申请/专利权人：东北大学

申请日：2024-03-15

公开（公告）日：2024-04-16

公开（公告）号：CN117891532A

主分类号：G06F9/445

分类号：G06F9/445;G06F9/50

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明属于移动边缘计算网络技术领域，公开了一种基于注意力多指标排序的终端能效优化卸载方法。旨在优化移动边缘计算网络中的任务卸载效率，特别关注于时延和能耗的优化。这种方法综合考虑了任务的多个关键因素，如退出任务频率、计算工作负载、时间紧迫性以及每比特的应用完成率，以确定任务的优先级顺序。该方法采用强化学习算法和图卷积网络，以有效提取依赖性任务之间的图结构特征，并引入注意力机制来专注于重要特征的权重训练，同时使用熵奖励概念来提高训练的收敛速度和稳定性。这一方法为移动边缘计算领域提供了一种全新的优化卸载策略，有助于满足5G时代对高性能移动服务的需求。

主权项：1.一种基于注意力多指标排序的终端能效优化卸载方法，其特征在于，包括步骤如下：步骤1、从云层、边缘层到用户层的多层架构考虑，分析终端设备、边缘服务器和云服务器之间的交互，建立系统模型；所述系统模型包括网络模型、应用程序模型、通信模型和能耗模型；基于系统模型考虑多覆盖边缘网络场景中的依赖性任务卸载问题，目标是最小化平均应用程序完成时间和最小化能耗；将卸载决策下的延迟和能耗相对于完全本地执行所有任务的延迟和能耗的降低程度视为卸载效用，同时考虑按照多样化的延迟和能耗需求为终端设备设置不同的延迟权重和能耗权重，并据此定义所有终端设备的平均卸载效用，同时为所有应用程序当中的任务进行标准化，设置唯一的虚拟开始节点任务与虚拟结束节点任务；依赖性任务卸载问题优化目标旨在最大化所有终端设备的平均卸载效用，定义如下： 表示每个任务处理时的延迟与能耗的加权和，表示所有需要处理的任务总和，表示任务卸载与边缘服务器相关联的大小，表示某个终端设备，表示某个应用程序的子任务，表示某个边缘服务器，表示应用程序最晚截止时间，表示终端设备集合，表示某个应用程序，表示所有服务器集合，是最小化平均应用程序完成时间和能耗的平衡因子；是应用程序在本地执行的最大完成时间；是应用程序在本地执行的最大能量消耗；为卸载决策集合；表示某个任务的卸载动作，表示任务总数；约束C1表示任务只能卸载到所属终端设备关联的服务器；约束C2表示任务只能不可分割地在一个计算节点执行；约束C3表示应用程序结束时间约束；约束C4表示卸载决策变量的二进制约束的非负约束；约束C5表示应用任务当中唯一的虚拟开始节点任务和虚拟节点结束任务必须在终端设备本地执行；步骤2、问题分析与转化；针对依赖性任务卸载问题，将其拆分成两个关键步骤进行求解；首先，基于系统模型建立依赖性任务混合优先级指标，解决依赖性任务内部的排序问题；构建基于注意力的智能体决策模型，对其进行基于改进的PPO训练，解决排序后的任务卸载决策问题；通过对构建的各个模型进行反复与环境交互的训练，不断优化卸载决策。

全文数据：

权利要求：

百度查询： 东北大学 一种基于注意力多指标排序的终端能效优化卸载方法

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。

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