(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111254759.9 (22)申请日 2021.10.27 (71)申请人 大连理工大 学 地址 116024 辽宁省大连市甘井 子区凌工 路2号大连理工大 学 (72)发明人 史彦军　韩超哲　李佳健　沈卫明　 (74)专利代理 机构 北京东方盛凡知识产权代理 事务所(普通 合伙) 11562 代理人 李娜 (51)Int.Cl. G06F 9/445(2018.01) G06F 9/48(2006.01) G06F 9/50(2006.01) G06F 30/27(2020.01) G06N 7/00(2006.01)G06F 111/04(2020.01) G06F 111/08(2020.01) (54)发明名称 一种多对多边缘计算场景下的计算卸载方 法及系统 (57)摘要 本发明公开一种多对多边缘计算场景下的 计算卸载方法及系统， 包括： 获取多边缘服务器 多移动终端场景下的边缘计算场景数据， 并基于 边缘计算场景数据， 构建边缘计算场景； 基于边 缘计算场景， 构建卸载模型， 其中卸载模型基于 马尔科夫决策过程进行建模； 通过策略迭代法对 卸载模型进行求解， 得到最优卸载策略。 本发明 能够对于不同性质的终端产生的的异构任务， 以 能量消耗最小化为目标进行任务卸载建模， 并获 取卸载方法的最优策略。 权利要求书2页 说明书8页 附图1页 CN 113900739 A 2022.01.07 CN 113900739 A 1.一种多对多边 缘计算场景 下的计算卸载 方法， 其特 征在于， 包括： 获取多边缘服务器多移动终端场景下的边缘计算场景数据， 并基于边缘计算场景数 据， 构建边 缘计算场景； 基于边缘计算场景， 构建卸载模型， 其中卸载模型基于马尔科 夫决策过程进行建模； 通过策略迭代法对卸载模型进行求 解， 得到最优卸载 策略。 2.根据权利要求1所述多对多边 缘计算场景 下的计算卸载 方法， 其特 征在于： 所述边缘计算场景数据包括边缘服务器集合， 车辆集合， 车辆任务集合及剩余计算能 力， 其中车辆任务 集合中的车辆任务包括是否为紧急任务， 数据量大小， 任务优先级。 3.根据权利要求2所述多对多边 缘计算场景 下的计算卸载 方法， 其特 征在于： 所述构建边 缘计算场景的过程包括： 对边缘服务器集合及车辆集 合进行位置约束； 对所述剩余计算能力进行剩余计算能力约束； 基于车辆任务集合计算本地处理能耗及卸载处理能耗， 基于本地处理能耗及卸载处理 能耗进行最小化能耗约束； 对位置约束结果， 计算能力约束结果及最小化能耗约束结果进行整合， 得到边缘计算 场景。 4.根据权利要求1所述多对多边 缘计算场景 下的计算卸载 方法， 其特 征在于： 所述卸载模型包括状态空间， 动作空间， 奖励函数， 策略及回报； 其中状态空间包括若干个不同状态， 所述状态包括各车辆位置， 各车辆下的剩余计算 能力及各边 缘服务器剩余计算能力； 动作空间包括若干个不同动作， 所述动作包括本地处 理及边缘服务器卸载处 理动作； 所述奖励函数基于 本地处理能耗及卸载处 理能耗进行构建； 所述策略为 不同状态下不同动作的概 率； 所述回报为 通过对奖励函数进行计算得到的总奖励。 5.根据权利要求 4所述多对多边 缘计算场景 下的计算卸载 方法， 其特 征在于： 通过策略迭代法对卸载模型进行求 解的过程包括： 基于卸载模型， 构建状态值函数， 其中状态值函数为不同状态下采用不同策略时， 各车 辆的奖励函数值的数 学期望总和， 其中奖励函数值由奖励函数计算得到； 对状态及策略进行初始化， 基于初始化的状态及策略对状态值函数进行计算， 获取初 始状态值， 然后对状态及策略进 行迭代更新， 更新过程中， 基于迭代更新的状态及策略对初 始状态值进行 更新， 直到更新的状态值收敛， 获取收敛状态值下的策略即最优卸载 策略。 6.基于权利要求1 ‑5所述任意一项的多对多边缘计算场景下的计算卸载方法的计算卸 载系统， 其特 征在于， 包括： 第一构建模块用于获取多边缘服务器多移动终端场景下的边缘计算场景数据， 并基于 边缘计算场景 数据， 构建边 缘计算场景； 第二构建模块用于基于边缘计算场景， 构建卸载模型， 其中卸载模型基于马尔科夫决 策过程进行建模； 求解模块用于通过 策略迭代法对卸载模型进行求 解， 得到最优卸载 策略。 7.根据权利要求6所述多对多边 缘计算场景 下的计算卸载系统， 其特 征在于：权　利　要　求　书 1/2 页 2 CN 113900739 A 2第一构建模块中所述边缘计算场景数据包括边缘服务器集合， 车辆集合， 车辆任务集 合及剩余计算能力。 8.根据权利要求7 所述多对多边 缘计算场景 下的计算卸载系统， 其特 征在于： 第一构建模块包括： 第一约束模块用于对边 缘服务器集合及车辆集 合进行位置约束； 第二约束模块用于对所述剩余计算能力进行剩余计算能力约束； 第三约束模块基于车辆任务集合计算本地处理能耗及卸载处理能耗， 基于本地处理能 耗及卸载处 理能耗进行最小化能耗约束； 边缘计算场景构建模块用于对位置约束结果， 计算 能力约束结果及最小化能耗约束结 果进行整合， 得到边 缘计算场景。 9.根据权利要求6所述多对多边 缘计算场景 下的计算卸载系统， 其特 征在于： 第二构建模块中所述所述卸载模型包括状态空间， 动作空间， 奖励函数， 策略及回报； 其中状态空间包括若干个不同状态， 所述状态包括各车辆位置， 各车辆下的剩余计算 能力及各边 缘服务器剩余计算能力； 动作空间包括若干个不同动作， 所述动作包括本地处 理及边缘服务器卸载处 理动作； 所述奖励函数基于 本地处理能耗及卸载处 理能耗进行构建； 所述策略为 不同状态下不同动作的概 率； 所述回报为 通过对奖励函数进行计算得到的总奖励。 10.根据权利要求9所述多对多边 缘计算场景 下的计算卸载系统， 其特 征在于： 求解模块包块： 第一处理模块用于基于卸载模型， 构建状态值函数， 其中状态值函数为不同状态下采 用不同策略时， 各车辆的奖励函数值的数学期望总和， 其中奖励函数值由奖励函数计算得 到； 第二处理模块用于对状态及策略进行初始化， 基于初始化的状态及策略对状态值函数 进行计算， 获取初始状态值， 然后对状态及策略进行迭代更新， 更新过程中， 基于迭代更新 的状态及策略对初始状态值进行更新， 直到更新的状态值收敛， 获取收敛状态值下 的策略 即最优卸载 策略。权　利　要　求　书 2/2 页 3 CN 113900739 A 3