申请/专利权人：天津大学

申请日：2024-02-05

公开（公告）日：2024-04-26

公开（公告）号：CN117938960A

主分类号：H04L67/60

分类号：H04L67/60;H04L41/14;H04L41/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开一种在云边协同系统中基于扩散模型的请求分配方法，所述基于扩散模型的请求分配方法包括嵌入云集群、边缘集群的请求指派算法和服务编排算法；所述扩散模型作为动作策略网络，根据系统的状态信息对边缘集群中的边缘智能体节点生成指派动作以进行请求指派，获得优化请求指派算法；所述扩散模型作为策略梯度网络，选取高价值的边缘节点，并计算在这些边缘节点上的扩展动作进行服务编排，获得优化服务编排算法；本发明通过扩散模型增强请求指派算法和服务编排算法对复杂情况处理能力。

主权项：1.一种在云边协同系统中基于扩散模型的请求分配方法，所述基于扩散模型的请求分配方法包括嵌入云集群、边缘集群的请求指派算法和服务编排算法；其特征在于，包括如下步骤：初始化请求指派算法和服务编排算法所需扩散模型以及其他神经网络；所述扩散模型代替原有神经网络作为深度强化学习算法中的动作策略网络，根据系统以及本地eAP在t-1时刻的状态信息对边缘集群中的边缘智能体节点生成指派动作进行请求指派，获得优化请求指派算法；所述扩散模型代替原有神经网络作为深度强化学习算法中的策略梯度网络，根据系统在τ-1时刻的状态信息选取高价值的边缘节点并计算在这些边缘节点上的扩展动作以进行服务编排，获得优化服务编排算法；其中：与表示图神经网络编码的系统状态，表示编排动作,其中：所述扩散模型利用逆向传播过程进行请求分配所需动作的生成，即从纯高斯噪声经过N个降噪步数生成最终的动作，代替传统DRL中的神经网络；每次降噪过程中减去的噪声由扩散模型内部的神经网络预测得到：从纯高斯噪声xT开始的降噪计算公式如下： 其中：xt-1与xt分别为此次降噪后与此次降噪前的样本；∈θxt,t为扩散模型内部神经网络预测出的噪声；at和σt为预先计算的衰减系数与方差常量；当t1时，z～N0,I，否则z为0；xT为初始的高斯噪声，最终得到的x0即为扩散模型输出的请求分配动作。

全文数据：

权利要求：

百度查询： 天津大学 一种在云边协同系统中基于扩散模型的请求分配方法

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