System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 边缘网络下的计算任务融智调度方法及相关设备技术_技高网

边缘网络下的计算任务融智调度方法及相关设备技术

技术编号:43846911 阅读:12 留言:0更新日期:2024-12-31 18:40
本申请一个或多个实施例提供一种边缘网络下的计算任务融智调度方法及相关设备。所述方法包括:获取所述边缘网络中所有基站和边缘服务器的当前信息;根据所述基站和所述边缘服务器的当前信息,得到所述任务的调度策略;根据所述调度策略对所述任务进行调度。通过本申请可以降低通信时延,提高服务质量。

【技术实现步骤摘要】

本申请一个或多个实施例涉及通信,尤其涉及一种边缘网络下的计算任务融智调度方法及相关设备


技术介绍

1、多媒体视频领域近年来呈现出蓬勃的发展态势,多媒体技术正迅速发展并成为信息
的重要组成部分。新型多媒体应用产生的海量异构数据计算任务使得用户体验面临着时延和能耗两大挑战。

2、边缘网络通过将计算资源靠近终端用户,有效减少了数据传输的延迟,提升了多媒体服务的响应速度。但边缘网络中计算资源稀缺,运算成本昂贵。在这种情况下,设计合理的计算任务卸载方案是决定边缘设备能够更好地处理本地产生的多媒体数据的关键。

3、然而相关技术未提出一个综合边缘网络全局信息的任务调度解决方案。


技术实现思路

1、有鉴于此,本申请一个或多个实施例的目的在于提出一种边缘网络下的计算任务融智调度方法及相关设备,以解决
技术介绍
提出的问题。

2、基于上述目的,本申请一个或多个实施例提供了边缘网络下的计算任务融智调度方法。所述方法包括:

3、获取所述边缘网络中所有基站和边缘服务器的当前信息;

4、根据所述基站和所述边缘服务器的当前信息,得到所述任务的调度策略;

5、根据所述调度策略对所述任务进行调度。

6、可选地,所述调度策略为如下目标函数的最优解;

7、

8、

9、其中,表示第k个任务的通信时延,表示所述第k个任务的计算时延,表示第k个任务的计算能耗,表示所述第k个任务在所述基站间的中转次数,表示第k个任务的数据量大小,表示所述第k个任务在所述基站间第i次中转的传输速率,rbs-es表示所述第k个任务在所述基站与所述边缘服务器间中转的传输速率,表示边缘服务器硬件每秒可执行的浮点运算次数,表示并行度,表示边缘服务器与cpu体系结构相关的能量因子,表示计算所需cpu周期数,表示虚拟机每秒可执行的cpu周期数。

10、可选地,所述调度策略通过调度策略生成模型生成,所述调度策略模型包括动作神经网络和价值评价神经网络;

11、所述调度策略生成模型执行如下操作,直到到达预设条件:

12、所述动作神经网络根据所述当前信息生成动作,所述动作指示调度策略;

13、所述价值评价神经网络生成所述动作的评价值。

14、可选地,所述根据所述当前信息生成动作,包括:

15、根据所述基站和所述边缘服务器的当前信息生成所述边缘网络的当前状态表示所述边缘服务器的当前信息,qk=(ck,gk,dk)表示所述基站的当前信息,表示本次迭代的平均cpu速度,表示本次迭代的平均gpu速度,表示所述边缘服务器间的传输速率,ck表示所述任务计算所需cpu周期数,gk表示所述任务计算所需gpu周期数,dk表示所述任务计算的数据量;

16、根据所述当前状态,生成所述动作。

17、可选地,所述动作神经网络在生成所述动作后,还执行如下操作:

18、根据所述如下公式对所述动作神经网络的参数进行更新;

19、

20、其中,表示期望,rt(θ)表示第t次迭代的奖励值,tavg表示所有所述任务的平均时延。eavg表示所有所述任务的平均能耗,a和b表示预设权重参数at表示第t次迭代的动作,∈表示io冲突因子。

21、可选地,所述价值评价神经网络在生成所述动作的评价值后,还执行如下操作:

22、根据所述如下公式对所述价值评价神经网络的参数进行更新;

23、

24、其中,vω(st)表示基于当前参数ω的值函数估计,td_targett表示基于采样过程计算的目标值。

25、可选地,所述根据所述调度策略对所述任务进行调度,包括:

26、任一所述基站按照所述调度策略将中转任务转发至所述边缘服务器,或通过其他所述基站将所述中转任务转发至所述边缘服务器;所述中转任务的转发次数小于预设数量,根据所述调度策略调度后的所述基站不存在中转任务。

27、基于同一专利技术构思,本申请一个或多个实施例还提供了一种边缘网络下的计算任务融智调度装置,包括:

28、获取模块,被配置为获取所述边缘网络中所有基站和边缘服务器的当前信息;

29、计算模块,被配置为根据所述基站和所述边缘服务器的当前信息,得到所述任务的调度策略;

30、调度模块,被配置为根据所述调度策略对所述任务进行调度。

31、基于同一专利技术构思,本申请一个或多个实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任意一项所述的边缘网络下的计算任务融智调度方法。

32、基于同一专利技术构思,本申请一个或多个实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行上述任一所述的边缘网络下的计算任务融智调度方法。

33、从上面所述可以看出,本申请一个或多个实施例提供的边缘网络下的计算任务融智调度方法,通过获取所述边缘网络中所有基站和边缘服务器的当前信息;根据所述基站和所述边缘服务器的当前信息,得到所述任务的调度策略;根据所述调度策略对所述任务进行调度。

34、本申请提供的一个或多个实施例方法基于所述边缘网络的基站和边缘服务器的全局当前信息确定所述边缘网络中所有任务的调度策略,降低所述边缘网络的时延和能耗。

35、本申请提供的一种边缘网络下的计算任务融智调度装置、电子设备以及计算机可读存储介质均能够实现上述边缘网络下的计算任务融智调度方法的步骤,因此同样具备上述边缘网络下的计算任务融智调度方法的有益效果。

本文档来自技高网...

【技术保护点】

1.一种边缘网络下的计算任务融智调度方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述调度策略为如下目标函数的最优解;

3.根据权利要求2所述的方法,其特征在于,所述调度策略通过调度策略生成模型生成,所述调度策略模型包括动作神经网络和价值评价神经网络;

4.根据权利要求3所述的方法,其特征在于,所述根据所述当前信息生成动作,包括:

5.根据权利要求3所述的方法,其特征在于,所述动作神经网络在生成所述动作后,还执行如下操作:

6.根据权利要求3所述的方法,其特征在于,所述价值评价神经网络在生成所述动作的评价值后,还执行如下操作:

7.根据权利要求1所述的方法,其特征在于,所述根据所述调度策略对所述任务进行调度,包括:

8.一种边缘网络下的计算任务融智调度装置,其特征在于,包括:

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行权利要求1至7任一所述方法。

...

【技术特征摘要】

1.一种边缘网络下的计算任务融智调度方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述调度策略为如下目标函数的最优解;

3.根据权利要求2所述的方法,其特征在于,所述调度策略通过调度策略生成模型生成,所述调度策略模型包括动作神经网络和价值评价神经网络;

4.根据权利要求3所述的方法,其特征在于,所述根据所述当前信息生成动作,包括:

5.根据权利要求3所述的方法,其特征在于,所述动作神经网络在生成所述动作后,还执行如下操作:

6.根据权利要求3所述的方法,其特征在于,所述价值评价神...

【专利技术属性】
技术研发人员:肖寒许长桥杜宇鹏
申请(专利权)人:北京邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1