System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及车联网,尤其是涉及一种车联网计算任务卸载方法及装置。
技术介绍
1、随着5g技术的发展,车联网中出现了许多时延敏感型和计算密集型的新型计算任务,如路况监测、地图导航和路径规划等。然而,这些计算任务的广泛应用带来了数据量的大幅增长,导致计算资源受限的车辆无法处理如此大量的计算密集型任务,因而无法满足用户所需的服务质量水平。计算卸载是边缘计算的一个技术优势,通过计算卸载可以将车辆产生的计算任务卸载到附近的边缘计算服务器或具有计算资源的邻近车辆进行处理,以弥补车载单元计算资源的不足,减少计算任务的执行时延,满足用户的计算需求。
2、根据卸载模式可以将车载边缘中的计算卸载分为基于车-路边单元的计算卸载和基于车-车的计算卸载。车载网络中部署的边缘服务器具有丰富的计算和存储资源,成为主要的边缘设施服务节点负责车辆任务的处理。然而,过于高昂的基础设施建设费用使得rsu(roadside unit,路侧单元)的覆盖范围和计算资源有限,当需要卸载的任务数量过多时,会有一些任务无法得到及时处理。车辆不仅具有通信功能,而且还具有一定的计算和存储能力。这些为闲置车辆资源的整合利用创造了良好的平台,以此可以极大加强车载网络的边缘能力,提升用户的服务质量。面对计算量较小、实时性要求较高的时延敏感型任务,将其传输到邻近车辆比传输到rsu更能节省回程的时延及带宽消耗。因此,在确保任务数据传输和处理过程中受到适当加密和安全保护的条件下,可以充分利用具有空闲计算资源的车辆处理此类计算任务。
3、目前,实现任务卸载的常用的模型与
4、任务卸载问题的关键在于卸载决策的制定,卸载决策又与车辆卸载模式的选择还是实现任务卸载的模型选择息息相关。因此,何种车辆卸载模式和实现任务卸载的模型能够更可靠地完成任务卸载,提高任务卸载的效率和成功率,成为本领域需要解决的问题。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种车联网计算任务卸载方法及装置,能够有效提高卸载任务所需计算资源预测的精确性,降低任务卸载的失败率,提高整个任务卸载系统的稳定性。
2、本专利技术的目的可以通过以下技术方案来实现:
3、根据本专利技术的第一方面,提供一种车联网计算任务卸载方法,包括以下步骤:
4、s1,初始化待执行任务队列、任务状态、任务车辆编号、服务车辆编号、任务车辆可用计算资源和服务车辆可用计算资源,所述待执行任务由任务车辆产生;
5、s2,利用层次分析法对所有待执行任务进行优先级划分,并结合cpu执行时间、计算复杂度、数据量和时延容忍度,获取各任务当前的任务状态;
6、s3,基于当前的待执行任务队列,利用改进的序列到序列模型进行任务调度,得到执行每个任务的服务车辆编号或任务车辆编号,并获取当前的卸载及调度策略,卸载方式包括本地执行或卸载到服务车辆上执行;
7、s4,基于所述卸载及调度策略,获取当前的任务状态和当前的服务车辆可用计算资;
8、s5,基于所述任务状态和所述服务车辆可用计算资源,利用actor-critic算法训练所述改进的序列到序列模型,得到最优的任务卸载及调度策略。
9、作为优选的技术方案,所述改进的序列到序列模型中,编码器采用cnn-rnn结合网络,并加入注意力机制对编码器的输出进行处理。
10、作为优选的技术方案,所述利用改进的序列到序列模型进行任务调度的过程考虑任务分配失败和超时失败,具体过程包括:
11、s301,初始化任务失败队列、任务处理队列、任务等待队列和所有任务的优先级;
12、s302,确定当前任务等待队列中的最高优先级任务,并为所述最高优先级任务分配服务车辆或任务车辆;
13、s303,比较所述最高优先级任务所需的第一计算资源与分配的服务车辆或任务车辆的初始可用计算资源:
14、当所述初始可用计算资源小于所述第一计算资源时,任务分配失败,将当前任务加入任务失败队列;反之,任务分配成功,并判断分配的服务车辆或任务车辆的当前可用计算资源是否大于所述第一计算资源,若为是,则将当前任务加入任务处理队列,否则,等待当前的任务处理队列中剩余执行时间最短的任务执行完毕并释放占用的计算资源,等待结束后,立即更新当前任务及任务处理队列中所有任务的剩余执行时间和总执行时间;
15、s304,判断当前任务是否超时,若为是,则加入任务失败队列,反之则返回s302。
16、作为优选的技术方案,确定所述卸载方式的过程包括,判断任务是否需要卸载执行:若为是,则将卸载决策发送至任务车辆和对应编号的服务车辆,所述任务车辆将任务卸载到对应编号的服务车辆上执行;若为否,则将卸载决策发送至任务车辆,所述任务车辆将任务留在本地执行。
17、作为优选的技术方案,所述利用actor-critic算法训练所述改进的序列到序列模型的过程中,使用的奖励函数为:
18、
19、式中,average_time表示所有任务的平均时延,q表示任务失败数量,λ为预设的权重因子。
20、作为优选的技术方案,所述平均时延的表达式为:
21、
22、式中,t0表示在任务车辆上执行的所有任务的总时延,tj表示在第j个服务车辆上执行的所有任务的总时延,n表示服务车辆的数量。
23、作为优选的技术方案,每个任务在相应的服务车辆上执行的总时延为任务卸载前等待时间、数据上传时间、任务在服务车辆上执行时间和执行结果回传时间之和。
24、作为优选的技术方案,所述权重因子根据任务成功率与平均时延确定。
25、作为优选的技术方案,所述任务成功率的表达式为:
26、
27、式中,表示任务失败数量,m表示总的任务数量。
28、根据本专利技术的第二方面,提供一种车联网计算任务卸载装置,包括存储器、处理器,以及存储于所述存储器中的程序,所述处理器执行所述程序时实现所述的方法。
29、与现有技术相比,本专利技术具有以下有益效果:
30、1、本专利技术利用改进的序列到序列模型进行任务调度的过程中,采用层次分析法进行优先级划分,并考虑每个任务的cpu执行时间、计算复杂度、数据量、时延容忍度,得到每个任务的任务状态,本文档来自技高网...
【技术保护点】
1.一种车联网计算任务卸载方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的车联网计算任务卸载方法,其特征在于,所述改进的序列到序列模型中,编码器采用CNN-RNN结合网络,并加入注意力机制对编码器的输出进行处理。
3.根据权利要求1所述的车联网计算任务卸载方法,其特征在于,所述利用改进的序列到序列模型进行任务调度的过程考虑任务分配失败和超时失败,具体过程包括:
4.根据权利要求1所述的车联网计算任务卸载方法,其特征在于,确定所述卸载方式的过程包括,判断任务是否需要卸载执行:若为是,则将卸载决策发送至任务车辆和对应编号的服务车辆,所述任务车辆将任务卸载到对应编号的服务车辆上执行;若为否,则将卸载决策发送至任务车辆,所述任务车辆将任务留在本地执行。
5.根据权利要求1所述的车联网计算任务卸载方法,其特征在于,所述利用Actor-Critic算法训练所述改进的序列到序列模型的过程中,使用的奖励函数为:
6.根据权利要求5所述的车联网计算任务卸载方法,其特征在于,所述平均时延的表达式为:
7.根据权利要求6
8.根据权利要求5所述的车联网计算任务卸载方法,其特征在于,所述权重因子根据任务成功率与平均时延确定。
9.根据权利要求8所述的车联网计算任务卸载方法,其特征在于,所述任务成功率的表达式为:
10.一种车联网计算任务卸载装置,包括存储器、处理器,以及存储于所述存储器中的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
...【技术特征摘要】
1.一种车联网计算任务卸载方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的车联网计算任务卸载方法,其特征在于,所述改进的序列到序列模型中,编码器采用cnn-rnn结合网络,并加入注意力机制对编码器的输出进行处理。
3.根据权利要求1所述的车联网计算任务卸载方法,其特征在于,所述利用改进的序列到序列模型进行任务调度的过程考虑任务分配失败和超时失败,具体过程包括:
4.根据权利要求1所述的车联网计算任务卸载方法,其特征在于,确定所述卸载方式的过程包括,判断任务是否需要卸载执行:若为是,则将卸载决策发送至任务车辆和对应编号的服务车辆,所述任务车辆将任务卸载到对应编号的服务车辆上执行;若为否,则将卸载决策发送至任务车辆,所述任务车辆将任务留在本地执行。
5.根据权利要求1所述的车联网计算任务卸载方法,其特征在于,所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。