[发明专利]一种边缘-云混合计算环境下的DNN任务卸载方法及终端有效
| 申请号: | 202010086242.2 | 申请日: | 2020-02-11 |
| 公开(公告)号: | CN111399933B | 公开(公告)日: | 2022-05-31 |
| 发明(设计)人: | 林兵;黄引豪;陈星;蔡飞雄 | 申请(专利权)人: | 福建师范大学 |
| 主分类号: | G06F9/445 | 分类号: | G06F9/445;G06N3/04;G06N3/08;G06N3/12 |
| 代理公司: | 福州市博深专利事务所(普通合伙) 35214 | 代理人: | 颜丽蓉 |
| 地址: | 350117 福建省*** | 国省代码: | 福建;35 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 边缘 混合 计算 环境 dnn 任务 卸载 方法 终端 | ||
1.一种边缘-云混合计算环境下的DNN任务卸载方法,其特征在于,包括步骤:
S1、根据边缘-云混合计算环境中的计算节点的类型、个数、待卸载的DNN任务的个数以及每个待卸载的DNN任务的层数基于总成本最小化原则建立目标函数,并确定对应的约束条件;
S2、根据所述目标函数和约束条件确定对应的解集,所述解集中的每一个解表示所述待卸载的DNN任务在所述计算节点的一种分布;
S3、根据所述解集构造初始化种群,所述解集中的每一个解对应所述初始化种群的一个粒子;
S4、根据公式对初始化种群中的粒子进行迭代,确定满足所述目标函数和约束条件的最优的DNN任务卸载策略;
式中,Xti表示第i个粒子第t次迭代后在进行DNN任务卸载时在所述计算节点上的分布,c1、c2表示学习因子,pBestit-1表示第i个粒子在t-1次迭代后的最优解,gBestt-1表示在t-1次迭代后所述种群的最优解,Gx( )表示组交叉操作,Px( )表示个体交叉操作,M( )表示变异操作,表示引入学习因子c1、c2;
所述S1中将所述边缘-云混合计算环境中的计算节点分类为移动设备节点、边缘节点和云节点;
所建立的目标函数为:
式中,Minimize表示取总成本的最小值,tij表示第i个待卸载的DNN任务的第j层,sk表示第k个计算节点,xijk表示第i个待卸载的DNN任务的第j层是否在第k个计算节点上执行,若所述第i个待卸载的DNN任务的第j层在第k个计算节点上执行,则xijk的取值为1,否则所述xijk的取值为0,costk表示在第k个计算节点上执行待卸载DNN任务的单位时间花费,Timeexecute(tij,sk)表示第i个待卸载的DNN任务的第j层在第k个计算节点上执行花费的时间,m表示计算节点的总数量,l表示每个待卸载的DNN任务的总层数,n表示待卸载的DNN任务的总数量;
所述确定的对应的约束条件为:
每个待卸载的DNN任务在一个计算节点上执行,并且一个DNN任务同一时间只能在一个计算节点上执行;
如果要在边缘节点上执行待卸载的DNN任务,则所述待卸载的DNN任务必须在所述边缘节点的覆盖范围内;
在规定时间内完成DNN任务的卸载。
2.根据权利要求1所述的一种边缘-云混合计算环境下的DNN任务卸载方法,其特征在于,所述S4中,pBsetit的计算具体为:
计算第i个粒子在t次迭代后的最优解pBsetit;
根据预设的适应度函数分别计算第i个粒子第t次迭代和第t-1次迭代的适应值,分别得到pBsetit的适应值和pBestit-1的适应值;
将所述pBsetit的适应值与所述pBestit-1的适应值进行比较,若当前适应值小于所述pBestit-1的适应值,则pBestit=pBestit-1
否则,保持pBestit不变。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建师范大学,未经福建师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010086242.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种针对色织物裁片缺陷区域的检测方法
- 下一篇:一种可变水温装置





