-
公开(公告)号:CN116866353B
公开(公告)日:2025-03-18
申请号:CN202310851893.X
申请日:2023-07-12
Applicant: 北京交通大学
IPC: H04L67/1012 , H04L67/1023 , H04L67/1008 , H04L67/1025 , G06F9/50 , G06F9/445
Abstract: 本发明提供了一种通算融合的分布式资源协同调度方法、装置、设备及介质,包括:获取与通算融合的网络场景对应的分布式计算卸载通信模型与分布式计算卸载计算模型;基于所述分布式计算卸载通信模型与分布式计算卸载计算模型确定分布式算力负载均衡模型;根据所述分布式算力负载均衡模型将算力协同调度过程建模为马尔可夫决策过程;利用预设的分布式算力调度算法对所述马尔可夫决策过程进行求解,获得卸载服务策略;其中,所述预设的分布式算力调度算法为基于MADDPG的分布式算力调度算法。本发明能够在保证用户体验的条件下,维持网络中的节点负载均衡,有一定的有效性和可拓展性。
-
公开(公告)号:CN117608821A
公开(公告)日:2024-02-27
申请号:CN202311386125.8
申请日:2023-10-24
Applicant: 北京交通大学
IPC: G06F9/50 , G06N3/045 , G06N3/08 , H04W28/08 , H04W28/084
Abstract: 本发明涉及工业物联网技术领域,公开了一种确定计算任务卸载策略的方法、装置、设备及介质,该方法包括:获取计算任务,其中,计算任务包含预设数量个子任务;根据计算任务,获取智算融合网络系统的系统状态,其中,智算融合网络系统用于处理计算任务;将系统状态输入目标神经网络,得到每个子任务的候选卸载位置的回报值,其中,候选卸载位置包含于智算融合网络系统;根据回报值,生成计算任务中每个子任务的目标卸载策略,其中,目标卸载策略用于确定子任务的目标卸载位置。本发明解决了无法确定能够处理各类计算任务的卸载策略,无法确定最优卸载位置并进行算力资源协同分配的问题。
-
公开(公告)号:CN116866353A
公开(公告)日:2023-10-10
申请号:CN202310851893.X
申请日:2023-07-12
Applicant: 北京交通大学
IPC: H04L67/1012 , H04L67/1023 , H04L67/1008 , H04L67/1025 , G06F9/50 , G06F9/445
Abstract: 本发明提供了一种通算融合的分布式资源协同调度方法、装置、设备及介质,包括:获取与通算融合的网络场景对应的分布式计算卸载通信模型与分布式计算卸载计算模型;基于所述分布式计算卸载通信模型与分布式计算卸载计算模型确定分布式算力负载均衡模型;根据所述分布式算力负载均衡模型将算力协同调度过程建模为马尔可夫决策过程;利用预设的分布式算力调度算法对所述马尔可夫决策过程进行求解,获得卸载服务策略;其中,所述预设的分布式算力调度算法为基于MADDPG的分布式算力调度算法。本发明能够在保证用户体验的条件下,维持网络中的节点负载均衡,有一定的有效性和可拓展性。
-
-