[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

说明书

本发明公开了一种面向边缘人工智能应用的QoE感知的服务增强方法，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；C、建立两阶段调度策略，降低计算复杂度。本发明能够解决现有技术的不足，提升用户的服务体验和任务的完成率。

技术领域

本发明属于物联网技术领域，具体是一种面向边缘人工智能应用的QoE感知的服务增强方法。

背景技术

由于人工智能（AI）算法的复杂性，在资源有限的物联网设备上执行人工智能任务已被证明是困难的。边缘计算为执行AI任务提供了一种有效的计算范式，大量的AI任务可以被卸载到边缘服务器来更高效地执行。然而，现有的工作大多集中于通过提高服务质量(QoS)来实现有效的计算卸载，如降低平均服务器端延迟（例如中国发明专利申请201910307861 .7）。但是，由于延迟等因素对用户体验质量(QoE)的异构影响，这些方式往往并不足够高效。

发明内容

本发明要解决的技术问题是提供一种面向边缘人工智能应用的QoE感知的服务增强方法，能够解决现有技术的不足，提升用户的服务体验和任务的完成率。

本发明的内容包括以下步骤，

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。

作为优选，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，

，