[发明专利]一种基于拥塞博弈的边缘调度优化方法有效
申请号: | 201910989532.5 | 申请日: | 2019-10-17 |
公开(公告)号: | CN110851268B | 公开(公告)日: | 2023-06-13 |
发明(设计)人: | 杨宏奇;周冰 | 申请(专利权)人: | 中山大学 |
主分类号: | G06F9/50 | 分类号: | G06F9/50;G06F9/48 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 张金福 |
地址: | 510275 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 拥塞 博弈 边缘 调度 优化 方法 | ||
1.一种基于拥塞博弈的边缘调度优化方法,其特征在于,包括以下步骤:
S1.获取边缘调度系统的各项参数,包括计算任务的数量,边缘设备的数量,边缘设备的开销函数;
S2.将边缘调度系统的调度问题定义成一个拥塞博弈问题,同时随机分配计算任务,初始化策略和对应的开销数组,建立拥塞博弈的任务调度模型;同时,每一个参与者计算自己可选策略的调度开销;其具体步骤包括:
S21.将边缘调度系统的调度问题定义成一个拥塞博弈问题,定义为其中,集合来表示计算任务的数量,集合ε={1,...,E}来表示具有不同计算能力的边缘设备,ce表示边缘设备的开销函数,代表任务i的纯策略,每一个任务代表着博弈问题的参与者;
S22.任务的调度选择表示为并且用来表示一个调度策略,用(P-i,P′i)来表示任务的策略转移带来的结果;对于连接到同一个边缘设备的任务,用Se(P)={i:e∈Pi}来表示;此外,用Ii,e=1来表示参与者已经连接到服务器,用Ii,e=0表示参与者没有连接到服务器;
S23.在任务调度系统之中,计算时间被定义为此外,每一个参与者仅仅连接一个边缘设备,则存在如下的约束:
S24.根据拥塞博弈的理论框架,定义使用边缘设备的开销来表示连接到该设备的所有参与者的开销:
S25.定义每一个参与者的开销函数Ci:
S26.设备总执行时间定义:总的运行时间为运行最久的设备运行时间,定义边缘设备运行时间为设备中最大的时间开销,因此问题转化成最小化此最大时间开销:
S3.对比参与者目前策略的调度开销和其他可选策略的调度开销,根据收益来决定是否改变策略,如果改变策略,则更新对应的策略和对应的开销;其具体步骤包括:
S31.定义参与者改变策略的收益,即(P-i,P′i),定义如下:
公式表示任务从在边缘设备e1上调度变化为在边缘设备e2上调度时的收益,其中ce表示对应边缘设备的开销函数,Ti,e2表示任务i在边缘设备e2上运行的时间;
S32.定义参与者的最大收益:
U(i)=max{U(i,e1,e2),e2∈ε,e2≠e1};
其中,当U(i)>0时,参与者就有改变其策略的动力;当所有的参与者都无法改变策略时,系统就达到了一个稳定策略;
S4.当所有的参与者都不改变策略时,系统达到了一个稳定最优的策略,同时输出该策略和对应的总完成时间;其具体步骤包括:
S41.当所有参与者都不改变策略时,得到最优执行时间大于平均执行时间,可得模型的下界:
S42.其中最大完成时间不会超过平均时间加上执行时间的最大值,则更新的模型的上界:
S43.定义作为一个每一步迭代后衡量最大执行时间的值,则为一个非上升的函数,且存在最小界,可以证明该方法收敛到纳什均衡;
S44.输出这个策略和对应的总完成时间;
S5.建立任务负载预测模型,进行冗余模型去除,对任务进行特征提取,对任务负载进行估计,预测任务调度时间;其具体步骤包括:
S51.定义计算任务到边缘设备的执行时间,即
S52.在冗余模型去除任务的渲染任务中,采集地图的大小ss,渲染模型的数量no,可见区域的长度lv,物体模型的取样点vo,取样间隔si和服务器类型st,执行时间用表示,则得到如下特征向量:
定义特征向量集合为并且同时,定义执行时间向量集合为并且
S53.根据定义的特征向量集合和执行时间集合,采用机器学习的方法进行预测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910989532.5/1.html,转载请声明来源钻瓜专利网。