[發明專利]一種服務質量QoS差異化優化方法、裝置在審
| 申請號： | 202110663039.1 | 申請日： | 2021-06-15 |
| 公開（公告）號： | CN113364630A | 公開（公告）日： | 2021-09-07 |
| 發明（設計）人： | 蔡君;付鴻添;劉燕;羅建楨;廖麗平 | 申請（專利權）人： | 廣東技術師范大學 |
| 主分類號： | H04L12/24 | 分類號： | H04L12/24 |
| 代理公司： | 北京高航知識產權代理有限公司 11530 | 代理人： | 趙永強 |
| 地址： | 510630 廣東省*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 服務質量 qos 異化 優化 方法 裝置 | ||
本發明公開一種服務質量QoS差異化優化方法、裝置，其中，所述方法包括：建立多任務卸載框架的系統模型；獲取用戶執行計算任務的模式，根據所述用戶執行計算任務的模式，來執行所述多任務卸載框架的系統模型；基于多智能體深度強化學習的多目標優化方法，優化服務質量QoS。本發明基于多智能體深度強化學習的多用戶差異化QoS計算卸載策略，考慮了系統中不同用戶之間差異化的QoS需求，根據任務性能需求與網絡資源狀態進行全局卸載決策，對不同用戶需求進行差異化性能優化，有效提高系統資源利用率以及用戶服務質量。
技術領域
本發明涉及通信技術領域，特別涉及一種服務質量QoS差異化優化方法、裝置。
背景技術
近年來，以虛擬現實、增強現實為代表的計算密集型應用程序的廣泛使用，對有限計算能力與電池容量的終端提出了極大的挑戰。現有的計算卸載相關研究大多是對系統整體時延或整體能耗進行優化，忽略了不用的用戶之間存在不同的QoS(Quality ofService，服務質量)需求，在權衡時延與能耗的研究中，大多通過設置權重的方式將時延與能耗進行結合，應用場景局限，當任務需求發生改變時，需要重新設置權值以及重新訓練決策網絡，操作復雜并且效率低下。
發明內容
本發明的主要目的是提出一種服務質量QoS差異化優化方法，旨在解決現有的當用戶計算任務需求發生改變時，需要重新設置權值以及重新訓練決策網絡，操作復雜并且效率低下技術問題。
為實現上述目的，本發明一方面提出一種服務質量QoS差異化優化方法，包括：
建立多任務卸載框架的系統模型；
獲取用戶執行計算任務的模式，根據所述用戶執行計算任務的模式，來執行所述多任務卸載框架的系統模型；
基于多智能體深度強化學習的多目標優化方法，優化服務質量QoS。
優選地，所述多任務卸載框架的系統模型包括：
MEC基站、云服務器和多個移動用戶，其中所述多個移動用戶在所述MEC基站信號覆蓋范圍內。
優選地，所述MEC基站設置邊緣計算服務器和決策智能體。
優選地，所述用戶執行計算任務的模式包括：
本地執行模式，即用戶使用本地資源處理計算任務；
D2D執行模式，即用戶通過D2D鏈路將任務卸載至鄰近資源豐富的終端中執行；
D2E執行模式，即用戶通過蜂窩鏈路將任務卸載至邊緣服務器中執行；
D2C執行模式，即用戶通過蜂窩鏈路將任務傳輸至MEC基站，再由MEC基站進一步將任務發送至云服務器中執行。
優選地，所述多任務卸載框架的系統模型包括：
用戶模型、通信模型和計算模型。
優選地，所述根據所述用戶執行計算任務的模式，來執行所述多任務卸載框架的系統模型包括：
當用戶i產生計算任務時，根據用戶對QoS的需求以及網絡資源狀態選擇最佳節點執行計算任務
令二進制向量表示計算任務卸載決策，ai，j∈{0，1}表示節點j是否執行用戶i產生的計算任務；
當ai，i＝1時，表示任務i在本地執行，ai，0＝1表示任務i被卸載到MEC服務器執行，ai，N+1＝1表示任務i被卸載到云中心執行；
由于任務不可拆分，故有用戶i產生的計算任務完成時延為：
能耗為：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東技術師范大學，未經廣東技術師范大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110663039.1/2.html，轉載請聲明來源鉆瓜專利網。
