【技术实现步骤摘要】
本专利技术涉及信息处理，尤其涉及一种基于机器学习的智能物联终端边缘计算方法及系统。
技术介绍
1、现有技术中，cn109714431a公开了一种物联网智能传感器的边缘计算方法和装置，通过根据两个以上的监测终端实时监测两种以上的待监测对象获得所述待监测对象的监测数据；判断所述监测数据是否超出预定阈值；当所述监测数据没有超出预定阈值，根据边缘计算层处理所述监测数据获得特性分析数据；根据nb-iot无线通信连接所述监测终端与服务器，采用所述服务器处理分析所述特性分析数据获得第一状态结果；判断所述第一状态结果是否出现异常；当所述第一状态结果出现异常，确定所述待监测对象出现异常，并发送告警信息给用户。
2、综上，现有技术虽然能够实现物联设备的边缘计算，但无法对服务进行迁移和自适应决策，因此需要一种方案解决现有技术中存在的问题。
技术实现思路
1、本专利技术实施例提供一种基于机器学习的智能物联终端边缘计算方法及系统，至少能解决现有技术中存在的部分问题。
2、本专利技术实施例的第一方面，提供一种基于机器学习的智能物联终端边缘计算方法，包括：
3、设置通信基站和边缘计算服务器，设置时间片长度，启动服务器并建立通信连接，在每个时间片开始时，根据泊松分布确定新任务数量并为所述新任务分配三元组标识，在每个时间片结束时，收集边缘计算服务器和通信基站的状态参数，基于所述状态参数，通过马尔可夫决策计算每个任务的最优卸载比例，基于所述最优卸载比例进行任务分割，得到初始边缘计算
4、基于所述初始边缘计算卸载方案，物联网终端初始化本地参数和拉格朗日乘数，在每个时间片开始时，边缘计算节点向物联网设备发送全局系统信息，基于全局系统状态和本地系统状态，结合所述初始边缘计算卸载方案确定处理决策，在每个时间片结束时，基于本地拉格朗日值对所述处理决策进行更新，并根据当前本地观测更新所述本地拉格朗日值，得到第二边缘计算卸载方案；
5、基于所述第二边缘计算卸载方案，通过测量服务进程接收挂起指令到完成挂起操作的时间确定服务进程挂起时间，通过确定启动新的服务进程所需时间和配置服务资源对应环境所需时间计算环境准备时间，通过确定数据传输开始时间和数据传输结束时间计算上下文数据同步时间，通过确定接收恢复服务进程指令时间和服务进程执行时间计算服务进程恢复时间，以所述服务进程挂起时间，所述环境准备时间，所述上下文数据同步时间和所述服务进程回复时间为目标，通过预设的多目标优化算法，结合当前任务对应的约束条件，得到边缘计算方案。
6、在一种可选的实施方式中，
7、所述设置通信基站和边缘计算服务器，设置时间片长度，启动服务器并建立通信连接，在每个时间片开始时，根据泊松分布确定新任务数量并为所述新任务分配三元组标识，在每个时间片结束时，收集边缘计算服务器和通信基站的状态参数，基于所述状态参数，通过马尔可夫决策计算每个任务的最优卸载比例，基于所述最优卸载比例进行任务分割，得到初始边缘计算卸载方案包括：
8、设置通信基站，边缘计算服务器和时间片长度，启动边缘计算服务器并在所述边缘计算服务器与所述通信基站之间建立通信连接；
9、在每个时间片开始时，通过泊松分布确定平均任务到达率，基于所述平均任务到达率，通过泊松分布概率质量函数确定在当前时间片上生成新任务的概率，生成一个随机数，将生成新任务的概率与所述随机数进行比较，确定新任务数量，若新任务数量不为0，则为每个新任务分配独特的三元组标识，并在每个时间片结束时，收集边缘计算服务器和通信基站的状态参数；
10、对于每个生成的新任务，基于马尔可夫决策，通过考虑当前任务，服务器负载和通信延迟计算得到当前任务的最优卸载比例，重复计算，直至全部新任务的最优卸载比例都被确定，根据计算得到的所述最优卸载比例对任务进行分割，得到初始边缘计算卸载方案。
11、在一种可选的实施方式中，
12、所述通过泊松分布概率质量函数确定在当前时间片上生成新任务的概率如下公式所示：
13、；
14、其中， p(x=k)表示在给定时间片内生成 k个任务的概率， μ表示单位时间内的平均任务达到率， τ表示时间片的长度， k表示任务数量，是一个预先设置的整数， c表示缩放参数， d表示位移参数， g(m)表示第 m个任务对当前任务概率的影响。
15、在一种可选的实施方式中，
16、所述基于所述初始边缘计算卸载方案，物联网终端初始化本地参数和拉格朗日乘数，在每个时间片开始时，边缘计算节点向物联网设备发送全局系统信息，基于全局系统状态和本地系统状态，结合所述初始边缘计算卸载方案确定处理决策，在每个时间片结束时，基于本地拉格朗日值对所述处理决策进行更新，并根据当前本地观测更新所述本地拉格朗日值，得到第二边缘计算卸载方案包括：
17、基于预先确定的初始边缘计算卸载方案，初始化物联网终端的本地参数的拉格朗日乘数；
18、在时间片开始时，物联网终端接收来自边缘计算节点的全局系统信息，基于所述全局系统信息提取全局系统状态和本地系统状态，结合所述初始边缘计算卸载方案，确定当前时间片的任务处理决策，在时间片结束时，基于本地拉格朗日值对处理决策进行更新，并根据当前本地观测对本地拉格朗日值进行更新，根据更新后的本地拉格朗日值和处理决策，得到第二边缘计算卸载方案，重复更新直至达到预设的迭代次数。
19、在一种可选的实施方式中，
20、所述在时间片结束时，基于本地拉格朗日值对处理决策进行更新，并根据当前本地观测对本地拉格朗日值进行更新如下公式所示：
21、；
22、其中，表示 t+1时间步的拉格朗日乘数对于实体 i的值，表示当前时间步 t的拉格朗日乘数对于实体 i的值， β(t)表示随时间 t变化的学习率，表示在时间 t时对于实体 i的需求或资源消耗，表示实体i的资源消耗阈值，表示实体 i的环境影响因素， n表示实体的总数， w ij表示实体 i和实体 j之间的关联系数，表示在时间步 t的拉格朗日乘数对于实体 j的值。 本文档来自技高网...
【技术保护点】
1.基于机器学习的智能物联终端边缘计算方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述设置通信基站和边缘计算服务器，设置时间片长度，启动服务器并建立通信连接，在每个时间片开始时，根据泊松分布确定新任务数量并为所述新任务分配三元组标识，在每个时间片结束时，收集边缘计算服务器和通信基站的状态参数，基于所述状态参数，通过马尔可夫决策计算每个任务的最优卸载比例，基于所述最优卸载比例进行任务分割，得到初始边缘计算卸载方案包括：
3.根据权利要求2所述的方法，其特征在于，所述通过泊松分布概率质量函数确定在当前时间片上生成新任务的概率如下公式所示：
4.根据权利要求1所述的方法，其特征在于，所述基于所述初始边缘计算卸载方案，物联网终端初始化本地参数和拉格朗日乘数，在每个时间片开始时，边缘计算节点向物联网设备发送全局系统信息，基于全局系统状态和本地系统状态，结合所述初始边缘计算卸载方案确定处理决策，在每个时间片结束时，基于本地拉格朗日值对所述处理决策进行更新，并根据当前本地观测更新所述本地拉格朗日值，得到第二边缘计算卸载方案包括：>
5.根据权利要求4所述的方法，其特征在于，所述在时间片结束时，基于本地拉格朗日值对处理决策进行更新，并根据当前本地观测对本地拉格朗日值进行更新如下公式所示：
6.根据权利要求1所述的方法，其特征在于，所述基于所述第二边缘计算卸载方案，通过测量服务进程接收挂起指令到完成挂起操作的时间确定服务进程挂起时间，通过确定启动新的服务进程所需时间和配置服务资源对应环境所需时间计算环境准备时间，通过确定数据传输开始时间和数据传输结束时间计算上下文数据同步时间，通过确定接收恢复服务进程指令时间和服务进程执行时间计算服务进程恢复时间，以所述服务进程挂起时间，所述环境准备时间，所述上下文数据同步时间和所述服务进程回复时间为目标，通过预设的多目标优化算法，结合当前任务对应的约束条件，得到边缘计算方案包括：
7.根据权利要求1所述的方法，其特征在于，所述以所述服务进程挂起时间，所述环境准备时间，所述上下文数据同步时间和 所述服务进程回复时间为目标，通过预设的多目标优化算法构建目标函数如下公式所示
8.基于机器学习的智能物联终端边缘计算系统，用于实现前述权利要求1-7中任一项所述的基于机器学习的智能物联终端边缘计算方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.基于机器学习的智能物联终端边缘计算方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述设置通信基站和边缘计算服务器，设置时间片长度，启动服务器并建立通信连接，在每个时间片开始时，根据泊松分布确定新任务数量并为所述新任务分配三元组标识，在每个时间片结束时，收集边缘计算服务器和通信基站的状态参数，基于所述状态参数，通过马尔可夫决策计算每个任务的最优卸载比例，基于所述最优卸载比例进行任务分割，得到初始边缘计算卸载方案包括：
3.根据权利要求2所述的方法，其特征在于，所述通过泊松分布概率质量函数确定在当前时间片上生成新任务的概率如下公式所示：
4.根据权利要求1所述的方法，其特征在于，所述基于所述初始边缘计算卸载方案，物联网终端初始化本地参数和拉格朗日乘数，在每个时间片开始时，边缘计算节点向物联网设备发送全局系统信息，基于全局系统状态和本地系统状态，结合所述初始边缘计算卸载方案确定处理决策，在每个时间片结束时，基于本地拉格朗日值对所述处理决策进行更新，并根据当前本地观测更新所述本地拉格朗日值，得到第二边缘计算卸载方案包括：
5.根据权利要求4所述的方法，其特征在于，所述在时间片结束时，基于本地拉格朗日值对处理决策进行更新，并根据当前本地观测对本地拉格朗日值...
【专利技术属性】
技术研发人员：卞辉，
申请(专利权)人：勤源江苏科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。