申请/专利权人:哈尔滨工业大学
申请日:2022-06-09
公开(公告)日:2024-04-12
公开(公告)号:CN114880046B
主分类号:G06F9/445
分类号:G06F9/445;G06F9/48;G06F9/50;G06N3/045;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2022.08.26#实质审查的生效;2022.08.09#公开
摘要:联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法,涉及卫星通信领域。本发明通过多个并行DNN网络生成卸载决策,并通过带宽分配算法为每个用户分配带宽,然后将生成的卸载决策存储在内存中,以进一步训练和改进所有DNN以获得接近最优的卸载决策。本发明可以得到理想的系统效用函数值,并且神经网络可以达到很好的收敛效果。本发明有效的解决了卫星边缘计算中的卸载决策问题和带宽分配问题,可以广泛在卫星边缘计算技术领域中应用。
主权项:1.联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法,所述方法所面向的场景为:设每个用户移动设备都有M个独立的任务,M为正整数;其中每个任务都能够在本地计算或卸载到配备边缘服务器的LEO卫星上进行计算;其特征是:所述联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法包括以下步骤:步骤一、搭建d个DNN网络模型,d为正整数;步骤二,用随机参数初始化每个DNN网络模型,并清空每个DNN网络模型的内存结构,并进入迭代步骤;步骤二,分别向所有DNN网络模型输入当前时隙用户移动设备生成的不同大小的独立的计算任务;所述每个DNN网络模型接收到的计算任务是当前时隙所有的移动设备的独立任务的总和;步骤三,基于步骤二所述每个DNN网络模型中输入的不同大小的计算任务,使用其所在DNN网络模型生成各计算任务对应的卸载决策;步骤四,基于步骤三所述各计算任务对应的卸载决策,使用推导出的最优带宽分配方案,获得所述各计算任务对应的卸载决策的系统效用函数值;获取最优带宽分配方案的具体方法是:根据公式: 实现,式中:l1,l2,l3分别代表用户生成的三个计算任务大小;x1,x2,x3分别代表神经网络对于用户生成的三个计算任务生成的卸载决策;b1,b2,b3分别代表分配给三个用户的带宽;p1,p2,p3分别代表三个用户边缘执行的传输功率;h1,h2,h3分别代表三个用户的信道增益;σ是噪声功率;B是系统总带宽;步骤五,从DNN中选择最佳解决方案,并通过将生成的任务和相应的卸载决策添加到DNN网络的内存结构中并更新回放内存;步骤六,从步骤五所述更新回放内存中均匀采样一批数据集用于训练DNN网络并使用梯度下降算法更新DNN网络的参数,进行下一次迭代,直至达到迭代次数后,将获得的卸载决策用xnm∈{0,1}表示,当xnm=1时,则用户n将计算任务m卸载到卫星上的边缘服务器上执行计算;当xnm=0时,则用户n的任务m选择在本地执计算。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学 联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法
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。