卸载动作集合获取方法及装置制造方法及图纸

本发明专利技术提供卸载动作集合获取方法及装置，涉及集合获取领域。方法包括：获取目标应用程序任务；对目标应用程序任务进行训练，生成初始卸载动作集合；基于初始卸载动作集合确定多个新卸载动作集合；对多个新卸载动作集合的集合数量进行更新得到更新之后的多个新卸载动作集合；从对目标应用程序任务进行训练的步骤开始反复执行上述过程直至将满足迭代停止条件时的更新后的多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合；对更新后的多个新卸载动作集合分别进行成本函数计算，获取最低成本函数值对应的卸载动作集合。本发明专利技术实施例的卸载动作集合获取方法及装置通过迭代得到最低成本函数值对应的卸载动作集合，达到降低总能耗的技术效果。

【技术实现步骤摘要】
卸载动作集合获取方法及装置
本专利技术涉及集合获取
，尤其是涉及一种卸载动作集合获取方法及装置。
技术介绍
目前，现有技术中的算法，诸如全卸载算法和全本地算法直接对所有的任务进行全卸载和本地处理，诸如联合卸载和资源优化算法计算复杂度太高，使得无法进行实时的计算卸载和资源分配，这些都将导致系统总能耗过高，造成资源大量的占用和浪费。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种卸载动作集合获取方法及装置，以改善总能耗过高的技术问题。第一方面，本专利技术实施例提供了一种卸载动作集合获取方法，所述方法包括以下步骤：获取目标应用程序任务，其中，所述目标应用程序任务的数量至少为一个；通过目标神经网络对所述目标应用程序任务进行训练，生成所述目标应用程序任务的初始卸载动作集合，其中，所述初始卸载动作集合中的卸载动作表示对应用程序任务进行卸载的方式；基于所述初始卸载动作集合确定多个新卸载动作集合，其中，所述初始卸载动作集合中的一种卸载动作对应一个新卸载动作集合；对所述多个新卸载动作集合的集合数量进行更新，得到更新之后的所述多个新卸载动作集合；从所述通过目标神经网络对所述目标应用程序任务进行训练的步骤开始反复执行上述过程，直至满足迭代停止条件时，将满足所述迭代停止条件时的更新之后的所述多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合；对所述更新之后的所述多个新卸载动作集合分别进行成本函数计算，获取最低成本函数值对应的卸载动作集合。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述方法还包括：利用所述最低成本函数值对应的卸载动作集合对目标神经网络进行训练，用于优化所述目标神经网络的网络参数；其中所述网络参数包括：学习率、神经元个数、训练间隔、存储空间。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，通过目标神经网络对所述目标应用程序任务进行训练，生成所述目标应用程序任务的初始卸载动作集合，包括：将目标应用程序任务依次输入经过所述目标神经网络的输入层、隐含层和输出层进行训练，生成所述目标应用程序任务的一个或多个卸载动作，其中，一个应用程序任务对应于一个卸载动作，每个所述卸载动作取值为0到1之间的实数；对所述一个或多个卸载动作进行组合，得到所述初始卸载动作集合。结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，在通过目标神经网络对所述目标应用程序任务进行训练，生成所述目标应用程序任务的初始卸载动作集合之后，所述方法还包括：根据第一取值公式将初始卸载动作集合中的一个或多个卸载动作依次与预先确定的基准参数进行比较，得到经取值的初始卸载动作集合；所述第一取值公式的表达式为：其中，As1为第s次循环中的初始卸载动作集合，s＝1、2……S；为对目标应用程序任务进行训练的第s次循环中，第i个物联网装置的第j个应用程序任务的卸载动作，K为所述预先确定的基准参数。结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，在将初始卸载动作集合中的一个或多个卸载动作依次与预先确定的基准参数进行比较，得到经取值的初始卸载动作集合之后，所述方法还包括：根据排序公式对经取值的初始卸载动作集合进行排序，得到经取值的初始卸载动作的排序集合；所述排序公式为：其中，为对目标应用程序任务进行训练的第s次循环中，第i个物联网装置的第j个应用程序任务的卸载动作，K为所述预先确定的基准参数；N为物联网装置的数量；Z为每个物联网装置中应用程序任务的数量。结合第一方面的第四种可能的实施方式，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，基于所述初始卸载动作集合确定多个新卸载动作集合，包括：根据第二取值公式将经取值的初始卸载动作集合中的所有卸载动作依次与经取值的初始卸载动作的排序集合中的每个卸载动作进行比较，得到多个新卸载动作集合；所述第二取值公式的表达式为：其中，Asm为第s次循环中的第m个新卸载动作集合；为对目标应用程序任务进行训练的第s次循环中，第i个物联网装置的第j个应用程序任务的卸载动作，K为所述预先确定的基准参数。结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，从所述通过目标神经网络对所述目标应用程序任务进行训练的步骤开始反复执行上述过程，直至满足迭代停止条件时，将满足所述迭代停止条件时的更新之后的所述多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合，包括：根据最小数量确定公式选择前一次循环中的多个新卸载动作集合的子集作为下一次迭代的新卸载动作集合的数量，并从所述通过目标神经网络对所述目标应用程序任务进行训练的步骤开始反复执行上述过程，直至满足迭代停止条件时，将满足所述迭代停止条件时的更新之后的所述多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合；所述最小数量确定公式的表达式为：其中，Ms为新卸载动作集合的数量；N为物联网装置的数量；Z为每个物联网装置中应用程序任务的数量；为第s-δ+1次循环的最优索引值。第二方面，本专利技术实施例还提供一种卸载动作集合获取装置，所述装置包括：获取模块，用于获取目标应用程序任务，其中，所述目标应用程序任务的数量至少为一个；训练模块，用于通过目标神经网络对所述目标应用程序任务进行训练，生成所述目标应用程序任务的初始卸载动作集合，其中，所述初始卸载动作集合中的卸载动作表示对应用程序任务进行卸载的方式；确定模块，用于基于所述初始卸载动作集合确定多个新卸载动作集合，其中，所述初始卸载动作集合中的一种卸载动作对应一个新卸载动作集合；更新模块，用于对所述多个新卸载动作集合的集合数量进行更新，得到更新之后的所述多个新卸载动作集合；迭代模块，用于从所述通过目标神经网络对所述目标应用程序任务进行训练的步骤开始反复执行上述过程，直至满足迭代停止条件时，将满足所述迭代停止条件时的更新之后的所述多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合；计算模块，用于对所述更新之后的所述多个新卸载动作集合分别进行成本函数计算，获取最低成本函数值对应的卸载动作集合。第三方面，本专利技术实施例还提供一种服务器，所述服务器包括：处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上文所述的方法。第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使处理器实现上文所述的方法。本专利技术实施例带来了以下有益效果：本专利技术实施例提供的一种卸载动作集合获取方法及装置，获取目标应用程序任务，通过目标神经网络对目标应本文档来自技高网...

【技术保护点】
1.一种卸载动作集合获取方法，其特征在于，所述方法包括以下步骤：/n获取目标应用程序任务，其中，所述目标应用程序任务的数量至少为一个；/n通过目标神经网络对所述目标应用程序任务进行训练，生成所述目标应用程序任务的初始卸载动作集合，其中，所述初始卸载动作集合中的卸载动作表示对应用程序任务进行卸载的方式；/n基于所述初始卸载动作集合确定多个新卸载动作集合，其中，所述初始卸载动作集合中的一种卸载动作对应一个新卸载动作集合；/n对所述多个新卸载动作集合的集合数量进行更新，得到更新之后的所述多个新卸载动作集合；/n从所述通过目标神经网络对所述目标应用程序任务进行训练的步骤开始反复执行上述过程，直至满足迭代停止条件时，将满足所述迭代停止条件时的更新之后的所述多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合；/n对所述更新之后的所述多个新卸载动作集合分别进行成本函数计算，获取最低成本函数值对应的卸载动作集合。/n

【技术特征摘要】
1.一种卸载动作集合获取方法，其特征在于，所述方法包括以下步骤：
获取目标应用程序任务，其中，所述目标应用程序任务的数量至少为一个；
通过目标神经网络对所述目标应用程序任务进行训练，生成所述目标应用程序任务的初始卸载动作集合，其中，所述初始卸载动作集合中的卸载动作表示对应用程序任务进行卸载的方式；
基于所述初始卸载动作集合确定多个新卸载动作集合，其中，所述初始卸载动作集合中的一种卸载动作对应一个新卸载动作集合；
对所述多个新卸载动作集合的集合数量进行更新，得到更新之后的所述多个新卸载动作集合；
从所述通过目标神经网络对所述目标应用程序任务进行训练的步骤开始反复执行上述过程，直至满足迭代停止条件时，将满足所述迭代停止条件时的更新之后的所述多个新卸载动作集合确定为集合数量最少的多个新卸载动作集合；
对所述更新之后的所述多个新卸载动作集合分别进行成本函数计算，获取最低成本函数值对应的卸载动作集合。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
利用所述最低成本函数值对应的卸载动作集合对目标神经网络进行训练，用于优化所述目标神经网络的网络参数；
其中所述网络参数包括：学习率、神经元个数、训练间隔、存储空间。


3.根据权利要求1所述的方法，其特征在于，通过目标神经网络对所述目标应用程序任务进行训练，生成所述目标应用程序任务的初始卸载动作集合，包括：
将目标应用程序任务依次输入经过所述目标神经网络的输入层、隐含层和输出层进行训练，生成所述目标应用程序任务的一个或多个卸载动作，其中，一个应用程序任务对应于一个卸载动作，每个所述卸载动作取值为0到1之间的实数；
对所述一个或多个卸载动作进行组合，得到所述初始卸载动作集合。


4.根据权利要求3所述的方法，其特征在于，在通过目标神经网络对所述目标应用程序任务进行训练，生成所述目标应用程序任务的初始卸载动作集合之后，所述方法还包括：
根据第一取值公式将初始卸载动作集合中的一个或多个卸载动作依次与预先确定的基准参数进行比较，得到经取值的初始卸载动作集合；
所述第一取值公式的表达式为：



其中，As1为第s次循环中的初始卸载动作集合，s＝1、2……S；为对目标应用程序任务进行训练的第s次循环中，第i个物联网装置的第j个应用程序任务的卸载动作，K为所述预先确定的基准参数。


5.根据权利要求4所述的方法，其特征在于，在将初始卸载动作集合中的一个或多个卸载动作依次与预先确定的基准参数进行比较，得到经取值的初始卸载动作集合之后，所述方法还包括：
根据排序公式对经取值的初始卸载动作集合进行排序，得到经取值的初始卸载动作的排序集合；
所述排序公式为：
其中，为对目标应用程序任务进行训练的第s次循环中，第i个物联网装置的第j个应用程序任务的卸载动作，K为所述预先确定的基准参数；N为物联网装置的数量；Z为每个物联网装置中应用程序任务的数量。

【专利技术属性】
技术研发人员：姚海鹏，宫永康，童炉，
申请(专利权)人：北京邮电大学，西藏高驰科技信息产业集团有限责任公司，
类型：发明
国别省市：北京;11