基于AGV通信的網絡高覆蓋率資源優化調度仿真

牛秦玉，楊 榮，田海波

(西安科技大學機械工程學院，陜西 西安 710054)

1 引言

在通信技術與互聯網技術飛速發展的背景下，網絡數據傳輸量和資源量呈現出線性發展的趨勢，對網絡資源優化調度能力的要求也越來越高。因此AVG通信環境下網絡資源傳輸問題受到了更多關注，相關國內外學者提出了以下幾種方法。

文獻[1]首先構建含有微動目標成像任務的優化調度模型，使用啟發式算法求解，通過跟蹤脈沖和調度剩余的空閑時間資源、動態地建造感知矩陣。使用正交匹配追蹤算法對微動目標進行特征提取，從而達到資源優化調度的目的。但該方法需要反復提取特征數據，這就導致了該方法的優化調度效率大幅度降低。文獻[2]把模擬退火計算方法與遺傳性算法相融合，以此擴大遺傳性算法的搜索區域，解決其過早收斂的現象，使得AVG通信環境下的網絡資源更加合理化，最終通過改進后的遺傳算法對網絡資源進行優化調度。但是該方法作為一種融合改進算法，會出現融合誤差，導致對網絡資源進行調度時出現優化調度不完整的問題。文獻[3]首先使用UBRSM-FC對AVG通信用戶進行交互行為，把用戶的信息資源引入到優化調度的過程中，再結合相關反饋機制，構建能夠主動發現網絡資源反饋的微調優化模型，最后通過模型優化調度網絡資源。該方法需要及時對用戶情況進行監測，導致浪費大量的人力和物力資源。

針對上述問題，提出基于AGV通信的網絡高覆蓋率資源優化調度方法。通過構建單一節點特征訪問控制模型，大幅度的節省后續的網絡資源調度時間，并采用遺傳算法對網絡資源的優化調度策略進行尋優，從而解決了傳統方法由于需要對用戶情況進行實時監測導致的調度效率慢的問題。實驗結果表明該方法能夠在資源完整度較高的情況下，優化調度AVG通信環境下的網絡資源。

2 AGV通信的網絡高覆蓋率資源優化調度

2.1 AVG通信的網絡信息資源優化調度原理

網絡信息資源優化調度原理具體是指對信息儲存節點進行自動控制篩選，在儲存區域Dn按信息的語義特征分割模型，把儲存特征|dn-max-dn-max|·(1/K)分割成若干個數據子集，Ak是網絡信息資源的語義特征并查集，滿足A1∪A2∪，…，∪Ak=A，引入特征滿足Ai∩Aj=Ω，其中i，j=1，…，m，且i≠j。

2.2 構建網絡高覆蓋率資源模型

以上述原理為基礎，得到AVG通信的網絡高覆蓋資源調度中的單一節點i的特征訪問控制模型為

(1)

式中，K代表AVG通信的網絡高覆蓋資源在數據庫中的節點數，Pk代表單一精準訪問的概率分布，AVG通信網絡信息資源庫中的特征空間采樣數據X={x1，x2，…，xn}，通過分布式網絡資源庫的數據儲存機制體系分析，獲得網絡信息資源分布式調度配置的權值ωRLCMV為

(2)

式中ai(θ0)代表資源信息流的時間序列采樣，y代表瑞利分布特征，C代表信息子空間。使用分布式環境下散亂點空間重構獲得資源融合的子空間模型是C=[c1，c2，…，cg]，g代表G種約束矢量。擬定滿足待匹配本體關系模型的AVG通信下網絡資源信息庫分布的特征點〈x，y〉代表AB的一雙錨點，利用有向圖G=(V，E)代表大型網絡信息資源出入庫的傳遞模型，經過數據挖掘模型分析網絡資源信息流的時間序列，構建網絡資源系統調度模型

(3)

式中ω1、ω2分別代表AVG通信的網絡資源均勻配置的權重，Si代表負載均勻值，Hi代表資源中的重疊信息的濾波函數，Vi代表特征壓縮的維數。

使用AVG的網絡資源系統調度模型進行資源調度時，發現資源規模的擴大與相似資源會受到信息干擾[4]，因此應該提取網絡有效資源特征信息，然后構建綜合評測模型。綜合考慮AVG通信網絡性能指標、服務質量和服務能力，把數據資源和網絡任務進行結合從而構建混合矩陣[5]，對其使用資源數據進行統一化處理，并在相似度矩陣中進行聚類。綜上，AVG通信環境中的網絡信息資源優化調度過程如下：

設定，R表示網絡資源信息的集合，rij代表網絡信息ri的第j種特征屬性，m代表網絡信息的特征屬性總數量，利用模糊聚類方法，對網絡信息進行調度，應該先將網絡信息向量R={r1，…，rp}與網絡任務向量T={t1，…tq}根據特征屬性進行組合建造混合矩陣。

(4)

其中，當滿足1≤i≤q時，Rij表示網絡任務特征屬性值，p、q表示網絡信息資源列、行元素。當滿足q≤i≤p+q時，tqm表示第m種網絡信息資源特征屬性值，i表示某種特征分量。把AVG通信環境下網絡數據資源混合矩陣的中心向量設定成混合矩陣的中心位置[6]，就可以使式(5)代表混合矩陣的所有維度分量。

(5)

其中，n表示AVG通信環境中網絡資源向量和任務向量數目，然而網絡信息的所有特征屬性量綱都不同，因此，要對網絡信息進行標準化的處理

(6)

其中，σj表示AVG通信環境下網絡信息系標準差，即

(7)

(8)

(9)

通過以上條件，可以看出F值越大，則證明網絡信息的聚類性能越好，在獲取聚類結果后，對某種網絡任務進行聚類歸屬時，選擇聚類里性能較為優質的網絡信息進行調度，且將其分配至AVG通信環境中進行網絡任務的執行[7]。

2.3 基于遺傳算法的網絡高覆蓋率資源優化調度

在AVG通信環境下進行網絡信息資源優化調度，首先對網絡資源使用虛擬化技術，即使網絡資源處于獨立的狀態，在此基礎上將資源計算任務分配給一種最優調度機制的節點上。考慮到網絡運行、帶寬使用率和網絡帶寬等因素，在網絡信息優化調度模型的構建過程中，融入測評模型，依據網絡節點情況來預測任務執行的速度，其過程如下：

在AVG通信環境中服務器運行所有虛擬機的計算能力是通過多個角度來計算的，根據當前的實際網絡約束條件，使用式(10)來建造網絡節點的測評模型

EvaNdoe=pcpuEVaCPUk+pmEVaMENk

+psEVaSTOk+pdEVaMENk

(10)

其中，EvaNdoek表示第k種固定資源的測評值，EVaCPUk、EVaMENk、EVaSTOk、EVaBANk分別表示AVG通信狀態下硬盤儲存、網絡路徑帶寬、虛擬機CPU與內存之間的評測值，pcpu為網絡虛擬機的評測權重，pm、ps分別為網絡CPU中網絡虛擬機的內存和硬盤測評價值權重，pb代表網絡帶寬測評值權重。

在AVG通信狀態下的網絡節點，其負載量可以經過查詢得到，在以往的查詢中，上次任務完成后的負載度也可以經過查詢得到[8]，依據以上兩種數據，可以使用式(11)來構建模型，對網絡節點速度進行估算

(11)

Bτ=μ?N1τ×Cτ+N2τ×Mτ+N3τ×Dτ

(12)

其中，τ表示對應的網絡虛擬機編號，μ表示選擇參考的網絡基準虛擬機編號，N1τ、N2τ分別表示第τ中網絡虛擬機的CPU性能指數、內存參數，N3τ表示第τ中的CPU硬盤參數，Cτ、Mτ分別是第τ中網絡虛擬機的使用率和CPU內存的使用率，Dτ為第τ中網絡虛擬機中的率網絡吞吐量。

在AVG通信狀態下進行網絡資源計算任務時，為查詢適合的資源節點，憑借節點的執行速度和測評模型，建造在AVG通信狀態下網絡節點的評測模型

(13)

其中，λ表示該測評模型的調節系統，對測評模型內的資源計算效率與節點相應資源的計算速度進行調整優化。

通過遺傳算法對網絡資源的優化調度策略進行尋優，再將AVG通信環境中網絡信息資源優化調度所有問題的特征看作是一種調度策略，該策略中擁有N個策劃含量，相應的染色體具有N種基因，[xa，xb]是一種基因編碼，xa與xb分別是網絡任務的調度順序和方法使用的資源，設定Pe與Pm分別表示變異與交叉幾率，使用下列公式計算AVG通信環境下網絡資源優化調度問題求解過程中，自適應交叉幾率與變異幾率為

(14)

(15)

其中，k1、k2、k3、k4表示區間[0，1]中的常數，favg為種群均衡適應值，fmax表示種群的最大適應值，fm表示將要變異的單獨個體的適應值，fe表示交叉個體的均勻適應值。因為種群的適應值函數能夠反映所有個體的優勢與劣勢[9，10]，那么使用式(16)代表適應值函數。

(16)

其中，Ne表示網絡任務量，flagi·Pi代表網絡加權任務的完成量，Te為網絡資源優化調度策略中最后一個任務的完成時間，TE表示該階段網絡資源優化調度任務的最終時間，TE/Te為統一完成的時間。種群的適應函數利用flag·Pi和Te/TE中的插值，來判斷種群中最優質的個體，并且在AVG通信環境下網絡高覆蓋率的資源優化調度完成的最早。

3 實驗與結果分析

為了驗證基于AGV通信的網絡高覆蓋率資源優化調度方法的性能，進行實驗。實驗環境為Intel Celeron Tulatin1GHz CPU和384MB SD內存的硬件環境和MATLAB6.1的軟件環境。使用GridSim仿真軟件，設定AVG通信環境下網絡節點總數量是600個，實驗指標主要為網絡信息擁塞率(%)、吞吐帶寬(G/s)、分組投遞率(%)，對比文獻[1]方法、文獻[2]方法和本文設計方法在上述實驗指標方面的差異性，通過對比結果證明本文所提出方法的優勢和性能。

圖1為在AVG通信環境下使用本文方法、文獻[1]方法和文獻[2]方法相應的網絡資源吞吐帶寬(G/s)對比狀況，下面給出網絡資源吞吐帶寬(G/s)計算公式

圖1 不同方法的網絡信息資源吞吐性能對比

(17)

式中，L表示網絡帶寬，S表示網絡額定速率，T表示單位時間。

通過圖1可以看出，使用本文方法的網絡資源吞吐率要遠遠高出其它方法。因為本文方法能夠對網絡的資源任務實時調度，然后經過計算獲取資源調度任務的權值，并且在這個基礎上，通過遺傳算法對其進行優化調度尋優，從而提升了網絡信息資源的吞吐性能。

圖2為不同網絡處理節點總數下，文獻[1]方法、文獻[2]方法和本文方法的網絡資源優化調度擁塞率(%)對比狀況，下面給出網絡資源擁塞率(%)的計算公式。

圖2 不同方法的網絡資源擁塞率比對

(18)

式中，S表示網絡吞吐量，Y表示占用請求次數。

通過圖2能夠看出，在AVG通信環境下，

文獻[1]方法和文獻[2]方法的網絡資源擁塞率最高分別可達50%和64%，而本文方法的網絡資源擁塞率最高僅為16%，并且文獻[1]方法和文獻[2]方法在網絡資源擁塞率一直都高于本文方法，其原因是本文方法具有很好的穩定性，可將網絡資源擁堵發生的概率降低，同時對剩余網絡節點的資源進行動態調節處理，因此本文方法能夠很大程度的降低網絡資源擁堵情況的發生，并且也能夠很好的緩解擁堵狀況。

表1為使用不同的網絡資源傳輸率下，本文方法與文獻[1]方法、文獻[2]方法的分組投遞率(%)對比情況，下面給出網絡資源分組投遞率(%)計算公式。

表1 不同方法的分組投遞率對比

(19)

式中，o表示網絡目標節點接收資源包數量，z表示源發送的資源包數量。

通過表1能夠看出，本文方法的網絡信息資源分組投遞率最高。是因在網絡資源優化調度模型建造過程中加入了測評模型，并且針對各不相同的網絡資源任務進行調度安排，依據遺傳算法對優化調度尋優。使其很大程度上降低了AVG通信環境下網絡高覆蓋率資源的時間延遲，提高了網絡資源的分組投遞能力。

4 結論

為了提升資源調度效果，解決傳統方法存在的網絡覆蓋率資源不完善和資源調度效率慢的不足，本文提出了一種基于AGV通信的網絡高覆蓋率資源優化調度方法。通過實驗結果可以得出如下結論：

1)本文方法下網絡資源擁塞率最高僅為16%，遠低于傳統方法，低擁塞率有助于提高資源調度的效率，進而說明本文方法具有較高的調度效率。

2)運用本文方法調度后的網絡資源較為完整，分組投遞能力也較為優秀，魯棒性強，網絡資源吞吐率較高，充分驗證了該方法的有效性。

雖然本文方法有效改善了傳統方法的不足，但是存在針對性不夠的缺點，接下來將會以不同類型網絡資源為具體實施對象，進行進一步的完善。