[發明專利]一種深度學習的邊緣計算分配系統及方法

在審

• 申請號: 202011175116.0
• 申請日: 2020-10-28
• 公開（公告）號: CN112416573A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 莊向坤;潘華
• 申請（專利權）人: 南京躡波物聯網科技有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06K9/62;G06N3/00
• 代理公司: 南京泰普專利代理事務所(普通合伙) 32360
• 代理人: 竇賢宇

1.一種深度學習的邊緣計算分配系統，其特征在于，包括終端數據收集單元、邊緣計算分配單元和云端計算擴展單元；

終端數據收集單元，包括終端設備，收集需要的數據并上傳，及時對用戶進行反饋；

邊緣計算分配單元，對數據進行過濾篩選，將計算模型分配給邊緣節點進行計算存儲，將過濾數據與計算結果進行上傳；

云端計算擴展單元，根據邊緣節點的數量、計算能力、存儲能力生成深度學習模型，不斷通過終端上傳的數據和計算結果優化模型。

2.根據權利要求1所述的一種深度學習的邊緣計算分配系統，其特征在于，所述終端數據收集單元與用戶直接進行交流，用戶的操作與收集到的數據進行壓縮、預處理，作為一級數據直接上傳到邊緣節點，同時接收邊緣節點下傳的二級數據，對用戶進行反饋。

3.根據權利要求1所述的一種深度學習的邊緣計算分配系統，其特征在于，所述邊緣計算分配單元包括邊緣節點，邊緣節點的服務器根據云端服務器計算得到的個性模型對終端數據進行處理和儲存，將計算結果作為二級數據下傳到終端，對用戶進行反饋，將不能處理的一級數據與計算得到的二級數據上傳到云端服務器。

4.根據權利要求1所述的一種深度學習的邊緣計算分配系統，其特征在于，所述云端計算擴展單元通過分布式管理邊緣節點，給每個用戶分配一個小隊資源，根據邊緣節點的數量、云端速度、內存占用情況，將小隊資源里的節點服務器根據用戶需求進行及調整分配，使分配資源與用戶需求相匹配。

5.根據權利要求1所述的一種深度學習的邊緣計算分配系統，其特征在于，所述云端計算擴展單元根據終端收集的一級數據、邊緣節點計算的二級數據進行基礎模型的訓練，得到邊緣節點的需求后將深度學習模型擴展到邊緣節點，再根據深度學習模型反饋的推理計算結果對深度計算模型進行優化，模型根據蝙蝠算法，得到公式

，

，

，

其中ε為隨機數，A為響度，i為蝙蝠的個體代號，t為迭代次數，ω為慣性權重因子，v為蝙蝠的速度，x為蝙蝠的位置，為蝙蝠的最佳位置，f為蝙蝠的頻率，為最小頻率，為最大頻率，β為隨機數，α為音強衰減系數，r為脈沖速率，γ為脈沖速率增加系數，

計算得到最優解。

6.根據權利要求1所述的一種深度學習的邊緣計算分配系統，其特征在于，所述云端計算擴展單元根據邊緣節點的二級數據優化深度學習模型，將計算結果作為翻轉因子，均勻化種群，得到公式

，

其中x為蝙蝠的位置，i為蝙蝠的個體代號，t為迭代次數，Φ為隨機改變的方向，v為蝙蝠的速度，T為蝙蝠移動的時間，

根據公式對蝙蝠的位置進行隨機方向的優化，使模型不會局限于局部最優解，而是與周圍的邊緣節點數據交流，合理分配。

7.一種深度學習的邊緣計算分配方法，其特征在于，根據蝙蝠算法計算邊緣節點的分配方法，具體步驟包括：

步驟1、將每個終端接收的任務分割為k個子任務上傳到邊緣節點，邊緣節點根據子任務的數量進行選擇，為每個任務生產蝙蝠算法分配邊緣節點，子任務過多直接上傳到云端處理；

步驟2、設置算法參數，種群大小k，空間維數d，音強衰減系數α，脈沖速率增加系數γ，響度A，迭代次數t，初始化蝙蝠位置x，蝙蝠頻率f，頻率范圍，根據公式

，

，

，

其中ε為隨機數，A為響度，i為蝙蝠的個體代號，t為迭代次數，ω為慣性權重因子，v為蝙蝠的速度，x為蝙蝠的位置，為蝙蝠的最佳位置，f為蝙蝠的頻率，為最小頻率，為最大頻率，β為隨機數，α為音強衰減系數，r為脈沖速率，γ為脈沖速率增加系數，

得到種群趨向；

步驟3、將邊緣節點的計算速度和內存作為翻轉因子，對種群趨向進行調整，根據公式

，

其中x為蝙蝠的位置，i為蝙蝠的個體代號，t為迭代次數，Φ為隨機改變的方向，v為蝙蝠的速度，T為蝙蝠移動的時間，

得到調整過后的種群趨向，即邊緣節點的分配不在單純根據子任務數量分配，而是考慮每個邊緣節點的計算能力和存儲空間重新進行調整；

步驟4、計算最優解，不斷調整頻率更新最優解，根據隨機數對最優解進行選擇，由公式

，

其中為蝙蝠的最佳位置，i為蝙蝠的個體代號，u為隨機數，d為空間維數，

當隨機數大于最優解，則對種群方向進行調整，選擇一個最優解作為次代種群重新計算最優解，當隨機數小于最優解，接受最優解；

步驟5、當迭代次數小于設置的最大迭代次數的參數，回到步驟3重新選擇直到達到最大迭代次數；

步驟6、輸出全局最優解。