[发明专利]云边协同网络能效的评估方法、装置、设备及存储介质

权利要求书

1.一种云边协同网络的能效评估方法，包括：

获取所述云边协同网络的至少一个指标参数的测量值和真实值；

建立所述云边协同网络的能效评估层次，并对每个层次进行分析得到每个指标参数的初始权重；

基于逻辑回归模型、所述至少一个指标参数的测量值和真实值对所述至少一个指标参数的初始权重进行回归训练，得到所述至少一个指标参数的经训练的权重；

使用所述经训练的权重与所述至少一个指标参数的测量值评估所述云边协同网络的能效，得到评估结果。

2.根据权利要求1所述的方法，其中，建立所述云边协同网络的能效评估层次，并对每个层次进行分析得到每个指标参数的初始权重，包括：

将所述云边协同网络的能效评估问题分为多个层次，其中，每个层次包括至少一个因素，最低层次的因素为所述云边协同网络的指标参数；

基于每个层次中的每两个因素对于上一层次的每个因素的相对重要度，得到每个层次对于上一层次的每个因素的判断矩阵；

基于所述判断矩阵对每个层次进行层次单排序，得到每个层次相对于上一层次的每个因素的单排序权重向量；

基于所述单排序权重向量从最高层次到最低层次逐层进行层次总排序，得到所述云边协同网络的指标参数相对于最高层的因素的总排序权重向量；

基于所述总排序向量得到所述每个指标参数的初始权重。

3.根据权利要求2所述的方法，其中，建立所述云边协同网络的能效评估层次，并对每个层次进行分析得到每个指标参数的初始权重，还包括：

对每个所述判断矩阵进行一致性检验以及对所述总排序权重向量进行一致性检验。

4.根据权利要求1所述的方法，其中，基于逻辑回归模型、所述至少一个指标参数的测量值和真实值对所述至少一个指标参数的初始权重进行回归训练，得到所述至少一个指标参数的经训练的权重，包括：

所述逻辑回归模型基于所述至少一个指标参数的测量值得到预测值；

计算所述预测值与所述真实值之间的均方误差；

利用梯度下降法以所初始权重开始进行迭代计算，得到使所述均方误差最小的解；

将所述解作为所述经训练的权重。

5.根据权利要求4所述的方法，其中，所述逻辑回归模型基于所述至少一个指标参数的测量值得到预测值之前，还包括：采用min-max数据标准化方法将所述至少一个指标参数的测量值进行标准化处理。

6.根据权利要求1所述的方法，其中，所述评估结果包括每个所述至指标参数的测量值以及对应的经训练的权重的乘积之和。

7.根据权利要求1所述的方法，其中，所述至少一个指标参数包括：资源利用率、网络拥塞时间、丢包率、吞吐率、传输时延、资源消耗率、应用启动时间、业务接受率、业务编排时间、卸载时耗或卸载能耗中的一个或多个。

8.一种云边协同网络的能效评估装置，包括：

获取模块，用于获取所述云边协同网络的至少一个指标参数的测量值和真实值；

层次分析模块，用于建立所述云边协同网络的能效评估层次，并对每个层次进行分析得到每个指标参数的初始权重；

回归模块，用于基于逻辑回归模型、所述至少一个指标参数的测量值和真实值对所述至少一个指标参数的初始权重进行回归训练，得到所述至少一个指标参数的经训练的权重；

评估模块，用于使用所述经训练的权重与所述至少一个指标参数的测量值评估所述云边协同网络的能效，得到评估结果。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7任一所述方法。