[發(fā)明專利]資源分配方法和裝置

有效

• 申請?zhí)枺?/td>: 202011322047.1
• 申請日: 2020-11-23
• 公開（公告）號: CN112492612B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計(jì)）人: 王智明;徐雷;陶冶
• 申請（專利權(quán)）人: 中國聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司
• 主分類號: H04W16/10
• 分類號: H04W16/10
• 代理公司: 北京天昊聯(lián)合知識產(chǎn)權(quán)代理有限公司 11112
• 代理人: 彭瑞欣;柴亮

本發(fā)明提供一種資源分配方法和裝置，屬于資源分配技術(shù)領(lǐng)域，其可至少部分解決現(xiàn)有的資源分配方法在分配資源時(shí)未充分考慮邊緣設(shè)備在處理數(shù)據(jù)時(shí)低效率、高功耗、低彈性的問題。本發(fā)明實(shí)施例的資源分配的方法包括：獲取邊緣節(jié)點(diǎn)的多個(gè)資源分配請求，每個(gè)所述資源分配請求包括資源分配評價(jià)指標(biāo)；對多個(gè)所述資源分配請求中的資源分配評價(jià)指標(biāo)進(jìn)行深度分析和深度分析評價(jià)，生成資源分配方案；將所述資源分配方案發(fā)送至邊緣節(jié)點(diǎn)，以供所述邊緣節(jié)點(diǎn)根據(jù)所述資源分配方案執(zhí)行資源分配。

技術(shù)領(lǐng)域

本發(fā)明屬于資源分配技術(shù)領(lǐng)域，具體涉及一種資源分配方法和裝置。

背景技術(shù)

隨著技術(shù)的發(fā)展，邊緣設(shè)備，尤其是5G(5th?Generation?Mobile?Networks，第5代通信技術(shù))邊緣設(shè)備的數(shù)量迅速增加，同時(shí)邊緣終端設(shè)備所產(chǎn)生的數(shù)據(jù)量已達(dá)到澤字節(jié)(ZB)級別。

集中式數(shù)據(jù)處理不能有效處理邊緣終端設(shè)備所產(chǎn)生的海量數(shù)據(jù),邊緣計(jì)算已被業(yè)界普遍認(rèn)定為下一代數(shù)字化轉(zhuǎn)型的主要趨勢之一。邊緣云是將傳統(tǒng)云計(jì)算平臺的部分計(jì)算任務(wù)遷移到接入域，并將傳統(tǒng)業(yè)務(wù)與互聯(lián)網(wǎng)業(yè)務(wù)進(jìn)行深度融合，減少傳統(tǒng)業(yè)務(wù)交付的端到端時(shí)延，進(jìn)而給運(yùn)營商的運(yùn)作帶來全新模式，并建立全新的產(chǎn)業(yè)鏈及生態(tài)圈。

面對日益迫切的邊緣計(jì)算發(fā)展需求，現(xiàn)有的資源分配方法在分配資源時(shí)未充分考慮邊緣設(shè)備在處理數(shù)據(jù)時(shí)低效率、高功耗、低彈性的問題，導(dǎo)致隨著邊緣云業(yè)務(wù)的快速增長，這些問題日益突出。

發(fā)明內(nèi)容

本發(fā)明至少部分解決現(xiàn)有的資源分配方法在分配資源時(shí)未充分考慮邊緣設(shè)備在處理數(shù)據(jù)時(shí)低效率、高功耗、低彈性的問題，提供一種低功耗、高彈性、高效率的資源分配方法和裝置。

本發(fā)明的一個(gè)方面提供一種資源分配的方法，所述方法包括：

獲取邊緣節(jié)點(diǎn)的多個(gè)資源分配請求，每個(gè)所述資源分配請求包括資源分配評價(jià)指標(biāo)；

對多個(gè)所述資源分配請求中的資源分配評價(jià)指標(biāo)進(jìn)行深度分析和深度分析評價(jià)，生成資源分配方案；

將所述資源分配方案發(fā)送至邊緣節(jié)點(diǎn)，以供所述邊緣節(jié)點(diǎn)根據(jù)所述資源分配方案執(zhí)行資源分配。

可選的，所述對多個(gè)所述資源分配請求中的資源分配評價(jià)指標(biāo)進(jìn)行深度分析和深度分析評價(jià)，生成資源分配方案，包括：

新迭代循環(huán)開始，將迭代次數(shù)清零，設(shè)置最大迭代次數(shù)并根據(jù)多個(gè)所述資源分配請求中的資源分配評價(jià)指標(biāo)設(shè)置初始迭代的迭代參數(shù)；

以多層卷積神經(jīng)元、量子理論、深度無監(jiān)督學(xué)習(xí)策略分析迭代參數(shù)，并生成資源分配方案以及下一次迭代的迭代參數(shù)；

判斷迭代次數(shù)是否達(dá)到閾值，若是則結(jié)束循環(huán)，并將此次迭代獲取的資源分配方案作為發(fā)送至邊緣節(jié)點(diǎn)的資源分配方案輸出；

若不是，則根據(jù)評價(jià)函數(shù)對此次迭代獲取的資源分配方案進(jìn)行評價(jià)，在此次迭代獲取的資源分配方案不滿足評價(jià)函數(shù)的情況下，迭代次數(shù)加1并返回以多層卷積神經(jīng)元、量子理論、深度無監(jiān)督學(xué)習(xí)策略分析迭代參數(shù)，并生成資源分配方案以及下一次迭代的迭代參數(shù)步驟；

在此次迭代獲取的資源分配方案滿足評價(jià)函數(shù)的情況下，結(jié)束循環(huán)，并將此次迭代獲取的資源分配方案作為發(fā)送至邊緣節(jié)點(diǎn)的資源分配方案輸出。

進(jìn)一步可選的，第k次迭代時(shí)，所述迭代參數(shù)包括功耗效率和時(shí)間效率其中，i＝1,2,…m，j＝1,2,…n，t＝1,2,…,p，m為i所有取值的最大值，n為j所有取值的最大值，p為t所有取值的最大值。

進(jìn)一步可選的，第k次迭代時(shí)的評價(jià)函數(shù)為：其中，P表示概率。

進(jìn)一步可選的，多層卷積神經(jīng)元、量子理論、深度無監(jiān)督學(xué)習(xí)策略包括優(yōu)化函數(shù)，第k次迭代時(shí)的優(yōu)化函數(shù)為：其中，μ^k為第k次迭代循環(huán)遞歸激勵函數(shù)，χ,λ∈(0,1)，χ+λ＝1。