[发明专利]一种基于优先级与协作的边缘计算资源分配方法

说明书

本申请属于资源分配策略技术领域，特别是涉及一种基于优先级与协作的边缘计算资源分配方法。边缘计算服务器和云服务器中的计算资源可用单位时间内的CPU周期数表示，其可以依据不同分配方案分配给运行在服务器上的任务，但难以保证长期收益最大化。本申请提供一种基于优先级与协作的边缘计算资源分配方法，所述方法包括：1)定义边缘计算模型状态、动作和奖赏；2)定义神经网络的结构、输入输出的结构；3)按照给定训练方法更新、训练神经网络并应用。通过合理分配边缘计算服务器和云服务器中的计算资源，具体为单位时间内的CPU周期数，以提高与相对时延和服务器能耗相关的长期收益。

技术领域

本申请属于资源分配策略技术领域，特别是涉及一种基于优先级与协作的边缘计算资源分配方法。

背景技术

移动用户通常由于自身的体积等的限制，拥有较少的计算资源，同时，由于设备的能耗、电池的容积等限制，也无法进行长时间、大量的计算。因而对于一些计算密集型任务，若用户仅利用自身的计算资源进行处理，则很难满足任务对于低延迟的要求，同时还可能引起待机时长缩短、设备发热过量等问题。因此移动用户需要借助外部的计算资源，在现有的网络中，这些计算资源通常来自于云计算节点，也称为云节点或云服务器。但随着物联网设备的增多和5G的发展，云计算技术表现日渐乏力，因此作为补充，边缘计算技术随之出现。它旨在将计算资源配置网络边缘处，以此实现减少核心网带宽占用、缩短时延等目标。

在传统云计算模式中，用户将计算密集型任务经由核心网上传至云服务器处理，虽然云服务器的计算资源较为充足，可以在较短时间内完成计算，但由于核心网带宽有限、网络抖动等因素带来的传输时延较大。为了减少传输时延，移动边缘计算技术将计算资源部署在接近用户的网络边缘处，比如无线路由器或基站旁。这样边缘计算服务器与用户之间仅有一跳连接，用户的数据无需经核心网上传至云计算服务器处理，因此有着较低的传输时延。但相比云计算服务器，边缘计算服务器的计算资源相对有限，因此如何高效分配、利用计算资源成为移动边缘计算技术中的挑战之一。本文将边缘计算环境建模为马尔可夫决策过程，考虑到模型的复杂性，使用深度强化学习方法优化任务成功率和长期收益。

边缘计算服务器和云服务器中的计算资源可用单位时间内的CPU周期数表示，其可以依据不同分配方案分配给运行在服务器上的任务，但难以保证长期收益最大化。其中收益主要与相对时延和服务器能耗相关。

发明内容

1.要解决的技术问题

基于边缘计算服务器和云服务器中的计算资源可用单位时间内的CPU周期数表示，其可以依据不同分配方案分配给运行在服务器上的任务，但难以保证长期收益最大化的问题，本申请提供了一种基于优先级与协作的边缘计算资源分配方法。

2.技术方案

为了达到上述的目的，本申请中某一边缘计算服务器簇内的边缘计算服务器和云服务器所构成的集合可表示为其中编号0表示云计算节点，编号1,2,...,M表示该簇内的边缘计算服务器。他们的计算资源容量可表示为V＝{v₀,v₁,v₂,...,v_M}，其中v_m表示节点的计算资源容量。边缘用户将任务卸载到某一边缘计算服务器后，该边缘计算服务器称为该任务的源服务器，该源服务器可进一步决定将任务自己处理、卸载到云服务器或同一簇内的其他边缘计算服务器进行处理，处理该任务的服务器被称为目的地服务器。

在这种环境下，本申请的方法包括：

1)：在考虑边边协同、边云协同和任务自身优先级的的情况下设计带有优先级和网络节点属性的状态，设计包含目的地服务器决策和计算资源分配决策的动作，以及针对任务的奖赏；

2)：针对所述1)定义的状态、动作和奖赏，针对目的地服务器决策设计第一神经网络结构，针对计算资源分配决策设计第二神经网络结构；