基于D2D通信的多任务联合计算卸载与资源分配方法

基于d2d通信的多任务联合计算卸载与资源分配方法
技术领域
1.本发明涉及通信技术领域，具体涉及基于d2d通信的多任务联合计算卸载与资源分配方法。


背景技术：

2.移动网络和智能设备的快速发展为人们的日常生活提供了大量的服务应用，但同时这些应用也产生了大量的计算密集型任务。特别是随着虚拟现实、人脸识别和环境交互应用的出现，移动终端设备有限的计算能力难以满足计算量大、时延敏感的复杂任务。移动边缘计算(mobile edge computing,mec)被认为是一种有效的技术来应对这一挑战。mec在无线接入网(ran)中提供云计算能力，mec将用户直接连接到最近的边缘计算服务器，这使得他们的需求可以在任何时间和任何地点得到满足。通过将任务卸载到与基站相连的边缘计算服务器，用户可以获得更好的应用程序体验。mec服务器具有较高的计算能力，可以在短时间内完成任务并将结果返回给用户。
3.在实际中，移动终端分布密集，每台设备都具有一定的计算能力，计算能力较低的用户可以通过设备到设备(device to device,d2d)通信将其任务卸载给周围的空闲设备；与mec卸载方案相比，d2d技术可以进一步提升用户体验，充分利用移动用户之间的协作，并且在人群密集的场景中，d2d技术可以有效减缓蜂窝网络的压力。在用户终端有多任务计算需求的场景下，合理的任务卸载决策与资源分配方案能够有效的降低用户的开销。


技术实现要素：

4.本发明目的：在于提供基于d2d通信的多任务联合计算卸载与资源分配方法，本地终端通过将自身产生的多个计算任务同时卸载到周围的多个闲置终端上，应用该方法，减少任务延迟，本地终端能耗等方面的开销。
5.为实现以上功能，本发明设计基于d2d通信的多任务联合计算卸载与资源分配方法，按预设周期执行以下步骤，将本地终端上的计算任务卸载到该本地终端周围具有空闲计算资源的各闲置终端，实现本地终端总开销最小化的本地终端计算任务的分配；
6.s1.以本地终端为中心，检测预设范围内存在的闲置终端，获取各闲置终端的计算能力fn、能耗定价允许接受的最大能耗信道状态gn，其中n∈{1,2,
…
,n},n为闲置终端的总数；
7.s2.基于本地终端上各计算任务的执行方式，构建各个决策样本；
8.s3.分别针对各决策样本，基于各计算任务的处理延迟函数tm，其中m∈{1,2,
…
,m}，m为计算任务的总数，本地终端处理决策样本所分配各计算任务的总计算能耗函数e
loc
、该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数其中n∈{1,2,
…
,n},n为闲置终端的总数，以及该各闲置终端分别接收本地终端各计算任务所对应的收取费用函数，确定本地终端对应该决策样本的总开销目标函数、以及约束条件；
9.s4.分别针对各决策样本，计算各决策样本分别所对应的本地终端与各闲置终端之间的传输时延上限、本地终端与各闲置终端之间的时延下限，确定在约束条件下该决策样本所对应的最佳传输时延函数；
10.分别针对各决策样本，基于本地终端对应该决策样本的总开销目标函数、约束条件、在约束条件下该决策样本所对应的最佳传输时延函数，计算本地终端对应该决策样本的总开销；
11.s5.以最小化本地终端总开销为目标，通过预设次数的迭代，选取使本地终端总开销最小的决策样本，并基于该决策样本完成本地终端上各计算任务的分配。
12.作为本发明的一种优选技术方案：所述步骤s2中构建决策样本的具体步骤如下：
13.s21.本地终端上的各计算任务用集合γ＝{t1，t2，
…
tm}表示，其中计算任务的总数为m，各计算任务的属性用集合{cm，dm，lm}表示，其中cm为处理该计算任务所需要的cpu周期总数，dm为该计算任务的数据量，lm为该计算任务允许接受的最大时延，其中m∈{1,2,
…
,m}，m为计算任务的总数；
14.s22.将各闲置终端根据其信道增益由大至小进行排序并编号，各闲置终端的信道增益满足g1≥
…
≥gn≥
…
≥gn，其中gn为其中一个闲置终端的信道增益，n∈{1,2,
…
,n},n为闲置终端的总数，各闲置终端用集合λ＝{1,2,
…
,n}表示；
15.s23.分别针对本地终端上的各计算任务中的一个计算任务tm，其中m∈{1,2,
…
,m}，m为计算任务的总数，构建计算任务tm执行方式如下式：
16.{x
m,0
,x
m,1
,
…
x
m,n
,
…
x
m,n
}
17.式中x
m，n
表示计算任务tm的执行方式，其中n∈{1，2，...，n}，n为闲置终端的总数，x
m,0
＝1表示计算任务tm在本地终端进行处理，x
m,0
＝0表示计算任务tm不在本地终端进行处理，x
m,n
＝1表示计算任务tm卸载到闲置终端n进行处理，x
m，n
＝0表示计算任务tm不在闲置终端n进行处理，本地终端上的各计算任务集合中的每个计算任务的执行方式均满足
18.s24.分别针对本地终端上的各计算任务，基于本地终端上的各计算任务的执行方式，构建决策样本，每个决策样本用一个m行，n 1列的矩阵a表示，矩阵a如下式：
[0019][0020]
其中，矩阵a中第1列表示本地终端上的各计算任务的执行情况，第2列至第n 1列表示卸载到各闲置终端上的各计算任务的执行情况。
[0021]
作为本发明的一种优选技术方案：所述步骤s3中确定本地终端总开销目标函数、以及约束条件具体步骤如下：
[0022]
s31.分别针对每个决策样本，将本地终端及各闲置终端上的计算任务数量用集合{k0，k1，...，kn}表示，针对本地终端上的各计算任务，将其按允许接受的最大时延lm从大至小排列，并用集合表示；针对闲置终端n上的各计算任务，将其按允许接受的最大时延lm从大至小排列，并用集合表示；
[0023]
s32.分别计算本地终端处理决策样本所分配各计算任务的总计算能耗函数e
ioc
、
该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数如下式：
[0024][0025][0026]
式中，μ为每个cpu周期需要消耗的能量，t
tran
为本地终端向闲置终端卸载计算任务的传输时间，p
tot
为本地终端的最小发射总功率；
[0027]
其中，基于决策样本所对应的计算任务执行决策x，本地终端向闲置终端卸载计算任务的传输时间t
tran
，本地终端的最小发射总功率p
tot
的关系如下式：
[0028][0029]
式中，gn为第n个闲置终端，g
n-1
为第n-1个闲置终端，gn为第n个闲置终端，且g
n-1
≥gn≥gn，w为传输信道带宽，n0为白噪声功率谱密度，k表示闲置终端编号；
[0030]
s33.针对本地终端上的各计算任务中的一个计算任务tm，将其卸载到闲置终端n，计算任务tm的处理延迟tm的表达式如下式：
[0031][0032]
式中，f
loc
为本地终端的计算能力、fn为闲置终端的计算能力，sn(m)为计算任务tm在集合sn中的位置，s0(m)为计算任务tm在集合s0中的位置，i表示计算任务在集合s0或集合sn中的编号；
[0033]
s34.计算各闲置终端分别接收本地终端各计算任务所对应的收取费用函数monn如下式：
[0034][0035]
式中，为闲置终端n单位能耗的定价；
[0036]
s34.基于计算任务tm的处理延迟tm、本地终端处理决策样本所分配各计算任务的总计算能耗函数e
loc
、该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数各闲置终端分别接收本地终端各计算任务所对应的收取费用函数monn，确定本地终端对应该决策样本的总开销目标函数如下式：
[0037][0038]
约束条件为：
[0039]
(1)
[0040]
(2)
[0041]
(3)p
tot
≤p
max
[0042]
(4)α β γ＝1
[0043]
(5)α，β，γ∈(0，1)，t
tran
＞0，x
m，n
∈{0，1}
[0044]
其中，p
max
为本地终端的最大发射功率，为闲置终端n可接受的最大能耗，α、β、γ分别为本地终端针对处理延迟、能耗、各闲置终端分别接收本地终端各计算任务所对应的收取费用的权重系数。
[0045]
作为本发明的一种优选技术方案：所述步骤s4中确定该决策样本所对应的最佳传输时延函数的具体步骤如下：
[0046]
s41.分别针对每个决策样本，计算本地终端与各闲置终端之间传输时延上限如下式：
[0047][0048]
式中，δn为本地终端与闲置终端n之间的传输时延上限，具体如下式：
[0049][0050]
式中，t
′m为计算任务tm在本地终端或闲置终端的时延，具体如下式：
[0051][0052]
s42.基于本地终端的最大发射功率p
max
，根据下式计算本地终端与各闲置终端之间传输时延下限如下式：
[0053][0054]
s43.基于本地终端的最大发射功率p
max
，根据下式计算使得该决策样本所对应的本地终端总开销最小的传输时延t
′
tran
：
[0055][0056]
s44.基于本地终端与各闲置终端之间传输时延上限传输时延下限确定最佳传输时延函数
[0057]
(1)若且则
[0058]
(2)若且则
[0059]
(3)若且则
[0060]
(4)若且则根据步骤s41重新计算本地终端与各闲置终端之间传输时延上限，并记作
[0061]
(1)若则
[0062]
(2)若则
[0063]
s45.通过将最佳传输时延函数带入至计算任务tm的处理延迟tm表达式中，获得基于最佳传输时延函数的计算任务tm的处理延迟基于本地终端对应该决策样本的总开销目标函数，获得本地终端对应该决策样本的总开销如下式：
[0064][0065]
式中，σ为预设的惩罚值。
[0066]
作为本发明的一种优选技术方案：所述步骤s5中以最小化本地终端总开销为目标，通过预设次数的迭代，选取使本地终端总开销最小的决策样本，完成本地终端上各计算任务的分配的具体步骤为：
[0067]
s51.以不同的决策样本参与迭代，并根据各决策样本对本地终端上的各计算任务进行分配，并预设最大迭代次数，判断是否达到预设最大迭代次数，若达到预设最大迭代次数，则选取各次迭代中使本地终端总开销最小的决策样本对本地终端上各计算任务进行分配；
[0068]
若未达到预设最大迭代次数，则进行步骤s52；
[0069]
s52.在各决策样本中实施交叉操作：在各决策样本中随机选取两个决策样本，记作a1、a2，决策样本反映了每个任务的执行决策，将决策样本中的n 1列向量视为染色体，各个染色体上都含有m个元素对应表示m个任务在本地终端或各闲置终端上的执行情况，分别将决策样本a1、a2记作父代个体1、父代个体2，随机选取染色体的位置以及染色体上交叉节点的位置，表达式如下式：
[0070]
(θ1，θ2)
[0071]
式中，θ1为染色体在其所属的父代个体中的位置，θ2为染色体中的交叉节点的位置。在该位置的基础上进行交叉互换，将父代个体1的前θ
1-1列以及第θ1列上的前θ2个元素与父代个体2的后n 1-θ1列以及第θ1列上的后m-θ2个元素进行组合生成新的个体1，将父代个体1的后n 1-θ1列以及第θ1列上的后m-θ2个元素与父代个体2的前θ
1-1列以及第θ1列上的前θ2个元素进行组合生成新的个体2，生成两个新的个体，分别记作子代个体1、子代个体2；
[0072]
每次交叉操作完成后，针对每个子代个体，校验其是否满足若表示计算任务缺失，则针对缺失的计算任务随机选取可对其进行执行的闲置终端或本地终端，若表示计算任务重复，则随机选择执行该计算任务的闲置终端或本地终端；
[0073]
s53.在各决策样本中实施变异操作：基于已完成的各次迭代中的各决策样本中，
使本地终端总开销最小的决策样本不参与变异操作，针对其他各决策样本，以预设概率执行变异操作，对于决策样本所对应的矩阵，随机选取染色体的位置以及染色体上变异元素的位置，表达式如下式：
[0074]
(θ3，θ4)
[0075]
式中，θ3为染色体在其所属个体中的位置，θ4为染色体上变异元素的位置；
[0076]
以表示染色体上元素的值，若则将其值修改为0，并为其所对应的计算任务随机选取对其进行执行的闲置终端或本地终端，若则将其值修改为1，并将其所对应的计算任务从原执行该计算任务的闲置终端或本地终端上去除；
[0077]
s54.针对各决策样本，以及经过交叉操作、变异操作所得的各决策样本，分别计算各决策样本所对应的本地终端总开销，并选取最佳的原始种群数量的样本构建样本群参与迭代，直至达到预设最大迭代次数。
[0078]
有益效果：相对于现有技术，本发明的优点包括：
[0079]
1、本发明以计算任务完成数量最大化为目标，通过将计算任务分散卸载到不同的闲置终端上，使得计算任务时延最小化，最大程度的保证每个计算任务都能在该计算任务允许接受的最大时延内完成。
[0080]
2、本发明联合考虑了计算任务时延，能耗，以及卸载费用等方面的本地终端开销，对此方面进行了联合优化，用户可以根据对不同资源的重视情况调整自身开销的定义。
[0081]
3、不同于传统的计算任务卸载方法，本方法充分利用周围闲置终端的计算资源，可以将多个计算任务同时卸载到一台终端设备上，也可以同时将多个计算任务同时卸载到多台终端设备上，灵活性较高。
附图说明
[0082]
图1是根据本发明实施例提供的流程示意图；
[0083]
图2是根据本发明实施例提供的系统模型示意图。
具体实施方式
[0084]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0085]
参照图1、图2，本发明实施例提供的基于d2d通信的多任务联合计算卸载与资源分配方法，按预设周期执行以下步骤，将本地终端上的计算任务卸载到该本地终端周围具有空闲计算资源的各闲置终端，实现本地终端总开销最小化的本地终端计算任务的分配，其中，本地终端d2d通信最长距离为50m；
[0086]
s1.以本地终端为中心，检测预设范围内存在的闲置终端，获取各闲置终端的计算能力fn、能耗定价允许接受的最大能耗信道状态gn，其中n∈{1，2，...，n}，n为闲置终端的总数；
[0087]
s2.基于本地终端上各计算任务的执行方式，构建各个决策样本；
[0088]
s3.分别针对各决策样本，基于各计算任务的处理延迟函数tm，其中m∈{1，2，...，m}，m为计算任务的总数，本地终端处理决策样本所分配各计算任务的总计算能耗函数e
loc
、
该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数其中n∈{1，2，...，n}，n为闲置终端的总数，以及该各闲置终端分别接收本地终端各计算任务所对应的收取费用函数，确定本地终端对应该决策样本的总开销目标函数、以及约束条件；
[0089]
s4.分别针对各决策样本，计算各决策样本分别所对应的本地终端与各闲置终端之间的传输时延上限、本地终端与各闲置终端之间的时延下限，确定在约束条件下该决策样本所对应的最佳传输时延函数；
[0090]
分别针对各决策样本，基于本地终端对应该决策样本的总开销目标函数、约束条件、在约束条件下该决策样本所对应的最佳传输时延函数，计算本地终端对应该决策样本的总开销；
[0091]
s5.以最小化本地终端总开销为目标，通过预设次数的迭代，选取使本地终端总开销最小的决策样本，并基于该决策样本完成本地终端上各计算任务的分配。
[0092]
本发明实施例提供的基于d2d通信的多任务联合计算卸载与资源分配方法，所述步骤s2中构建决策样本的具体步骤如下：
[0093]
s21.本地终端上的各计算任务用集合γ＝{t1，t2，...tm}表示，其中计算任务的总数为m，各计算任务的属性用集合{cm，dm，lm}表示，其中cm为处理该计算任务所需要的cpu周期总数，dm为该计算任务的数据量，lm为该计算任务允许接受的最大时延，其中m∈{1，2，...，m}，m为计算任务的总数；
[0094]
s22.将各闲置终端根据其信道增益由大至小进行排序并编号，各闲置终端的信道增益满足g1≥
…
≥gn≥
…
≥gn，其中gn为其中一个闲置终端的信道增益，n∈{1，2，...，n}，n为闲置终端的总数，各闲置终端用集合λ＝{1，2，...，n}表示；
[0095]
s23.分别针对本地终端上的各计算任务中的一个计算任务tm，其中m∈{1，2，...，m}，m为计算任务的总数，构建计算任务tm执行方式如下式：
[0096]
{x
m,0
，x
m,1
，...x
m,n
，...x
m,n
}
[0097]
式中x
m,n
表示计算任务tm的执行方式，其中n∈{1，2，...，}，n为闲置终端的总数，x
m,0
＝1表示计算任务tm在本地终端进行处理，x
m,0
＝0表示计算任务tm不在本地终端进行处理，x
m,n
＝1表示计算任务tm卸载到闲置终端n进行处理，x
m,n
＝0表示计算任务tm不在闲置终端n进行处理，本地终端上的各计算任务集合中的每个计算任务的执行方式均满足即每个计算任务只能选择在一个闲置终端或本地终端上进行处理；
[0098]
s24.分别针对本地终端上的各计算任务，基于本地终端上的各计算任务的执行方式，构建决策样本，每个决策样本用一个m行，n 1列的矩阵a表示，矩阵a如下式：
[0099][0100]
其中，矩阵a中第1列表示本地终端上的各计算任务的执行情况，第2列至第n 1列表示卸载到各闲置终端上的各计算任务的执行情况，每构建一个计算任务的决策样本时要判断各闲置终端是否满足能耗限制。
[0101]
本发明实施例提供的基于d2d通信的多任务联合计算卸载与资源分配方法，所述
步骤s3中确定本地终端总开销目标函数、以及约束条件具体步骤如下：
[0102]
s31.分别针对每个决策样本，将本地终端及各闲置终端上的计算任务数量用集合{k0，k1，...，kn}表示，计算任务在各闲置终端或本地终端上以串行方式进行处理，针对本地终端上的各计算任务，将其按允许接受的最大时延lm从大至小排列，并用集合表示；针对闲置终端n上的各计算任务，将其按允许接受的最大时延lm从大至小排列，并用集合时延lm从大至小排列，并用集合表示；
[0103]
s32.分别计算本地终端处理决策样本所分配各计算任务的总计算能耗函数e
loc
、该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数如下式：
[0104][0105][0106]
式中，μ为每个cpu周期需要消耗的能量，t
tran
为本地终端向闲置终端卸载计算任务的传输时间，p
tot
为本地终端的最小发射总功率；
[0107]
其中，基于决策样本所对应的计算任务执行决策x，本地终端向闲置终端卸载计算任务的传输时间t
tran
，本地终端的最小发射总功率p
tot
的关系如下式：
[0108][0109]
式中，gn为第n个闲置终端，g
n-1
为第n-1个闲置终端，gn为第n个闲置终端，且g
n-1
≥gn≥gn，w为传输信道带宽，n0为白噪声功率谱密度，k表示闲置终端编号；
[0110]
s33.针对本地终端上的各计算任务中的一个计算任务tm，将其卸载到闲置终端n，计算任务tm的处理延迟tm的表达式如下式：
[0111][0112]
式中，f
loc
为本地终端的计算能力、fn为闲置终端的计算能力，即每秒钟本地终端或该闲置终端能够处理的cpu周期数目，sn(m)为计算任务tm在集合sn中的位置，s0(m)为计算任务tm在集合s0中的位置，i表示计算任务在集合s0或集合sn中的编号；
[0113]
s34.本地终端将计算任务卸载至各闲置终端的同时需要向该闲置终端缴纳费用作为佣金，计算各闲置终端分别接收本地终端各计算任务所对应的收取费用函数monn如下式：
[0114]
[0115]
式中，为闲置终端n单位能耗的定价，其与闲置终端n可接受的最大能耗闲置终端n的计算能力fn、以及闲置终端n对能量的价值重视因子ηn有关，具体关系如下式：
[0116][0117]
s34.基于计算任务tm的处理延迟tm、本地终端处理决策样本所分配各计算任务的总计算能耗函数e
loc
、该决策样本所涉及各闲置终端分别接收来自该决策样本所分配计算任务的传输能耗函数各闲置终端分别接收本地终端各计算任务所对应的收取费用函数monn，确定本地终端对应该决策样本的总开销目标函数如下式：
[0118][0119]
约束条件为：
[0120]
(1)
[0121]
(2)
[0122]
(3)p
tot
≤p
max
[0123]
(4)α β γ＝1
[0124]
(5)α，β，γ∈(0，1)，t
tran
＞0，x
m,n
∈{0，1}
[0125]
其中，p
max
为本地终端的最大发射功率，为闲置终端n可接受的最大能耗，α、β、γ分别为本地终端针对处理延迟、能耗、各闲置终端分别接收本地终端各计算任务所对应的收取费用的权重系数，三者分别反映了本地终端对处理延迟、能耗以及卸载费用的重视程度，式(1)保证所有的计算任务必须在计算任务本身的最大时间限制内完成；式(2)限制了闲置终端可用于计算的最大能量；式(3)为本地终端发射功率的限制；式(4)规定了处理延迟系数、能耗系数与卸载费用系数三者之间的关系；式(5)限制α、β、γ的取值范围。。
[0126]
本发明实施例提供的基于d2d通信的多任务联合计算卸载与资源分配方法，所述步骤s4中确定该决策样本所对应的最佳传输时延函数的具体步骤如下：
[0127]
s41.分别针对每个决策样本，计算本地终端与各闲置终端之间传输时延上限如下式：
[0128][0129]
式中，δn为本地终端与闲置终端n之间的传输时延上限，具体如下式：
[0130][0131]
式中，t
′m为计算任务tm在本地终端或闲置终端的时延，具体如下式：
[0132][0133]
s42.基于本地终端的最大发射功率p
max
，根据下式计算本地终端与各闲置终端之
间传输时延下限如下式：
[0134][0135]
s43.基于本地终端的最大发射功率p
max
，根据下式计算使得该决策样本所对应的本地终端总开销最小的传输时延t
′
tran
：
[0136][0137]
s44.基于本地终端与各闲置终端之间传输时延上限传输时延下限确定最佳传输时延函数
[0138]
如果说明存在ttran使所有卸载出去的计算任务在约束时间内完成，则分如下情况讨论：
[0139]
(1)若且则
[0140]
(2)若且则
[0141]
如果说明当前存在部分计算卸载出去的计算任务无法按时完成，则分如下情况讨论：
[0142]
(3)若且说明所有卸载出去的计算任务都无法在时延限制内完成，则
[0143]
(4)若且说明存在部分计算任务能够在时延限制内完成，针对能够按时完成的计算任务，根据步骤s41重新计算本地终端与各闲置终端之间传输时延上限，并记作
[0144]
(1)若则
[0145]
(2)若则
[0146]
s45.通过将最佳传输时延函数带入至计算任务tm的处理延迟tm表达式中，获得基于最佳传输时延函数的计算任务tm的处理延迟基于本地终端对应该决策样本的总开销目标函数，获得本地终端对应该决策样本的总开销如下式：
[0147][0148]
式中，σ为预设的惩罚值，如果有计算任务无法按时完成的情况，则基于本地终端对应该决策样本的总开销目标函数附加预设的惩罚值σ。
[0149]
本发明实施例提供的基于d2d通信的多任务联合计算卸载与资源分配方法，所述步骤s5中以最小化本地终端总开销为目标，通过预设次数的迭代，选取使本地终端总开销最小的决策样本，完成本地终端上各计算任务的分配的具体步骤为：
[0150]
s51.以不同的决策样本参与迭代，并根据各决策样本对本地终端上的各计算任务进行分配，并预设最大迭代次数，判断是否达到预设最大迭代次数，若达到预设最大迭代次数，则选取各次迭代中使本地终端总开销最小的决策样本对本地终端上各计算任务进行分配；
[0151]
若未达到预设最大迭代次数，则进行步骤s52；
[0152]
s52.在各决策样本中实施交叉操作：在各决策样本中随机选取两个决策样本，记作a1、a2，决策样本反映了每个任务的执行决策，将决策样本中的n 1列向量视为染色体，各个染色体上都含有m个元素对应表示m个任务在本地终端或各闲置终端上的执行情况，分别将决策样本a1、a2记作父代个体1、父代个体2，随机选取染色体的位置以及染色体上交叉节点的位置，表达式如下式：
[0153]
(θ1，θ2)
[0154]
式中，θ1为染色体在其所属的父代个体中的位置，θ2为染色体中的交叉节点的位置。在该位置的基础上进行交叉互换，将父代个体1的前θ
1-1列以及第θ1列上的前θ2个元素与父代个体2的后n 1-θ1列以及第θ1列上的后m-θ2个元素进行组合生成新的个体1，将父代个体1的后n 1-θ1列以及第θ1列上的后m-θ2个元素与父代个体2的前θ
1-1列以及第θ1列上的前θ2个元素进行组合生成新的个体2，生成两个新的个体，分别记作子代个体1、子代个体2；
[0155]
每次交叉操作完成后，针对每个子代个体，校验其是否满足若表示计算任务缺失，则针对缺失的计算任务随机选取可对其进行执行的闲置终端或本地终端，若表示计算任务重复，则随机选择执行该计算任务的闲置终端或本地终端；
[0156]
s53.在各决策样本中实施变异操作：基于已完成的各次迭代中的各决策样本中，使本地终端总开销最小的决策样本不参与变异操作，针对其他各决策样本，以预设概率执行变异操作，对于决策样本所对应的矩阵，随机选取染色体的位置以及染色体上变异元素的位置，表达式如下式：
[0157]
(θ3，θ4)
[0158]
式中，θ3为染色体在其所属个体中的位置，θ4为染色体上变异元素的位置；
[0159]
以表示染色体上元素的值，若则将其值修改为0，并为其所对应的计算任务随机选取对其进行执行的闲置终端或本地终端，若则将其值修改为1，并将其所对应的计算任务从原执行该计算任务的闲置终端或本地终端上去除；
[0160]
s54.针对各决策样本，以及经过交叉操作、变异操作所得的各决策样本，分别计算各决策样本所对应的本地终端总开销，并选取最佳的原始种群数量的样本构建样本群参与迭代，直至达到预设最大迭代次数。
[0161]
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。