[发明专利]一种基于边缘协作的任务卸载系统、方法及装置

说明书

本发明涉及计算机通信技术领域，特别是涉及一种基于边缘协作的任务卸载系统、方法及装置，所述基于边缘协作的任务卸载系统包括：数字孪生层，所述数字孪生层用于获取终端以及边缘节点的运行数据，并根据获取的运行数据训练神经网络模型，所述神经网络模型用于确定任务卸载方案；以及所述终端，所述终端用于根据确定的任务卸载方案将计算任务卸载到至少一个所述边缘节点。本发明实施例提供的基于边缘协作的任务卸载系统通过设置数字孪生层采集终端以及边缘节点的运行数据以训练神经网络模型，终端要进行任务卸载时，由终端或者数字孪生层根据训练得到的神经网络模型参数确定任务卸载方案，终端根据确定出的任务卸载方案将计算任务下发执行。

技术领域

本发明涉及计算机通信技术领域，特别是涉及一种基于边缘协作的任务卸载系统、方法及装置。

背景技术

6G中的新型业务将以低时延为显著特征，移动边缘计算被视为是保障低时延业务的一种有效解决方案。移动终端将任务卸载至边缘服务器进行计算可以有效降低网络时延。由于任务卸载方案对边缘系统的性能影响很大，所以设计优化、节能、低时延的任务卸载方案成为了重要的研究方向。此外，大量研究证明，边缘节点间通过协作的方式进行任务处理不仅能够实现网络资源的高效利用，还能显著降低任务处理时间。

然而，终端节点在将任务卸载给边缘服务器时，需要综合考虑任务的数据量、信道状态、边缘服务器的分布、可获取的资源、等因素。由于移动终端所处的环境复杂多变，所以有学者尝试用人工智能算法来帮助移动终端进行任务卸载。

大量文献对人工智能辅助移动终端进行任务卸载的方案进行了广泛的研究，并取得了不错的成绩。但是，移动终端薄弱的计算能力和存储能力会导致训练的人工智能算法训练不充分和预测分析能力不精准。

发明内容

基于此，有必要针对上述的问题，提供一种基于边缘协作的任务卸载系统、方法及装置。

本发明实施例是这样实现的，一种基于边缘协作的任务卸载系统，所述基于边缘协作的任务卸载系统包括：

数字孪生层，所述数字孪生层用于获取终端以及边缘节点的运行数据，并根据获取的运行数据训练神经网络模型，所述神经网络模型用于确定任务卸载方案；以及

所述终端，所述终端用于根据确定的任务卸载方案将计算任务卸载到至少一个所述边缘节点。

在其中一个实施例中，本发明提供了一种基于边缘协作的任务卸载方法，应用于上述实施例所述的数字孪生层，所述基于边缘协作的任务卸载方法包括以下步骤：

获取终端以及边缘节点的运行数据；

根据获取的运行数据训练神经网络模型；

将训练得到的神经网络模型参数或者根据所述训练得到的神经网络模型参数解算出的任务卸载方案下发终端执行。

在其中一个实施例中，本发明提供了一种基于边缘协作的任务卸载方法，应用于上述实施例所述的终端，所述基于边缘协作的任务卸载方法包括以下步骤：

上传运行数据至数字孪生层；

获取所述数字孪生层训练得到的神经网络模型参数；

根据所述神经网络模型参数解算出的任务卸载方案；

根据所述任务卸载方案将计算任务按比例卸载到至少一个边缘节点；

获取所述边缘节点返回的计算结果。

在其中一个实施例中，本发明提供了一种基于边缘协作的任务卸载装置，应用于如上述实施例所述的数字孪生层，所述基于边缘协作的任务卸载装置包括：

获取模块，用于获取终端以及边缘节点的运行数据；

训练模块，用于根据获取的运行数据训练神经网络模型；