[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

说明书

本公开提供了一种云边协同网络的能效评估方法、装置、设备以及存储介质，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。根据本公开，降低了评估过程对人工的依赖性，能够更加客观地进行能效评估，有利于实现高能效的云边协调网络结构。

技术领域

本公开一个或多个实施例涉及云边协同网络技术领域，尤其涉及云边协同网络能效的评估。

背景技术

伴随着云边协同架构的不断发展，其能源消耗问题成为一种不可忽视的重要因素。如何均衡性能、QoS能耗间的复杂约束关系，实现高性能、低功耗且具有QoS保障的云边协同网络架构，成为了亟待解决的重要问题。而传统的评估方式，通常基于专家的主观评价进行计算，对人的依赖程度大，不能客观地评估网络的效能，而且估计结果不能量化。所以，为了实现高能效的绿色云边环境，需要能够对云边协同架构的能效进行客观地计算和评估，来客观地、可量化地、可管理地综合评价云环境下的能效。

发明内容

有鉴于此，本公开一个或多个实施例的目的在于提出一种云边协同网络能效的评估方法、装置、设备及存储介质，以至少解决上述无法客观地、可量化地、可管理地综合评价云环境下能效的问题之一。

根据本公开的第一方面，提供了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。

可选地，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。

可选地，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。

可选地，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；