【技术实现步骤摘要】
本申请涉及边缘计算，尤其涉及一种基于边缘计算网络的性能优化方法及装置、可读存储介质。
技术介绍
1、边缘计算技术是5g关键技术之一，其将边缘服务器部署到网络拓扑结构中靠近物联网设备的边缘侧，并为物联网设备提供计算服务，能够使计算资源的物联网设备支持计算密集和超低时延需求的任务处理。
2、现有绝大部分关于边缘计算网络中资源分配与卸载决策的研究均集中在网络短期效益优化，可以看作是动态环境的一种特例，仅考虑网络短期效益优化，将导致网络资源的不充分利用，损害边缘计算网络的长期综合效益。
技术实现思路
1、本申请实施例的目的是提供一种基于边缘计算网络的性能优化方法及装置、可读存储介质，用以解决边缘计算网络网络资源不能够充分利用的问题。
2、为了解决上述技术问题，本说明书是这样实现的：
3、第一方面，提供了一种基于边缘计算网络的性能优化方法，所述边缘计算网络包括主边缘服务器、多个次边缘服务器以及多个物联网设备，所述方法包括：
4、确定目标时间窗口包括的多个时隙内所述边缘计算网络的系统状态，所述系统状态包括各物联网设备与对应边缘服务器之间的信道增益、计算任务的输入数据量和计算任务的计算复杂度，边缘服务器包括主边缘服务器和次边缘服务器；
5、将所述目标时间窗口的各时隙内所述边缘计算网络的系统状态输入预设策略算法，以得到各时隙对应的系统动作集合，所述系统动作集合为将各物联网设备的计算任务卸载到对应边缘服务器的决策结果的集合；
6
7、可选地，所述信道增益在同一个时隙内不变，在不同时隙内具有时变特性。
8、可选地，所述将各时隙内所述边缘计算网络的系统状态输入预设策略算法，以得到各时隙对应的系统动作，包括：
9、将时隙t内所述边缘计算网络对应的系统状态s(t)＝{(hk,m,t,lk,t,ck,t)}输入预设策略算法πθ[a(t)|s(t)]，其中hk,m,t表示时隙t内第k个物联网设备与第m个边缘服务器之间的信道增益，lk,t表示表示计算任务βk,t的输入数据量，ck,t表示计算任务βk,t的计算复杂度，θ表示所述策略算法的参数；
10、基于所述预设策略算法，将所述时隙t对应的系统状态向系统动作映射以得到所述时隙t对应的系统动作a(t)。
11、可选地，所述策略算法的参数基于以下公式进行更新：
12、
13、其中，θt表示时隙t内参数θ的估计值，α表示学习率，g表示回报，ψ[a(t)|s(t)]表示探索性行为策略，γt表示时隙t内的收益加权系数，b[s(t)]表示与系统动作无关的基线。
14、可选地，所述预设约束条件包括保证所述各物联网设备执行对应计算任务不存在超时的第一约束条件、保证各时隙内物联网设备的卸载传输功率不超出预设功率阈值的第二约束条件、以及保证各时隙内物联网设备的cpu频率不超出预设功频率阈值的第三约束条件，
15、所述基于执行各时隙对应的系统动作后所述边缘计算网络对应的系统回报和预设约束条件，对所述目标时间窗口内所述边缘计算网络的性能进行优化，包括：
16、在所述第一约束条件下，确定所述主边缘服务器的计算压力为零且各边缘服务器执行对应卸载的计算任务的超时成本为零；
17、在所述第二约束条件和第三约束条件下，确定所述目标时间窗口内多个边缘服务器和物联网设备的总能耗最小值；
18、基于所述总能耗最小值，优化所述目标时间窗口内所述边缘计算网络的性能。
19、可选地，所述在所述第二约束条件和第三约束条件下，确定所述目标时间窗口内多个边缘服务器和物联网设备的总能耗最小值，包括：
20、在所述第二约束条件下，基于各时隙内物联网设备的最优卸载传输功率和卸载计算任务的时间确定各物联网设备将计算任务卸载到对应边缘服务器时产生的卸载传输能耗最小值；
21、在所述第三约束条件下，基于各时隙内物联网设备分配的最优cpu频率和执行对应卸载的计算任务的时间确定各边缘服务器执行对应卸载的计算任务的计算能耗最小值；
22、基于所述卸载传输能耗最小值和所述计算能耗最小值，确定所述目标时间窗口内多个边缘服务器和物联网设备的总能耗最小值。
23、可选地，所述最优卸载传输功率和所述最优cpu频率基于kkt条件确定的闭式解分别表示为：
24、
25、
26、其中，表示时隙t内的最优卸载传输功率，μk,m,t∈{0,1}且表示时隙t内计算任务βk,t从第k个物联网设备卸载到第m个边缘服务器的决策结果，lk,t表示表示计算任务βk,t的输入数据量，ck,t表示计算任务βk,t的计算复杂度，δ-τk,m,t表示第m个边缘服务器执行第k个物联网设备对应卸载的计算任务βk,t的时间；表示时隙t内的最优cpu频率，表示第m个边缘服务器接收端的信号功率，hk,m,t表示时隙t内第k个物联网设备与第m个边缘服务器之间的信道增益；bk,m表示分配给第k个物联网设备卸载计算任务βk,t的传输带宽，τk,m,t表示第k个物联网设备卸载计算任务βk,t到第m个边缘服务器的时间，δ表示计算任务βk,t的时延。
27、可选地，所述时隙t对应的系统动作a(t)＝{μk,m,t}。
28、第二方面，提供了一种基于边缘计算网络的性能优化装置，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
29、第三方面，提供了一种可读存储介质，该可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
30、在本申请实施例中，通过确定目标时间窗口包括的多个时隙内所述边缘计算网络的系统状态，所述系统状态包括各物联网设备与对应边缘服务器之间的信道增益、计算任务的输入数据量和计算任务的计算复杂度，边缘服务器包括主边缘服务器和次边缘服务器；将所述目标时间窗口的各时隙内所述边缘计算网络的系统状态输入预设策略算法，以得到各时隙对应的系统动作集合，所述系统动作集合为将各物联网设备的计算任务卸载到对应边缘服务器的决策结果的集合；基于执行各时隙对应的系统动作后所述边缘计算网络对应的系统回报和预设约束条件，对所述目标时间窗口内所述边缘计算网络的性能进行优化，所述系统回报与所述主边缘服务器的计算压力、多个边缘服务器和多个物联网设备的总能耗、以及各物联网设备执行对应计算任务的超时成本相关，由此以边缘计算网络中的多目标因素的权衡为目标，利用强化学习对物联网设备卸载计算任务的行为进行优化，充分利用边缘计本文档来自技高网...
【技术保护点】
1.一种基于边缘计算网络的性能优化方法，其特征在于，所述边缘计算网络包括主边缘服务器、多个次边缘服务器以及多个物联网设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述信道增益在同一个时隙内不变，在不同时隙内具有时变特性。
3.根据权利要求1所述的方法，其特征在于，所述将各时隙内所述边缘计算网络的系统状态输入预设策略算法，以得到各时隙对应的系统动作，包括：
4.根据权利要求3所述的方法，其特征在于，所述策略算法的参数基于以下公式进行更新：
5.根据权利要求1所述的方法，其特征在于，所述预设约束条件包括保证所述各物联网设备执行对应计算任务不存在超时的第一约束条件、保证各时隙内物联网设备的卸载传输功率不超出预设功率阈值的第二约束条件、以及保证各时隙内物联网设备的CPU频率不超出预设功频率阈值的第三约束条件，
6.根据权利要求5所述的方法，其特征在于，所述在所述第二约束条件和第三约束条件下，确定所述目标时间窗口内多个边缘服务器和物联网设备的总能耗最小值，包括：
7.根据权利要求6所述的方法，其特征在
8.根据权利要求7所述的方法，其特征在于，所述时隙t对应的系统动作A(t)＝{μk,m,t}。
9.一种基于边缘计算网络的性能优化装置，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-8中任一项所述的方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-8中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于边缘计算网络的性能优化方法，其特征在于，所述边缘计算网络包括主边缘服务器、多个次边缘服务器以及多个物联网设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述信道增益在同一个时隙内不变，在不同时隙内具有时变特性。
3.根据权利要求1所述的方法，其特征在于，所述将各时隙内所述边缘计算网络的系统状态输入预设策略算法，以得到各时隙对应的系统动作，包括：
4.根据权利要求3所述的方法，其特征在于，所述策略算法的参数基于以下公式进行更新：
5.根据权利要求1所述的方法，其特征在于，所述预设约束条件包括保证所述各物联网设备执行对应计算任务不存在超时的第一约束条件、保证各时隙内物联网设备的卸载传输功率不超出预设功率阈值的第二约束条件、以及保证各时隙内物联网设备的cpu频率不超出预设功频率阈值的第三约束条件，<...
【专利技术属性】
技术研发人员：柴豪骏，朱宇昕，张伟，慕明磊，马渤涛，
申请(专利权)人：中移雄安信息通信科技有限公司，
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。