本发明涉及边缘计算资源分配领域，尤其是一种基于改进遗传算法的边缘环境下服务部署方法和系统。
背景技术：
1、近年来，边缘计算领域作为服务计算的热点领域受到了广泛关注。相对于传统集中云计算而言，边缘计算将工作负载更多地部署在靠近用户的位置。由于5g、iot（internet-of-things，物联网）等业务和场景的高速发展，以及智能终端设备数量的大幅上升，使得对边缘计算业务的下沉诉求越来越多。然而，在服务器或网络负载较大的移动边缘系统场景中，由于边缘服务器集群中计算资源和通信资源受限，开发者不得不通过选择合理的服务部署策略，在获取令人满意的性能的同时保持系统整体负载的平衡性，并且对系统部署服务以及分配资源的成本开销也需要进行考虑。
2、中国公开号为cn112148492a的专利文献公开了一种考虑多用户移动性的服务部署和资源分配方法，该方法包括：(1)对移动边缘计算场景建立数学模型：根据移动边缘计算场景下包含的云计算节点用户设备节点，得到模型的计算节点，根据服务部署决策是在一段离散的时间片之间进行的，将模型的时间定义为离散的时间片集合，并对服务部署和资源分配问题构成的决策空间进行分析；根据移动边缘计算场景中包含的三种开销：计算时延开销、传输时延开销以及服务迁移开销，确定模型的优化目标。(2)对建立的数学模型进行求解，得到多用户服务部署和资源分配方案。该方法的不足之处在于，其服务部署和服务迁移需要在线实时进行，需要对系统情况进行实时感知计算和方案动态调整，会带来额外的计算和网络开销成本。
3、中国公开号为cn117149443a的专利文献公开了一种基于神经网络的边缘计算服务部署方法，该方法包括：首先边缘服务器获取车辆用户的特征信息；通过图神经网络预测模型进行预测，将所有车辆用户下一时刻的位置在地图上根据经纬度进行标记得到位置坐标图；使用改进的k-means聚类算法进行聚类得到k个类簇；计算每个类簇中边缘服务器的适应度值，将适应度值最大的边缘服务器作为预部署边缘服务器；计算将服务直接迁移到预部署边缘服务器和从云服务器直接将服务部署到预部署边缘服务器的总成本，比较两种方案的总成本，选择总成本小的方案进行服务部署。该方法的不足之处在于，使用图神经网络预测模型时间成本较大、效率较低，且该方法主要针对部署成本，缺少对系统性能的考虑。
技术实现思路
1、本发明的发明目的在于：针对上述存在的全部或部分问题，提供一种基于改进遗传算法的边缘环境下服务部署系统方法和系统，通过离线部署服务实例的方式解决在线动态部署所存在的不稳定问题，并且提高服务部署方案的性能和成本表现能力。
2、本发明采用的技术方案如下：
3、一种基于改进遗传算法的边缘环境下服务部署方法，包括：
4、利用服务部署矩阵表示各类服务在各个边缘服务器上进行服务实例部署的部署方案，其中，所述服务部署矩阵由多个资源分配向量按列拼接而成，每个所述资源分配向量为一个边缘服务器将资源分配给各类服务的表示向量；以所述服务部署矩阵作为染色体编码方式，根据预设的种群规模生成初始化种群；
5、以服务部署的性能指标和成本指标构建目标函数，并设置所述目标函数的约束条件；所述性能指标为平均请求处理时延，所述成本指标由预算盈余和系统平衡性收益组成；
6、根据所述约束条件从所述初始化种群中选择出可行解种群，以所述可行解种群中的每个染色体作为个体，计算以该染色体进行服务部署的性能指标和成本指标，求取目标函数值，以目标函数值的倒数作为个体的适应度；根据适应度大小选择个体遗传到下一代种群，对选择的个体进行交叉运算和变异运算，生成新的个体遗传到下一代种群，并对交叉运算和变异运算所得到的不满足所述约束条件的个体进行非法解修正，再以约束条件从下一代种群中选择出可行解种群，以此循环直到达到设定的遗传代数；最终选择具有最大适应度的染色体进行服务部署。
7、进一步的，所述以服务部署的性能指标和成本指标构建目标函数，并设置所述目标函数的约束条件，包括：
8、构建目标函数为：
9、，
10、其中，为目标函数值，为平均请求处理时延，为预算盈余，为系统平衡性收益，和分别为可设置的参数；
11、设置所述目标函数的约束条件为：
12、约束一：，其中，表示边缘服务器 h将资源分配给服务的表示向量， s表示服务集合，表示服务集合 s中的第 w类服务，表示边缘服务器 h的总可用资源；
13、约束二：。
14、进一步的，所述平均请求处理时延的计算方法为：
15、，
16、其中，表示接入点对服务的单位时间内平均接收到的请求数量，表示接入点承载的关于服务的服务请求总生命周期，表示接入点集合。
17、进一步的，所述服务请求总生命周期由无线传输阶段时间成本、请求路由阶段时间成本和服务执行阶段时间成本求和得到，其中：
18、无线传输阶段时间成本的计算方法为：
19、，
20、其中，表示第类服务的一个服务请求的数据规模，表示接入点的平均无线传输速率；
21、请求路由阶段时间成本的计算方法为：
22、，
23、其中，表示对服务的服务请求从接入点流向目标边缘服务器所经过的节点路径中节点的数量，表示节点之间的平均数据传输速率，；
24、服务执行阶段时间成本的计算方法为：
25、，
26、其中，表示第 w类服务的服务实例在分配单位资源时的平均处理速度。
27、进一步的，所述预算盈余的计算方法为：
28、，
29、其中，是服务部署一个服务实例的单位成本， h表示边缘服务器集合，表示边缘服务器的数量。
30、进一步的，所述系统平衡性收益的计算方法为：
31、，
32、其中，，表示求取方差。
33、进一步的，非法解修正的方法包括：
34、将不满足所述约束条件的个体中超出所部署的边缘服务器的总可用资源的服务实例剔除；
35、将剔除的服务实例重新部署到空闲的边缘服务器上。
36、进一步的，以所述服务部署矩阵作为染色体编码方式，根据预设的种群规模生成初始化种群，包括：
37、以所述服务部署矩阵作为染色体编码方式，根据预设的种群规模，在当前种群中染色体数量低于该种群规模时，不断通过随机染色体编码的方式生成新的染色体加入当前种群，直到染色体数量达到该种群规模，得到初始化种群。
38、为解决上述问题，本发明还提供了一种基于改进遗传算法的边缘环境下服务部署系统，其包括染色体编码及初始化模块、性能及成本评估模块，和最优部署方案获取模块；其中：
39、所述染色体编码及初始化模块被配置为：
40、利用服务部署矩阵表示各类服务在各个边缘服务器上进行服务实例部署的部署方案，其中，所述服务部署矩阵由多个资源分配向量按列拼接而成，每个所述资源分配向量为一个边缘服务器将资源分配给各类服务的表示向量；以所述服务部署矩阵作为染色体编码方式，根据预设的种群规模生成初始化种群；
41、所述性能及成本评估模块被配置为：
42、接收对目标函数和约束条件的配置，所述目标函数基于服务部署的性能指标和成本指标进行构建，所述性能指标为平均请求处理时延，所述成本指标由预算盈余和系统平衡性收益组成；
43、所述最优部署方案获取模块被配置为：
44、根据所述约束条件从所述初始化种群中选择出可行解种群，以所述可行解种群中的每个染色体作为个体，计算以该染色体进行服务部署的性能指标和成本指标，求取目标函数值，以目标函数值的倒数作为个体的适应度；根据适应度大小选择个体遗传到下一代种群，对选择的个体进行交叉运算和变异运算，生成新的个体遗传到下一代种群，并对交叉运算所得到的不满足所述约束条件的个体进行非法解修正，再以约束条件从下一代种群中选择出可行解种群，以此循环直到达到设定的遗传代数；最终选择具有最大适应度的染色体进行服务部署。
45、进一步的，所述最优部署方案获取模块根据以下配置对交叉运算所得到的不满足所述约束条件的个体进行非法解修正：
46、将不满足所述约束条件的个体中超出所部署的边缘服务器的总可用资源的服务实例剔除；
47、将剔除的服务实例重新部署到空闲的边缘服务器上。
48、综上所述，由于采用了上述技术方案，本发明的有益效果是：
49、本发明使用服务部署矩阵对边缘环境中的服务部署方案进行染色体基因编码，克服了无法使用种群遗传优化算法处理服务部署方案优化的技术障碍。另外，本发明综合考虑了边缘计算的系统性能指标和成本指标，使得所获得的服务部署方案能够在系统性能和成本上达到平衡。本发明的方法，在输入边缘计算系统当前的已知属性信息即可进行服务部署方案的离线计算，无需进行嵌入或者实时感知，降低了边缘计算系统中服务部署的门槛和成本。再有，本发明针对边缘计算系统的服务部署问题，对遗传算法进行了改进，在种群遗传过程中，对非法解个体进行了非法解修正，尽可能保留了优秀的基因片段，使得遗传算法对服务部署更具针对性，提高了最终服务部署方案的性能和成本表现。
1.一种基于改进遗传算法的边缘环境下服务部署方法，其特征在于，包括：
2.如权利要求1所述的基于改进遗传算法的边缘环境下服务部署方法，其特征在于，所述以服务部署的性能指标和成本指标构建目标函数，并设置所述目标函数的约束条件，包括：
3.如权利要求2所述的基于改进遗传算法的边缘环境下服务部署方法，其特征在于，所述平均请求处理时延的计算方法为：
4.如权利要求3所述的基于改进遗传算法的边缘环境下服务部署方法，其特征在于，所述服务请求总生命周期由无线传输阶段时间成本、请求路由阶段时间成本和服务执行阶段时间成本求和得到，其中：
5.如权利要求2所述的基于改进遗传算法的边缘环境下服务部署方法，其特征在于，所述预算盈余的计算方法为：
6.如权利要求5所述的基于改进遗传算法的边缘环境下服务部署方法，其特征在于，所述系统平衡性收益的计算方法为：
7.如权利要求1或2所述的基于改进遗传算法的边缘环境下服务部署方法，其特征在于，非法解修正的方法包括：
8.如权利要求1所述的基于改进遗传算法的边缘环境下服务部署方法，其特征在于，以所述服务部署矩阵作为染色体编码方式，根据预设的种群规模生成初始化种群，包括：
9.一种基于改进遗传算法的边缘环境下服务部署系统，其特征在于，包括染色体编码及初始化模块、性能及成本评估模块，和最优部署方案获取模块；其中：
10.如权利要求9所述的基于改进遗传算法的边缘环境下服务部署系统，其特征在于，所述最优部署方案获取模块根据以下配置对交叉运算所得到的不满足所述约束条件的个体进行非法解修正：
