王曉燕,趙建峰
(河南職業(yè)技術學院 信息工程系,河南 鄭州450046)
在現(xiàn)代海洋運輸領域,如何構建基于物聯(lián)網及云計算[1]的船聯(lián)網是現(xiàn)代海洋運輸業(yè)研究的熱點。其關鍵技術是通過傳感器采集各船只動態(tài)的運行參數(shù),通過統(tǒng)一的云平臺進行數(shù)據(jù)存儲、計算及消息傳遞,進行統(tǒng)一的任務調度。一個高效的海上船舶調度系統(tǒng)不僅事關船舶運行的安全,同時能夠極大地節(jié)省航運公司的運輸成本。
物聯(lián)網技術是通過各種類型的傳感器采集目標物的各種動態(tài)及靜態(tài)物理數(shù)據(jù),并在網絡中進行數(shù)據(jù)的采集、傳輸及處理,隨著物聯(lián)網規(guī)模的擴展,其要求的數(shù)據(jù)計算、分析及存儲能力也成指數(shù)級提升。而云計算是基于分布式存儲[2]及網格并行計算的一種全新計算體系結構,其在存儲量及計算效率上都有飛躍式提升。所以基于物聯(lián)網及云計算的海上調度系統(tǒng)成為現(xiàn)代海洋運輸業(yè)的關鍵組成部件之一。
本文在研究現(xiàn)有物聯(lián)網及云計算技術的基礎上,優(yōu)化了蟻群算法在海上調度系統(tǒng)中的實現(xiàn),最后給出了算法在基于物聯(lián)網云計算中的實現(xiàn),并進行仿真實驗。
物聯(lián)網技術是對現(xiàn)有互聯(lián)網體系的拓展,不僅實現(xiàn)了人與人、人與物之間的聯(lián)系,同時能建立物與物之間的互聯(lián)。其本質是通過各種類型的傳感器,采集目標物的物理數(shù)據(jù),通過無線傳感網絡實現(xiàn)數(shù)據(jù)的采集、傳輸及處理。
基于物聯(lián)網的架構如圖1 所示。
圖1 物聯(lián)網分層模型Fig.1 The hierarchical model of the internet of things
現(xiàn)有的物聯(lián)網體系結構一般分為應用層、傳輸層及感知層。相對于互聯(lián)網,其數(shù)據(jù)的采集、傳輸及處理都有數(shù)量級的提升,所以必需要求構建海量存儲及高性能處理平臺。
隨著信息技術的發(fā)展,云計算及云存儲成為現(xiàn)代電子及信息科學最重要的研究方向。其原理是通過虛擬化技術,將不同硬件不同地區(qū)的計算資源及存儲資源進行統(tǒng)一劃分及管理,各種應用能夠根據(jù)實際的應用分配到合理的存儲資源及計算資源。它結合了分布式計算、虛擬化及并行網格計算等先進技術。
云平臺按照提供的服務類型不同,可以分為私有云、共有云及混合云。顧名思義,公有云對用戶和企業(yè)開放自己的云平臺,而用戶無需對資源進行管理,只需在平臺運行自身的應用及存儲數(shù)據(jù)。而私有云是對特性用戶提供一個安全、保密的云環(huán)境,其安全性是平臺中關鍵組成之一。
按照提供服務的類型不同,可以分為IaaS (計算資源及存儲資源服務)、PaaS (平臺服務)及SaaS (軟件即用服務)。
按照提供服務類型不同,云計算對應關系如圖2 所示。
圖2 云計算分類模型Fig.2 The cloud classification model
構建云計算平臺的主流技術有:
1)虛擬化技術
虛擬化技術是利用智能化技術將所有的計算機整體硬件資源按照一定邏輯劃分為更小一級的計算資源,其特點是有利于資源的有效利用及資源調度。
2)分布式技術
分布式計算是一種全新的計算模式,它通過互聯(lián)共享技術將不同服務之間的公用信息進行共享,從而減少信息交互過程。
3)高性能并行計算
通過任務劃分,將一個大型計算服務劃分為更小的計算,然后在云平臺中分配給不同的計算資源,極大地提升了計算效率。
假設待調度的船舶總數(shù)為V,其中v?V 為單一船只;需要運送的產品總數(shù)為N,其中i?N 為單一產品號。并且待調度船只v 作為備用的集為Rv,r 為特需產品的備用,cvr為船只v 的運輸成本。設:
則對船舶調度的最優(yōu)數(shù)學模型為:
式(1)為海上船舶調度系統(tǒng)的最終目標,本文是經濟最優(yōu)化,即以運輸成本最低為目標函數(shù);式(2)為需要運完所有的產品,是式(1)的約束條件;式(3)為每只船只所選擇的調度模型[3]。
本文利用蟻群算法來解決海上船舶多任務多目標調度模型,核心是將多任務模型進行解析,降為單任務模型。
假設整個海上調度任務有N 條規(guī)劃的航海路徑,每個路徑待調度的運貨船只數(shù)為M,建立搜索矩陣,每條航海路徑作為空間矩陣的1 個數(shù)值成為1 條單獨路徑。構建的搜索空間[4]如圖3所示。
圖3 搜索空間模型Fig.3 The search space model
蟻群算法開始階段,設共有A 只螞蟻均勻散布在第1 條海航路徑的M 個節(jié)點處,且單獨一只螞蟻在第j 條海航路徑中經過第i 個節(jié)點的變化幾率有如下公式:
式中matrix 表示不同往返的海上路徑在時間上有沒有沖突,如matrixjk= 1 表示第j 條海航路徑與第k條海航路徑往返時間存在沖突[5];反之,matrixjk=0 表示不沖突。
對螞蟻在爬行過程中散發(fā)的信息濃度進行更新:
式中:Q 為根據(jù)實際情況確定常量數(shù)據(jù);fvalk為第k只螞蟻的目標函數(shù)。
算法的本質是通過螞蟻構建在航海不同路徑﹑不同節(jié)點所釋放的信息濃度,并通過一定的規(guī)則進行更新,所有螞蟻選擇信息素濃度最高的路徑進行目標函數(shù)的最優(yōu)求解過程,并且最終求解結果達到全局最優(yōu)。
基于蟻群算法的多目標船舶調度系統(tǒng)流程如圖4 所示。
圖4 調度算法流程圖Fig.4 The flow chart of algorithm
本文利用物聯(lián)網云計算構建了基于蟻群算法的海上調度系統(tǒng),系統(tǒng)框架如圖5 所示。
圖5 基于物聯(lián)網云計算的調度算法架構Fig.5 The architecture of scheduling algorithm based on internet of things and cloud computing
蟻群算法中,不同的Q,p,fval 值對結果的誤差及收斂性影響不同,本文設計了如下3 種不同的值進行試驗,每組試驗進行10 次運算。
1)p = 0.7,Q = 100,NCmax=500
2)p = 0.6,Q = 100,NCmax=800
3)p = 0.8,Q = 150,NCmax=1000
表1 仿真結果Tab.1 Simulation result
在海洋運輸業(yè)中,一個高效的海上船舶調度系統(tǒng)不僅關系到整個船隊行駛的安全,而且能夠提高航運公司的運送效率,是現(xiàn)代航運業(yè)務中必不可少的組成部分。同時調度系統(tǒng)需要高效的計算速率及海量存儲空間及數(shù)據(jù)交互,物聯(lián)網及云計算技術平臺能夠很好的解決這些問題。
本文在研究現(xiàn)有的物聯(lián)網及云計算技術的基礎上,優(yōu)化了蟻群算法在海上調度系統(tǒng)中的步驟,最后給出了算法在基于物聯(lián)網云計算中的實現(xiàn),并進行仿真實驗。
[1]MAROZZO F,TALIA D,TRUNFIO P.P2P-MapReduce:parallel data processing in dynamic Cloud environments[J].Journal of Computer and System Sciences,2012,78(5):1382-1402.
[2]International Telecommunication Union,Internet Reports 2005:The Internet of Things[R].Geneva:ITU,2005.
[3]CHRISTIANSEN M,F(xiàn)AGERHOLT K.Robust ship seheduling wit hmultiple time windows[J].Naval Researeh Logisties,2002,49(6):61-625.
[4]張建華.物聯(lián)網技術在海面作戰(zhàn)統(tǒng)一調度系統(tǒng)中的應用[J].艦船科學技術,2015,37(2):228 -231.ZHANG Jian-hua.Research on battle command system based on internet of things [J].Ship Science and Technology,2015,37(2):228 -231.
[5]趙德福.基于云計算的船舶動態(tài)監(jiān)控系統(tǒng)設計[J].艦船科學技術,2014,36(12):120 -124.ZHAO De-fu.Ship dynamic monitoring system design based on cloud computing[J].Ship Science and Technology,2014,36(12):120 -124.