公开(公告)号：CN114661466B

公开(公告)日：2024-07-12

申请号：CN202210275145.7

申请日：2022-03-21

Applicant: 东南大学

Inventor： 东方 ,  阮文龙 ,  沈典 ,  张竞慧

IPC: G06F9/50 ,  G06N3/092 ,  G06N3/045 ,  H04L67/10

Abstract: 本发明公开了一种用于边缘计算环境中面向智能工作流应用的任务卸载方法，首先针对边缘系统构建边缘环境模型，并将每个终端需要执行的工作流刻画成有向无环图(DAG)；然后对终端需要执行的智能工作流任务构建任务卸载模型，根据基于拓扑排序的平均执行时间计算方法将DAG序列化；之后根据终端的优化目标定义最大化用户体验(QoE)问题，其中用户体验由任务执行延时以及执行智能任务所使用的模型精度决定。最后基于多智能体强化学习对DAG任务卸载的优化问题进行求解，并将网络的输出结果作为DAG中子任务的卸载决策。本发明考虑了终端卸载的理性决策以及多终端之间的资源竞争，很大程度地提升终端执行智能工作流任务的用户体验。

公开(公告)号：CN114661466A

公开(公告)日：2022-06-24

申请号：CN202210275145.7

申请日：2022-03-21

Applicant: 东南大学

Inventor： 东方 ,  阮文龙 ,  沈典 ,  张竞慧

IPC: G06F9/50 ,  G06N3/08 ,  H04L67/10

Abstract: 本发明公开了一种用于边缘计算环境中面向智能工作流应用的任务卸载方法，首先针对边缘系统构建边缘环境模型，并将每个终端需要执行的工作流刻画成有向无环图(DAG)；然后对终端需要执行的智能工作流任务构建任务卸载模型，根据基于拓扑排序的平均执行时间计算方法将DAG序列化；之后根据终端的优化目标定义最大化用户体验(QoE)问题，其中用户体验由任务执行延时以及执行智能任务所使用的模型精度决定。最后基于多智能体强化学习对DAG任务卸载的优化问题进行求解，并将网络的输出结果作为DAG中子任务的卸载决策。本发明考虑了终端卸载的理性决策以及多终端之间的资源竞争，很大程度地提升终端执行智能工作流任务的用户体验。