任务卸载方法和装置、电子设备及存储介质制造方法及图纸

本申请实施例提供的任务卸载方法和装置、电子设备及存储介质，涉及任务卸载技术领域。任务卸载方法应用于电子设备，电子设备与任务卸载系统通信连接，任务卸载系统包括第二设备和至少一个第一设备，任务卸载方法包括：首先，获取至少一个第一设备的待处理任务；其次，将待处理任务输入预设的任务卸载模型，得到任务卸载策略；然后，将任务卸载策略发送至至少一个第一设备，以使至少一个第一设备基于任务卸载策略将目标任务卸载至第二设备，第二设备对目标任务进行执行处理。通过上述方法，可以提高任务卸载的效率。

【技术实现步骤摘要】
任务卸载方法和装置、电子设备及存储介质
本申请涉及任务卸载
，具体而言，涉及一种任务卸载方法和装置、电子设备及存储介质。
技术介绍
在移动边缘计算网络中需要解决的关键问题之一是计算卸载问题，即无线用户设备选择将计算任务卸载到附近的服务器上执行还是在本地执行，以及如何为卸载到服务器的任务分配资源（如计算资源和能源资源）。但是，经专利技术人研究发现，在现有技术中，任务要么全部在无线用户设备本地执行，要么全部卸载在服务器上远程执行，从而存在着任务卸载的效率低的问题。
技术实现思路
有鉴于此，本申请的目的在于提供一种任务卸载方法和装置、电子设备及存储介质，以改善现有技术中存在的问题。为实现上述目的，本申请实施例采用如下技术方案：第一方面，本专利技术提供一种任务卸载方法，所述任务卸载方法应用于电子设备，所述电子设备与任务卸载系统通信连接，所述任务卸载系统包括第二设备和至少一个第一设备，所述任务卸载方法包括：获取所述至少一个第一设备的待处理任务，其中，所述待处理任务包括目标任务；将所述待处理任务输入预设的任务卸载模型，得到任务卸载策略，其中，所述任务卸载模型基于建立的系统模型进行训练得到；将所述任务卸载策略发送至所述至少一个第一设备，以使所述至少一个第一设备基于所述任务卸载策略将所述目标任务卸载至所述第二设备，所述第二设备对所述目标任务进行执行处理。在可选的实施方式中，所述任务卸载方法还包括获取任务卸载模型的步骤，该步骤包括：根据所述任务卸载系统的成本参数建立系统模型和优化成本函数；根据所述优化成本函数对所述系统模型进行训练，得到任务卸载模型。在可选的实施方式中，所述根据所述任务卸载系统的成本参数建立系统模型和优化成本函数的步骤，包括：根据所述至少一个第一设备和第二设备的成本参数建立系统模型；根据所述系统模型建立优化成本函数。在可选的实施方式中，所述任务卸载模型包括第一任务卸载模型和第二任务卸载模型，所述根据所述优化成本函数对所述系统模型进行训练，得到任务卸载模型的步骤，包括：对所述优化成本函数进行分割处理，得到第一优化成本函数和第二优化成本函数；根据所述第一优化成本函数对所述系统模型进行训练，得到第一任务卸载模型；根据所述第二优化成本函数对所述系统模型进行训练，得到第二任务卸载模型。在可选的实施方式中，所述任务卸载策略包括第一任务卸载策略和第二任务卸载策略，所述将所述待处理任务输入预设的任务卸载模型，得到任务卸载策略的步骤，包括：将所述待处理任务输入所述第一任务卸载模型，得到第一任务卸载策略；将所述待处理任务输入所述第二任务卸载模型，得到第二任务卸载策略。在可选的实施方式中，所述根据所述第一优化成本函数对所述系统模型进行训练，得到第一任务卸载模型的步骤，包括：基于所述系统模型建立深度强化学习模型；根据所述第一优化成本函数对所述深度强化学习模型进行训练，得到第一任务卸载模型。在可选的实施方式中，所述根据所述第二优化成本函数对所述系统模型进行训练，得到第二任务卸载模型的步骤，包括：基于所述系统模型建立交替方向乘子法模型；根据所述第二优化成本函数对所述交替方向乘子法模型进行训练，得到第二任务卸载模型。第二方面，本专利技术提供一种任务卸载装置，所述任务卸载装置应用于电子设备，所述电子设备与任务卸载系统通信连接，所述任务卸载系统包括第二设备和至少一个第一设备，所述任务卸载装置包括：任务获取模块，用于获取所述至少一个第一设备的待处理任务，其中，所述待处理任务包括目标任务；策略获取模块，用于将所述待处理任务输入预设的任务卸载模型，得到任务卸载策略，其中，所述任务卸载模型基于建立的系统模型进行训练得到；策略发送模块，用于将所述任务卸载策略发送至所述至少一个第一设备，以使所述至少一个第一设备基于所述任务卸载策略将所述目标任务卸载至所述第二设备，所述第二设备对所述目标任务进行执行处理。第三方面，本专利技术提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述实施方式任一项所述的任务卸载方法。第四方面，本专利技术提供一种存储介质，所述存储介质包括计算机程序，所述计算机程序运行时控制所述存储介质所在电子设备执行前述实施方式任一项所述的任务卸载方法。本申请实施例提供的任务卸载方法和装置、电子设备及存储介质，通过将待处理任务输入任务卸载模型得到任务卸载策略，将任务卸载策略发送至第一设备，以使第一设备基于任务卸载策略将目标任务卸载至第二设备进行处理，实现了将目标任务卸载到服务器上进行处理，避免了现有技术中任务要么全部在无线用户设备本地执行，要么全部卸载在服务器上远程执行，所导致的任务卸载的效率低的问题。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本申请实施例提供的数据处理系统的结构框图。图2示出了本申请实施例提供的任务卸载系统的结构框图。图3示出了本申请实施例提供的电子设备的结构框图。图4为本申请实施例提供的任务卸载方法的流程示意图。图5为本申请实施例提供的任务卸载模型的结构示意图。图6为本申请实施例提供的深度强化学习模型的结构示意图。图7为本申请实施例提供的ECRA算法的流程示意图。图8为本申请实施例提供的任务卸载方法的另一流程示意图。图9为本申请实施例提供的任务卸载装置的结构框图。图标：10-数据处理系统；100-电子设备；110-第一存储器；120-第一处理器；130-通信模块；200-任务卸载系统；210-第一设备；220-第二设备；900-任务卸载装置；910-任务获取模块；920-策略获取模块；930-策略发送模块。具体实施方式随着无线通信技术的飞速发展和智能移动设备的普及，近年来，各类移动应用的数量呈爆发增长的趋势。其中如人脸识别支付系统、在线云游戏、虚拟/增强现实（VR/AR）这些应用属于计算密集型与延时关键型应用，而运行这些应用的移动设备（如智能手机、可穿戴设备）通常只有有限的计算能力和电池电量，因此计算密集型应用和资源有限的设备之间的矛盾关系为提高用户的体验质量（thequalityofexperience，QoE）带来了挑战。移动边缘计算（Mobileedgecomputing，MEC）是一种很有前途的技术，可以通过在边缘计算网络中设置边缘服务器为用户的移动设备提供强大的计算能力和能源资源，移动设备可以选择将计算密集型任务卸载到边缘服务器上，以减少任务的执行时延并节省本地设备消耗的电池能本文档来自技高网...

【技术保护点】
1.一种任务卸载方法，其特征在于，所述任务卸载方法应用于电子设备，所述电子设备与任务卸载系统通信连接，所述任务卸载系统包括第二设备和至少一个第一设备，所述任务卸载方法包括：/n获取所述至少一个第一设备的待处理任务，其中，所述待处理任务包括目标任务；/n将所述待处理任务输入预设的任务卸载模型，得到任务卸载策略，其中，所述任务卸载模型基于建立的系统模型进行训练得到；/n将所述任务卸载策略发送至所述至少一个第一设备，以使所述至少一个第一设备基于所述任务卸载策略将所述目标任务卸载至所述第二设备，所述第二设备对所述目标任务进行执行处理。/n

【技术特征摘要】
1.一种任务卸载方法，其特征在于，所述任务卸载方法应用于电子设备，所述电子设备与任务卸载系统通信连接，所述任务卸载系统包括第二设备和至少一个第一设备，所述任务卸载方法包括：
获取所述至少一个第一设备的待处理任务，其中，所述待处理任务包括目标任务；
将所述待处理任务输入预设的任务卸载模型，得到任务卸载策略，其中，所述任务卸载模型基于建立的系统模型进行训练得到；
将所述任务卸载策略发送至所述至少一个第一设备，以使所述至少一个第一设备基于所述任务卸载策略将所述目标任务卸载至所述第二设备，所述第二设备对所述目标任务进行执行处理。


2.如权利要求1所述的任务卸载方法，其特征在于，所述任务卸载方法还包括获取任务卸载模型的步骤，该步骤包括：
根据所述任务卸载系统的成本参数建立系统模型和优化成本函数；
根据所述优化成本函数对所述系统模型进行训练，得到任务卸载模型。


3.如权利要求2所述的任务卸载方法，其特征在于，所述根据所述任务卸载系统的成本参数建立系统模型和优化成本函数的步骤，包括：
根据所述至少一个第一设备和第二设备的成本参数建立系统模型；
根据所述系统模型建立优化成本函数。


4.如权利要求3所述的任务卸载方法，其特征在于，所述任务卸载模型包括第一任务卸载模型和第二任务卸载模型，所述根据所述优化成本函数对所述系统模型进行训练，得到任务卸载模型的步骤，包括：
对所述优化成本函数进行分割处理，得到第一优化成本函数和第二优化成本函数；
根据所述第一优化成本函数对所述系统模型进行训练，得到第一任务卸载模型；
根据所述第二优化成本函数对所述系统模型进行训练，得到第二任务卸载模型。


5.如权利要求4所述的任务卸载方法，其特征在于，所述任务卸载策略包括第一任务卸载策略和第二任务卸载策略，所述将所述待处理任务输入预设的任务卸载模型，得到任务卸载策略的步骤，包括：

【专利技术属性】
技术研发人员：任涛，胡哲源，李青锋，牛建伟，杜东峰，豆渊博，李默，谷宁波，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：浙江;33