申请/专利权人：上海交通大学

申请日：2022-01-06

公开（公告）日：2024-06-07

公开（公告）号：CN114546608B

主分类号：G06F9/48

分类号：G06F9/48;G06F9/50;G06N3/0499;G06N3/092;G06N3/098

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2022.06.14#实质审查的生效;2022.05.27#公开

摘要：本发明涉及一种基于边缘计算的任务调度方法，该方法包括以下步骤：各区域维护有一策略网络，基于该策略网络和实时环境，各区域独立对本区域内实时接收到的任务进行调度；所述策略网络的网络参数采用基于联邦学习的深度强化学习算法进行在线更新，具体地：各区域保存历史数据形成本地数据集，基于本地数据集进行深度强化学习训练，更新网络参数，训练目标为最小化所有任务的奖励值；各区域将自身网络参数发送至中央基站，中央基站进行基于联邦学习的统一更新后，将更新后的网络参数反馈给各区域。与现有技术相比，本发明具有增强模型扩展性、保护数据隐私性、提高系统性能等优点。

主权项：1.一种基于边缘计算的任务调度方法，其特征在于，该方法应用于一边缘计算场景，该边缘计算场景包括若干个区域，每个区域对应有若干个边缘节点和一个中央基站，各区域仅与所述中央基站通信，所述中央基站具有无限制资源，该方法包括以下步骤：各区域维护有一策略网络，基于该策略网络和实时环境，各区域独立对本区域内实时接收到的任务进行调度；所述策略网络的网络参数采用基于联邦学习的深度强化学习算法进行在线更新，具体地：各区域保存历史数据形成本地数据集，基于本地数据集进行深度强化学习训练，更新网络参数，训练目标为最小化所有任务的奖励值；各区域将自身网络参数发送至中央基站，中央基站进行基于联邦学习的统一更新后，将更新后的网络参数反馈给各区域；各区域独立对本区域内实时接收到的任务进行调度具体为：获取当前时刻的任务请求资源分布和节点剩余资源分布；判断所述节点剩余资源分布是否大于任务请求资源分布，若是，则调用当前的所述策略网络得到每个任务分配的节点信息，更新区域环境信息，若否，则将接收到的任务转发至中央基站进行处理；调用当前的所述策略网络得到每个任务分配的节点信息具体为：将当前时刻的任务请求资源分布和节点剩余资源分布分别进行向量嵌入，分别得到任务向量和节点向量，并得到环境状态向量；基于所述环境状态向量和策略网络得到关于动作正态分布的平均值与方差，基于所述平均值与方差选择一个动作作为当前动作，所述动作即任务会被分配到哪个节点；所述任务的奖励值表示为：R＝α*time+β*enegy其中，α和β分别表示时延与能耗的权重系数，time表示任务所花费的总时延，energy表示任务所花费的总能耗。

全文数据：

权利要求：

百度查询： 上海交通大学 一种基于边缘计算的任务调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD