[发明专利]面向SLA的云边协同资源编排与请求调度智能优化方法

权利要求书

1.一种面向SLA的云边协同资源编排与请求调度智能优化方法，其特征在于，包括如下步骤：

S1，训练环境及训练参数初始化：对神经网络的训练参数及边缘集群内边缘节点的状态进行初始化；

S2，获取系统初始观测值：获取当前时间尺度下服务请求的相关数据、与服务请求相对应的资源通道内资源单元的状态；

S3，动作获取：获取每个边缘节点预分配给资源单元的资源；

S4，资源定制操作执行：根据步骤S3得到的预分配资源分配相应的资源给到资源单元完成资源定制；

S5，服务编排集合计算：基于当前时间尺度和最大化系统整体吞吐量问题对每个资源通道并行求解获取服务编排集合；

S6，服务编排操作执行：根据步骤S5得到的服务编排集合进行服务编排，将当前边云系统下的吞吐率作为奖励，获取下一状态的观测值；

S7，更新神经网络：根据当前时间尺度下的观测值、动作、奖励及下一状态的观测值更新神经网络的参数；

S8，按照步骤S3-S7的方法依次进行迭代直至训练收敛；

所述步骤S5包括如下步骤：

S5.1，初始化服务编排集合S＝φ，对预设服务编排集合T进行赋值使得T＝{δ|δ∈L_q×M_q\S,∑_{l:(l,m)∈S∪{δ}}r_q,l≤R_q,m}，其中，δ表示服务编排集合L_q×M_q中的一个元素，φ表示空集，r_q,l表示加载服务l所需的内存，R_q,m表示资源单元m∈M_q的内存大小，L_q表示资源通道q的服务集合，M_q表示资源通道q中资源单元的集合，且服务l∈L_q；

S5.2，计算预设服务编排集合T中的元素δ^*，且元素δ^*使得Ω(S∪δ^*)取得最大值；

S5.3，对服务编排集合S进行更新，更新的公式为S＝S∪{δ^*}；

S5.4，根据步骤S5.3得到的更新后的服务编排集合S，按照步骤S5.1的赋值方法对预设服务编排集合T进行更新；

S5.5，将服务编排的问题转化为服务编排集合S的优化问题，根据优化函数将服务编排集合S转化为对应的服务编排变量x；

S5.6，根据步骤S5.5得到的服务编排变量x及最大化边云系统整体吞吐量的问题建立优化目标函数，根据优化目标函数得出请求指派变量y；

S5.7，对于时间尺度τ内的每个时隙t，根据步骤S5.6得到的请求指派变量y进行请求指派操作；

S5.8，按照步骤S5.2-步骤S5.7的方法迭代至预设服务编排集合T＝φ。

2.根据权利要求1所述的面向SLA的云边协同资源编排与请求调度智能优化方法，其特征在于，在步骤S1中，所述训练参数包括深度强化学习模型中的学习率、折扣因子、神经网络层数、神经元个数，所述边缘节点的状态包括边缘节点的资源计算能力、内存大小、边缘节点的集合。

3.根据权利要求1所述的面向SLA的云边协同资源编排与请求调度智能优化方法，其特征在于，在步骤S2中，所述相关数据包括服务请求的数量及种类、服务请求到达边缘节点的资源需求及延迟需求、服务请求的SLA集合；所述资源单元的状态包括资源单元的资源计算能力和内存大小。

4.根据权利要求1所述的面向SLA的云边协同资源编排与请求调度智能优化方法，其特征在于，在步骤SS.5中，所述优化函数的公式为：

maxΩ(S)；

优化函数的约束条件为：

β1：∑_l:(l,m)∈Sr_q,l≤R_q,m；

β2：