多重网络化产业链中面向任务动态性的自适应任务迁移方法技术

本发明专利技术提供了一种多重网络化产业链中面向任务动态性的自适应任务迁移方法，以解决其在生产过程中存在的层内、层间负载不均衡问题。首先，该方法将多重网络化产业链上的生产单元建模为智能体，并从每个网络层中选择关键智能体来相互合作；其次，为了实现网络层之间的负载均衡，被选中的关键智能体以集中式的形式将任务向目标网络层迁移；最后，为了实现每个网络层内的负载均衡，被级联触发的智能体会以分布式的形式将任务向网络层内其余的智能体迁移。与传统的单一网络化任务迁移方法相比，本方法结合了集中式和分布式任务迁移的优点，在保证任务迁移灵活性的前提下，利用整体状态信息，更好地维持系统的稳定性和高效性。更好地维持系统的稳定性和高效性。更好地维持系统的稳定性和高效性。

【技术实现步骤摘要】
多重网络化产业链中面向任务动态性的自适应任务迁移方法


[0001]本专利技术涉及多重网络化产业链领域，具体涉及一种多重网络化产业链中面向任务动态性的自适应任务迁移方法。

技术介绍

[0002]近年来，随着计算机科学，人工智能和系统工程的发展，产业链变得越来越复杂，呈现出多重网络化的新特点。具有多重网络化特点的产业链中，企业之间可能存在各种物理和信息网络链接，其链接的复杂性与多样性都非常高。因此，当产业链中某个生产单元出现问题时，可能会导致整个产业链系统崩溃。譬如，实际生产过程中，某个生产单元因新到达的生产任务过多而发生过载风险时，这种风险会被逐层传播并层层放大，导致整个产业链系统崩溃从而影响整个产业链的正常生产。
[0003]产业链中由于任务动态性导致其中生产单元负载不均衡时，为了让系统整体安全、正常运行，并优化系统整体任务完成时间，需要对具有过重负载的生产单元进行任务迁移。在多重网络化产业链中，任务迁移可分为不同网络层间的任务迁移以及同一网络层内的任务迁移。由于任务迁移的目的是保证网络层间以及网络层内的负载均衡，因此在任务迁移时，应当选择负载较重的生产单元作为任务迁移出发生产单元，负载较轻的生产单元作为任务迁移接收生产单元。由于多重网络化产业链的复杂性，同一网络层内的生产单元存在异构性，任务迁移的成本不同。同时网络层之间的生产单元也具有异构性，其完成任务的成本也不相同，在任务迁移时可能会因为成本限制而无法进行过多任务迁移。同时，层内迁移与层间迁移会相互影响，当网络层之间负载不均衡，进行层间任务迁移之后可能会导致接收任务的网络层产生层内负载不均衡的情况；当网络层内生产单元负载不均衡，任务迁移会考虑在不同网络层间迁移。由此可见，多重网络化产业链中任务迁移需要考虑层内迁移和层间迁移的相互影响。
[0004]实现多重网络化产业链的负载均衡是为了平衡产业链中的各个生产单元承担的生产任务，让整个系统完成所有生产任务的成本最少，防止生产单元由于负载过重而产生的过载风险，以达成最佳的产业链生产效率。因此，我们希望能通过分析多重网络化产业链中多重网络结构，有效利用网络层间与网络层内的任务迁移来使整个系统的负载均衡，降低任务完成成本，让产业链中的生产单元都面临较小的过载风险，保障产业链系统的生产稳定。

技术实现思路

[0005]技术问题：本专利技术的目的是在多重网络化产业链背景下提出一种新型的分层级联触发的任务迁移算法。该算法首先将多重网络化产业链中的生产单元建模为智能体，从每个网络层中选择关键智能体来相互合作。为了实现网络层之间的负载平衡，被选中的关键智能体需要组织从其所在网络层向目标网络层的任务迁移。这种具有分层控制形式的集中式方法有效地解决了多重网络化产业链所带来的维度挑战。为了实现每个网络层的负载平
衡，采用级联触发的方法决定智能体是否仍然需要迁移任务。这样的分布式方法除了实现任务迁移的灵活性外，还能解决级联负载不平衡带来的复杂性挑战。其中，层间任务迁移所采用的集中式算法不仅能实现对全局信息的高效控制，还能解决多重网络化产业链结构所带来的解空间维度高的挑战；与此同时，层内任务迁移所采用的分布式算法不仅能提高任务迁移的灵活性，还能解决级联负载不平衡带来的解空间复杂度高的难题。
[0006]技术方案：在多重网络化产业链中，生产任务存在着到达和被完成的动态性。网络层和智能体的负载会因为任务动态性而发生改变，从而出现负载不均衡的现象，进而可能导致多重网络化产业链发生过载的风险。为了消除这种因生产任务动态性带来的负载不均衡对多重网络化产业链可能造成的过载风险，需要设计一种针对任务动态性的自适应任务迁移策略，平衡系统中网络层内与网络层间的负载情况。该任务迁移方法的主要技术方案如下：
[0007]当产业链中有新任务到达时，需要依次进行层间任务迁移与层内任务迁移。假设当网络中存在新任务集T到达，并假设接收新任务的网络层集合为{A
[l]}。首先根据智能体a
i
的负载情况、过载概率、在网络层中的重要性，在所有网络层A中选择关键智能体负责组织网络层间的任务迁移。针对网络层集合{A
[l]}中的所有网络层A
[l]，选择网络层负载S
[l]大于网络层平均负载超过一定阈值时，选择该网络层A
[l]进行任务迁移。选择网络层A
[l]中负载情况最重的智能体，将其负载最大的任务t
k
迁移至该网络层A
[l]中的关键智能体并在关键智能体中判断其他网络层的负载情况，并决定该任务的接受网络层A
[j]。如果存在接受网络层A
[j]，则将该任务t
k
迁移至网络层A
[j]中的关键智能体上。当场景中不存在负载过重的网络层时，网络层间任务迁移就已经完成，保证了网络层之间负载较为均衡。以图2所示，在新任务到达之后，在负载不均衡的网络层中选择相应智能体进行任务迁移，达到网络层间负载均衡的目的。
[0008]在网络层间任务迁移之后，通过跨层任务迁移，某些网络层中的关键智能体可能会接收许多来自其他网络层的任务；对于网络层内的各智能体，仍然有部分智能体执行任务的成本过高、智能体过载导致易出现过载风险的情况。因此在网络层间任务迁移之后，执行网络层内任务迁移来平衡网络层内各智能体的负载也极其重要。假设网络层中负载增加的智能体集合为A
m
，计算负载增加的智能体的效用函数值u
i
，从效用函数值最大的智能体a
i
中选择负载最大的任务t
k
进行任务迁移。计算智能体a
i
相邻智能体的情境接收任务能力I
i
，从a
i
相邻智能体中选择情景接收能力最大的智能体a
j
作为任务迁移接收智能体。智能体a
j
接收任务后，判断a
j
当前负载情况是否需要任务迁移，如果需要任务迁移，则将其加入负载增加的智能体集合A
m
中。采取触发级联式任务迁移的方法，在接收任务的同时判断是否需要继续任务迁移，直至系统中的智能体都满足停止条件，此时网络层内的智能体达到了负载均衡。当网络层内以及网络层间的任务迁移全部结束，则此时整个系统中智能体与智能体之间、网络层与网络层之间均处于负载平衡状态。以图3为例，在网络层中存在负载不均衡的情况下，进行触发式级联任务迁移，最终任务迁移结束后保证网络层内各智能体之间负载均衡。
[0009]有益效果：
[0010](1)平衡网络层内与网络层间的负载均衡在自适应任务迁移方法中，能根据系统
中任务动态变化，分别执行网络层内以及网络层间任务迁移方法，能解决以往只考虑单一网络或将多层网络视为一层网络的迁移方法容易陷入局部最优的缺点，不能自适应平衡网络层内和网络层间之间负载的问题，
[0011](2)减少系统任务完成总成本由于智能体的异构性，智能体执行相同任务需要的成本不同，因此在任务迁移过程中，动态调整系统中智能体承担的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多重网络化产业链中面向任务动态性的自适应任务迁移方法，具体步骤如下：首先将多重网络化产业链上的生产单元建模为智能体，并从每个网络层中选择关键智能体来相互合作；其次为了实现网络层之间的负载平衡，被选中的关键智能体会将该层负载较大的智能体中最重的任务向目标网络层进行迁移；最后为了实现每个网络层内的负载平衡，采用级联触发的方法决定智能体是否需要继续迁移任务。2.根据权利要求1所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法，其特征是：多重网络化产业链中任务集T中的每个任务t
k
都能用一个二元组<size(t
k
),pos(t
k
)>来表示；其中，size(t
k
)表示执行任务t
k
的负载大小，智能体执行不同负载的任务所需的成本不同；pos(t
k
)表示任务执行的智能体，在同一时刻，一个任务只能够由一个智能体来执行，并且多重网络化产业链中的智能体表示能够独立完成给定任务的生产单元；每个智能体a
i
用三元组表示，其中v
i
表示智能体a
i
在单位成本下能够执行任务的大小；Q
i
表示智能体a
i
上正在执行的任务队列，即Q
i
＝{t1,t2,
…
,t
k
}；表示智能体a
i
所属的网络层集合，在实际的产业链系统中，每个智能体能属于不同的网络层。3.根据权利要求2所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法，其特征是：多重网络化产业链中的多重网络被表示为一个由M种链接组成的智能体集合每种链接表示产业链系统中存在的一个网络层，表示为l连通的智能体集合A
[l]
＝{a1,a2,
…
,a
N
}；这种存在多个网络层的多重网络结构能用一个超拉普拉斯矩阵的形式表示；的每个元素表示为邻接矩阵其中，如果智能体a
i
与智能体a
j
之间存在着l类型的链接，那么的值为一个常数，表示智能体a
i
与智能体a
j
之间通过网络层l协作与任务迁移所需要的成本，如果智能体a
i
与智能体a
j
之间不存在l类型的链接，则4.根据权利要求3所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法，其特征是：在多重网络化产业链场景下，随着任务负载的增加，智能体和网络层均会受到相应的影响；本文用p
i
来表示智能体a
i
受到过载影响时处于正常工作状态的概率，p
i
的值为其中r
i
为智能体自身的过载影响，表示为r
i
＝ψ
a
(S
i
)，S
i
为智能体上的负载和，ψ
a
为一单调递增函数；r
[l]
为智能体相邻网络层的过载影响，表示为其中ψ
N
为一单调递增函数；多重网络化产业链中，任务负载越大，智能体过载影响r
i
与网络层过载影响r[l]越大，智能体在过载影响下的正常工作概率越低，说明其越需要任务迁移。5.根据权利要求4所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法，其特征是：由于多重网络结构的存在，当智能体和网络层的负载发生变化时，智能体会通过多重网络中的链接进行自适应任务迁移，以此来降低任务的完成成本，保证智能体的正常运行；任务从智能体a
i
迁移到智能体a
j
所需要的成本表示为c
ij
。6.根据权利要求5所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法，其特征是：在执行任务迁移之前，需要找出每个网络层中的关键智能体a
key
，负责记录网络层的负载情况，同时与其他关键智能体协调网络层间的任务迁移，并协调网络层内的智能体进行层内的任务迁移；选择关键智能体时需要考虑以下几个条件：1)智能体的负载
较小，不易因过载风险而导致无法正常工作；2)智能体能够以较小成本进行网络层间的任务迁移，最好关键智能体能够同时属于多个网络层；3)经过网络层间任务迁移到达关键智能体的任务能够以较小成本迁移给各个智能体；为了选出...

【专利技术属性】
技术研发人员：蒋嶷川，牟玉宇，毛烨昊，陈福林，柳天祎，狄凯，
申请(专利权)人：东南大学，
类型：发明
国别省市：