[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

说明书

本发明提供了一种在边缘‑云混合计算环境下的DNN任务卸载方法及终端，根据计算节点的类型、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，基于总成本最小化建立目标函数，并确定对应的约束条件，考虑了不同类型节点的计算能力、时延约束等条件的影响，保证得到的最优解的可行性，在求最优解时，还将遗传算法中的交叉操作和变异操作引入粒子群算法中并给出了具体算法，有效避免了在求最优解过程中粒子群算法容易陷入局部最优的问题。

技术领域

本发明涉及任务卸载领域，特别是涉及一种边缘-云混合计算环境下的DNN任务卸载方法。

背景技术

近年来，智能应用的数量迅速增加，其中DNN(Deep Neural Networks，深度神经网络)在计算机视觉、语音识别、自然语言处理等诸多领域取得了巨大的成功，但是由于DNN的模型庞大，而移动设备端的资源有限，大型的DNN应用往往部署在远程云服务器上，由于云服务器与移动设备端的距离较远，将大量的DNN应用调度到远程云服务器会造成响应时间长、网络拥堵严重等问题，同时在长距离的传输中也不易保证用户数据的安全性，不可避免的会带来用户隐私泄漏。

边缘计算出现后，将DNN迁移到移动设备端附近的边缘节点可以大大降低延时，并且边缘节点与移动设备端相比具有更强的计算能力和计算资源的优势，能够提高DNN应用的执行性能，同时降低云服务器的开销，也能更好地保护用户隐私，但是在实际操作过程中，由于DNN具有复杂的层次结构，层与层之间传输的数据量及不同层的计算任务复杂性相差巨大，并且边缘网络有复杂的拓扑结构，对DNN任务的部署带来巨大难度，容易导致边缘计算的系统成本变高。

发明内容

本发明所要解决的技术问题是：提供一种边缘-云混合计算环境下的DNN任务卸载方法及终端，能够降低卸载DNN任务的成本。

为了解决上述技术问题，本发明采用的一种技术方案为：

一种边缘云混合计算环境下的DNN任务卸载方法，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，X^t_i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，pBest_i^t-1表示第i个粒子在t-1次迭代后的最优解，gBest^t-1表示在t-1次迭代后所述种群的最优解，G_x()表示组交叉操作，P_x()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。

为了解决上述技术问题，本发明采取的另一种技术方案为：

一种边缘-云混合计算环境下的DNN任务卸载终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

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；