1.一种基于用户数据热点分布的边缘计算节点部署方法,其特征在于,包括:步骤1,确定物联网场景;
所述物联网场景包含M个潜在可以部署边缘计算节点的基站和N个具有不同服务类型的用户;
第n个用户与第m个基站之间的信干噪比SINRnm表示为:S S
其中, , ,N 表示N个用户的集合,M 表示M个潜在可以部署边缘计算节点的基站的集合,PRX表示接收功率,dnm表示第n个用户与第m个基站之间的距离,Pnm表示用户n和基站m通信时,受到的来自其它基站信号的干扰功率,Pn表示用户n所受到的环境噪声干扰功率;
步骤2,制定用户数据热点区域分布的确定原则;
步骤2.1,根据用户收到的来自各个划分区域的基站的信干噪比,利用神经网络训练定位模型,确定用户所在的划分区域;
步骤2.2,当所有用户在某一划分区域停留的总时间超过停留时间阈值时,判定该划分区域为用户数据热点区域,需要在此划分区域部署边缘计算节点;
步骤3,边缘计算节点部署
利用模拟退火法实现边缘计算节点的部署,使用的目标函数为:其中, 表示在第m个基站旁部署的边缘计算节点,边缘计算节点的数量为 ,在数量上,且 , 表示第n个用户与第 个边缘计算节点之间的连接成本,该连接成本包括传输时延与通信时延, 为二进制变量,当第n个用户与第 个边缘计算节点之间连接时, 的值为1,反之为0; 表示第 个边缘计算节点为第n个用户提供服务所需要的成本, 为二进制变量,第n个用户为第 个边缘计算节点提供服务时,的值为1,反之为0;
在利用模拟退火法实现边缘计算节点的部署时,通过模拟退火法,使用所述目标函数,找到合适的边缘计算节点部署位置,使所述目标函数的值达到最小。
2.根据权利要求1所述的基于用户数据热点分布的边缘计算节点部署方法,其特征在于,步骤2中,所述物联网场景中共有Narea个划分区域,给定用户n收到的来自各个划分区域的基站的信干噪比为SINRn;
其中,SINRni表示第i个划分区域的基站与用户n之间的信干噪比,用户n所在的划分区域表示为xn:
其中,xni表示用户n是否在划分区域i上,如果在,则xni的取值为1,如果不在,则xni的取值为0, ;
将SINRn和xn组成数据集D:其中, 表示第N个用户的信干噪比与第N个用户所在的划分区域xN构成数据集D的第N个元素,随机取数据集中的部分数据作为训练集,剩下的数据为测试集,设定性能参数阈值,利用训练集中的数据对神经网络进行训练,得到训练模型,利用测试集对该训练模型进行验证,若验证的性能参数超过性能参数阈值,则判定该训练模型能够对用户进行划分区域的定位;
对用户在一定时间范围内所停留的划分区域进行时间值分析,定义矩阵A:其中,A11表示矩阵A中第一行第一列的元素, 表示矩阵A中第一行第Narea列的元素,Ani表示矩阵A中第n行第i列的元素,AN1表示矩阵A中第N行第1列的元素, 表示矩阵A中第N行第Narea列的元素,矩阵A中的元素Ani表示第n个用户在划分区域i上所停留的时间值,对于矩阵中的元素,如果在第i个划分区域上满足以下条件,则表明该划分区域为用户数据热点区域:
其中, 为所述停留时间阈值。
3.根据权利要求2所述的基于用户数据热点分布的边缘计算节点部署方法,其特征在于,步骤3具体包括:
步骤3.1,构建BP神经网络模型,输入层有Narea个神经元,将采集的已知划分区域的用户所接收到的信干噪比和已知的划分区域作为训练集输入进神经网络模型,经过三层隐藏层,输出划分区域结果,经过测试集测试所得到的神经网络训练模型合格后,得到所需要的神经网络训练模型;
步骤3.2,一个用户n在时间T内,在各个划分区域的时间值为 ,则所有用户的时间值为矩阵A;
步骤3.3,根据矩阵A以及xn判定各个划分区域是否为用户数据热点区域,在用户数据热点区域部署边缘计算节点,根据用户数据热点区域确定边缘计算节点的数量;
步骤3.4,构建所述目标函数,定义参数 ,其中Tem为模拟退火法的初始温度;
步骤3.5,根据所述目标函数,利用模拟退火法确定合适的边缘计算节点部署位置,使所述目标函数的值达到最小。