[发明专利]复杂异构移动边缘计算中基于生成对抗式网络的高能效低延迟工作流应用迁移方法

权利要求书

1.一种复杂异构移动边缘计算中基于生成对抗式网络的高能效低延迟工作流应用迁移方法，其特征在于，该方法的第一个目标是最小化系统总能耗(Δ)：

其中，M表示智能移动设备的总数；K表示每个智能移动设备中需要按照顺序执行的子任务的个数；表示智能移动设备m(m＝1,…,M)的第k(k＝1,…,K)个子任务调度到其自身中执行的数据的比例；表示智能移动设备m的第k个子任务调度到某个小型基站中执行的数据的比例；表示智能移动设备m的第k个子任务调度到某个大型基站中执行的数据的比例；x_mj表示一个二进制变量，即如果智能移动设备m属于小型基站j的管辖范围，则x_mj＝1，否则x_mj＝0；表示智能移动设备m中执行其第k个子任务的工作速度，这里的工作速度指每秒内的CPU周期数；表示在小型基站j中执行智能移动设备m的第k个子任务对应的工作速度；表示智能移动设备m传输数据至某个小型基站中需要消耗的功率；E_m表示智能移动设备m执行所有K个子任务需要消耗的能量；J表示小型基站的总数；表示在小型基站j中执行智能移动设备m的任务所需要消耗的能量；

此外，该方法的第二个目标是最小化智能移动设备m执行所有K个子任务需要的总时间(T_m)：

其中，表示在调度到智能移动设备m中执行的第k个子任务的数据执行时间；表示智能移动设备m的第k个子任务所对应的调度到小型基站j中的数据执行时间；表示小型基站j执行智能移动设备m的第k个子任务的部分数据所需要的时间；表示在大型基站中执行智能移动设备m的第k个子任务的部分数据所需要的时间；f₀表示大型基站中的工作速度；

为实现该迁移方法，采用基于分解和生成对抗式网络的多目标进化算法求解该双目标混合整数非线性规划模型，该算法的初始化操作具体为：初始化基于分解的多目标进化算法的初始种群P，以及生成对抗网络中的生成器和判别器网络结构，以及网络参数包括连接权重矩阵和偏置向量；生成器和判别器中的每个网络为栈式自编码网络，即由多个自编码网络构成，包括一个输入层、一个输出层和多个隐藏层；每个网络均采用绑定权重自编码器的参数共享(Tied weights)方法，即解码参数是编码参数θ_i的转置；前一层的加密的向量h_i(1≤i≤N)为下一个隐藏层的输入向量，因此原始输入数据x的特征能够逐层地得到加密和抽象提取；每个生成器/判别器网络首先采用逐层贪心算法，以无监督方式进行预先的训练；具体而言，第一个自编码网络AE₁以x为输入进行训练，获得加密后的特征向量h₁以及网络参数θ₁；然后，第二个自编码网络AE₂以h₁为输入进行训练，获得加密后的特征向量h₂以及网络参数θ₂；以此类推，执行逐层贪心算法得到第N个自编码网络AE_N输出h_N以及网络参数θ_N；最后，每个生成器/判别器的顶层为一个前馈神经网络，该网络分别以h_N和候选解y为输入和输出，训练得到网络参数θ_N+1，对每个生成器/判别器网络以有监督方式进行训练，从而对整个网络的参数进行进一步精细化的微调。