CN117580106B - 一种多策略池的星地网络快速调度与资源分配方法和装置 - Google Patents

一种多策略池的星地网络快速调度与资源分配方法和装置 Download PDF

Info

Publication number
CN117580106B
CN117580106B CN202410057576.5A CN202410057576A CN117580106B CN 117580106 B CN117580106 B CN 117580106B CN 202410057576 A CN202410057576 A CN 202410057576A CN 117580106 B CN117580106 B CN 117580106B
Authority
CN
China
Prior art keywords
task
satellite
user terminal
strategy
time delay
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.)
Active
Application number
CN202410057576.5A
Other languages
English (en)
Other versions
CN117580106A (zh
Inventor
姚海鹏
王雅琪
张琦
张尼
韩宝磊
朱雪田
董涛
葛洪武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202410057576.5A priority Critical patent/CN117580106B/zh
Publication of CN117580106A publication Critical patent/CN117580106A/zh
Application granted granted Critical
Publication of CN117580106B publication Critical patent/CN117580106B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/09—Management thereof
    • H04W28/0925—Management thereof using policies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18513—Transmission in a satellite or space-based system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/09—Management thereof
    • H04W28/0958—Management thereof based on metrics or performance parameters
    • H04W28/0967—Quality of Service [QoS] parameters
    • H04W28/0975—Quality of Service [QoS] parameters for reducing delays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/535—Allocation or scheduling criteria for wireless resources based on resource usage policies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/06—Airborne or Satellite Networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radio Relay Systems (AREA)

Abstract

本发明提供了一种多策略池的星地网络快速调度与资源分配方法和装置，涉及通信的技术领域，包括：获取星地融合网络中目标用户终端的策略池；基于所有用户终端的当前任务调度策略，确定星地融合网络中所有卫星当前的资源分配策略和目标用户终端当前的效用函数值；计算目标用户终端选择策略池中的指定任务调度策略时，更新后的资源分配策略和效用函数值；若更新后的效用函数值大于当前的效用函数值，则调整为指定任务调度策略；否则，维持当前任务调度策略；在确定所有用户终端完成预设轮次的策略间效用函数值比较之后，得到目标任务调度策略和目标资源分配策略。为星地融合网络中用户‑卫星‑云平台架构下的任务调度与资源分配提供了解决方案。

Description

一种多策略池的星地网络快速调度与资源分配方法和装置
技术领域
本发明涉及通信的技术领域，尤其是涉及一种多策略池的星地网络快速调度与资源分配方法和装置。
背景技术
随着诸如虚拟现实、增强现实等新兴业务的兴起，云计算是一个热门的方法，远端云数据中心（也即，云平台）具有强大的计算与缓存能力，可以为一些大带宽非紧急业务提供服务支持。因此，许多研究考虑卫星节点辅助的云计算方法，将卫星边缘网络作为中继单位连接用户终端与远端云中心。但这种方式可能会对带宽大量占用，因此我们可以考虑在卫星边缘节点配备小型的边缘服务器，将计算能力下沉到卫星节点，为地面用户提供处理任务请求的能力，从而减少用户响应时间。考虑到卫星在现实中的轻量化需求，星上计算资源是有限的，因此我们可以令卫星节点作为中继节点对地面用户与云平台的连接，基于多级协同协作，为任务灵活调度提供一种新的方案。
面向星地融合网络异构资源，为避免部分节点负载过大，保证网络的可靠性，在业务灵活调度的同时，对资源进行合理分配利用也是至关重要的。星地融合网络中用户-卫星-云平台的端-边-云三层任务调度架构具有高动态，时空尺度大等特点，当网络规模变大，用户的动作空间或将面临维度爆炸问题，会导致现有的一些基于用户博弈的任务调度与资源分配算法的收敛速度变慢，也即，无法保证处理时效。因此，现有基于用户博弈的任务调度与资源分配算法并不适用于解决星地融合网络中的任务调度与资源分配问题。
发明内容
本发明的目的在于提供一种多策略池的星地网络快速调度与资源分配方法和装置，以为星地融合网络中用户-卫星-云平台架构下的任务调度与资源分配提供了一种高效解决方案。
第一方面，本发明提供一种多策略池的星地网络快速调度与资源分配方法，包括：获取星地融合网络中目标用户终端的策略池；其中，所述目标用户终端表示所述星地融合网络中的任一用户终端；所述策略池是任务执行总时延小于所述目标用户终端生成的待执行任务的时延容忍阈值的任务调度策略的集合；基于所有用户终端的当前任务调度策略，确定所述星地融合网络中所有卫星当前的资源分配策略和所述目标用户终端当前的效用函数值；其中，所述效用函数值与所述任务执行总时延负相关；计算所述目标用户终端选择所述策略池中的指定任务调度策略时，所有卫星更新后的资源分配策略和所述目标用户终端更新后的效用函数值；其中，所述指定任务调度策略异于所述当前任务调度策略；在确定所述更新后的效用函数值大于所述当前的效用函数值的情况下，调整所述目标用户终端的当前任务调度策略为所述指定任务调度策略；否则，维持所述目标用户终端的当前任务调度策略；在确定所有用户终端完成预设轮次的策略间效用函数值比较之后，将所述目标用户终端的当前任务调度策略作为目标任务调度策略，以及，将所有卫星当前的资源分配策略作为目标资源分配策略；其中，一个轮次内，每个用户终端进行一次策略间效用函数值比较。
在可选的实施方式中，获取星地融合网络中目标用户终端的策略池，包括：获取星地融合网络中目标用户终端的策略空间；其中，所述策略空间表示所有可选的任务调度策略的集合；计算所述策略空间中每种任务调度策略的任务执行总时延；基于所述待执行任务的时延容忍阈值和每种任务调度策略的任务执行总时延，从所述策略空间中确定所述目标用户终端的策略池。
在可选的实施方式中，在所述任务调度策略为本地执行模式的情况下，计算所述策略空间中每种任务调度策略的任务执行总时延，包括：获取所述待执行任务所需要的CPU周期数和所述目标用户终端的终端设备的CPU时钟周期；基于所述CPU周期数和所述CPU时钟周期，计算所述目标用户终端在本地执行所述待执行任务的第一处理时延；将所述第一处理时延作为所述任务调度策略的任务执行总时延。
在可选的实施方式中，在所述任务调度策略为卫星处理模式的情况下，计算所述策略空间中每种任务调度策略的任务执行总时延，包括：获取所述待执行任务的数据量、所述待执行任务所需要的CPU周期数、所述目标用户终端到第一目标卫星的第一数据传输速率和所述待执行任务在所述第一目标卫星处分配到的第一计算频率；其中，所述第一目标卫星表示用于执行所述待执行任务的卫星；基于所述数据量和所述第一数据传输速率，计算所述目标用户终端到所述第一目标卫星的第一数据传输时延；基于所述CPU周期数和所述第一计算频率，计算所述第一目标卫星执行所述待执行任务的第二处理时延；基于所述第一数据传输时延和所述第二处理时延，确定所述任务调度策略的任务执行总时延。
在可选的实施方式中，在所述任务调度策略为云平台处理模式的情况下，计算所述策略空间中每种任务调度策略的任务执行总时延，包括：获取所述待执行任务的数据量、所述待执行任务所需要的CPU周期数、所述目标用户终端到第二目标卫星的第二数据传输速率、所述第二目标卫星到云平台的第三数据传输速率和所述待执行任务在所述云平台处分配到的第二计算频率；其中，所述第二目标卫星表示用于中继所述待执行任务至所述云平台的卫星；基于所述数据量和所述第二数据传输速率，计算所述目标用户终端到所述第二目标卫星的第二数据传输时延；基于所述数据量和所述第三数据传输速率，计算所述第二目标卫星到所述云平台的第三数据传输时延；基于所述CPU周期数和所述第二计算频率，计算所述云平台执行所述待执行任务的第三处理时延；基于所述第二数据传输时延、所述第三数据传输时延和所述第三处理时延，确定所述任务调度策略的任务执行总时延。
在可选的实施方式中，基于所有用户终端的当前任务调度策略，确定所述星地融合网络中所有卫星当前的资源分配策略和所述目标用户终端当前的效用函数值，包括：以任务执行总时延最小为目标，构建所述星地融合网络中卫星资源分配策略的拉格朗日函数；利用拉格朗日乘子法求解所述拉格朗日函数，得到每颗卫星的最优资源分配模型；基于所有用户终端的当前任务调度策略，确定所述星地融合网络中指定卫星的指定用户终端的集合；其中，所述指定卫星表示所述星地融合网络中的任一卫星；所述指定用户终端表示将待执行任务卸载至所述指定卫星的用户终端；获取所述指定卫星的最大周期频率和每个指定用户终端生成的待执行任务所需要的CPU周期数；将所述指定用户终端的集合、所述指定卫星的最大周期频率和所述CPU周期数带入所述最优资源分配模型，得到所述指定卫星当前的资源分配策略；计算在所有卫星当前的资源分配策略下，所述目标用户终端生成的待执行任务的任务执行总时延；基于所述待执行任务的任务执行总时延确定所述目标用户终端当前的效用函数值。
在可选的实施方式中，所述目标用户终端当前的效用函数值表示为：；其中，/>表示所述目标用户终端的当前任务调度策略，/>表示所述星地融合网络中其他用户终端的当前任务调度策略，/>表示任务是否卸载至卫星的指示标识，/>表示任务是否卸载至云平台的指示标识，/>表示当前任务调度策略为本地执行模式时的任务执行总时延，/>表示当前任务调度策略为卫星处理模式时的任务执行总时延，/>表示当前任务调度策略为云平台处理模式时的任务执行总时延。
第二方面，本发明提供一种多策略池的星地网络快速调度与资源分配装置，包括：获取模块，用于获取星地融合网络中目标用户终端的策略池；其中，所述目标用户终端表示所述星地融合网络中的任一用户终端；所述策略池是任务执行总时延小于所述目标用户终端生成的待执行任务的时延容忍阈值的任务调度策略的集合；第一确定模块，用于基于所有用户终端的当前任务调度策略，确定所述星地融合网络中所有卫星当前的资源分配策略和所述目标用户终端当前的效用函数值；其中，所述效用函数值与所述任务执行总时延负相关；计算模块，用于计算所述目标用户终端选择所述策略池中的指定任务调度策略时，所有卫星更新后的资源分配策略和所述目标用户终端更新后的效用函数值；其中，所述指定任务调度策略异于所述当前任务调度策略；调整模块，用于在确定所述更新后的效用函数值大于所述当前的效用函数值的情况下，调整所述目标用户终端的当前任务调度策略为所述指定任务调度策略；否则，维持所述目标用户终端的当前任务调度策略；第二确定模块，用于在确定所有用户终端完成预设轮次的策略间效用函数值比较之后，将所述目标用户终端的当前任务调度策略作为目标任务调度策略，以及，将所有卫星当前的资源分配策略作为目标资源分配策略；其中，一个轮次内，每个用户终端进行一次策略间效用函数值比较。
第三方面，本发明提供一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述实施方式中任一项所述的多策略池的星地网络快速调度与资源分配方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现前述实施方式中任一项所述的多策略池的星地网络快速调度与资源分配方法。
本发明提供了一种多策略池的星地网络快速调度与资源分配方法，该方法采用分布式决策架构，有效适用于大规模网络，通过预先构建每个用户终端的策略池，然后基于策略池执行分布式任务调度算法，可以减小决策空间，加快收敛进程；并且本发明将任务调度与资源分配解耦，以将混合约束条件下的多变量优化问题分解为两个子问题进行求解，有效地降低了动作的复杂性，从而为星地融合网络中用户-卫星-云平台架构下的任务调度与资源分配提供了一种高效解决方案。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种多策略池的星地网络快速调度与资源分配方法的流程图；
图2为本发明实施例提供的一种星地融合网络的任务调度架构示意图；
图3为本发明方法与随机策略选择算法的寻优过程对比图；
图4为本发明实施例提供的一种多策略池的星地网络快速调度与资源分配装置的功能模块图；
图5为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
通常面向星地融合网络的任务调度与资源分配的优化问题是一个混合整数非线性规划问题，一般的数学优化方法很难得到最优方案。一些启发式算法很容易陷入局部最优情况。另外，星地融合网络具有高动态，大尺度等特点。当网络规模变大，用户的动作空间或将面临维度爆炸问题，会导致算法收敛速度变慢。现有的一些基于用户博弈的任务调度与资源分配算法并不适用于解决这类网络中的优化问题。
星地融合网络中的在轨计算部署架构有很多种，目前有单边缘计算、边缘协同计算、边云协同等，同时由于其时空尺度大，网络中资源异构，而卫星动态性高，资源有限。现在很少有工作面向复杂网络中云-边-端协同多级计算架构，同时对卫星的动态位置信息以及与地面的通信范围进行分析表征，同时考虑任务调度与资源分配问题。有鉴于此，针对星地融合网络中多业务请求问题，考虑卫星网络的高动态性及融合网络多为资源的异构性，本发明实施例设计一种用户-卫星-云中心的端-边-云三层任务调度架构下的任务调度与资源分配方法，用以缓解上文中所提出的技术问题。
实施例一
图1为本发明实施例提供的一种多策略池的星地网络快速调度与资源分配方法的流程图，如图1所示，该方法具体包括如下步骤：
步骤S102，获取星地融合网络中目标用户终端的策略池。
具体的，图2为本发明实施例提供的一种星地融合网络的任务调度架构示意图，如图2所示，该网络由三层结构组成，分别为用户层、边缘卫星层、云计算中心（也即，云平台）层。网络是由N个用户终端，M个边缘卫星节点，以及云计算中心组成的混合网络架构，用户终端（UE）的集合表示为：，卫星节点集合表示为：。考虑到任务执行总时延，且低轨卫星轨道低，星地传输延迟小，因此，本发明实施例中，边缘卫星层中的卫星节点均为低轨LEO卫星。
为了减小大规模的星地融合网络中的决策空间，避免动作维数爆炸问题，提高算法的收敛速度，在执行任务调度以及资源分配之前，首先对卫星位置信息，工作状态进行表征，并基于卫星动态表征信息以及目标用户终端的业务特征预先为目标用户终端确定策略池。其中，目标用户终端表示星地融合网络中的任一用户终端；策略池是任务执行总时延小于目标用户终端生成的待执行任务的时延容忍阈值的任务调度策略的集合，任务执行总时延为数据传输时延和任务处理时延的总和。
本发明实施例中，将卫星动态表征信息表示为：；其中，/>表示为LEO（低轨）卫星j的轨道高度，/>表示卫星节点仰角（表示卫星节点j与N个用户终端的通信仰角集合），/>表示卫星节点j的工作状态，/>=0表示卫星节点j故障，/>=1表示卫星节点j正常工作。
用户终端会随机产生业务请求，这些业务种类是差异化的，如时延敏感业务、大数据业务，超远距离传输等，本发明实施例使用业务数据大小（也即，任务的数据量）、所需CPU周期数、时延容忍阈值等对其进行表征。具体而言，将用户终端i在每个时刻生成的计算任务表示为：。其中/>表示任务的数据量，/>表示执行该任务所需要的CPU周期数，/>表示该任务的时延容忍阈值，也即，最大容忍时延。
步骤S104，基于所有用户终端的当前任务调度策略，确定星地融合网络中所有卫星当前的资源分配策略和目标用户终端当前的效用函数值。
星地融合网络中，每个用户终端独立维护自身的策略池，为了得到所有用户终端最优的任务调度策略以及卫星的最优资源分配方案，所有用户终端需要在预设轮次内迭代完成任务调度策略的寻优，以及相应的卫星资源分配方案的寻优。以目标用户终端为例，首先基于所有用户终端的当前任务调度策略，确定出当前网络中所有任务的卸载目标（卸载目标为以下其中之一：用户终端本地，卫星，云平台），进而求解出当前情况下所有卫星当前的资源分配策略，从而根据资源分配策略，计算出目标用户终端当前的效用函数值。其中，效用函数值与任务执行总时延负相关。也就是说，当前任务调度策略下，目标用户终端生成的待执行任务的任务执行总时延越大，则目标用户终端当前的效用函数值越小；反之，待执行任务的任务执行总时延越小，目标用户终端当前的效用函数值越大。显然，效用函数值越大代表策略越优质。
步骤S106，计算目标用户终端选择策略池中的指定任务调度策略时，所有卫星更新后的资源分配策略和目标用户终端更新后的效用函数值。
其中，指定任务调度策略异于当前任务调度策略。
为了从目标用户终端的策略池中选出最优的策略，在计算出目标用户终端选择当前任务调度策略时的效用函数值之后，还需要与策略池中的其他策略进行对比。具体的，目标用户终端从自身策略池中选取一个新策略（也即，指定任务调度策略），以更新其任务卸载需求，然后观察星地融合网络中，其他用户终端的任务调度策略，进而求解出在更新为任务调度策略之后，所有卫星更新后的资源分配策略，从而根据更新后的资源分配策略，计算出目标用户终端更新后的效用函数值。
步骤S108，在确定更新后的效用函数值大于当前的效用函数值的情况下，调整目标用户终端的当前任务调度策略为指定任务调度策略；否则，维持目标用户终端的当前任务调度策略。
根据上文中的介绍可知，效用函数值越大代表策略越优质，因此，在对当前任务调度策略和指定任务调度策略进行了一轮策略间效用函数值比较之后，如果确定更新后的效用函数值大于当前的效用函数值，那么说明指定任务调度策略更优，因此，需调整目标用户终端的当前任务调度策略为指定任务调度策略；如果确定当前的效用函数值大于更新后的效用函数值，那么说明当前任务调度策略更优，因此，需维持目标用户终端的当前任务调度策略。
按照上述步骤S104-S108中的方法，遍历用户终端集合中的每一个用户终端，使得每个用户终端基于各自的策略池完成一次策略间效用函数值比较，在确定所有用户终端均完成了一轮策略间效用函数值比较之后，再开启下一轮的任务调度策略更新。
步骤S110，在确定所有用户终端完成预设轮次的策略间效用函数值比较之后，将目标用户终端的当前任务调度策略作为目标任务调度策略，以及，将所有卫星当前的资源分配策略作为目标资源分配策略。
其中，一个轮次内，每个用户终端进行一次策略间效用函数值比较。
当完成预设轮次的策略更新之后，通过调整任务调度策略，效用函数值不再增长，也即，确定算法收敛，所有用户终端当前任务调度策略已经是最优任务调度策略，所有卫星当前的资源分配策略也已经是最优的资源分配策略，因此，可将目标用户终端的当前任务调度策略作为目标任务调度策略，以及，将所有卫星当前的资源分配策略作为目标资源分配策略。
本发明实施例提供了一种多策略池的星地网络快速调度与资源分配方法，该方法采用分布式决策架构，有效适用于大规模网络，通过预先构建每个用户终端的策略池，然后基于策略池执行分布式任务调度算法，可以减小决策空间，加快收敛进程；并且本发明将任务调度与资源分配解耦，以将混合约束条件下的多变量优化问题分解为两个子问题进行求解，有效地降低了动作的复杂性，从而为星地融合网络中用户-卫星-云平台架构下的任务调度与资源分配提供了一种高效解决方案。
在一个可选的实施方式中，上述步骤S102，获取星地融合网络中目标用户终端的策略池，具体包括如下步骤：
步骤S1021，获取星地融合网络中目标用户终端的策略空间。
其中，策略空间表示所有可选的任务调度策略的集合。
为了保障任务的完整性，本发明实施例中任务的卸载方式为全部卸载，用户可以独立决策，选择将任务留在本地执行，或者卸载到卫星节点执行，或者通过卫星节点传输到远端云平台执行。用、/>表示卸载决策，/>表示任务是否卸载至卫星的指示标识，/>表示任务是否卸载至云平台的指示标识。也就是说，待执行任务有三种调度方式：
1）本地执行模式，即：利用终端资源将用户终端i生成的任务保留在本地执行。
2）卫星处理模式，即：将用户终端i生成的任务卸载到卫星j上执行。
3）云平台处理模式，即：卫星j作为中继节点，将用户终端i生成的任务通过卫星j传输到云平台上执行。
因此，在已知星地融合网络中卫星节点集合的情况下，即可确定出网络中目标用户终端所生成的待执行任务所有可选的任务调度策略，从而得到目标用户终端的策略空间。
为了便于理解，下面举例说明，如果星地融合网络中共N个用户终端，2个卫星节点（卫星1和卫星2），1个云平台。那么目标用户终端的策略空间就含有5个策略，分别是：①本地执行；②卫星1处理；③卫星2处理；④通过卫星1中继到云平台处理；⑤通过卫星2中继到云平台处理。
步骤S1022，计算策略空间中每种任务调度策略的任务执行总时延。
步骤S1023，基于待执行任务的时延容忍阈值和每种任务调度策略的任务执行总时延，从策略空间中确定目标用户终端的策略池。
在获取到目标用户终端的策略空间之后，为了得到策略池，需要分别计算策略空间中每种任务调度策略的任务执行总时延，然后将任务执行总时延大于时延容忍阈值的任务调度策略从策略空间中剔除，从而得到目标用户终端的策略池。
基于上文中的介绍可知，待执行任务有三种调度方式，这相当于，任务调度策略包括三种执行模式，分别为：本地执行模式，卫星处理模式和云平台处理模式。下面将分别对三种模式下，如何计算任务调度策略的任务执行总时延进行详细介绍。
在一个可选的实施方式中，在任务调度策略为本地执行模式的情况下，上述步骤S1022，计算策略空间中每种任务调度策略的任务执行总时延，具体包括如下步骤：
步骤S1022a，获取待执行任务所需要的CPU周期数和目标用户终端的终端设备的CPU时钟周期。
步骤S1022b，基于CPU周期数和CPU时钟周期，计算目标用户终端在本地执行待执行任务的第一处理时延。
步骤S1022c，将第一处理时延作为任务调度策略的任务执行总时延。
具体的，已知用户终端i生成的待执行任务为：。其中/>表示任务的数据量，/>表示执行该任务所需要的CPU周期数，/>表示该任务的时延容忍阈值。如果目标用户终端选择利用终端资源将其生成的任务保留在本地执行，那么任务执行总时延中的数据传输时延即为0，也即，不存在数据传输时延。
已知终端设备的CPU时钟周期能够表征该终端设备的计算能力，设目标用户终端的终端设备的CPU时钟周期为，那么目标用户终端在本地执行待执行任务的第一处理时延即可通过算式/>得到，其中，/>表示第一处理时延，也即，本地执行模式下，任务调度策略的任务执行总时延。
在一个可选的实施方式中，在任务调度策略为卫星处理模式的情况下，上述步骤S1022，计算策略空间中每种任务调度策略的任务执行总时延，具体包括如下步骤：
步骤S1022A，获取待执行任务的数据量、待执行任务所需要的CPU周期数、目标用户终端到第一目标卫星的第一数据传输速率和待执行任务在第一目标卫星处分配到的第一计算频率；其中，第一目标卫星表示用于执行待执行任务的卫星。
步骤S1022B，基于数据量和第一数据传输速率，计算目标用户终端到第一目标卫星的第一数据传输时延。
步骤S1022C，基于CPU周期数和第一计算频率，计算第一目标卫星执行待执行任务的第二处理时延。
步骤S1022D，基于第一数据传输时延和第二处理时延，确定任务调度策略的任务执行总时延。
具体的，如果任务调度策略为卫星处理模式，那么任务执行总时延即为以下两种时延的总和：从目标用户终端向第一目标卫星发送数据的第一数据传输时延，第一目标卫星执行任务的第二处理时延。下文所介绍的时延计算方法适用于第一目标卫星为正常工作卫星的情形，如果第一目标卫星的状态为故障，那么确定应用该卫星的任务调度策略的任务执行总时延为无穷大。
要计算第一数据传输时延，一方面需要获取待传输的数据量（也即，待执行任务的数据量），另一方面还需要获取目标用户终端到第一目标卫星的第一数据传输速率；要计算第二处理时延，一方面要获取待执行任务所需要的CPU周期数，另一方面还需要确定待执行任务在第一目标卫星处分配到的第一计算频率。在本发明实施例中，在构建策略池的过程中，第一计算频率可以是用户根据实际情况设置的经验值，还可以是与待执行任务所需要的CPU周期数与预设加权系数的乘积结果，还可以是第一目标卫星的最大周期频率。
其中，第一数据传输速率的计算参考下述流程：考虑卫星节点的动态性对通信过程的影响，研究卫星与地面单位的几何关系。设R为地球半径，为第一目标卫星j的轨道高度。当第一目标卫星j与水平方向成/>角度时，/>为第一目标卫星j与目标用户终端i正常通信时剩余覆盖弧长的几何角度，且/>。此时目标用户终端i与第一目标卫星j的距离为：/>。根据香农理论可知，用户终端i到第一目标卫星j的数据传输速率为：/>，其中，表示用户终端i与第一目标卫星j之间的信道带宽，/>表示用户终端i向第一目标卫星j发送数据的上行发射功率，/>表示用户终端i与第一目标卫星j之间的信道增益，/>表示瑞利衰落系数（服从复高斯分布CN(0,1)），/>表示高斯白噪声功率。
在得到待执行任务的数据量和第一数据传输速率/>之后，利用算式即可计算出目标用户终端到第一目标卫星的第一数据传输时延。
在得到待执行任务所需要的CPU周期数和第一计算频率/>之后，利用算式即可计算出第一目标卫星执行任务的第二处理时延。
最后，将第一数据传输时延和第二处理时延进行求和处理，并将求和结果作为卫星处理模式下，任务调度策略的任务执行总时延。
在一个可选的实施方式中，在任务调度策略为云平台处理模式的情况下，上述步骤S1022，计算策略空间中每种任务调度策略的任务执行总时延，具体包括如下步骤：
步骤S10221，获取待执行任务的数据量、待执行任务所需要的CPU周期数、目标用户终端到第二目标卫星的第二数据传输速率、第二目标卫星到云平台的第三数据传输速率和待执行任务在云平台处分配到的第二计算频率；其中，第二目标卫星表示用于中继待执行任务至云平台的卫星。
步骤S10222，基于数据量和第二数据传输速率，计算目标用户终端到第二目标卫星的第二数据传输时延。
步骤S10223，基于数据量和第三数据传输速率，计算第二目标卫星到云平台的第三数据传输时延。
步骤S10224，基于CPU周期数和第二计算频率，计算云平台执行待执行任务的第三处理时延。
步骤S10225，基于第二数据传输时延、第三数据传输时延和第三处理时延，确定任务调度策略的任务执行总时延。
如果任务调度策略为云平台处理模式，那么任务执行总时延为以下三个时延的总和：从目标用户终端向第二目标卫星发送数据的第二数据传输时延，第二目标卫星到云平台的第三数据传输时延，云平台执行任务的第三处理时延。
从目标用户终端向第二目标卫星发送数据的第二数据传输时延的计算方法可参考上文中第一数据传输时延的方法流程，此处不再赘述。要计算第三数据传输时延，一方面要获取待传输的数据量（也即，待执行任务的数据量），另一方面还需要获取第二目标卫星到云平台的第三数据传输速率；要计算第三处理时延，一方面要获取待执行任务所需要的CPU周期数，另一方面还需要确定待执行任务在云平台处分配到的第二计算频率。
在得到待执行任务的数据量和第三数据传输速率/>之后，利用算式即可计算出第二目标卫星到云平台的第三数据传输时延。也即，从目标用户终端到云平台的数据传输时延可表示为：/>=/>。
在得到待执行任务所需要的CPU周期数和第二计算频率/>之后，利用算式即可计算出云平台执行任务的第三处理时延。其中，第二计算频率/>为用户根据实际需求预先设定的计算频率。
最后，对第二数据传输时延、第三数据传输时延和第三处理时延进行求和，以将求和结果作为云平台处理模式下，任务调度策略的任务执行总时延。
基于上文中对三种处理模式下的任务执行总时延的表达式可知，星地融合网络中的网络优化问题可表示为：；；/>；/>；/> ；。
其中，、/>表示卸载变量的约束，/>表示任务/>只能在本地或卫星j或通过卫星卸载到云平台执行，/>表示任务处理不得超过时延要求，/>表示卸载到卫星j处理的任务所分配的CPU周期总和不得超过卫星j的最大周期频率/>，/>表示任务卸载到卫星j上的用户终端的集合。
上述优化问题是一个MINLP（混合整数非线性规划）问题，考虑到星上资源分配问题与任务卸载问题是独立的（独立是指任务卸载变量与资源分配变量约束条件独立），当任务卸载策略已知时，星上资源分配问题可以分离出来，因此将该优化问题分为两个子问题：任务卸载问题和资源分配问题。
当星地融合网络中任务卸载策略已知时，即可以将上述网络优化问题改写为以下形式：；其中，/>表示与/>的无关项（也即，与/>无关的表达式），因此，对于星上资源分配问题，可以剔除与资源分配的无关项，表示为/>；。
通过对二次偏导的求解，可知：/>，/>；进而可得到Hessian矩阵：/>，由于上述Hessian矩阵正定，继而证明星上资源分配问题/>是一个凸问题。
在一个可选的实施方式中，上述步骤S104，基于所有用户终端的当前任务调度策略，确定星地融合网络中所有卫星当前的资源分配策略和目标用户终端当前的效用函数值，具体包括如下步骤：
步骤S1041，以任务执行总时延最小为目标，构建星地融合网络中卫星资源分配策略的拉格朗日函数。
具体的，基于上文中的描述可知，星上资源分配问题是一个凸问题，而对于有条件的函数极值的求解，可以使用拉格朗日乘子法进行求解，且目标函数在约束条件下的极值与其拉格朗日函数的极值相同。因此，以任务执行总时延最小为目标，构建出的卫星资源分配策略的拉格朗日函数表可表示为：/>；其kkt条件为：/>，/>；其中，/>表示拉格朗日乘子。
步骤S1042，利用拉格朗日乘子法求解拉格朗日函数，得到每颗卫星的最优资源分配模型。
利用拉格朗日乘子法对上述拉格朗日函数进行求解，即可得到每颗卫星的最优资源分配模型，表示为：。根据模型的表达式可知，如果确定任务卸载到卫星j上的用户终端的集合/>，目标用户终端生成的待执行任务所需要的CPU周期数/>和卫星j的最大周期频率/>，带入上述最优资源分配模型，即可确定出待执行任务Taski在卫星j处分配到的计算频率/>，也即，确定出卫星j的最优资源分配策略。
进一步的，基于拉格朗日乘子法资源分配结果，可设计一个势函数：。
考虑在网络中任务调度决策发生改变的几种情况，可以用任务最终处理的位置来描述：1)用户终端a→卫星b；2)用户终端i→云端（通过卫星c）；3)卫星b→卫星b’；4)卫星b→云端（通过卫星c中继）；5)云端（通过卫星c中继）→云端（通过卫星c’中继）。其中，b与c都属于卫星集合M，它们可能代表同一颗卫星，也可能代表不同卫星。但b≠b’，c≠c’。
经证明，在以上几种情况下，均可以得到：。其中，/>表示目标用户终端选择任务调度策略/>，且其用户终端选择任务调度策略时，目标用户终端i的效用函数值，/>是不同于/>的任务调度策略，由Exact potentialgame（简称EPG）的定义可知，满足上式的博弈模型为Exact potential game模型，可称为精确势博弈，或完全潜在博弈。而根据有限改进特性可以得知，该博弈模型在有限次迭代后可以达到纳什均衡。
星地融合网络中用户数量众多，每个用户为满足自身的任务请求，都会尽可能的抢占资源。系统中用户之间的关系可以用博弈论中玩家之间的关系来表示。博弈论的中心思想是为博弈建立一个策略交互模型，博弈论中均衡解是让博弈玩家都满意的策略组合，通过展示玩家最终会采用哪些策略来描述博弈的结果。利用博弈论中纳什均衡等概念来指导玩家的每次迭代，以使得每个玩家的收益相对较大。在EPG中，每个玩家的策略选择会影响到博弈的全局效用函数值，而且博弈的全局效用函数值可以表示为各个玩家效用函数的加和。在EPG中，每个玩家的策略选择可以通过求解一个单独的优化问题来实现全局最优解。因此，基于EPG来确定星地融合网络的任务调度策略与资源分配策略具有很好的可解性和收敛性。
步骤S1043，基于所有用户终端的当前任务调度策略，确定星地融合网络中指定卫星的指定用户终端的集合；其中，指定卫星表示星地融合网络中的任一卫星；指定用户终端表示将待执行任务卸载至指定卫星的用户终端。
确定了星地融合网络中所有用户终端的当前任务调度策略之后，即可确定每颗卫星要承接的计算任务分别来自于哪些用户终端，也即，确定了指定卫星的指定用户终端的集合。
举例来说，如果星地融合网络中共5个用户终端{UE1,UE2,UE3,UE4,UE5}，2个卫星节点（卫星1和卫星2），1个云平台。并且，所有用户终端的当前任务调度策略为：UE1选择将计算任务卸载至卫星1执行，UE2选择将计算任务卸载至卫星2执行，UE3选择将计算任务卸载至卫星2执行，UE4选择将计算任务卸载至卫星1执行，UE5选择将计算任务通过卫星2卸载至云平台执行。那么此时可得到卫星1的指定用户终端的集合={UE1，UE4}，卫星2的指定用户终端的集合/>={UE2，UE3}。
步骤S1044，获取指定卫星的最大周期频率和每个指定用户终端生成的待执行任务所需要的CPU周期数。
步骤S1045，将指定用户终端的集合、指定卫星的最大周期频率和CPU周期数带入最优资源分配模型，得到指定卫星当前的资源分配策略。
根据上文中所介绍的每颗卫星的最优资源分配模型可知，如果确定了指定卫星的指定用户终端的集合、指定卫星的最大周期频率和指定用户终端生成的待执行任务所需要的CPU周期数，将上述数据带入最优资源分配模型，即可得到指定卫星当前的最优资源分配策略。根据上述计算方法，可确定出星地融合网络中每颗卫星的最优资源分配策略。
步骤S1046，计算在所有卫星当前的资源分配策略下，目标用户终端生成的待执行任务的任务执行总时延。
确定了网络中所有卫星的最优资源分配策略之后，即可得到选择卫星处理模式的每个用户终端所对应的每个待执行任务在相应的卫星处分配到的计算频率，进而利用上文中计算任务执行总时延的方法，计算出目标用户终端生成的待执行任务的任务执行总时延。
步骤S1047，基于待执行任务的任务执行总时延确定目标用户终端当前的效用函数值。
本发明实施例将任务卸载问题构建为一个博弈模型，其中，/>为玩家的集合，/>为玩家的策略空间，/>为玩家的效用函数。由于任务执行的总时延对用户的满意程度，以及网络的可靠性都是一个重要的检验标准，因此，本发明实施例将效用函数设计为与时延负相关的形式。
在一个可选的实施方式中，目标用户终端当前的效用函数值表示为：；其中，/>表示目标用户终端的当前任务调度策略，表示星地融合网络中其他用户终端的当前任务调度策略，/>表示任务是否卸载至卫星的指示标识，/>表示任务是否卸载至云平台的指示标识，/>表示当前任务调度策略为本地执行模式时的任务执行总时延，/>表示当前任务调度策略为卫星处理模式时的任务执行总时延，/>，/>表示当前任务调度策略为云平台处理模式时的任务执行总时延，/>。
综上，上文中所介绍的任务调度与资源分配的算法伪代码可参考如下：
输入：用户、卫星、云中心的状态特征、任务信息。网络信息；
输出：最优策略、用户效用；
1.For 每个用户i：
2.遍历其策略空间，选择策略
3.计算当前策略下的任务执行总时延，并与/>比较
4.If
将加入用户i的策略池，返回步骤2
5.Else If
返回步骤2
6.直至遍历完当前用户的策略空间，结束当前用户的回合
7.While iter<iter_max:
8.For 每个用户i：
9.观测当前策略，和其他用户的策略，计算出计算资源分配方案/>，计算出当前效用/>
10.从其策略池中选择一个策略
11.获取其他用户的策略，用拉格朗日乘子法计算出计算资源分配方案
12.计算新策略的效用
13.If：
14.更新当前策略为，更新当前效用/>
15.Else
16.保留原策略与效用
17.Iter=iter+1
本发明实施例为面向星地融合网络的任务调度与资源分配机制的混合网络多任务调度问题提供了一种有效方案。该方案充分考虑了卫星节点状态，运行位置，业务特点、资源利用情况等混合网络中多维信息的动态变化，基于这些时变性信息设计灵活的任务调度机制。同时考虑星上资源分配问题，实现计算资源最优分配。提高网络的可靠性与服务质量。
该方法是一种基于博弈理论的、拉格朗日乘子法辅助的联合任务调度方法，采用分布式决策架构，有效适用于大规模网络。本发明将离散变量（任务卸载的相关变量）与连续变量（资源分配的相关变量）解耦，将混合约束条件下的多变量优化问题分解为两个子问题进行求解。将任务调度问题建模为一个非合作博弈模型，并证明了其为EPG模型，EPG模型有很好的收敛性和可解性，为最优策略的寻找提供了支持。对于资源分配问题，采用分布式优化方法，利用拉格朗日乘子法对每个卫星的计算资源进行最优分配。同时，对网络动态信息以及业务特征进行分析，预先计算出每个用户终端的策略池，基于策略池设计分布式任务调度算法，可以减小决策空间，加快收敛进程。
图3为本发明方法与随机策略选择算法的寻优过程对比图，由图3可以看出，本发明实施例所提出的方法与随机策略选择算法相比，收敛速度更快，本发明方法在150回合就趋于收敛，而随机策略选择算法则在300回合处收敛。在迭代初期，本发明方法的网络效用也更高，证明了本发明方法拥有更好的性能。
实施例二
本发明实施例还提供了一种多策略池的星地网络快速调度与资源分配装置，该装置主要用于执行上述实施例一所提供的多策略池的星地网络快速调度与资源分配方法，以下对本发明实施例提供的多策略池的星地网络快速调度与资源分配装置做具体介绍。
图4是本发明实施例提供的一种多策略池的星地网络快速调度与资源分配装置的功能模块图，如图4所示，该装置主要包括：获取模块10，第一确定模块20，计算模块30，调整模块40，第二确定模块50，其中：
获取模块10，用于获取星地融合网络中目标用户终端的策略池；其中，目标用户终端表示星地融合网络中的任一用户终端；策略池是任务执行总时延小于目标用户终端生成的待执行任务的时延容忍阈值的任务调度策略的集合。
第一确定模块20，用于基于所有用户终端的当前任务调度策略，确定星地融合网络中所有卫星当前的资源分配策略和目标用户终端当前的效用函数值；其中，效用函数值与任务执行总时延负相关。
计算模块30，用于计算目标用户终端选择策略池中的指定任务调度策略时，所有卫星更新后的资源分配策略和目标用户终端更新后的效用函数值；其中，指定任务调度策略异于当前任务调度策略。
调整模块40，用于在确定更新后的效用函数值大于当前的效用函数值的情况下，调整目标用户终端的当前任务调度策略为指定任务调度策略；否则，维持目标用户终端的当前任务调度策略。
第二确定模块50，用于在确定所有用户终端完成预设轮次的策略间效用函数值比较之后，将目标用户终端的当前任务调度策略作为目标任务调度策略，以及，将所有卫星当前的资源分配策略作为目标资源分配策略；其中，一个轮次内，每个用户终端进行一次策略间效用函数值比较。
本发明实施例提供了一种多策略池的星地网络快速调度与资源分配装置，该装置采用分布式决策架构，有效适用于大规模网络，通过预先构建每个用户终端的策略池，然后基于策略池执行分布式任务调度算法，可以减小决策空间，加快收敛进程；并且本发明将任务调度与资源分配解耦，以将混合约束条件下的多变量优化问题分解为两个子问题进行求解，有效地降低了动作的复杂性，从而为星地融合网络中用户-卫星-云平台架构下的任务调度与资源分配提供了一种高效解决方案。
可选地，获取模块10包括：
获取单元，用于获取星地融合网络中目标用户终端的策略空间；其中，策略空间表示所有可选的任务调度策略的集合。
计算单元，用于计算策略空间中每种任务调度策略的任务执行总时延。
确定单元，用于基于待执行任务的时延容忍阈值和每种任务调度策略的任务执行总时延，从策略空间中确定目标用户终端的策略池。
可选地，在任务调度策略为本地执行模式的情况下，计算单元具体用于：
获取待执行任务所需要的CPU周期数和目标用户终端的终端设备的CPU时钟周期。
基于CPU周期数和CPU时钟周期，计算目标用户终端在本地执行待执行任务的第一处理时延。
将第一处理时延作为任务调度策略的任务执行总时延。
可选地，在任务调度策略为卫星处理模式的情况下，计算单元具体用于：
获取待执行任务的数据量、待执行任务所需要的CPU周期数、目标用户终端到第一目标卫星的第一数据传输速率和待执行任务在第一目标卫星处分配到的第一计算频率；其中，第一目标卫星表示用于执行待执行任务的卫星。
基于数据量和第一数据传输速率，计算目标用户终端到第一目标卫星的第一数据传输时延。
基于CPU周期数和第一计算频率，计算第一目标卫星执行待执行任务的第二处理时延。
基于第一数据传输时延和第二处理时延，确定任务调度策略的任务执行总时延。
可选地，在任务调度策略为云平台处理模式的情况下，计算单元具体用于：
获取待执行任务的数据量、待执行任务所需要的CPU周期数、目标用户终端到第二目标卫星的第二数据传输速率、第二目标卫星到云平台的第三数据传输速率和待执行任务在云平台处分配到的第二计算频率；其中，第二目标卫星表示用于中继待执行任务至云平台的卫星。
基于数据量和第二数据传输速率，计算目标用户终端到第二目标卫星的第二数据传输时延。
基于数据量和第三数据传输速率，计算第二目标卫星到云平台的第三数据传输时延。
基于CPU周期数和第二计算频率，计算云平台执行待执行任务的第三处理时延。
基于第二数据传输时延、第三数据传输时延和第三处理时延，确定任务调度策略的任务执行总时延。
可选地，第一确定模块具体用于：
以任务执行总时延最小为目标，构建星地融合网络中卫星资源分配策略的拉格朗日函数。
利用拉格朗日乘子法求解拉格朗日函数，得到每颗卫星的最优资源分配模型。
基于所有用户终端的当前任务调度策略，确定星地融合网络中指定卫星的指定用户终端的集合；其中，指定卫星表示星地融合网络中的任一卫星；指定用户终端表示将待执行任务卸载至指定卫星的用户终端。
获取指定卫星的最大周期频率和每个指定用户终端生成的待执行任务所需要的CPU周期数。
将指定用户终端的集合、指定卫星的最大周期频率和CPU周期数带入最优资源分配模型，得到指定卫星当前的资源分配策略。
计算在所有卫星当前的资源分配策略下，目标用户终端生成的待执行任务的任务执行总时延。
基于待执行任务的任务执行总时延确定目标用户终端当前的效用函数值。
可选地，目标用户终端当前的效用函数值表示为：；其中，/>表示目标用户终端的当前任务调度策略，/>表示星地融合网络中其他用户终端的当前任务调度策略，/>表示任务是否卸载至卫星的指示标识，/>表示任务是否卸载至云平台的指示标识，/>表示当前任务调度策略为本地执行模式时的任务执行总时延，/>表示当前任务调度策略为卫星处理模式时的任务执行总时延，/>表示当前任务调度策略为云平台处理模式时的任务执行总时延。
实施例三
参见图5，本发明实施例提供了一种电子设备，该电子设备包括：处理器60，存储器61，总线62和通信接口63，所述处理器60、通信接口63和存储器61通过总线62连接；处理器60用于执行存储器61中存储的可执行模块，例如计算机程序。
其中，存储器61可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口63（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线62可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器61用于存储程序，所述处理器60在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器60中，或者由处理器60实现。
处理器60可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61，处理器60读取存储器61中的信息，结合其硬件完成上述方法的步骤。
本发明实施例所提供的一种多策略池的星地网络快速调度与资源分配方法和装置的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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，可以存储在一个处理器可执行的非易失的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (9)

1.一种多策略池的星地网络快速调度与资源分配方法，其特征在于，包括：
获取星地融合网络中目标用户终端的策略池；其中，所述目标用户终端表示所述星地融合网络中的任一用户终端；所述策略池是任务执行总时延小于所述目标用户终端生成的待执行任务的时延容忍阈值的任务调度策略的集合；
基于所有用户终端的当前任务调度策略，确定所述星地融合网络中所有卫星当前的资源分配策略和所述目标用户终端当前的效用函数值；其中，所述效用函数值与所述任务执行总时延负相关；
计算所述目标用户终端选择所述策略池中的指定任务调度策略时，所有卫星更新后的资源分配策略和所述目标用户终端更新后的效用函数值；其中，所述指定任务调度策略异于所述当前任务调度策略；
在确定所述更新后的效用函数值大于所述当前的效用函数值的情况下，调整所述目标用户终端的当前任务调度策略为所述指定任务调度策略；否则，维持所述目标用户终端的当前任务调度策略；
在确定所有用户终端完成预设轮次的策略间效用函数值比较之后，将所述目标用户终端的当前任务调度策略作为目标任务调度策略，以及，将所有卫星当前的资源分配策略作为目标资源分配策略；其中，一个轮次内，每个用户终端进行一次策略间效用函数值比较；
其中，基于所有用户终端的当前任务调度策略，确定所述星地融合网络中所有卫星当前的资源分配策略和所述目标用户终端当前的效用函数值，包括：
以任务执行总时延最小为目标，构建所述星地融合网络中卫星资源分配策略的拉格朗日函数；
利用拉格朗日乘子法求解所述拉格朗日函数，得到每颗卫星的最优资源分配模型；
基于所有用户终端的当前任务调度策略，确定所述星地融合网络中指定卫星的指定用户终端的集合；其中，所述指定卫星表示所述星地融合网络中的任一卫星；所述指定用户终端表示将待执行任务卸载至所述指定卫星的用户终端；
获取所述指定卫星的最大周期频率和每个指定用户终端生成的待执行任务所需要的CPU周期数；
将所述指定用户终端的集合、所述指定卫星的最大周期频率和所述CPU周期数带入所述最优资源分配模型，得到所述指定卫星当前的资源分配策略；
计算在所有卫星当前的资源分配策略下，所述目标用户终端生成的待执行任务的任务执行总时延；
基于所述待执行任务的任务执行总时延确定所述目标用户终端当前的效用函数值。
2.根据权利要求1所述的多策略池的星地网络快速调度与资源分配方法，其特征在于，获取星地融合网络中目标用户终端的策略池，包括：
获取星地融合网络中目标用户终端的策略空间；其中，所述策略空间表示所有可选的任务调度策略的集合；
计算所述策略空间中每种任务调度策略的任务执行总时延；
基于所述待执行任务的时延容忍阈值和每种任务调度策略的任务执行总时延，从所述策略空间中确定所述目标用户终端的策略池。
3.根据权利要求2所述的多策略池的星地网络快速调度与资源分配方法，其特征在于，在所述任务调度策略为本地执行模式的情况下，计算所述策略空间中每种任务调度策略的任务执行总时延，包括：
获取所述待执行任务所需要的CPU周期数和所述目标用户终端的终端设备的CPU时钟周期；
基于所述CPU周期数和所述CPU时钟周期，计算所述目标用户终端在本地执行所述待执行任务的第一处理时延；
将所述第一处理时延作为所述任务调度策略的任务执行总时延。
4.根据权利要求2所述的多策略池的星地网络快速调度与资源分配方法，其特征在于，在所述任务调度策略为卫星处理模式的情况下，计算所述策略空间中每种任务调度策略的任务执行总时延，包括：
获取所述待执行任务的数据量、所述待执行任务所需要的CPU周期数、所述目标用户终端到第一目标卫星的第一数据传输速率和所述待执行任务在所述第一目标卫星处分配到的第一计算频率；其中，所述第一目标卫星表示用于执行所述待执行任务的卫星；
基于所述数据量和所述第一数据传输速率，计算所述目标用户终端到所述第一目标卫星的第一数据传输时延；
基于所述CPU周期数和所述第一计算频率，计算所述第一目标卫星执行所述待执行任务的第二处理时延；
基于所述第一数据传输时延和所述第二处理时延，确定所述任务调度策略的任务执行总时延。
5.根据权利要求2所述的多策略池的星地网络快速调度与资源分配方法，其特征在于，在所述任务调度策略为云平台处理模式的情况下，计算所述策略空间中每种任务调度策略的任务执行总时延，包括：
获取所述待执行任务的数据量、所述待执行任务所需要的CPU周期数、所述目标用户终端到第二目标卫星的第二数据传输速率、所述第二目标卫星到云平台的第三数据传输速率和所述待执行任务在所述云平台处分配到的第二计算频率；其中，所述第二目标卫星表示用于中继所述待执行任务至所述云平台的卫星；
基于所述数据量和所述第二数据传输速率，计算所述目标用户终端到所述第二目标卫星的第二数据传输时延；
基于所述数据量和所述第三数据传输速率，计算所述第二目标卫星到所述云平台的第三数据传输时延；
基于所述CPU周期数和所述第二计算频率，计算所述云平台执行所述待执行任务的第三处理时延；
基于所述第二数据传输时延、所述第三数据传输时延和所述第三处理时延，确定所述任务调度策略的任务执行总时延。
6.根据权利要求1所述的多策略池的星地网络快速调度与资源分配方法，其特征在于，所述目标用户终端当前的效用函数值表示为：；其中，/>表示所述目标用户终端的当前任务调度策略，/>表示所述星地融合网络中其他用户终端的当前任务调度策略，/>表示任务是否卸载至卫星的指示标识，/>表示任务是否卸载至云平台的指示标识，/>表示当前任务调度策略为本地执行模式时的任务执行总时延，/>表示当前任务调度策略为卫星处理模式时的任务执行总时延，/>表示当前任务调度策略为云平台处理模式时的任务执行总时延。
7.一种多策略池的星地网络快速调度与资源分配装置，其特征在于，包括：
获取模块，用于获取星地融合网络中目标用户终端的策略池；其中，所述目标用户终端表示所述星地融合网络中的任一用户终端；所述策略池是任务执行总时延小于所述目标用户终端生成的待执行任务的时延容忍阈值的任务调度策略的集合；
第一确定模块，用于基于所有用户终端的当前任务调度策略，确定所述星地融合网络中所有卫星当前的资源分配策略和所述目标用户终端当前的效用函数值；其中，所述效用函数值与所述任务执行总时延负相关；
计算模块，用于计算所述目标用户终端选择所述策略池中的指定任务调度策略时，所有卫星更新后的资源分配策略和所述目标用户终端更新后的效用函数值；其中，所述指定任务调度策略异于所述当前任务调度策略；
调整模块，用于在确定所述更新后的效用函数值大于所述当前的效用函数值的情况下，调整所述目标用户终端的当前任务调度策略为所述指定任务调度策略；否则，维持所述目标用户终端的当前任务调度策略；
第二确定模块，用于在确定所有用户终端完成预设轮次的策略间效用函数值比较之后，将所述目标用户终端的当前任务调度策略作为目标任务调度策略，以及，将所有卫星当前的资源分配策略作为目标资源分配策略；其中，一个轮次内，每个用户终端进行一次策略间效用函数值比较；
其中，第一确定模块具体用于：
以任务执行总时延最小为目标，构建所述星地融合网络中卫星资源分配策略的拉格朗日函数；
利用拉格朗日乘子法求解所述拉格朗日函数，得到每颗卫星的最优资源分配模型；
基于所有用户终端的当前任务调度策略，确定所述星地融合网络中指定卫星的指定用户终端的集合；其中，所述指定卫星表示所述星地融合网络中的任一卫星；所述指定用户终端表示将待执行任务卸载至所述指定卫星的用户终端；
获取所述指定卫星的最大周期频率和每个指定用户终端生成的待执行任务所需要的CPU周期数；
将所述指定用户终端的集合、所述指定卫星的最大周期频率和所述CPU周期数带入所述最优资源分配模型，得到所述指定卫星当前的资源分配策略；
计算在所有卫星当前的资源分配策略下，所述目标用户终端生成的待执行任务的任务执行总时延；
基于所述待执行任务的任务执行总时延确定所述目标用户终端当前的效用函数值。
8.一种电子设备，包括存储器、处理器，所述存储器上存储有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计算机程序时实现权利要求1至6中任一项所述的多策略池的星地网络快速调度与资源分配方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现权利要求1至6中任一项所述的多策略池的星地网络快速调度与资源分配方法。
CN202410057576.5A 2024-01-16 2024-01-16 一种多策略池的星地网络快速调度与资源分配方法和装置 Active CN117580106B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410057576.5A CN117580106B (zh) 2024-01-16 2024-01-16 一种多策略池的星地网络快速调度与资源分配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410057576.5A CN117580106B (zh) 2024-01-16 2024-01-16 一种多策略池的星地网络快速调度与资源分配方法和装置

Publications (2)

Publication Number Publication Date
CN117580106A CN117580106A (zh) 2024-02-20
CN117580106B true CN117580106B (zh) 2024-04-05

Family

ID=89895882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410057576.5A Active CN117580106B (zh) 2024-01-16 2024-01-16 一种多策略池的星地网络快速调度与资源分配方法和装置

Country Status (1)

Country Link
CN (1) CN117580106B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019079796A1 (en) * 2017-10-20 2019-04-25 HawkEye 360, Inc. SYSTEM FOR PROGRAMMING A PLURALITY OF HIERARCHICAL TASKS FOR A SATELLITE SYSTEM
CN114339770A (zh) * 2022-01-11 2022-04-12 中国人民解放军战略支援部队航天工程大学 一种星地融合网络安全传输策略
CN115022894A (zh) * 2022-06-08 2022-09-06 西安交通大学 一种低轨卫星网络的任务卸载与计算资源分配方法及系统
CN116528298A (zh) * 2023-05-10 2023-08-01 桂林电子科技大学 大范围灾区中基于leo卫星与hap协作的计算卸载策略
CN116981091A (zh) * 2023-08-07 2023-10-31 重庆邮电大学 一种星地融合网络资源分配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019079796A1 (en) * 2017-10-20 2019-04-25 HawkEye 360, Inc. SYSTEM FOR PROGRAMMING A PLURALITY OF HIERARCHICAL TASKS FOR A SATELLITE SYSTEM
CN114339770A (zh) * 2022-01-11 2022-04-12 中国人民解放军战略支援部队航天工程大学 一种星地融合网络安全传输策略
CN115022894A (zh) * 2022-06-08 2022-09-06 西安交通大学 一种低轨卫星网络的任务卸载与计算资源分配方法及系统
CN116528298A (zh) * 2023-05-10 2023-08-01 桂林电子科技大学 大范围灾区中基于leo卫星与hap协作的计算卸载策略
CN116981091A (zh) * 2023-08-07 2023-10-31 重庆邮电大学 一种星地融合网络资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于任务开始时刻的天地基测控资源调度模型;康宁等;装备指挥技术学院学报;20111228(第06期);全文 *

Also Published As

Publication number Publication date
CN117580106A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN111818168B (zh) 一种车联网中自适应联合计算卸载与资源分配方法
CN109656703B (zh) 一种移动边缘计算辅助车辆任务卸载方法
KR20230006461A (ko) 위성 커넥티비티 환경에서의 에지 컴퓨팅
CN111240701A (zh) 一种端-边-云协同计算的任务卸载优化方法
CN108924254B (zh) 以用户为中心的分布式多用户计算任务卸载方法
CN115022894B (zh) 一种低轨卫星网络的任务卸载与计算资源分配方法及系统
CN112512061A (zh) 一种多接入边缘计算系统中的任务卸载与分派方法
CN114363962A (zh) 一种协作式边缘服务器部署和资源调度方法、存储介质及系统
CN114500560A (zh) 一种最小化网络时延的边缘节点服务部署与负载均衡方法
CN112929427A (zh) 一种面向低轨卫星边缘计算的服务节点确定方法及装置
CN117580106B (zh) 一种多策略池的星地网络快速调度与资源分配方法和装置
CN113687876A (zh) 信息处理方法、自动驾驶控制方法和电子设备
CN113766037B (zh) 面向大规模边缘计算系统的任务卸载控制方法及系统
CN113365290B (zh) 天地融合网络中基于贪心策略的博弈论计算卸载方法
Di Pietro et al. An optimal low-complexity policy for cache-aided computation offloading
CN113961266A (zh) 一种边云协同下基于双边匹配的任务卸载方法
CN112596910A (zh) 一种多用户mec系统中的云计算资源调度方法
CN115499875B (zh) 一种卫星互联网任务卸载方法、系统以及可读存储介质
CN116761215A (zh) 星地分布式卸载计算方法、装置以及相关设备
CN115514769A (zh) 卫星弹性互联网资源调度方法、系统、计算机设备及介质
CN115801804A (zh) 一种基于动态定价的多用户移动边缘计算卸载方法及系统
CN114268995A (zh) 一种无人机移动边缘计算网络卸载方法、装置及电子设备
CN114978273A (zh) 一种星地负载均衡的处理方法以及地面控制中心
CN110856215B (zh) 一种多接入边缘计算的资源分配算法
Mishra et al. A game theory-based transportation system using fog computing for passenger assistance

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
GR01 Patent grant
GR01 Patent grant