一种基于边缘计算的计算模式生成方法、系统及存储介质技术方案

本申请提供一种基于边缘计算的计算模式生成方法、系统及存储介质；所述基于边缘计算的计算模式生成方法包括：通过计算边缘节点的运算性能指数和通信负载指数获取运算主集和通信主集，并根据所述运算主集和通信主集获取枢纽节点集，然后计算所述枢纽节点集中各枢纽节点的计算饱和度，以根据各计算饱和度生成计算模式。本申请能够较为准确地将海量边缘计算节点进行归类，并基于计算饱和度快速地获得待计算任务的最优计算模式，特别适用于网络动态变化、对实时性要求高的边缘计算场景；并且可以以较小的资源消耗获得较为准确的边缘计算模式，有助于确保不同计算任务的快速匹配与结果响应，拓展边缘计算的应用领域。

【技术实现步骤摘要】

本申请涉及边缘计算，特别涉及一种基于边缘计算的计算模式生成方法、系统及存储介质。

技术介绍

1、随着物联网、人工智能、5g等高新技术的大规模应用，算力基础设施不足的问题愈发显现。一般来说，基于上述技术的智慧城市、智慧园区、智慧交通等上层应用的规模和精度依赖于算力基础设施的计算能力。除了搭建大型算力中心外，将尽可能多的空闲边缘设备纳入边缘计算网络以提供新型算力也是解决算力不足的主要途径。针对海量边缘设备，如何设计出一种通用的节点联合方式以进行任务分发与算力调度是使边缘计算网络充分发挥算力集群优势的重要研究方向。

2、人工智能算法特别是深度学习的推广为各个技术应用领域带来了不少创新应用，目前已有不少学者提出了一些基于深度学习的边缘计算节点算力的调度分配算法，其通常以海量计算任务下不同的节点组合方式的计算性能作为训练样本，训练出一个具有较高准确性的预测模型。这种方法的优点是训练好的模型具有较高的复用性，只需一次训练过程。缺点是训练时间过长，实时性不足；如果训练集数量较小且样本间差异不明显的话，模型的精度损失还会比较大。另外，对于边缘计算网络这种节点可本文档来自技高网...

【技术保护点】

1.一种基于边缘计算的计算模式生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于边缘计算的计算模式生成方法，其特征在于，在执行步骤S100之前，包括：

3.根据权利要求2所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤S100中的计算运算性能指数，包括：

4.根据权利要求3所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤S100中的计算通信负载指数，包括：

5.根据权利要求4所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤S200还包括：

6.根据权利要求5所述的基于边缘计算的计算模...

【技术特征摘要】

1.一种基于边缘计算的计算模式生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于边缘计算的计算模式生成方法，其特征在于，在执行步骤s100之前，包括：

3.根据权利要求2所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤s100中的计算运算性能指数，包括：

4.根据权利要求3所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤s100中的计算通信负载指数，包括：

5.根据权利要求4所述的基于边缘计算的计算模式生成方法，其特征在于，所述步骤s200还包括：

6.根据权利要求5所述的基于边...

【专利技术属性】
技术研发人员：郑皓桦，刘海锋，邓雪芳，
申请(专利权)人：广州优刻谷科技有限公司，
类型：发明
国别省市：