[发明专利]一种具有性能与需求匹配能力的边缘节点计算卸载方法

权利要求书

1.一种具有性能与需求匹配能力的边缘节点计算卸载方法，其特征在于，包括以下步骤：

S1：建立拥有多个移动边缘节点设备的协同计算网络系统；

S2：构建并初始化节点性能估计模型、任务需求估计模型，初始化所需的运行变量；

S3：使用基于对抗型多臂老虎机的强化学习方法进行卸载目标的在线选择；对于每一个需要发起计算卸载请求的中心设备都需要建立属于自己的节点性能估计模型和任务需求估计模型；中心设备S_I在某一时隙t需要卸载一个计算任务J_t至第k个可提供协助计算的可用设备为可用设备集合；则中心设备S_I需要对所有可用设备D_k建立对应的节点性能估计模型PM_k,t，对自身建立任务需求估计模型RM_t，初始化

所述任务需求估计模型RM_t用以评估J_t的各个组分的需求与以往卸载过的任务相比所占的比重；定义ρ_t为J_t的计算密度，单位为Cycles/bit，表示计算每bit的任务数据所需的CPU循环数；x_t为J_t的数据量，单位为bits；使用分别表示J_t各组分在历史卸载任务中所占的比重，具体如下：

使用分别表示计算任务J_t各组分在当前任务中所占的比重：

构建计算任务J_t的任务需求估计模型RM_t：

其中，γ为需求模型学习速率；

中心设备通过建立节点性能估计模型并结合历史卸载表现对其余设备的性能的估计进行修正；性能估计模型由和两个元素的列向量构成，和分别表示在时隙t对可用设备D_k的计算性能和传输性能的估计，具体如下：

其中，和的取值范围为(0,1]，其值越大代表估计的性能越强；对于新设备，初始化

S4：将任务卸载至所选目标，观察实际卸载延迟；

S5：使用本次卸载的实际延迟更新节点性能估计模型；

S6：中心设备使用更新的节点性能估计模型作为下一次卸载的行为依据；

S7：判断是否有新的卸载请求，若有则跳至步骤S3，否则继续执行本步骤，等待新的卸载请求。

2.根据权利要求1所述的一种具有性能与需求匹配能力的边缘节点计算卸载方法，其特征在于，步骤S1中，考虑一个包括N个物联网设备S_i的物联网系统，i∈{1,2,…,N}；对物联网系统内任一中心设备S_I,I∈{1,2,…,N}建立以自身为中心的单跳星型网络；单跳星型网络中包括的可提供协助计算的边缘节点的物联网设备称为可用设备，以符号D_k表示，可用设备构成的集合称为可用设备集合；运行总时间为T，在每次运行前更新当前时隙的在任一时隙内保持恒定不变；该单跳星型网络即为中心设备S_I视角下的协同计算网络系统。

3.根据权利要求1所述的一种具有性能与需求匹配能力的边缘节点计算卸载方法，其特征在于，步骤S3具体包括以下步骤：

S3.1、获取计算任务J_t的x_t和计算密度ρ_t，并生成任务需求估计模型RM_t；

S3.2、将任务需求向量输入基于对抗型多臂老虎机的强化学习方法，得到各个节点D的余弦加权权重；

S3.3、以各个可用设备的余弦加权权重为参数，使用多项式分布进行试验，每个可用设备的多项式试验次数z_k,t,试验次数集合则所选择的作为卸载目标的可用设备为D_M，M＝argmax_k(Z_t)。