基于大模型强化学习的边缘Web3.0系统的任务调度方法及任务调度装置、边缘Web3.0系统制造方法及图纸

本申请涉及去中心化应用任务调度技术领域，公开了一种用基于大模型强化学习的边缘Web3.0系统的任务调度方法及任务调度装置、边缘Web3.0系统。任务调度方法包括：获取边缘Web 3.0系统的当前状态向量；将当前状态向量输入目标任务调度模型，获得目标调度策略；按照目标调度策略对边缘Web 3.0系统中的DApp任务进行调度；其中，目标任务调度模型为预先构建的能够输出包括执行模式决策和任务卸载决策的DApp任务调度策略并最大化边缘Web 3.0系统的系统利用率的模型；执行模式决策中DApp任务的执行模式包括混合执行模式和链上执行模式。本申请通过上述方法可以提高边缘Web 3.0系统处理DApp任务的效率。

【技术实现步骤摘要】

本申请涉及去中心化应用任务调度，例如涉及一种基于大模型强化学习的边缘web3.0系统的任务调度方法及任务调度装置、边缘web3.0系统。

技术介绍

1、相关技术中，由于边缘计算可以提供支持dapp(decentralized application，去中心化应用)所需的计算能力与存储空间，web 3.0可以提供边缘计算服务去中心化时所需的信任与安全性。所以，会将web 3.0和边缘计算集成为边缘web3.0系统。

2、在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：

3、边缘web 3.0系统的dapp任务需要全部发送至底层的以太坊区块链处理。在用户数量较大时，dapp需要处理大规模的dapp任务，此时，会有大量dapp任务通过交易的方式被发送至底层的以太坊区块链等待处理，这会导致dapp吞吐量降低、服务时延上升，造成边缘web 3.0系统处理dapp任务的效率降低。

4、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。...

【技术保护点】

1.一种基于大模型强化学习的边缘Web3.0系统的任务调度方法，其特征在于，包括：

2.根据权利要求1所述的任务调度方法，其特征在于，按照如下方式构建目标任务调度模型：

3.根据权利要求2所述的任务调度方法，其特征在于，基于第一状态向量和奖励函数训练初始任务调度模型，包括：

4.根据权利要求3所述的任务调度方法，其特征在于，根据第一状态向量、初始任务调度策略、奖励函数值和第二状态向量更新初始任务调度模型的Actor网络参数和Critic网络参数，包括：

5.根据权利要求3所述的任务调度方法，其特征在于，按照如下方式确认初始任务调度模型是否收...

【技术特征摘要】

1.一种基于大模型强化学习的边缘web3.0系统的任务调度方法，其特征在于，包括：

2.根据权利要求1所述的任务调度方法，其特征在于，按照如下方式构建目标任务调度模型：

3.根据权利要求2所述的任务调度方法，其特征在于，基于第一状态向量和奖励函数训练初始任务调度模型，包括：

4.根据权利要求3所述的任务调度方法，其特征在于，根据第一状态向量、初始任务调度策略、奖励函数值和第二状态向量更新初始任务调度模型的actor网络参数和critic网络参数，包括：

5.根据权利要求3所述的任务调度方法，其特征在于，按照如下方式确认初始任务调度模型是否收敛：

6.根据权利要求1至5中任一项所述的任务调...

【专利技术属性】
技术研发人员：陈黎兴，王晔，朱文印，喻建琦，王喆，刘敬涛，王和龙，
申请(专利权)人：青岛国创智能家电研究院有限公司，
类型：发明
国别省市：