1.一种面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,包括如下步骤:步骤S1:获取超密集多接入移动边缘计算网络的网络基础信息并构建网络系统,所述网络系统包括通信模型、计算模型以及安全模型;在网络系统的约束下构建优化问题;
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,采用改进的鲸鱼算法对父代种群进行搜索得到目标种群,并输出目标种群中的全局最优解;
采用改进的鲸鱼算法对父代种群进行搜索得到目标种群的过程包括:首先初始化种群及确定历史最优鲸鱼个体;然后采用遗传算法的部分匹配交叉操作与变异操作对鲸鱼的种群扩展,增大种群多样性;然后在收缩包围阶段,采用自适应非线性权重因子用来更新鲸鱼个体的位置,同时用于螺旋气泡网攻击和搜索猎物阶段;在螺旋气泡网攻击阶段,利用惯性权重系数用于自适应调节螺旋幅值,避免陷入局部最优;在搜索猎物阶段,采用柯西的逆累积分布函数对鲸鱼的长尾变异操作拓展改进鲸鱼算法的搜索空间,提高鲸鱼的全局搜索能力,避免陷入局部最优;然后依次重复执行收缩包围,螺旋气泡网攻击,搜索猎物与历史最优鲸鱼个体的更新;
步骤S3:根据全局最优解执行安全型计算能耗优化配置。
2.根据权利要求1所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,步骤S1所述超密集多接入移动边缘计算网络为超密集型MAMEC网络;获取超密集型MAMEC网络的网络基础信息,通过网络基础信息进一步搭建网络系统中的通信模型、计算模型以及安全模型,在通信模型、计算模型以及安全模型的基础上构建优化问题。
3.根据权利要求2所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,获取超密集型MAMEC网络的网络基础信息的具体过程为:获取
4.根据权利要求3所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,构建通信模型:系统频带被分割成两部分,分别由宏基站和微基站使用,宽度分别为
5.根据权利要求3所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,构建缓存和卸载模型:任意的移动设备
6.根据权利要求3所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,构建安全模型:为了保证安全卸载,使用不同的加密算法对卸载的任务进行加密和解密;当移动设备和某微基站相关联时,该移动设备的任何任务的一部分在加密后被卸载到此基站;该基站首先对其进行解密,然后加密后将其部分传输到宏基站;剩余的部分交由关联的微基站执行;当一个移动设备与微基站相关联时,这个移动设备的任何任务的一部分在加密后被卸载到宏基站,解密后由宏基站执行任务。
7.根据权利要求3所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,所述优化问题为:
8.根据权利要求7所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,步骤S2包括:步骤S2.1: 初始化采用改进鲸鱼算法GWOA的最大迭代次数
步骤S2.2:优化问题的参数
步骤S2.3:评估鲸鱼个体的适应度;
步骤S2.4:种群初始化;为了满足约束
其中,
步骤S2.5:判断当前迭代次数
9.根据权利要求3所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,步骤S2.5包括:生成两个0到1之间的随机数
步骤S2.50:随机数生成一个0到1之间的随机数,将这个数与变异概率步骤S2.51: 在鲸鱼算法中,所有鲸鱼都在寻找猎物,而历史最佳代理被认为是目标解;当前最佳代理是指当前迭代中所有个体中适应度值最高的鲸鱼个体,而历史最佳代理是在以前和当前迭代中的所有个体中适应度值最高的鲸鱼个体;在执行鲸鱼算法之后,历史最佳代理就是优化问题的最佳解决方案;座头鲸识别猎物的位置,然后将猎物完全包围;在环绕猎物的行为中,所有鲸鱼在迭代过程中都向历史最佳代理移动;
步骤S2.52:座头鲸的气泡网攻击包括收缩环绕和螺旋运动,两种操作的概率是相等的;通过执行这些操作,任何代理的新位置将位于其当前位置和历史最佳代理的位置之间,得出优化问题的一个局部最优解;
步骤S2.53:在寻找猎物时,鲸鱼被迫向随机鲸鱼移动,使用Cauchy的逆累积分布函数进行突变操作,以用于制定鲸鱼的猎物搜索;
步骤S2.54:迫使鲸鱼个体再次在历史上最佳代理的附近区域搜索猎物;
步骤S2.55:将当前迭代次数
10.根据权利要求9所述的面向缓存辅助超密集异构MEC网络的安全计算卸载方法,其特征在于,步骤S2.52中,为了模拟鲸鱼的螺旋形运动,任何个体其中,
其中