[发明专利]一种基于自适应深度神经网络的云边端协同计算方法

权利要求书

1.一种基于自适应深度神经网络的云边端协同计算方法，其特征在于，该方法具体包括以下步骤：

S1：由外部用户向包括终端设备层、云端、边缘端的计算平台发送计算任务，确定计算任务对应的云边协同机制；其中，云边协同机制包括云辅助边缘计算模型和边缘辅助云计算模型；

S2：根据步骤S1确定的云边协同机制，建立云边协同任务调度模型；

S3：采用并合调度算法，同时根据云边协同机制形成分组策略，根据分组策略生成子调度方案，通过步骤S2的云边协同任务调度模型对子调度方案进行评价，在并合调度算法的指定迭代次数内，选取出评价结果最优的子调度方案；

S4：根据步骤S3所得子调度方案进行归并及精调以获取最终调度方案。

2.根据权利要求1所述的云边端协同计算方法，其特征在于，步骤S1中，所述云辅助边缘计算是边缘端服务器在任务执行过程中，云端向边缘端发送先验知识或历史数据；所述边缘辅助云计算是云端服务器在任务执行过程中，边缘端采集并预处理终端设备层各制造终端的数据，并发送至云端。

3.根据权利要求1所述的云边端协同计算方法，其特征在于，步骤S2中，建立云边协同任务调度模型，具体包括以下步骤：

S21：构建云边协同任务调度模型为：

其中，问题优化目标分为两部分，其中表示在提交的一组计算任务请求中，完成所有任务所需的时间成本；表示完成所有任务所需的能耗成本；为任务的终止时间，表示进程i所得子调度方案的能耗成本，n表示任务数量；T_m和E_m是两个常数，用来将最大任务执行时间和执行任务的总能耗进行归一化处理；λ₁,λ₂是客观权重，根据对任务执行时间和能耗的需求进行设定，满足λ₁+λ₂＝1且λ₁,λ₂∈[0,1]；

S22：分别根据云辅助边缘计算模型和边缘辅助云计算模型对云边协同任务调度模型的不确定性进行评估，具体为：通过区间数方法对任务I_i的计算时间终端到边缘端的数据传输速率进行描述，若需要任务重传，则任务来自设备l的数据量的上传时间需要重新计算，并通过确定的区间数、云边协同机制来计算评价结果。

4.根据权利要求3所述的云边端协同计算方法，其特征在于，步骤S22中，根据云辅助边缘计算模型对云边协同任务调度模型的不确定性进行评估，具体计算公式为：

其中，分别为任务I_i的数据上传时间、从云端下载数据时间以及等待服务器释放可用资源的时间，和分别为第k个任务和第i个任务的执行时间，为任务终止时间，Λ_i为任务I_i的前置任务集合；α₁和α₂为权重系数，满足α₁+α₂＝1且α₁，α₂∈[0,1]的条件；R_cpu,i、R_mem,i分别为任务I_i的CPU和内存请求，为设备的传输功率，C_cpu,j、C_mem,j分别为指派边缘服务器的CPU和内存容量，和分别是服务器静态功率与动态功率。

5.根据权利要求4所述的云边端协同计算方法，其特征在于，步骤S22中，根据边缘辅助云计算模型对云边协同任务调度模型的不确定性进行评估，具体计算公式为：

其中，β_i表示任务I_i是否需要在边缘节点进行预处理，对于不需要在边缘节点上对数据进行预处理的任务，β_i＝0；反之，β_i＝1；表示任务I_i的数据上传至云端所需时间。