【技术实现步骤摘要】
一种任务处理方法、装置及相关设备
[0001]本申请涉及物联网
，特别涉及一种任务处理方法，还涉及一种任务处理装置、任务处理设备及计算机可读存储介质。
技术介绍
[0002]随着物联网（Internet of Things，IoT）技术的广泛应用，海量感知数据需要被采集、处理、分析，以支撑工业生产中的各种决策活动。以深度神经网络（Deep Neural Network，DNN）为代表的机器学习方法，能够自动学习大规模输入数据的抽象表征，在物联网领域具有广泛的发展前景。对感知数据进行实时处理分析是IoT的重要特性，受物联网终端设备资源限制，无法直接运行各种规模庞大的深度神经网络模型。为了解决这一问题，相关技术中利用丰富的云计算资源部署深度学习网络模型，将物联网感知数据通过网络上传至云端，再由云端完成处理分析，并将结果返回给终端。然而，虽然云计算能够实现这一目标，但终端设备与云端之间的通信带宽资源有限，通信延迟较高，导致许多应用的实时性要求无法得到满足，造成任务执行效率的降低。
[0003]因此，如何在解决设备资源...
【技术保护点】
【技术特征摘要】
1.一种任务处理方法，其特征在于，包括：获取各待处理任务的任务信息，并根据所述任务信息对各所述待处理任务进行优先级排序；按照优先级从高到低的顺序获得目标待处理任务，并获取各服务模型的服务信息；其中，各所述服务模型部署于边缘服务器上；利用预设决策网络模型对所述目标待处理任务的任务信息和各所述服务信息进行处理，获得有效服务模型以及各所述有效服务模型的收益价值；利用取值最大的收益价值对应的有效服务模型对所述目标待处理任务进行处理。2.根据权利要求1所述的任务处理方法，其特征在于，所述根据所述任务信息对各所述待处理任务进行优先级排序之前，还包括：根据所述任务信息计算对应待处理任务的资源消耗率；利用本地服务模型对所述资源消耗率低于预设阈值的待处理任务进行处理。3.根据权利要求1所述的任务处理方法，其特征在于，所述任务信息包括所述待处理任务的固有约束时间、预估等待时长以及预估执行时间，则所述根据所述任务信息对各所述待处理任务进行优先级排序，包括：根据所述固有约束时间、所述预估等待时长以及所述预估执行时间计算获得对应待处理任务的等级评估值；根据所述等级评估值的取值大小对各所述待处理任务进行优先级排序。4.根据权利要求3所述的任务处理方法，其特征在于，所述根据所述固有约束时间、所述预估等待时长以及所述预估执行时间计算获得对应待处理任务的等级评估值，包括：利用等级评估公式对所述固有约束时间、所述预估等待时长以及所述预估执行时间进行计算，获得所述等级评估值；其中，所述等级评估公式为：；其中，表示待处理任务i的固有约束时间，表示待处理任务i的预估等待时长，表示待处理任务i的预估执行时间，表示待处理任务i的等级评估值。5.根据权利要求1所述的任务处理方法，其特征在于，所述预设决策网络模型的生成过程包括：获取预设数量个样本任务的样本数据；其中，所述样本数据包括对应样本任务的任务信息，调取所述样本任务时刻各服务模型的服务信息，执行所述样本任务的最优服务模型的模型信息，以及利用所述最优服务模型执行所述样本任务的收益价值；构建初始决策网络模型，并利用所述初始决策网络模型对各所述样本数据进行训练，获得所述预设决策网络模型。6.根据权利要求5所述的任务处理方法，其特征在于，还包括：将所述预设决策网络模型部署于所述边缘服务器。7.根据权利要求1至6任意一项所述的任务处理方法，其特征在于，各所述服务模型的生成过程包括：
通过在整体任务处理模型的指定输出层设置退出位置，得到各所述输出层对应的服务模型。8.根据权利要求1所述的任务处理方法，其特征在于，所述利用取值最大的收益价值对应的有效服务模型对所述目标待处理任务进行处理之后，还包括：接收所述有效服务模型反馈的任务处理结果；输出所述任务处理结果。9.一种任务处理装置，其特征在于，包括：任务排序模块，用于获取各待处理任务的任务信息，并根据所述任务信息对各所述待处理任务进行优先级排序；服务信息获取模块，用于按照优先级从高到低的顺序获得目标待处理任务，并获取各服务模...
【专利技术属性】
技术研发人员：张亚强，李茹杨，赵雅倩，李仁刚，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：
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。