一种端-边协同的边缘计算任务卸载方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116028190A(43)申请公布日2023.04.28(21)申请号202310162230.7(22)申请日2023.02.24(71)申请人重庆邮电大学地址400065重庆市南岸区南山街道崇文路2号(72)发明人尚凤军郭嘉(74)专利代理机构重庆辉腾律师事务所50215专利代理师卢胜斌(51)Int.Cl.G06F9/48(2006.01)G06F9/50(2006.01)G06N3/04(2023.01)G06N3/084(2023.01)权利要求书4页说明书10页附图2页(54)发明名称一种端-边协同的边缘计算任务卸载方法(57)摘要本发明属于任务卸载领域，具体涉及一种端‑边协同的边缘计算任务卸载方法，包括：构建端‑边协同的边缘计算任务可信卸载模型，对模型进行初始化；获取待卸载的任务数据，并确定任务的类型和属性；根据待卸载的任务数据计算任务卸载资源；根据任务卸载资源信息构建任务卸载决策；采用DDQN算法对任务卸载决策进行优化，得到最优卸载决策；根据最优卸载决策采用MassiveMIMO技术将待卸载的任务数据传输到对应的单元；本发明使用sumtree‑DDQN算法解决端‑边协同卸载场景中任务卸载问题的方法，在保证任务卸载过程中数据的安全性、隐私性和可靠性以及安全传输的基础上，有效提高卸载效率，减少卸载延迟，提高能量效率。CN116028190ACN116028190A权利要求书1/4页1.一种端‑边协同的边缘计算任务卸载方法，其特征在于，包括：构建端‑边协同的边缘计算任务可信卸载模型，对模型进行初始化；获取待卸载的任务数据，并确定任务的类型和属性；根据待卸载的任务数据计算任务卸载资源；根据任务卸载资源信息构建任务卸载决策；采用基于sumtree采样的DDQN算法对任务卸载决策进行优化，得到最优卸载决策；根据最优卸载决策采用MassiveMIMO技术将待卸载的任务数据传输到对应的单元进行任务计算。2.根据权利要求1所述的一种端‑边协同的边缘计算任务卸载方法，其特征在于，端‑边协同的边缘计算任务可信卸载模型包括本地终端设备层和边缘服务器层；本地终端设备层由多用户设备、多边缘集群、通信链路构成，且每一边缘集群由MEC基站和多边缘服务器构成；MEC基站支持多用户接入，当执行任务卸载时，根据卸载策略将任务卸载到对应的边缘集群中进行处理；用户与边缘服务器之间采用大规模MIMO技术进行无线通信。3.根据权利要求1所述的一种端‑边协同的边缘计算任务卸载方法，其特征在于，确定任务的类型和属性的过程包括：任务类型为在线独立任务，即Broker不知道将会有多少任务到达数据中心以及任务的所有相关属性，每到达一个任务就处理一个任务，任务队列是非抢占式的，任务生成到达数据中心的时间间隔服从泊松分布；任务属性定义为：task＝{idi，subi，di，memi，cpui，deadlinei，scti}其中，idi表示任务i的id；subi表示任务i的提交时间；di表示任务i的数据量；memi表示任务i请求的内存资源；cpui表示任务i请求的计算资源；deadlinei表示任务i能够容忍的最大响应时间；scti表示任务i请求执行时对计算节点的最低安全等级要求。4.根据权利要求1所述的一种端‑边协同的边缘计算任务卸载方法，其特征在于，根据任务卸载资源信息构建任务卸载决策包括：任务卸载决策包括将任务卸载到本地进行计算和将任务卸载到边缘服务器进行计算；计算任务数据卸载速率；在本地执行任务时，计算任务在用户设备上的执行时间响应时间与执行能耗在边缘服务器执行任务时，计算任务在边缘服务器上的执行时间响应时间以及执行能耗并根据任务数据卸载速率计算任务卸载到边缘服务器的传输时延和传输能耗5.根据权利要求4所述的一种端‑边协同的边缘计算任务卸载方法，其特征在于，本地执行任务时任务在用户设备上的执行时间响应时间与执行能耗的公式为：其中，fl、C、η、分别表示表示用户的计算能力CPU频率、计算节点处理1bit数据所需的CPU周期、能量因子、任务在本地用户的完成时间；在边缘服务器执行任务时，任务在边缘服务器上的执行时间响应时间以及2CN116028190A权利要求书2/4页执行能耗的公式为：其中，di表示任务i的数据量，subi表示任务i开始执行时间；任务卸载到边缘服务器的传输时延和传输能耗的公式为：其中，fe、q分别表示边缘服务器的计算能力、任务在边缘服务器上的完成时间、边缘服务器处理1bit数据产生的能耗。6.根据权利要求4所述的一种端‑边协同的边缘计算任务卸载方法，其特征在于，在进行任务时采用任务卸载综合可信评估机制对任务卸载终端进行信任评估，具体包括：利用计算节点的历史反馈评判行为可信度，历史反馈情况