，從f1開(kāi)始構(gòu)造一個(gè)新的種s
t
，直到其大小為n或者第一次超過(guò)n，稱(chēng)最后一層為第一層，第二層及以上的解將被淘汰出局，在大多數(shù)情況下，最后一層僅有部分被接受；步驟73：如果|s
t
|＝n則無(wú)需進(jìn)行下面的操作，直接p
t+1
＝s
t
；如果s
t
|>n，那么下一代的一部分解為剩余部分(k＝n-|p
t+1
|)從f
l
中選擇；步驟74：對(duì)第一層使用擁擠度排序，用多樣性衡量第一層里的解，選擇剩部分k個(gè)解并入，其中p
t
是第t代的父代，其大小為n，其生成的子代為q
t
，其大小也為n，將子代和父代結(jié)合為r
t
＝p
t
∪q
t
，其中r
t
的大小為2n，并從中選出n個(gè)個(gè)體。
技術(shù)總結(jié)
本發(fā)明提供了一種基于車(chē)輛邊緣計(jì)算的任務(wù)卸載方法，包括步驟1：建立車(chē)輛邊緣計(jì)算中的通信模型和計(jì)算模型；步驟2：設(shè)計(jì)系統(tǒng)目標(biāo)函數(shù)；步驟3：對(duì)任務(wù)卸載的決策變量進(jìn)行編碼；步驟4：初始化種和遺傳迭代設(shè)置；步驟5：進(jìn)行交叉變異運(yùn)算，產(chǎn)生新一代種；步驟6：計(jì)算體中個(gè)體的適應(yīng)度；步驟7：非支配排序和擁擠度計(jì)算；步驟8：選擇幸存?zhèn)€體；步驟9：跳轉(zhuǎn)步驟5，并循環(huán)，直至滿(mǎn)足條件；步驟10：選取最優(yōu)個(gè)體作為最優(yōu)解。本發(fā)明通過(guò)采用遺傳算法在常數(shù)時(shí)間內(nèi)求出車(chē)輛邊緣計(jì)算中系統(tǒng)目標(biāo)函數(shù)的最優(yōu)解，實(shí)現(xiàn)最小化時(shí)延和能量消耗，不但可以有效保證車(chē)輛任務(wù)卸載時(shí)的低時(shí)延和低能耗，而且還滿(mǎn)足了每個(gè)車(chē)輛任務(wù)本身的延遲要求。每個(gè)車(chē)輛任務(wù)本身的延遲要求。每個(gè)車(chē)輛任務(wù)本身的延遲要求。
