【技术实现步骤摘要】
基于深度强化学习的自适应边缘计算资源管理方法及系统
[0001]本专利技术涉及边缘计算
，尤其涉及基于深度强化学习的自适应边缘计算资源管理方法及系统。
技术介绍
[0002]随着科学技术与工业生产能力的不断进步，移动设备的计算与通信能力不断提升，但各类崭新的移动应用也为移动设备提出了更高的业务需求，云计算的发展使得物联网等移动设备可以通过云端的数据中心获得丰富的计算资源，但也不可避免地产生大量通信延迟，无法满足即时响应的移动应用需求，为了解决上述问题，边缘计算应运而生。
[0003]边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端，而云端计算，仍然可以访问边缘计算的历史数据。
[0004]资源分配方法中以最大化MEC系统中边缘服务器的平均资源利用率和任务处理量为目的，致力于解决...
【技术保护点】
【技术特征摘要】
1.基于深度强化学习的自适应边缘计算资源管理方法，其特征在于，包括如下步骤：S1、构建边缘计算通信模型，获取待分配给边缘计算通信模型的边缘节点任务数据，边缘计算通信模型根据任务数据请求分配资源；S2、通过边缘计算通信模型获取多个调度域分别对应的服务属性信息、多个边缘节点资源分别对应的资源属性信息、以及所述多个调度域和所述多个边缘云节点资源的匹配规则，并获取边缘节点cpu、内存使用率以及边缘计算通信模型、内存使用率，根据边缘计算通信模型边缘节点任务数据和服务属性信息，确定资源配置信息；S3、通过资源分配获取边缘应用对边缘分区、CPU、内存、GPU资源需求配置信息，根据所述资源需求配置信息，为边缘节点配置对应的资源；S4、边缘计算通信模型在运行过程中，根据实际资源占用情况以及边缘节点资源使用情况动态调整边缘应用资源分配。2.根据权利要求1所述的基于深度强化学习的自适应边缘计算资源管理方法，其特征在于，在所述步骤S1中)，所述边缘计算通信模型包括：用于对采集的边缘节点任务数据进行预处理，过滤无效和错误数据，提取特征值并对预处理完成后的边缘节点任务数据分类为训练集与测试集进行存储的资源库、用于算法模型上传，生成算法模型的参数并镜像打包并用于对所有的算法模型进行版本化管理与维护的模型库、和用于运用资源库中的训练集进行算法模型训练，训练成功的算法模型运用所述资源库中的测试集进行算法测试，测试通过后可远程下载至边缘计算终端进行应用的模型训练平台；边缘计算通信模型的建立方法包括以下步骤：S2.1、建立资源库，通过数据接口自动获取和导入两种方式获取边缘节点任务数据，采集的边缘节点任务数据，并通过资源库分类建立资源数据处理模板，对采集的数据进行预处理，资源库对数据预处理完成后分类存储，并分为训练集与测试集S2.2、建立模型库，支持以压缩包形式导入各类边缘计算终端应用的算法模型；S2.3、建立模型训练平台，运用分布式算法训练管理机制，简化边缘计算算法模型编程的复杂度，将深度学习训练采用分布式运算方式运行；S2.4、所述模型库中的模型在模型训练平台展开训练任务，运用样本库中训练集进行模型验证训练，优化模型，得出训练结果；S2.5、训练成功的模型进行模型验证，运用资源库中测试集进行模型验证，得出验证结果；S2.6、将验证成功的边缘计算通信模型下载至资源分配边缘计算终端进行应用。3.根据权利要求1所述的基于深度强化学习的自适应边缘计算资源管理方法及系统，其特征在于，在所述步骤S2中)所述调度域包括至少一个服务；根据多个服务属性信息、多个资源属性信息、以及多个所述匹配规则，配置所述多个调度域分别对应的至少一个边缘云节点资源；根据所述调度...
【专利技术属性】
技术研发人员：张伟，路广华，王伯伊，王增海，马立军，
申请(专利权)人：国网信息通信产业集团有限公司北京分公司，
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。