[发明专利]移动计算资源自主分配装置

说明书

一种移动计算资源自主分配装置，所述装置包括：分析单元，适于对所接收的移动终端发送的计算请求进行分析，得到对应的待预测计算任务数据；分类单元，适于将所得到的待预测计算任务数据输入预先训练好的计算资源预测模型，得到所述待预测计算任务数据的分类结果；判决单元，适于对所得到的分类结果进行判决，并采用与所述判决结果对应的所述移动终端或者移动边缘计算服务器处理所述计算请求对应的计算任务。上述的方案，可以为移边缘计算分配合理的计算资源，以提高资源的利用率。

技术领域

本发明涉及物联网技术领域，具体地涉及一种移动计算资源自主分配装置。

背景技术

随着云技术和人工智能技术的迅速发展和广泛应用，越来越多的新型智能物联网设备应运而生。为了满足智能物联网应用的服务质量和用户体验，引入移动边缘计算(Mobile Edge Computing，MEC)，利用移动边缘云网络中的可用资源，以提高用户的使用体验。

移动边缘计算，可以看作是从核心网到边缘接入网的扩展云计算模型，其是一种高度虚拟化技术，通过加入传输延迟、能耗、资金和运营成本等因素，以促进网络的移动性支持、实时交互和可扩展性。移动边缘计算不仅可以提高用户服务质量，还可以减少网络传输的数据量。

然而，当大量计算任务均转移到移动边缘进行计算时，如何进行计算资源的合理分配，以提高资源的利用率，成为亟待解决的问题。

发明内容

本发明解决的技术问题是如何在为移边缘计算分配合理的计算资源，以提高资源的利用率。

为解决上述技术问题，本发明实施例提供了一种移动计算资源自主分配装置，所述装置包括：

分析单元，适于对所接收的移动终端发送的计算请求进行分析，得到对应的待预测计算任务数据；

分类单元，适于将所得到的待预测计算任务数据输入预先训练好的计算资源预测模型，得到所述待预测计算任务数据的分类结果；

决策单元，适于对所得到的分类结果进行判决，并采用与所述判决结果对应的所述移动终端或者移动边缘计算服务器处理所述计算请求对应的计算任务。

可选地，所述装置还包括模型训练单元，适于采用历史计算资源分配数据分别构建训练数据集和预测数据集；分别对所构建的训练数据集和预测数据集进行归一化处理；构建最佳超平面的函数式，使得所述最佳超平面将归一化处理后得到的训练数据集和预测数据集中的样本分为两类；基于归一化处理后得到的训练数据集和预测数据集中的样本到所述最佳超平面的距离的最小值，设置所述最佳超平面的约束条件；基于所述归一化处理后得到的训练数据集和预测数据集中的样本和所述约束条件，确定所述最佳超平面的最佳配置参数；将所述最佳配置参数代入所述最佳超平面的函数式，得到所述计算资源预测模型。

可选地，所述模型训练单元，适于将所述归一化处理后得到的训练数据集和预测数据集中的样本代入所述约束条件，得到所述最佳超平面的最佳配置参数。

可选地，所述约束条件为：

y_i[(w·x_i)+b]≥1，i＝1，2，...，l；

其中，y_i表示所述归一化处理后得到的训练数据集和预测数据集中的第i样本的特征标签，x_i表示所述归一化处理后得到的训练数据集和预测数据集中的第i样本，w·x_i+b表示所述最佳超平面，w表示所述最佳超平面的斜率参数，b表示所述最佳超平面的平面常数参数，l表示归一化处理后得到的训练数据集和预测数据集中的样本总数。