买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南工学院

摘要：用于DAG移动任务的深度强化学习计算卸载方法,涉及移动边缘计算和边缘人工智能技术领域。前述方法包括：首先，调度算法对DAG任务进行解耦合，将就绪任务映射到一个按照最迟完成时间升序排列的队列，并取出一个任务；其次，调度算法将边缘计算环境采样成状态向量传给DQN的Agent；之后，Agent接收调度算法的状态信息启动DQN深度学习算法并向调度算法发送它所选择的设备ID；随后调度算法根据收到的设备ID将一个就绪任务分配到对应设备上处理；等到有就绪任务处理完成之后，环境状态会改变，调度算法会取出下一个任务，且向Agent重新发送环境状态，通过不断循环交互，所有就绪任务执行完毕之后回合结束。本发明能够显著减少任务的总执行时间和边缘设备的工作负载。

主权项：1.用于DAG移动任务的深度强化学习计算卸载方法，其特征在于，在分布式异构边缘计算网络中，按以下步骤进行DAG移动任务的计算卸载：S1.先给移动设备上的每个应用增加两个计算负载量为0的结点，移动设备再向边缘计算设备发送计算卸载请求，在应用的卸载请求数据到达边缘计算设备后，边缘计算设备将任务降序排列到缓存队列中并为缓存队列中的每个任务分配一个最迟完成时间；S2.协同控制器从所有边缘计算设备的缓存队列中找出就绪任务，并存入协同控制器中的一个就绪任务队列Qr中，再将该队列中的就绪任务按照最迟完成时间升序排列存储；S3.从就绪任务队列Qr中取出队首任务tni；S4.协同控制器根据当前边缘计算网络构建由多个分量构成的环境状态向量，并对每个分量元素使用反余切函数进行归一化处理；S5.将归一化处理后的环境状态向量发送给协同控制器中的强化学习Agent；S6.从强化学习Agent中返回当前任务tni要分配到的目标计算设备m*；S7.计算目标计算设备m*能够执行任务tni的预计就绪时间Hm*；S8.计算任务tni的父任务最大数据到达时间和在目标计算设备m*上的预计开始时间其中S9.确定两个记录变量：任务tni在目标计算设备m*上父任务数据传输时间目标计算设备m*的处理器等待时间S10.计算任务tni在目标计算设备m*上的执行时间和预计完成时间其中S11.将任务tni分配调度到目标计算设备m*上，计算当前的奖励值Reward；S12.从就绪任务队列Qr中取出下一个队首任务，再依次执行步骤S4～S11，直到就绪任务队列Qr中所有就绪任务全部调度到设备上；S13.当任意一个边缘计算设备上有一个任务处理完成时，协同控制器从所有边缘计算设备的缓存队列中找出就绪任务，并存入协同控制器中的就绪任务队列Qr中，再将该队列中的就绪任务按照最迟完成时间升序排列存储，然后从就绪任务队列Qr中取出下一个队首任务，再依次执行步骤S4～S12，直到应用n的所有计算任务全部处理完毕，且没有新应用的卸载请求再次到达时结束。

全文数据：

权利要求：

百度查询： 湖南工学院 用于DAG移动任务的深度强化学习计算卸载方法