一种基于元强化学习的边缘计算自适应任务编排调度方法技术

本发明专利技术公开了一种基于元强化学习的边缘计算自适应任务编排调度方法，本发明专利技术利用原始策略梯度来处理高维且复杂的任务编排调度问题，通过元强化学习算法赋予模型快速适应动态环境的能力，基于概率分布和可用性数组来选择目标服务器，避免了将任务编排调度到异常服务器；同时克服了应用元强化学习时的动态环境敏感性，提高了方法整体的鲁棒性。本发明专利技术与现有技术相比，降低了任务失败率和任务完成时间，提高了系统稳定性，实现了负载平衡并且能够更好地适应动态的边缘计算环境，从而提高服务质量。有效地解决了大多数智能编排调度算法训练数据需求大、学习次数多、成本高和适应性差等问题，实现在动态边缘计算环境中的高效编排调度。

【技术实现步骤摘要】

本专利技术属于移动边缘计算的，具体涉及一种基于元强化学习的边缘计算自适应任务编排调度方法。

技术介绍

1、移动互联网技术的发展促进了增强现实、虚拟现实、人脸识别和移动医疗等一系列创新应用的诞生和发展。相比于传统应用，这些不断涌现的业务新形态不仅对服务资源算力和存储力的需求大幅增加，并且对服务质量提出了更高的要求。尽管云计算的出现解决了海量服务资源的供给问题，但云端(用户)之间产生的巨大网络流量，会给上行链路和下行链路带来沉重的负担，导致服务高延迟，最终影响服务质量。为此，研究者提出了移动边缘计算(mec)的概念。

2、mec将计算和存储能力推向网络边缘，在更靠近终端用户和移动设备侧实现计算密集型任务卸载，实现更高效的数据处理和分析，从而减少对云数据中心的依赖。mec实现了低延迟和高带宽的处理和存储，有助于增强数据的安全和隐私性，这对于提升移动应用的服务质量至关重要。

3、面对海量移动应用，mec相对于集中式云计算架构具备诸多优势。然而，网络边缘呈现出设备数量多、用户移动性高、应用异构、流量间歇性的动态环境。在这样的环境下，边缘计算经本文档来自技高网...

【技术保护点】

1.一种基于元强化学习的边缘计算自适应任务编排调度方法，其特征在于：

2.如权利要求1所述的基于元强化学习的边缘计算自适应任务编排调度方法，其特征在于：所述的环境的状态信息包括云边服务器状态、网络状态和被卸载任务的属性信息。

3.如权利要求1所述的基于元强化学习的边缘计算自适应任务编排调度方法，其特征在于：所述的步骤S203具体为：通过使用三层全连接神经网络来拟合任务编排策略函数，来有效求解马尔可夫决策过程，并实现在给定状态下选择最优动作的决策过程。

4.根据权利要求1所述的一种基于元强化学习的边缘计算自适应任务编排调度方法，其特征在于：所述的步骤S5...

【技术特征摘要】

1.一种基于元强化学习的边缘计算自适应任务编排调度方法，其特征在于：

2.如权利要求1所述的基于元强化学习的边缘计算自适应任务编排调度方法，其特征在于：所述的环境的状态信息包括云边服务器状态、网络状态和被卸载任务的属性信息。

3.如权利要求1所述的基于元强化学习的边缘计算自适应任务编排调度方法，其特征在于：所述的步骤s203具体为：通过使用三层全连接神经网络来拟合任务编排策略函数，来有效求解马尔可夫决策过程，并实现在给定状态下选择最优动作的决策过程。

4.根据权利要求1所述的一种基于元强化学习的边缘计算自适应任务编排调度方...

【专利技术属性】
技术研发人员：王奔，杨根源，李文娟，吴吉义，孙水发，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：