(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210634651.0 (22)申请日 2022.06.07 (71)申请人 汕头市同行网络科技有限公司 地址 515000 广东省汕头市龙湖区高新区 科技中路13号 嘉泽中心大厦第十三层 申请人 汕头大学 (72)发明人 蔡伟鸿　黄桂佳　姚名峰　黄昊川　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 周增元 (51)Int.Cl. G06F 9/445(2018.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G16Y 30/00(2020.01)G06F 111/04(2020.01) (54)发明名称 一种基于多策略自适应蝙蝠算法的计算卸 载方法 (57)摘要 本发明公开了一种基于多策略自适应蝙蝠 算法的计算卸载方法， 在 支持多MEC的移动IoT网 络中任务分流和资源分配的问题， 并针对边缘执 行模型的不足， 可能导致资源冲突和资源浪费， 提出了边缘服务器的调度模型。 模 型在保证延 迟 最小化的同时综合考虑能耗因素防止因过度追 求延迟而产生极大能耗的问题并针对计算密集 型应用的需求予以时延和能耗的限制和优化， 其 解决方案 更实际可行， 更符合计算密集型应用的 需求且资源配置更高效。 然后提出了一种基于多 策略自适应蝙蝠算法的计算卸载方法为模型提 供计算卸载方案。 该算法对卸载选择和卸载顺序 进行决策， 以实现资源分配的合理性和更好的能 源效率。 权利要求书2页 说明书8页 附图6页 CN 115129387 A 2022.09.30 CN 115129387 A 1.一种基于多策略自适应蝙蝠算法的计算卸载 方法， 其特 征在于， 包括以下步骤： S1： 对计算卸载模型进行建模， 将边缘计算模型分为本地执行、 计算卸载和边缘执行三 个模块， 分别求解各个模块的中不同设备 处理不同任务的时延和能耗， 得到多用户多MEC服 务器边缘计算模型的基础束函数P1； S2： 当超出 能耗阈值时使用处罚函数p enalty对该服务器进行处罚， 增加用户设备将任 务卸载到该服务器的代价实现， 得到多用户多MEC服务器的计算卸 载模型最终的约束函数 P2； S3： 使用保持在当前边缘服务器， 向最佳边缘服务器进行靠近和向任意方向进行一次 移动的三种 更新策略来更新蝙蝠算法的蝙蝠个体的位置， 使用随迭代 次数变化的变量S， G 来控制蝙蝠在全局搜索和 局部搜索中选择不同策略的概 率， 全局搜索更新策略为： ； 局部搜索更新策略为： 其中，xt ij 表示迭代t时的蝙蝠i在第j 个维度的位置， rand为随机生 成的0到1之间随机 数； S4： 将蝙蝠算法中的所有个体都会被全部进行编码， 蝙蝠个体的元素可以取0到 N之间 的任意整 数， 蝙蝠的维数与任务总数一致， 而后通过将所述约束函数P2进 行编码， 获取该问 题的适应函数， 计算将所有任务分配到对应服 务器情况 下的系统总成本； S5： 通过所述S1、 S2的步骤获取多用户多MEC服务器计算卸载模型， 通过所述S3获取能 求解模型计算卸载策略的多 策略自适应蝙蝠算法， 通过所述S4对模 型和算法进 行编码将模 型与算法相结合 求解多用户多M EC服务器计算卸载模型的计算卸载 策略。 2.根据权利要求1所述的基于多策略自适应蝙蝠算法的计算卸载方法， 其特征在于， 所 述基础束函数P1定义 为： 其中，vi表示任务i的计算卸载决策向量， Ti是系统总延时， Iloc(i）, Ioff,j(i）和Ipen(i） 均为指示函 数，Iloc(i）用以表示任务 是否在本地 执行，Ioff,j(i）表示任务 i是否在第 j个边缘 服务器nj上进行计算卸载，  Ipen(i）表示该任务在当前决策下无法在规定时间内完成， To表权　利　要　求　书 1/2 页 2 CN 115129387 A 2示为未完成任务的延迟惩罚， 0≤Ei≤Emax表示处理任务i的能耗约束； 0≤Pi≤Pmax表示移动 设备ki的传输功率约束； 0≤floc,i≤floc,max表示本地计算移动设备的CP U频率约束； 0≤fedg,i ≤fedg,max表示计算卸载后边 缘服务器的CPU频率约束。 3.根据权利要求2所述的基于多策略自适应蝙蝠算法的计算卸载方法， 其特征在于， 所 述处罚函数penalty为： 其中，IE(i)是指示函数， 表示该边缘节点是否达到了最大能耗限制即 Ei>Emax， 如果Ei> Emax则表示超过了能耗限制需要进行惩罚令  IE(i)=1， 否则令 IE(i)=0； g表示的是平衡能量 消耗和延迟的常数惩罚系数。 4.根据权利要求3所述的基于多策略自适应蝙蝠算法的计算卸载方法， 其特征在于， 所 述约束函数P2为： 其中，vi表示任务 的计算卸载决策向量， Ti是系统总延时， 0≤Ei表示处理任务 i的能耗 约束； 0≤Pi≤Pmax表示移动设备 ki的传输功率约束； 0≤floc,i≤floc,max表示本地计算移动设 备的CPU频率约束； 0 ≤fedg,i≤fedg,max表示计算卸载后边 缘服务器的CPU频率约束。 5.根据权利要求4所述的基于多策略自适应蝙蝠算法的计算卸载方法， 其特征在于， 所 述S3中向最优解飞行 策略的更新策略为： 其中vt ij表示迭代t时的蝙蝠速度， M为惯性参数， fij为脉冲频率， xt ij表示迭代t时的蝙 蝠位置， step表示 Lévy飞行的随机数， N表示 为MEC服务器的数量。 6.根据权利要求6所述的基于多策略自适应蝙蝠算法的计算卸载方法， 其特征在于， 所 述S4的计算将所有任务分配到对应服 务器情况 下的系统总成本的公式表达式为： 。权　利　要　求　书 2/2 页 3 CN 115129387 A 3