[发明专利]一种基于强化学习的云边融合网络任务卸载方法

权利要求书

1.一种基于强化学习的云边融合网络任务卸载方法，其特征在于，包括以下步骤：

S1：各个智能设备在当前边缘场景下向本地边缘服务器发送任务请求；

S2：本地边缘网关实时感知本地边缘服务器的计算资源，当计算资源不足时，向企业云服务器发送任务卸载请求，由企业云服务器通过强化学习算法确定最优任务卸载策略；

S3：本地边缘网关根据最优任务卸载策略获取企业云服务器所指定的临近边缘服务器的控制权限，并将任务拆分到对应的临近边缘服务器上辅助执行；

S4：各个临近边缘服务器将执行结果回传到本地边缘网关，由本地边缘服务器汇总形成任务执行结果反馈至发送任务请求的智能设备。

2.根据权利要求1所述的基于强化学习的云边融合网络任务卸载方法，其特征在于，智能设备向本地边缘服务器发送任务请求描述为：

其中，d_i代表计算任务T_i的输入数据大小，包括程序代码和输入参数；代表任务计算完成后的输出数据大小；C_i代表完成计算所需的CPU周期数；代表计算任务T_i可以容忍的最大延迟；

则本地边缘网关按照：计算在时隙t内本地边缘服务器处理任务T_i的执行时间其中F_loc(t)表示本地边缘服务器在时隙t内的计算能力；如果则认定为计算资源不足，本地边缘网关向企业云服务器发送任务卸载请求；否则，由本地边缘服务器在本地执行。

3.根据权利要求2所述的基于强化学习的云边融合网络任务卸载方法，其特征在于，各个边缘服务器根据当前边缘场景下各个智能设备的任务请求情况确定自身标签状态STAG_i；STAG_i＝1，表示第i个边缘服务器具备计算资源接收其它边缘服务器的卸载任务；STAG_i＝0表示第i个边缘服务器不具备计算资源接收其它边缘服务器的卸载任务。

4.根据权利要求1或2所述的基于强化学习的云边融合网络任务卸载方法，其特征在于，如果本地边缘服务器在时隙t内将任务T_i中的第m个子任务卸载到第j个临近边缘服务器上执行，则第m个子任务的执行时间为：

其中，

本地边缘服务器在时隙t内将任务T_i中的第m个子任务卸载到第j个临近边缘服务器所需的链路传输时间，为任务T_i中的第m个子任务的输入数据大小，H_1,j表示本地边缘服务器与第j个临近边缘服务器之间的链路传输能力；表示第j个临近边缘服务器处理任务T_i中的第m个子任务所需的执行时间；表示完成第m个子任务所需的CPU周期数，F_Sj(t)表示时隙t内第j个临近边缘服务器的计算能力。

5.根据权利要求4所述的基于强化学习的云边融合网络任务卸载方法，其特征在于，在时隙t内将任务T_i中的第m个子任务卸载到第j个临近边缘服务器所需的链路传输时间包括输入数据上传时间和输出数据回传时间其中：

表示任务T_i中的第m个子任务计算完成后的输出数据大小，表示本地边缘服务器S_i与第j个临近边缘服务器S_j的上行链路速率；表示本地边缘服务器S_i与第j个临近边缘服务器S_j的下行链路速率。