[发明专利]一种云边协同调度数据集合拓扑特征算法

说明书

本发明涉及信息技术领域，且公开了一种云边协同调度数据集合拓扑特征算法，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；S3：应用数据集、特征数据集；S4：分类计算，形成应用数据序列，最后进行边缘和云端计算；本发明还提出了一种云边协同调度数据集合拓扑特征算法系统，包括算法模块、特征数据集等。本发明通过对移动端云边协同数学建模，提出了复杂网络拓扑结构下，最小化时延为目标的DATC算法，有效解决了目前市场云边协同效率不高、移动端边缘计算对实时性要求较高业务，服务质量QOS无法保障的问题。

技术领域

本发明涉及信息技术领域，具体为一种云边协同调度数据集合拓扑特征算法。

背景技术

产品与产品、单元与单元、模组与模组之间通过通信线路实现信息共享与融合是其基本特征，边缘计算由于整合数据采集、处理、执行三大功能，在数据处理的实时性、带宽需求、数据安全性、业务可靠性等方面具有独有优势，受到越来越多的关注和青睐，成为市场主流方向。

目前市场边缘计算产品与业务算法软件紧密绑定，对于特定业务云边系统效果较好，对于多业务情况，由于不同业务的应用需求不尽相同，面向不同业务实现云边协同整体效率普遍不高，特别是移动端在跨域移动时，对于实时性要求较高的业务由于云边协同效率下降，边缘计算的优势不能得到充分发挥，因此，提出一种云边协同调度数据集合拓扑特征算法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种云边协同调度数据集合拓扑特征算法，运用概率论和数理统计方法，通过对移动端云边协同数学建模，提出了复杂网络拓扑结构下，最小化时延为目标的数据集合拓扑特征算法(DATC)，有效解决了目前市场云边协同效率不高、移动端边缘计算对实时性要求较高业务，服务质量QOS无法保障的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：

一种云边协同调度数据集合拓扑特征算法，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，然后对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。

作为本发明再进一步的方案，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。

进一步的，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。

在前述方案的基础上，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)。