1.超密集网络中加压安全计算卸载与资源优化方法,其特征在于,包括:步骤S1:获取超密集网络的网络基础信息,根据网络基础信息构建网络系统,网络系统包括通信模型、计算模型、数据压缩模型及安全模型,并在时延及安全成本约束下构建优化问题,优化问题为全网总能耗最小化问题;
步骤S2:根据优化问题得到初始解,并将初始解定义为父代种群,采用自适应遗传水波优化算法对父代种群进行搜索,最后输出全局最优水波的位置,即求得全网总能耗的最小的解;自适应遗传水波优化算法对父代种群进行搜索的过程包括:初始化种群及确定历史最佳水波;采用改进的传播操作对种群进行粗粒度搜索,根据传播操作生成的新水波是否优于原水波,更新水波的波高;若传播生成的新水波优于历史最佳水波,对该新水波执行改进的碎浪操作;当水波的波高降至零时,对水波执行折射操作进行细粒度搜索;
步骤S3:根据全局最优水波的位置执行联合数据压缩及安全的计算卸载与资源优化配置;
所述步骤S1的优化问题为:
其中,
所述步骤S2包括以下子步骤:
步骤S21:初始化自适应遗传水波算法的最大迭代次数步骤S22:单个水波
步骤S23:根据以下公式,初始化种群:
其中,
并根据以下公式构建水波种群中水波
其中,
使用适应度函数计算水波种群中所有水波的适应度值,并将适应度值最高的个体作为历史最佳水波;
步骤S24:判断当前迭代次数
步骤S241:根据锦标赛法选择策略从父代种群中随机选取两个水波,将适应度高的水波放入目标种群中,并判断两个水波中是否有历史最佳水波,若两个水波中没有历史最佳水波,则用历史最佳水波替换目标种群中适应度最低的水波;
步骤S242:定义多样性测度
其中
其中,
根据多样性测度定义多样性引导的变异概率:其中
步骤S243:从水波种群中剩下的水波中任意选取两个相邻的水波,并根据以下公式得到两个相邻的水波之间的自适应交叉概率:其中,
从相邻水波
步骤S244:根据以下公式得到水波种群中的水波其中
步骤S245:根据多样性引导的变异概率、自适应交叉概率、自适应变异概率执行相同的预设变异规则,依次分别对水波种群中的水波的位置进行变异,变异规则为:其中,上标
步骤S246:步骤S241至步骤S245统称为改进的传播操作,在传播操作生成新的水波种群后,使用适应度函数计算新生成水波种群中水波的适应度值,并将适应度值最高的个体作为当前种群最优水波,并按以下规则更新每个水波的碎浪系数:在新生成水波的适应度值优于父代水波的适应度值时,再进一步将新生成水波的适应度值与当前种群最优水波进行比较,若前者优于后者,则执行碎浪操作,否则不执行操作;若新生成水波的适应度值小于父代水波的适应度值,水波步骤S246的步骤包括:
步骤S2461:在传播新生成水波的适应度值优于当前种群最优水波时,对前者执行碎浪操作;这种操作用于细粒度搜索,即围绕水波的潜在最优解区域进行进一步搜索;在碎浪操作中,新产生的水波称为孤立波,改进的碎浪操作生成其中,
如果生成的
步骤S2462:若新生成水波的适应度值小于父代水波的适应度值,水波其中
步骤S247:将当前种群最优水波与历史最佳水波进行适应度比较,若前者的适应度值大于后者,则用当前种群最优水波更新历史最佳水波,否则保留历史最佳水波;
步骤S248:将当前迭代次数
2.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1所述的超密集网络中加压安全计算卸载与资源优化方法。
3.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述的超密集网络中加压安全计算卸载与资源优化方法。