[发明专利]一种云边协同调度数据集合拓扑特征算法

权利要求书

1.一种云边协同调度数据集合拓扑特征算法，其特征在于，包括以下步骤：

S1：系统初始化，系统初始化核验；

S2：网络拓扑与节点参数，收集网络拓扑与节点参数，并检测其是否完备，如果不完备则继续收集，如果完备则进行下一步；

S3：应用数据集、特征数据集，数据集合拓扑特征算法基于数学图论的Dijkstra算法建立应用数据集Sti和拓扑特征数据集Cti；

S4：分类计算，以最小时延为目标，运用特征量集合距离算法，根据集合树最小距离Dti(D_ti＝min(c_ti∈C_ti|1≤i≤n))，处理边缘节点云边协同拓扑特征数据集Cti最优路径的问题，对于应用数据集Sti，将其作为复合Pission随机过程，通过对随机过程特征函数{Yt}数理统计指标的计算，获得特征曲线，通过对神经网络进行训练，获得云边协同数据序列卸载策略，运用Δ数据序列算法对应用数据集Sti进行排序，形成应用数据序列，最后进行边缘和云端计算。

2.根据权利要求1所述的一种云边协同调度数据集合拓扑特征算法，其特征在于，所述S4中采用Relu函数设计并实现了1×10×5×1的深度神经网络，通过特征曲线用边缘实时数据对神经网络进行训练，获得云边协同数据序列卸载策略。

3.根据权利要求2所述的一种云边协同调度数据集合拓扑特征算法，其特征在于，所述S4中根据云边协同时延要求Td和数据时延敏感指数Qi运用Δ数据序列算法对应用数据集Sti进行排序，形成应用数据序列。

4.根据权利要求1所述的一种云边协同调度数据集合拓扑特征算法，其特征在于，所述S3中获得特征曲线为：m≥lnδ/ln(1-n_min/n)(0≤δ≤1，δ为评估指数)。

5.一种云边协同调度数据集合拓扑特征算法系统，其特征在于，包括算法模块、特征数据集、深度神经网络模块、数据序列算法模块、数据传输模块、边缘计算模块，所述算法模块为数据集合拓扑特征算法，特征数据集包括应用数据集和拓扑特征集，数据集合拓扑特征算法(DATC)通过对云边协同拓扑结构的网络状态、行为和激励数据建模和参数配置，实现任务的优先级进行计算，所述特征数据集与数据序列算法模块、数据传输模块、边缘计算模块相连接。

6.根据权利要求5所述的一种云边协同调度数据集合拓扑特征算法系统，其特征在于，所述S3中算法模块连接有硬件模块，且硬件模块连接有协议转换模块和分类模块，分类模块对于采集的数据根据调度算法进行分类。