本申请提供了一种移动边缘计算的调度方法、装置、系统及存储介质，应用于移动同步定位及建图系统，调度方法包括：获取移动终端的同步定位及建图的请求任务及各移动边缘计算服务器的观测状态，观测状态表征各移动边缘计算服务器对应的剩余资源；基于请求任务和观测状态，采用主动推理模型确定请求任务的目标卸载策略；基于请求任务、观测状态和目标卸载策略，采用无奖励指导模型确定承接请求任务的满足预设条件的移动边缘计算服务器；从所述移动边缘计算服务器的所述剩余资源中调度所述请求任务所需的任务资源，以完成请求任务，与现有技术相比，无需采用奖励函数，降低了使用移动边缘计算的工作量，提高了资源分配的效率。提高了资源分配的效率。提高了资源分配的效率。
【技术实现步骤摘要】
移动边缘计算的调度方法、装置、系统及存储介质
[0001]本申请属于移动通信
，尤其涉及一种移动边缘计算的调度方法、装置、系统及存储介质。
技术介绍
[0002]同步定位及建图(Simultaneous localization and mapping，SLAM)是现代机器人领域中的一项关键技术，主要用于移动终端在未知环境运动时进行即时定位与地图构建。随着近年来同步定位及建图技术的创新以及应用场景的复杂化，地图重建的后端优化需求的硬件资源越来越大，受限于设备尺寸与制造成本，造成移动终端的本地处理资源不足导致最终建图的效果差。
[0003]目前的移动边缘计算将计算资源与存储资源部署到更加接近移动设备的网络边缘，但现有技术的边缘计算采用了结合边缘计算场景和业务流程设置非常契合的奖励函数，造成在部分场景中使用移动边缘计算的工作量大，资源分配效率低，在更复杂的环境的泛化性低。
[0004]现有技术存在在部分场景中移动边缘计算的工作量大，资源分配效率低的问题。
技术实现思路
[0005]本申请实施例提供了一种移动边缘计算的调度方法、装置、系统及存储介质，可以解决在部分场景中移动边缘计算的工作量大，资源分配效率低的问题。
[0006]第一方面，本申请实施例提供了一种移动边缘计算的调度方法，应用于移动同步定位及建图系统，所述移动同步定位及建图系统包括至少一个移动终端和多个移动边缘计算服务器，所述调度方法包括：
[0007]获取所述移动终端的同步定位及建图的请求任务及各所述移动边缘计算服务器的观测状态，所述观测状态表征各所述移动边缘计算服务器对应的剩余资源；
[0008]基于所述请求任务和所述观测状态，采用主动推理模型确定所述请求任务的目标卸载策略；
[0009]基于所述请求任务、所述观测状态和所述目标卸载策略，采用无奖励指导模型确定承接所述请求任务的满足预设条件的所述移动边缘计算服务器；
[0010]从所述移动边缘计算服务器的所述剩余资源中调度所述请求任务所需的任务资源，以完成所述请求任务。
[0011]在其中一个实施例中，所述观测状态还表征所述移动终端与各所述移动边缘计算服务器对应的距离，所述观测状态包括第一观测状态和第二观测状态，所述剩余资源包括剩余计算资源、剩余带宽资源及剩余存储资源；
[0012]获取各所述移动边缘计算服务器的观测状态的步骤，包括：
[0013]获取任一时刻的各所述移动边缘计算服务器对应的所述剩余计算资源、所述剩余带宽资源及所述剩余存储资源；
[0014]基于所述剩余计算资源、所述剩余带宽资源及所述剩余存储资源确定各所述移动边缘计算服务器对应的第一观测状态；
[0015]基于所述第一观测状态和所述距离，确定任一时刻的各所述移动边缘计算服务器对应的第二观测状态。
[0016]在其中一个实施例中，所述基于所述请求任务和所述观测状态，采用所述主动推理模型确定所述请求任务的目标卸载策略的步骤，包括：
[0017]基于所述观测状态获取对未来变量的信念的置信空间，并确定所述移动终端的生成模型，所述置信空间为采用卸载策略的置信空间；
[0018]基于所述置信空间和所述生成模型，采用所述主动推理模型进行循环迭代直至预设迭代次数，获取多个预期未来自由能；
[0019]基于各所述预期未来自由能，确定最小预期未来自由能；
[0020]基于所述最小预期未来自由能，确定与所述最小预期未来自由能对应的卸载策略为目标卸载策略。
[0021]在其中一个实施例中，所述主动推理模型的计算式为：
[0022][0023]其中，
[0024]为预期未来自由能；
[0025]D
KL
(q||p)为关于随机变量q和p的KL(Kullback
‑
Leible)散度函数；
[0026]q()为对未来变量的信念的置信空间；
[0027]p()为生成模型；
[0028]o
0：t
为时间0至t时刻的对环境的观测参数；
[0029]s
0：t
为时间0至t时刻的第一观测状态；
[0030]θ为模型参数；
[0031]π为卸载策略。
[0032]在其中一个实施例中，所述任务资源包括任务计算资源、任务带宽资源及任务存储资源；
[0033]所述基于所述请求任务、所述观测状态和所述目标卸载策略，采用无奖励指导模型确定承接所述请求任务的满足预设条件的所述移动边缘计算服务器的步骤，包括：
[0034]基于所述请求任务和所述目标卸载策略，确定所述请求任务对应的第一执行动作，所述第一执行动作包括确定所述请求任务对应的所述任务计算资源、所述任务带宽资源及所述任务存储资源；
[0035]基于所述观测状态和所述第一执行动作，采用无奖励指导模型确定第二执行动作，第二执行动作为确定承接所述请求任务的满足预设条件的所述移动边缘计算服务器。
[0036]在其中一个实施例中，所述无奖励指导模型的计算式为：
[0037][0038]其中，rg(s
t
,a
t
)为状态s
t
下选取动作a
t
的无奖励指导值；
[0039]s
t
为t时刻的第二观测状态；
[0040]a
t
为t时刻的第二执行动作；
[0041]d
T
为1个任务T从产生到完成的任务时长；
[0042]APE
T
为任务T的绝对位姿误差；
[0043]tc为所述请求任务是否完成的表示值。
[0044]在其中一个实施例中，所述剩余资源包括剩余计算资源、剩余带宽资源及剩余存储资源，所述预设条件包括第一预设条件和第二预设条件；
[0045]所述第一预设条件为所述剩余计算资源大于或者等于所述任务计算资源；所述第二预设条件为所述任务时长小于或者等于预设时长阈值。
[0046]第二方面，本申请实施例提供了一种移动边缘计算的调度装置，应用于移动同步定位及建图系统，包括：
[0047]获取模块，用于获取移动终端的同步定位及建图的请求任务及各移动边缘计算服务器的观测状态，所述观测状态表征各所述移动边缘计算服务器对应的剩余资源；
[0048]第一确定模块，用于基于所述请求任务和所述观测状态，采用主动推理模型确定所述请求任务的目标卸载策略；
[0049]第二确定模块，用于基于所述请求任务、所述观测状态和所述目标卸载策略，采用无奖励指导模型确定承接所述请求任务的满足预设条件的所述移动边缘计算服务器；
[0050]调度模块，用于从所述移动边缘计算服务器的所述剩余资源中调度所述请求任务所需的任务资源，以完成所述请求任务。
[0051]第三方面，本申请实施例提供了一种移动同步定位及建图系统的系统，所述移动同步定本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种移动边缘计算的调度方法，其特征在于，应用于移动同步定位及建图系统，所述移动同步定位及建图系统包括至少一个移动终端和多个移动边缘计算服务器，所述调度方法包括：获取所述移动终端的同步定位及建图的请求任务及各所述移动边缘计算服务器的观测状态，所述观测状态表征各所述移动边缘计算服务器对应的剩余资源；基于所述请求任务和所述观测状态，采用主动推理模型确定所述请求任务的目标卸载策略；基于所述请求任务、所述观测状态和所述目标卸载策略，采用无奖励指导模型确定承接所述请求任务的满足预设条件的所述移动边缘计算服务器；从所述移动边缘计算服务器的所述剩余资源中调度所述请求任务所需的任务资源，以完成所述请求任务。2.如权利要求1所述的方法，其特征在于，所述观测状态还表征所述移动终端与各所述移动边缘计算服务器对应的距离，所述观测状态包括第一观测状态和第二观测状态，所述剩余资源包括剩余计算资源、剩余带宽资源及剩余存储资源；获取各所述移动边缘计算服务器的观测状态的步骤，包括：获取任一时刻的各所述移动边缘计算服务器对应的所述剩余计算资源、所述剩余带宽资源及所述剩余存储资源；基于所述剩余计算资源、所述剩余带宽资源及所述剩余存储资源确定各所述移动边缘计算服务器对应的第一观测状态；基于所述第一观测状态和所述距离，确定任一时刻的各所述移动边缘计算服务器对应的第二观测状态。3.如权利要求1所述的方法，其特征在于，所述基于所述请求任务和所述观测状态，采用所述主动推理模型确定所述请求任务的目标卸载策略的步骤，包括：基于所述观测状态获取对未来变量的信念的置信空间，并确定所述移动终端的生成模型，所述置信空间为采用卸载策略的置信空间；基于所述置信空间和所述生成模型，采用所述主动推理模型进行循环迭代直至预设迭代次数，获取多个预期未来自由能；基于各所述预期未来自由能，确定最小预期未来自由能；基于所述最小预期未来自由能，确定与所述最小预期未来自由能对应的卸载策略为目标卸载策略。4.如权利要求1所述的方法，其特征在于，所述主动推理模型的计算式为：其中，为预期未来自由能；D
KL
(q||p)为关于随机变量q和p的KL(Kullback
‑
Leible)散度函数；q()为对未来变量的信念的置信空间；p()为生成模型；o
0：t
为时间0至t时刻的对环境的观测参数；
s
0：t
为时间0至t时刻的第一观测状态；θ为模型参数；π为卸载策略。5.如权利要求1所述的方法，其特征...
【专利技术属性】
技术研发人员：房景城，贺颖，于非，王宇航，
申请(专利权)人：人工智能与数字经济广东省实验室深圳，
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。