基于偏好和虚拟适应度的两阶段依赖任务卸载算法

摘要

针对云边端协同环境中依赖任务卸载时效率低以及任务卸载失败的问题，提出一种基于偏好和虚拟适应度的两阶段依赖任务卸载算法.第一阶段，根据提出的二维卸载偏好因子对依赖任务的部分子任务进行直接卸载决策，从而有效缩小遗传算法初始种群的规模.第二阶段，提出基于虚拟适应度的启发式交叉方法，并对基于参考点的快速非支配排序遗传算法(non-dominated sorting genetic algorithmⅢ, NSGA-Ⅲ)的交叉算子进行改进，保留了种群多样性并提升了算法收敛速度，最后使用改进的算法对所有依赖任务的子任务进行最优卸载决策集的搜索.实验结果表明，与其他算法相比，该算法在任务完成时间、任务能耗和边缘云集群成本方面平均优化了10.2%～18.3%,并且将任务失败率平均降低了10.7%～25.6%.

关键词

云边端协同环境 / 依赖任务卸载 / 多目标优化 / 虚拟适应度 / 遗传算法