[发明专利]计算资源分配方法、装置、计算机设备及存储介质

说明书

本申请实施例属于边缘计算领域，涉及一种计算资源分配方法、装置、计算机设备及存储介质，所述方法包括：获取多个移动终端的定位信息；根据定位信息判断各移动终端参与计算的参与概率；根据移动终端的参与概率利用智能优化算法对原始数据集进行优化获得优化数据集；将优化数据子集分配给移动终端，用于在移动终端训练弱分类器；从移动终端接收移动终端根据弱分类器和输入数据计算的初步分类结果；根据弱分类器的初步分类结果确定最终分类结果。本申请可以使得边缘计算网络允许部分移动终端掉线，同时使边缘计算网络中的移动终端的集成学习保持较高识别能力。

技术领域

本申请涉及计算资源分配技术领域，尤其涉及计算资源分配方法、装置、计算机设备及存储介质。

背景技术

计算资源分配(MEC,mobile edge computing)将移动终端的计算任务卸载到边缘网络,解决了设备在资源存储、计算性能以及能效等方面存在的不足.同时相比于云计算中的计算卸载,MEC解决了网络资源的占用、高时延和额外网络负载等问题,发掘移动网络的内在计算能力,为用户提供更丰富的感知服务。

集成学习，顾名思义，通过将多个单个弱分类器集成/组合在一起，使它们共同完成学习任务。把各个学习结果进行整合往往可以获得比单个分类器更好的学习效果。

移动自组织网络是一种自治、多跳网络，整个网络没有固定的基础设施，能够在不能利用或者不便利用现有网络基础设施(如基站、AP)的情况下，提供终端之间的相互通信。在移动自组织网络中，由于移动终端的随机移动，移动终端间通过无线信道形成的网络拓扑结构随时可能发生变化，造成移动终端与其他移动终端失去连接等问题，因此难以利用移动自组织网络中的移动终端作为计算资源。

发明内容

本申请实施例的目的在于提出一种计算资源分配方法、装置、计算机设备及存储介质，评估移动终端完成计算的概率，并优化数据集，使得即使部分移动终端离开移动自组织网络，基于移动自组织网络的集成学习仍然可以保持较高识别能力。

本申请实施例提供了一种计算资源分配方法，用于移动自组织网络，所述移动自组织网络包括多个移动终端，所述方法包括：

步骤S201、获取多个移动终端的定位信息；

步骤S202、根据定位信息判断各移动终端参与计算的参与概率；

步骤S203、根据移动终端的参与概率利用智能优化算法对原始数据集进行优化获得优化数据集，其中优化数据集包括数量与移动终端数量相同的优化数据子集，使得移动终端根据优化数据子集训练的弱分类器组成的强分类器的误差低于预设阈值；

步骤S204、将优化数据子集分配给移动终端，用于在移动终端训练弱分类器；

步骤S205、从移动终端接收移动终端根据弱分类器和输入数据计算的初步分类结果，并根据弱分类器的初步分类结果确定最终分类结果。

优选地，步骤S202具体包括：根据位置信息判断移动终端所处的地图网格，将地图网格内的移动终端在预设时间内留在无线自组织网络的概率作为移动终端的参与概率。

进一步地，所述步骤S203具体包括：

步骤S2031、对原始数据集进行随机有放回抽样，获得数量与移动终端数量相同的数据子集；

步骤S2032、将数据子集作为初始化群体，每个数据子集对应于一个群体中的个体；

步骤S2033、利用数据子集分别训练多个弱分类器；

步骤S2034、利用测试集测试弱分类器，将弱分类器的识别率作为个体的适应度；

步骤S2035、根据适应度为个体对应的数据子集训练的弱分类器分配参与概率；

步骤S2036、根据弱分类器和参与概率计算集成学习结果；