[发明专利]一种面向智慧城市的社会化学习方法

权利要求书

1.一种面向智慧城市的社会化学习方法，其特征在于，包括如下步骤：

S1，构建包括云服务器、边缘服务器和物联网设备的分层社会化学习系统，物联网设备通过无线网络与边缘服务器连接，边缘服务器与云服务器连接；

S2，基于深度强化学习在物联网设备、边缘服务器和云服务器中分别建立任务评估模型；

S3，物联网设备利用所有物联网设备获得的任务状态和信道状态对任务评估模型进行优化，根据优化后的任务评估模型获得任务处理基本决策，并将任务处理基本决策和优化后的任务评估模型发送给对应的边缘服务器；

所述步骤S3包括如下步骤：

S3.1，每个物联网设备获取当前环境下的任务状态和信道状态，并根据对应的任务评估模型得到任务处理初步决策；

S3.2，每个物联网设备综合所有物联网设备的任务处理初步决策，并以最小化总处理延迟和能耗的加权和为目标对任务评估模型进行一次优化；

S3.3，物联网设备根据一次优化后的任务评估模型制定任务处理基本决策，并将任务处理基本决策和一次优化后的任务评估模型发送给对应的边缘服务器；

S4，边缘服务器利用联邦学习对物联网设备发送的任务评估模型进行边缘聚合，根据物联网设备发送的任务处理基本决策对边缘服务器上的任务评估模型进行优化获得任务处理高层决策，并将任务处理高层决策发送给物联网设备；

S5，边缘服务器利用迁移学习对物联网设备中的任务评估模型进行指导，并将任务处理高层决策和优化后的任务评估模型发送给云服务器；

S6，云服务器利用联邦学习将边缘服务器发送的任务评估模型进行云聚合，根据边缘服务器发送的任务处理高层决策和云服务器上的任务评估模型制定任务处理市级决策，将任务处理市级决策发送给边缘服务器，并利用迁移学习对边缘服务器中的任务评估模型进行指导。

2.根据权利要求1所述的面向智慧城市的社会化学习方法，其特征在于，在步骤S3中，所述任务状态包括任务的CPU周期和任务数据量，信道状态包括无线网络的授权信道增益、非授权信道增益和信道占用状态。

3.根据权利要求2所述的面向智慧城市的社会化学习方法，其特征在于，所述物联网设备包括主要用户和次要用户，主要用户通过授权信道与边缘服务器连接，次要用户通过授权信道或非授权信道与边缘服务器连接，当次要用户使用授权信道时，需不影响主要用户的连接。

4.根据权利要求1所述的面向智慧城市的社会化学习方法，其特征在于，所述任务处理基本决策和任务处理初步决策均包括卸载决策、无线网络的信道选择和计算资源预算。

5.根据权利要求1所述的面向智慧城市的社会化学习方法，其特征在于，所述步骤S4包括如下步骤：

S4.1，每个边缘服务器获取当前环境下的信道状态和边缘可用计算资源，利用联邦学习将接收到的一次优化的任务评估模型进行边缘聚合，并将边缘聚合后的任务评估模型发送对应的物联网设备；

S4.2，每个边缘服务器根据接收到的任务处理基本决策、步骤S4.1获取的信道状态和边缘可用计算资源以及边缘服务器上的任务评估模型得到任务处理高层初步决策；

S4.3，每个边缘服务器综合所有边缘服务器的任务处理高层初步决策，并以成本最小化为目标对边缘服务器上的任务评估模型进行一次优化，根据一次优化后的任务评估模型得出任务处理高层决策；

S4.4，边缘服务器将任务处理高层决策发送给对应的物联网设备，物联网设备利用任务处理高层决策对物联网设备上的任务评估模型进行二次优化。

6.根据权利要求5所述的面向智慧城市的社会化学习方法，其特征在于，所述任务处理高层决策和任务处理高层初步决策均包括基本决策的评估结果、协作边缘服务器选择和边缘计算资源贡献量。

7.根据权利要求6所述的面向智慧城市的社会化学习方法，其特征在于，所述成本等于边缘计算资源贡献量减去与其它边缘服务器合作的成本之间的差值。