CN113835778A - 任务卸载方法、装置、电子设备及存储介质 - Google Patents
任务卸载方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113835778A CN113835778A CN202111076905.3A CN202111076905A CN113835778A CN 113835778 A CN113835778 A CN 113835778A CN 202111076905 A CN202111076905 A CN 202111076905A CN 113835778 A CN113835778 A CN 113835778A
- Authority
- CN
- China
- Prior art keywords
- task
- unloading
- strategy
- current
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000005265 energy consumption Methods 0.000 claims description 110
- 230000005540 biological transmission Effects 0.000 claims description 81
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001934 delay Effects 0.000 description 3
- 241000287196 Asthenes Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种任务卸载方法、装置、电子设备及存储介质,涉及边缘计算技术领域,其中任务卸载方法包括:获取任务的当前卸载策略;所述当前卸载策略包括至少一个当前卸载决策;对所述当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;根据策略约束条件,对各个所述目标策略进行处理,得到目标策略结果集合;将所述目标策略结果集合中的最小值对应的所述目标策略,确定为任务卸载策略;基于所述任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为所述任务卸载策略中各个目标卸载决策对应的卸载对象。本方法能够降低系统工作成本。
Description
技术领域
本发明涉及边缘计算技术领域,尤其涉及一种任务卸载方法、装置、电子设备及存储介质。
背景技术
随着边缘计算技术的发展,特别是借助于物联网的发展,边缘计算的应用领域越来越广泛,例如,智慧交通、智慧家居或者在线直播等领域。边缘计算是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。在没有通信基础设施或通信功能受限的情况下,可以利用无人机搭载上边缘计算系统,为移动终端提供可靠的无线通信,通过该无线通信为地面移动终端提供边缘计算卸载服务,由于无人机以及移动终端的电池寿命的限制,需要移动终端在任务卸载过程中,以较低的系统工作成本完成。
然而现有技术中的任务卸载方法,存在系统工作成本高的问题。
发明内容
本发明提供一种任务卸载方法、装置、电子设备及存储介质,用以解决现有技术中系统工作成本高的缺陷,实现降低系统工作成本的目的。
本发明提供一种任务卸载方法,包括:获取任务的当前卸载策略;所述当前卸载策略包括至少一个当前卸载决策;对所述当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;根据策略约束条件,对各个所述目标策略进行处理,得到目标策略结果集合;将所述目标策略结果集合中的最小值对应的所述目标策略,确定为任务卸载策略;基于所述任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为所述任务卸载策略中各个目标卸载决策对应的卸载对象。
根据本发明提供的一种任务卸载方法,所述候选当前卸载决策包括本地任务卸载决策和对端任务卸载决策,所述对所述当前卸载策略中的候选当前卸载决策进行调整包括:若所述候选当前卸载决策为本地任务卸载决策,将所述候选当前卸载决策从所述本地任务卸载决策调整为对端任务卸载决策;若所述候选当前卸载决策为对端任务卸载决策,将所述候选当前卸载决策从对端任务卸载决策调整为本地任务卸载决策。
根据本发明提供的一种任务卸载方法,所述策略约束条件的得到过程包括:获取所述任务卸载能耗和任务卸载时间,所述任务卸载能耗包括本地任务卸载能耗、对端任务卸载能耗、传输能耗;基于所述任务卸载能耗和任务卸载时间,得到所述策略约束条件。
根据本发明提供的一种任务卸载方法,所述基于所述任务卸载能耗和任务卸载时间,得到所述策略约束条件包括:对所述任务卸载时间进行加权处理,得到加权卸载时间;对所述任务卸载能耗和所述加权卸载时间进行累计,得到所述策略约束条件。
根据本发明提供的一种任务卸载方法,所述本地任务卸载能耗的得到过程包括:获取执行时间,所述执行时间为本地设备集合中候选本地设备执行本地任务得到的;根据所述候选本地设备的计算能力,得到所述候选本地设备的本地功耗;根据所述执行时间和所述本地功耗,得到所述本地设备集合中各个候选本地设备对应的本地设备能耗;对各个所述本地设备能耗进行统计,得到所述本地任务卸载能耗。
根据本发明提供的一种任务卸载方法,所述传输能耗的得到过程包括:获取所述候选本地设备和所述候选本地设备对应的对端设备之间的信道增益;根据所述信道增益与任务传输速率之间的对应关系,得到所述任务传输速率;利用所述传输速率对卸载任务进行传输,得到传输时延;根据所述传输时延和传输功率,得到目标传输能耗;对各个所述候选本地设备对应的所述目标传输能耗进行统计,得到所述传输能耗。
根据本发明提供的一种任务卸载方法,所述获取所述候选本地设备和所述候选本地设备对应的对端设备之间的信道增益包括:获取所述候选本地设备和所述对端设备之间的直线距离;根据单位信道增益和所述直线距离的函数关系,得到所述信道增益,其中,所述单位信道增益为所述候选本地设备和所述对端设备之间单位长度处的信道增益。
本发明还提供一种任务卸载装置,包括:当前卸载策略获取模块,用于获取任务的当前卸载策略;所述当前卸载策略包括至少一个当前卸载决策;目标策略得到模块,用于对所述当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;目标策略结果集合得到模块,用于根据策略约束条件,对各个所述目标策略进行处理,得到目标策略结果集合;任务卸载策略确定模块,用于将所述目标策略结果集合中的最小值对应的所述目标策略,确定为任务卸载策略;任务卸载模块,用于基于所述任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为所述任务卸载策略中各个目标卸载决策对应的卸载对象。
本发明还提供一种电子设备,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一种所述任务卸载方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述任务卸载方法的步骤。
本发明提供的任务卸载方法、装置、电子设备及存储介质,通过获取任务的当前卸载策略;该当前卸载策略包括至少一个当前卸载决策;对当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;根据策略约束条件,对各个目标策略进行处理,得到目标策略结果集合;将目标策略结果集合中的最小值对应的目标策略,确定为任务卸载策略;基于任务卸载策略,对任务卸载对象进行任务卸载,其中的任务卸载对象为任务卸载策略中各个目标卸载决策对应的卸载对象。通过在目标策略结果集合中选取最小值,利用该最小值对应的目标策略作为任务卸载策略,能够达到在任务卸载过程中降低系统工作成本的目的。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的任务卸载方法的流程场景应用图之一;
图2是本发明提供的任务卸载方法的流程示意图之一;
图3是本发明提供的任务卸载方法的流程示意图之二;
图4是本发明提供的任务卸载方法的流程示意图之三;
图5是本发明提供的任务卸载方法的流程示意图之四;
图6是本发明提供的任务卸载方法的流程示意图之五;
图7是本发明提供的任务卸载方法的流程示意图之六;
图8是本发明提供的任务卸载装置的结构示意图;
图9是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请提供的任务卸载方法,可以应用于如图1所示的应用环境中,具体应用到一种任务卸载系统中。该任务卸载系统包括边缘服务器的104和移动终端102,其中,移动终端102通过网络与边缘服务器104进行通信。移动终端102执行一种任务卸载方法,具体的,移动终端102获取任务的当前卸载策略;该当前卸载策略包括至少一个当前卸载决策;对当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;根据策略约束条件,对各个目标策略进行处理,得到目标策略结果集合;将目标策略结果集合中的最小值对应的目标策略,确定为任务卸载策略;基于任务卸载策略,对任务卸载对象进行任务卸载,将任务卸载到边缘服务器104上。其中,任务卸载对象为任务卸载策略中各个目标卸载决策对应的卸载对象。其中,移动终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,边缘服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现,可以根据实际应用场景搭载在无人机或者其他设备上等。
下面结合图2-图7描述本发明的任务卸载方法。
在一个实施例中,如图2所示,提供了一种任务卸载方法,以该方法应用于图1中的移动终端为例进行说明,包括以下步骤:
步骤202,获取任务的当前卸载策略;该当前卸载策略包括至少一个当前卸载决策。
其中,卸载策略是指对任务进行卸载的策略,该策略可以包括至少一个卸载决策;卸载决策是指移动终端将本端任务向边缘服务器卸载时的决策,该决策可以使用卸载变量表示,例如,卸载变量可以利用二进制的变量,移动终端为第k个设备时,表示为αk,当该变量αk为1时,表示移动终端k选择将任务卸载到无人机进行计算,当该变量αk为0时,表示移动终端k选择在本地进行计算。
步骤204,对当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略。
具体的,移动终端在获取任务的当前卸载策略之后,对在当前卸载策略中任意选择一个当前卸载决策作为候选当前卸载决策进行调整,得到该当前卸载决策对应的目标策略。
步骤206,根据策略约束条件,对各个目标策略进行处理,得到目标策略结果集合。
其中,策略约束条件是指能够对策略起到约束的条件,该条件可以为基于目标策略中各个卸载决策得到。
具体的,策略约束条件可以通过获取任务卸载能耗和任务卸载时间,其中的任务卸载能耗包括本地任务卸载能耗、对端任务卸载能耗和传输能耗;基于上述任务卸载能耗和任务卸载时间,得到策略约束条件。假设,本地任务卸载能耗表示为对端任务卸载能耗表示为传输能耗表示为Ek,任务卸载时间表示为T,卸载时间的权重因子表示为θ,则策略约束条件可以表示公式:
在有K个移动设备的场景下,在各个目标策略下,得到目标策略结果集合{Y1,Y2……YK}。
在一个实施例中,选取本地移动设备执行任务的时延,以及,移动终端的传输时延和在边缘服务器中执行任务的时延总和中的最大值,作为任务卸载时间T,假设移动终端的传输时延表示为Tloc,在边缘服务器中执行任务的时延的总和表示为TUAV,则任务卸载时间T表示为:
T=max{Tloc,TUAV} (5)
步骤208,将目标策略结果集合中的最小值对应的目标策略,确定为任务卸载策略。
具体的,移动终端在得到目标策略结果集合之后,在该目标策略结果集合中选取最小值,将该最小值对应的目标策略,确定为任务卸载策略。例如,在该目标策略中,以二进制的卸载决策为例,最小值为Y2,该最小值Y2对应的目标策略为{1,0,0……1,0,1,1},将该目标策略,确定为任务卸载策略。
步骤210,基于任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为任务卸载策略中各个目标卸载决策对应的卸载对象。
具体的,移动终端确定任务卸载策略之后,利用该任务卸载策略中的各个目标卸载决策对该决策对应的卸载对应进行任务卸载。例如,任务卸载策略为{1,0,0……1,0,1,1},利用该任务卸载策略中的目标卸载决策对应排序位置与对应的移动终端的序号的对应关系,对移动终端中的任务进行卸载。例如,在上述任务卸载策略排序为1的卸载决策为1,表示移动终端1选择将任务卸载到边缘服务器上,在上述任务卸载策略排序为3的卸载决策为0,表示移动终端3选择任务在本地计算。
上述任务卸载方法中,通过获取任务的当前卸载策略;该当前卸载策略包括至少一个当前卸载决策;对当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;根据策略约束条件,对各个目标策略进行处理,得到目标策略结果集合;将目标策略结果集合中的最小值对应的目标策略,确定为任务卸载策略;基于任务卸载策略,对任务卸载对象进行任务卸载,其中的任务卸载对象为任务卸载策略中各个目标卸载决策对应的卸载对象。通过在目标策略结果集合中选取最小值,利用该最小值对应的目标策略作为任务卸载策略,能够达到在任务卸载过程中降低系统工作成本的目的。
在一个实施例中,候选当前卸载决策包括本地任务卸载决策和对端任务卸载决策,对当前卸载策略中的候选当前卸载决策进行调整包括:若候选当前卸载决策为本地任务卸载决策,将候选当前卸载决策从本地任务卸载决策调整为对端任务卸载决策;若候选当前卸载决策为对端任务卸载决策,将候选当前卸载决策从对端任务卸载决策调整为本地任务卸载决策。
其中,本地任务卸载决策是指任务在移动终端进行本地计算的卸载决策;对端任务卸载决策是指任务在边缘服务器进行边缘服务器侧计算的卸载决策。
具体的,以卸载决策为二进制的形式为例,利用模2加法对候选当前卸载决策进行处理,本地任务卸载决策表示为0,对端任务卸载决策表示为1,对本地任务卸载决策进行模2加法计算后,将本地任务卸载决策从0调整为1;同理,对对端任务卸载决策进行模2加法计算后,将对端任务卸载决策从1调整为0。
本实施例中,通过对候选当前卸载决策进行调整,能够达到不断调整候选当前卸载决策的目的。
在一个实施例中,如图3所示,策略约束条件的得到过程包括:
步骤302,获取任务卸载能耗和任务卸载时间,该任务卸载能耗包括本地任务卸载能耗、对端任务卸载能耗和传输能耗。
其中的r表示本地CPU芯片结构的功率系数,fl,k表示本地的计算能力。
其中的Lk表示为移动终端的任务量,Sk表示为移动终端k执行每一位任务所需要的CPU周期,αk表示为卸载决策。
其中的r′表示边缘服务器CPU芯片结构的功率系数,fU表示本地的计算能力。
具体的,传输能耗表示为Ek,传输功率表示为Pk,传输时延表示为tk,则传输能耗Ek表示为公式:
Ek=Pktk (12)
其中,传输时延tk表示为公式:
其中的Rk表示移动终端卸载到边缘服务器的传输速率,该速率Rk表示为公式:
其中的B表示信道带宽,σ表示噪声功率,hk表示移动终端和边缘服务器之间的信道增益。
具体的,任务卸载时间表示为T,移动终端的传输时延表示为Tloc,在边缘服务器中执行任务的时延的总和表示为TUAV,则任务卸载时间T表示为上述公式(5)。可以理解的,移动终端的传输时延表示为Tloc利用公式(8)对各个移动终端的时延进行叠加,得到移动终端的传输时延Tloc,边缘服务器中执行任务的时延的总和表示为TUAV,利用公式(8)和(13)得到边缘服务器处理单个移动终端中任务的时延进行叠加,得到边缘服务器中执行任务的时延的总和表示为TUAV。
步骤304,基于任务卸载能耗和任务卸载时间,得到策略约束条件。
具体的,移动终端在得到任务卸载能耗和任务卸载时间之后,根据任务卸载能耗和任务卸载时间之后,得到的策略约束条件表示为上述公式(4)。
本实施例中,通过获取任务卸载能耗和任务卸载时间,基于任务卸载能耗和任务卸载时间,得到策略约束条件,能够达到准确得到策略约束条件的目的。
在一个实施例中,如图4所示,基于任务卸载能耗和任务卸载时间,得到策略约束条件包括:
步骤402,对任务卸载时间进行加权处理,得到加权卸载时间。
具体的,移动终端在得到任务卸载时间后,对该任务卸载时间添加权重因子,得到加权卸载时间。例如,任务卸载时间表示为T,卸载时间的权重因子表示为θ,则加权卸载时间T权表示为公式:
T权=θ*T=θmax{Tloc,TUAV} (15)
步骤404,对任务卸载能耗和加权卸载时间进行累计,得到策略约束条件。
具体的,移动终端在得到加权卸载时间之后,对任务卸载能耗和加权卸载时间进行累计,得到的累计表达式,作为策略约束条件,该策略约束条件可以表示为公式:
本实施例中,通过对任务卸载时间进行加权处理,得到加权卸载时间,对任务卸载能耗和加权卸载时间进行累计,得到策略约束条件能够达到更加准确的得到策略约束条件的目的。
在一个实施例中,如图5所示,本地任务卸载能耗的得到过程包括:
步骤502,获取执行时间,该执行时间为本地设备集合中候选本地设备执行本地任务得到的。
具体的,根据本地的任务量和候选本地设备执行每bit(位)所需要的CPU周期,获取执行时间,假设本地执行时间表示为移动终端执行每bit(位)所需要的CPU周期表示为Sk,则本地执行时间即本地执行任务的时延可以通过上述公式(8)计算获取到。
步骤504,根据候选本地设备的计算能力,得到候选本地设备的本地功耗。
步骤506,根据执行时间和本地功耗,得到本地设备集合中各个候选本地设备对应的本地设备能耗。
具体的,在移动终端得到执行时间和本地功耗之后,根据本地设备能耗与执行时间以及本地功耗之间的函数关系,得到候选本地设备对应的本地设备能耗。本地设备能耗表示为本地功耗表示为本地执行时间表示为结合上述公式(6)(7)(8)得到本地设备能耗表示为公式:
步骤508,对各个本地设备能耗进行统计,得到本地任务卸载能耗。
具体的,移动终端得到本地设备能耗之后,根据移动终端的数量,对各个移动终端的本地设备能耗进行统计,得到本地任务卸载能耗。假设本地任务卸载能耗表示为E总,则本地任务卸载能耗E总表示为公式:
本实施例中,通过获取执行时间,根据候选本地设备的计算能力,得到候选本地设备的本地功耗,根据执行时间和本地功耗,得到本地设备集合中各个候选本地设备对应的本地设备能耗,对各个本地设备能耗进行统计,得到本地任务卸载能耗,能够达到准确得到本地任务卸载能耗的目的,从而能够本地任务卸载能耗的情况,确定移动终端电池的使用情况。
在一个实施例中,如图6所示,传输能耗的得到过程包括:
步骤602,获取候选本地设备和候选本地设备对应的对端设备之间的信道增益。
其中,信道增益是指候选本地设备和对端设备进行任务传输时通信信道的衰减系数。
具体的,可以利用通信线路监测设备对候选本地设备和对端设备之间的通信线路的各种通信指标进行监测,并将监测到的信道增益传输给本地的移动终端。
步骤604,根据信道增益与任务传输速率之间的对应关系,得到任务传输速率。
其中,传输速率是指移动终端将任务卸载到对端设备即边缘服务器时,传输任务的速率。
具体的,信道增益与任务传输速率之间存在对应的函数关系,在移动终端得到信道增益之后,可以通过该函数关系得到任务传输速率。
在一个实施例中,信道增益表示为hk,任务传输速率表示为Rk,函数关系表示为公式:
其中,B表示信道带宽,σ表示噪声功率。
步骤606,利用传输速率对卸载任务进行传输,得到传输时延。
具体的,利用上述传输速率Rk,得到传输时延tk,表示为公式:
步骤608,根据传输时延和传输功率,得到目标传输能耗。
具体的,移动终端在得到传输时延tk后,利用传输功率,可以得到目标传输能耗。目标传输能耗表示为Ek,表示为公式:
步骤610,对各个候选本地设备对应的目标传输能耗进行统计,得到传输能耗。
具体的,本地存在有至少一个移动终端,每个移动终端与边缘服务器进行任务传输时,均存在传输能耗。因此,对各个候选本地设备对应的目标传输能耗进行统计,得到传输能耗。传输能耗表示为E耗,则E耗表示为公式:
本实施例中,通过获取候选本地设备和候选本地设备对应的对端设备之间的信道增益,根据信道增益与任务传输速率之间的对应关系,得到任务传输速率,根据传输时延和传输功率,得到目标传输能耗,对各个候选本地设备对应的目标传输能耗进行统计,得到传输能耗,能够达到准确得到传输能耗的目的。
在一个实施例中,如图7所示,获取候选本地设备和候选本地设备对应的对端设备之间的信道增益包括:
步骤702,获取候选本地设备和对端设备之间的直线距离。
具体的,移动终端通过本端和对端边缘服务器之间的垂直距离,以及本端和对端边缘服务器之间的水平距离,得到候选本地设备和对端设备之间的直线距离。
在一个实施例中,本端和对端边缘服务器之间的垂直距离表示为H,本端和对端边缘服务器之间的水平距离表示为W,本端和对端边缘服务器之间的直线距离表示为dk,则直线距离dk表示为公式:
在一个实施例中,本端和对端边缘服务器之间的水平距离W,可以通过移动终端的球面横坐标以及边缘服务器在与该移动终端同一平面中映射的横坐标得到,移动终端的球面横坐标表示为qk,边缘服务器在与该移动终端同一平面中映射的横坐标表示为qU,则本端和对端边缘服务器之间的水平距离W表示为公式:
W2=||qU-qk||2 (24)
步骤704,根据单位信道增益和直线距离的函数关系,得到信道增益,其中,该单位信道增益为候选本地设备和对端设备之间单位长度处的信道增益。
其中,单位信道增益为候选本地设备和对端设备之间参考距离为1米处的信道功率增益。
具体的,移动终端在获取到候选本地设备和对端设备之间的直线距离之后,根据单位信道增益和直线距离的函数关系,得到信道增益。信道增益表示为hk,单位信道增益表示为u0,则信道增益hk表示为公式:
本实施例中,通过获取候选本地设备和对端设备之间的直线距离,根据单位信道增益和直线距离的函数关系,得到信道增益,能够达到准确得到信道增益的目的。
在一个实施例中,以边缘服务器搭载在无人机上为例,对上述策略约束条件进行最小值确定,确定方法的目标函数为P,结合上述公式(16),则P表示为公式:
其中,满足约束条件为:
其中,Eo表示无人机能量预算。
下面对本发明提供的任务卸载装置进行描述,下文描述的任务卸载装置与上文描述的任务卸载方法可相互对应参照。
在一个实施例中,如图8所示,提供了一种任务卸载装置800,包括:当前卸载策略获取模块802、目标策略得到模块804、目标策略结果集合得到模块806、任务卸载策略确定模块808和任务卸载模块810,其中:当前卸载策略获取模块802,用于获取任务的当前卸载策略;当前卸载策略包括至少一个当前卸载决策;目标策略得到模块804,用于对当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;目标策略结果集合得到模块806,用于根据策略约束条件,对各个目标策略进行处理,得到目标策略结果集合;任务卸载策略确定模块808,用于将目标策略结果集合中的最小值对应的目标策略,确定为任务卸载策略;任务卸载模块810,用于基于任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为任务卸载策略中各个目标卸载决策对应的卸载对象。
在一个实施例中,目标策略得到模块804,用于若候选当前卸载决策为本地任务卸载决策,将候选当前卸载决策从本地任务卸载决策调整为对端任务卸载决策;若候选当前卸载决策为对端任务卸载决策,将候选当前卸载决策从对端任务卸载决策调整为本地任务卸载决策。
在一个实施例中,目标策略结果集合得到模块806,用于获取任务卸载能耗和任务卸载时间,任务卸载能耗包括本地任务卸载能耗、对端任务卸载能耗和传输能耗;基于任务卸载能耗和任务卸载时间,得到策略约束条件。
在一个实施例中,目标策略结果集合得到模块806,用于对任务卸载时间进行加权处理,得到加权卸载时间;对任务卸载能耗和加权卸载时间进行累计,得到策略约束条件。
在一个实施例中,目标策略结果集合得到模块806,用于获取执行时间,执行时间为本地设备集合中候选本地设备执行本地任务得到的;根据候选本地设备的计算能力,得到候选本地设备的本地功耗;根据执行时间和本地功耗,得到本地设备集合中各个候选本地设备对应的本地设备能耗;对各个本地设备能耗进行统计,得到本地任务卸载能耗。
在一个实施例中,目标策略结果集合得到模块806,用于获取候选本地设备和候选本地设备对应的对端设备之间的信道增益;根据信道增益与任务传输速率之间的对应关系,得到任务传输速率;利用传输速率对卸载任务进行传输,得到传输时延;根据传输时延和传输功率,得到目标传输能耗;对各个候选本地设备对应的目标传输能耗进行统计,得到传输能耗。
在一个实施例中,目标策略结果集合得到模块806,用于获取候选本地设备和对端设备之间的直线距离;根据单位信道增益和直线距离的函数关系,得到信道增益,其中,单位信道增益为候选本地设备和对端设备之间单位长度处的信道增益。
图9示例了一种电子设备的实体结构示意图,如图9所示,该电子设备可以包括:处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940,其中,处理器910,通信接口920,存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令,以执行任务卸载方法,该方法包括:获取任务的当前卸载策略;当前卸载策略包括至少一个当前卸载决策;对当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;根据策略约束条件,对各个目标策略进行处理,得到目标策略结果集合;将目标策略结果集合中的最小值对应的目标策略,确定为任务卸载策略;基于任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为任务卸载策略中各个目标卸载决策对应的卸载对象。
此外,上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的任务卸载方法,该方法包括:获取任务的当前卸载策略;当前卸载策略包括至少一个当前卸载决策;对当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;根据策略约束条件,对各个目标策略进行处理,得到目标策略结果集合;将目标策略结果集合中的最小值对应的目标策略,确定为任务卸载策略;基于任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为任务卸载策略中各个目标卸载决策对应的卸载对象。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的任务卸载方法,该方法包括:获取任务的当前卸载策略;当前卸载策略包括至少一个当前卸载决策;对当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;根据策略约束条件,对各个目标策略进行处理,得到目标策略结果集合;将目标策略结果集合中的最小值对应的目标策略,确定为任务卸载策略;基于任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为任务卸载策略中各个目标卸载决策对应的卸载对象。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种任务卸载方法,其特征在于,包括:
获取任务的当前卸载策略;所述当前卸载策略包括至少一个当前卸载决策;
对所述当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;
根据策略约束条件,对各个所述目标策略进行处理,得到目标策略结果集合;
将所述目标策略结果集合中的最小值对应的所述目标策略,确定为任务卸载策略;
基于所述任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为所述任务卸载策略中各个目标卸载决策对应的卸载对象。
2.根据权利要求1所述的任务卸载方法,其特征在于,所述候选当前卸载决策包括本地任务卸载决策和对端任务卸载决策,所述对所述当前卸载策略中的候选当前卸载决策进行调整包括:
若所述候选当前卸载决策为本地任务卸载决策,将所述候选当前卸载决策从所述本地任务卸载决策调整为对端任务卸载决策;
若所述候选当前卸载决策为对端任务卸载决策,将所述候选当前卸载决策从对端任务卸载决策调整为本地任务卸载决策。
3.根据权利要求1所述的任务卸载方法,其特征在于,所述策略约束条件的得到过程包括:
获取所述任务卸载能耗和任务卸载时间,所述任务卸载能耗包括本地任务卸载能耗、对端任务卸载能耗和传输能耗;
基于所述任务卸载能耗和任务卸载时间,得到所述策略约束条件。
4.根据权利要求3所述的任务卸载方法,其特征在于,所述基于所述任务卸载能耗和任务卸载时间,得到所述策略约束条件包括:
对所述任务卸载时间进行加权处理,得到加权卸载时间;
对所述任务卸载能耗和所述加权卸载时间进行累计,得到所述策略约束条件。
5.根据权利要求3所述的任务卸载方法,其特征在于,所述本地任务卸载能耗的得到过程包括:
获取执行时间,所述执行时间为本地设备集合中候选本地设备执行本地任务得到的;
根据所述候选本地设备的计算能力,得到所述候选本地设备的本地耗;
根据所述执行时间和所述本地功耗,得到所述本地设备集合中各个候选本地设备对应的本地设备能耗;
对各个所述本地设备能耗进行统计,得到所述本地任务卸载能耗。
6.根据权利要求5所述的任务卸载方法,其特征在于,所述传输能耗的得到过程包括:
获取所述候选本地设备和所述候选本地设备对应的对端设备之间的信道增益;
根据所述信道增益与任务传输速率之间的对应关系,得到所述任务传输速率;
利用所述传输速率对卸载任务进行传输,得到传输时延;
根据所述传输时延和传输功率,得到目标传输能耗;
对各个所述候选本地设备对应的所述目标传输能耗进行统计,得到所述传输能耗。
7.根据权利要求6所述的任务卸载方法,其特征在于,所述获取所述候选本地设备和所述候选本地设备对应的对端设备之间的信道增益包括:
获取所述候选本地设备和所述对端设备之间的直线距离;
根据单位信道增益和所述直线距离的函数关系,得到所述信道增益,其中,所述单位信道增益为所述候选本地设备和所述对端设备之间单位长度处的信道增益。
8.一种任务卸载装置,其特征在于,包括:
当前卸载策略获取模块,用于获取任务的当前卸载策略;所述当前卸载策略包括至少一个当前卸载决策;
目标策略得到模块,用于对所述当前卸载策略中的候选当前卸载决策进行调整,得到各个候选当前卸载决策对应的目标策略;
目标策略结果集合得到模块,用于根据策略约束条件,对各个所述目标策略进行处理,得到目标策略结果集合;
任务卸载策略确定模块,用于将所述目标策略结果集合中的最小值对应的所述目标策略,确定为任务卸载策略;
任务卸载模块,用于基于所述任务卸载策略,对任务卸载对象进行任务卸载,其中,任务卸载对象为所述任务卸载策略中各个目标卸载决策对应的卸载对象。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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任一项所述任务卸载方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述任务卸载方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111076905.3A CN113835778A (zh) | 2021-09-14 | 2021-09-14 | 任务卸载方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111076905.3A CN113835778A (zh) | 2021-09-14 | 2021-09-14 | 任务卸载方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113835778A true CN113835778A (zh) | 2021-12-24 |
Family
ID=78959241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111076905.3A Pending CN113835778A (zh) | 2021-09-14 | 2021-09-14 | 任务卸载方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113835778A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864007A (zh) * | 2017-11-03 | 2018-03-30 | 西安电子科技大学 | 面向区域目标的多星多地面站资源协同分配管理方法 |
CN110941667A (zh) * | 2019-11-07 | 2020-03-31 | 北京科技大学 | 一种移动边缘计算网络中的计算卸载方法及系统 |
CN111124666A (zh) * | 2019-11-25 | 2020-05-08 | 哈尔滨工业大学 | 一种移动物联网中的高效、安全的多用户多任务卸载方法 |
CN111310922A (zh) * | 2020-03-27 | 2020-06-19 | 北京奇艺世纪科技有限公司 | 处理深度学习计算任务的方法、装置、设备和存储介质 |
CN112422644A (zh) * | 2020-11-02 | 2021-02-26 | 北京邮电大学 | 计算任务卸载方法及系统、电子设备和存储介质 |
CN112512056A (zh) * | 2020-11-14 | 2021-03-16 | 北京工业大学 | 一种移动边缘计算网络中多目标优化的计算卸载方法 |
CN113010282A (zh) * | 2021-03-03 | 2021-06-22 | 电子科技大学 | 一种基于深度强化学习的边云协同串行任务卸载方法 |
-
2021
- 2021-09-14 CN CN202111076905.3A patent/CN113835778A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864007A (zh) * | 2017-11-03 | 2018-03-30 | 西安电子科技大学 | 面向区域目标的多星多地面站资源协同分配管理方法 |
CN110941667A (zh) * | 2019-11-07 | 2020-03-31 | 北京科技大学 | 一种移动边缘计算网络中的计算卸载方法及系统 |
CN111124666A (zh) * | 2019-11-25 | 2020-05-08 | 哈尔滨工业大学 | 一种移动物联网中的高效、安全的多用户多任务卸载方法 |
CN111310922A (zh) * | 2020-03-27 | 2020-06-19 | 北京奇艺世纪科技有限公司 | 处理深度学习计算任务的方法、装置、设备和存储介质 |
CN112422644A (zh) * | 2020-11-02 | 2021-02-26 | 北京邮电大学 | 计算任务卸载方法及系统、电子设备和存储介质 |
CN112512056A (zh) * | 2020-11-14 | 2021-03-16 | 北京工业大学 | 一种移动边缘计算网络中多目标优化的计算卸载方法 |
CN113010282A (zh) * | 2021-03-03 | 2021-06-22 | 电子科技大学 | 一种基于深度强化学习的边云协同串行任务卸载方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110418416B (zh) | 移动边缘计算系统中基于多智能体强化学习的资源分配方法 | |
CN109151864B (zh) | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 | |
CN110740473B (zh) | 一种用于移动边缘计算的管理方法及边缘服务器 | |
US20230199061A1 (en) | Distributed computation offloading method based on computation-network collaboration in stochastic network | |
CN107708152B (zh) | 异构蜂窝网络的任务卸载方法 | |
CN112148380A (zh) | 一种移动边缘计算任务卸载中的资源优化方法及电子设备 | |
CN112689303A (zh) | 一种边云协同资源联合分配方法、系统及应用 | |
CN112105062A (zh) | 时敏条件下移动边缘计算网络能耗最小化策略方法 | |
CN111274037B (zh) | 一种边缘计算任务卸载方法、系统 | |
CN113837399A (zh) | 联邦学习模型的训练方法、装置、系统、存储介质及设备 | |
CN110809291A (zh) | 基于能量采集设备的移动边缘计算系统双层负载平衡方法 | |
CN112988347B (zh) | 一种降低系统能耗与花费和的边缘计算卸载方法及系统 | |
CN111836284A (zh) | 基于移动边缘计算的能耗优化计算、卸载方法和系统 | |
CN112612553A (zh) | 一种基于容器技术的边缘计算任务卸载方法 | |
CN112698940A (zh) | 用于车路协同的车辆辅助边缘计算任务分配系统 | |
KR102562732B1 (ko) | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 | |
CN111158893B (zh) | 应用于雾计算网络的任务卸载方法、系统、设备及介质 | |
CN113507712A (zh) | 一种基于交替方向乘子的资源分配与计算任务卸载方法 | |
CN115242800B (zh) | 一种基于博弈论的移动边缘计算资源优化方法及装置 | |
CN114116061A (zh) | 一种移动边缘计算环境下的工作流任务卸载方法及系统 | |
CN116225575B (zh) | 针对移动边缘计算的任务卸载方法、装置、设备及介质 | |
CN113365290A (zh) | 天地融合网络中基于贪心策略的博弈论计算卸载方法 | |
CN113835778A (zh) | 任务卸载方法、装置、电子设备及存储介质 | |
CN113795026B (zh) | 边缘计算网络中计算卸载的认证安全级别和资源优化方法 | |
CN113703970B (zh) | 基于拍卖机制的服务器资源分配方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211224 |
|
RJ01 | Rejection of invention patent application after publication |