【技术实现步骤摘要】
本专利技术涉及边缘计算领域，尤其涉及一种决策模型的训练技术，以及基于该决策模型的调度方案。
技术介绍
1、边缘计算是一种计算范式，它在本地与附近服务器上执行用户任务。在分布式边缘计算的背景下，用户可以同时选择多个边缘服务器进行并行任务执行。分布式边缘计算中的考虑因素不仅限于边缘服务器支持的服务范围，还包括组合延迟的概念。例如，在从跨边缘用户或终端设备聚合数据进行分析时，必须考虑到上行/下行传输的延迟、边缘服务器之间的协作延迟以及固有的数据处理时间。将组合延迟最小化成为提高用户体验的重要使命。
2、近期的研究主要集中在实现资源高效的延迟最小化上，但现有研究均忽视了尾延迟效应这一关键方面。尾延迟是响应中超过指定阈值的延迟，通常使用第99个百分位(p99)来测量，以捕捉服务延迟的99％位于其下的阈值。在边缘计算中，长尾延迟，通常简称为尾延迟，可能导致严重的排队问题。此外，尾延迟通常出现在来自支付最高的用户的请求响应中，这些用户使用最多的计算资源。改善这些用户的体验尤为重要，考虑到服务响应与收入之间的反向关系，以及增加响应时间对用户...
【技术保护点】
1.一种决策模型的训练方法，其特征在于，在预设的仿真环境下，对待训练决策模型进行若干次训练，直至达到预设的训练完成条件，将相应的待决策模型作为决策模型输出；
2.根据权利要求1所述的一种决策模型的训练方法，其特征在于：
3.根据权利要求2所述的一种决策模型的训练方法，其特征在于：
4.根据权利要求1所述的一种决策模型的训练方法，其特征在于，所述奖励值的计算公式为：
5.根据权利要求1所述的一种决策模型的训练方法，其特征在于：
6.根据权利要求5所述的一种决策模型的训练方法，其特征在于：
7.根据权...
【技术特征摘要】
1.一种决策模型的训练方法，其特征在于，在预设的仿真环境下，对待训练决策模型进行若干次训练，直至达到预设的训练完成条件，将相应的待决策模型作为决策模型输出；
2.根据权利要求1所述的一种决策模型的训练方法，其特征在于：
3.根据权利要求2所述的一种决策模型的训练方法，其特征在于：
4.根据权利要求1所述的一种决策模型的训练方法，其特征在于，所述奖励值的计算公式为：
5.根据权利要求1所述的一种决策模型的训练方法，其特征在于：
6.根据权利要求5所述的一种决策模型的训练方法，其特征在于：
7.根据权利要求1所述...
【专利技术属性】
技术研发人员：张城，邓水光，陈天闾，赵海亮，尹建伟，
申请(专利权)人：浙江大学海南研究院，
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。