[发明专利]一种面向边缘人工智能应用的QoE感知的服务增强方法

权利要求书

1.一种面向边缘人工智能应用的QoE感知的服务增强方法，其特征在于包括以下步骤，

A、物联网终端将运算任务发送至调度器，调度器根据运算任务的要求判定将运算请求发送至本地服务器或上传至数据中心；

B、建立感知质量的服务增强模型的目标和约束条件，服务增强模型用于对现有的边缘计算卸载方法进行QoE层面的调度优化，以进一步提高用户的服务体验；

C、建立两阶段调度策略，降低计算复杂度；

两阶段调度策略包括，

第一阶段，负载均衡的任务划分:对虚拟机的在线到达任务进行合理的划分，以达到负载均衡；

第二阶段，感知QoE的动态队列调度:根据所涉及任务的QoE敏感性和处理延迟，调整每个虚拟机的任务队列，使整体QoE最大。

2.如权利要求1所述的面向边缘人工智能应用的QoE感知的服务增强方法，其特征在于：步骤B中，建立感知质量的服务增强模型的目标和约束条件包括以下步骤，

在任务处理过程中，在线到达任务T_k,i(x_k,i,pre_t_k,i,req_q_k,i)首先在调度器中被拆分，每个虚拟机VM_k,j被分配一部分的任务数据，其权值为w_k,i,j，该任务是由一组多个虚拟机并行完成的；在任务划分的过程中，需要满足结果精度的约束，即：

，

每个虚拟机持有一个自身的任务队列；对于任务T_k,i，虚拟机被分配x_k,i*w_k,i,j个CPU周期的任务量，而这些子任务的外部延迟都相同，为pre_t_k,i；设当新任务到达时，每个虚拟机队列中已经有几个任务，仍然在队列中等待或已经被处理，在队列Q_k,j中任务T_k,i的子任务为state_k,i,j，

，

根据上述定义，队列Q_k,j中的T_k,i的子任务可以被重新定义为一个元组

，

其中的每个元素分别代表完成子任务所需的CPU周期、子任务状态和外部延迟，将定义为处理时间的向量，

其中，

定义，作为k类型任务的外部延迟，，，

令表示子任务是否在队列的第l位置，

，

第h个类型为k(T_k,h)的任务到达时，用以下h阶矩阵表示类型为k的所有在线到达任务的位置信息，

，

且，

h阶矩阵的每个行向量为，

h阶矩阵的每个列向量为，

计算重新调度的中的子任务的服务器端延迟，

，

定义重新调度的中的子任务的外部延迟为，

，

重新调度的中的子任务的整个服务延迟为，

定义的位置为，其中，，

任务的服务延迟表示为，，

约束条件为，

目标函数最大化所有在线到达任务的QoE，确保任务分配策略在结果准确性方面满足需求，声明任务应该由k类型的所有虚拟机完全完成，表示每个分配的子任务只包含每个虚拟机的一个特定位置信息，

声明在某个队列的任何位置上都只有一个子任务，

和定义变量的域。