公开(公告)号：CN117495043A

公开(公告)日：2024-02-02

申请号：CN202311607212.1

申请日：2023-11-29

Applicant: 河南科技大学

Inventor： 郑瑞娟 ,  张茉莉 ,  王琳 ,  冀治航 ,  张明川 ,  吴庆涛 ,  张玉珍

IPC: G06Q10/0631 ,  G06Q50/06 ,  G06F30/20 ,  G06F111/04

Abstract: 涉及计算机科学中组合优化领域的一种基于贪婪思想的最小成本电网任务调度方法，包含以下步骤：S1、建立电网分区系统模型，每个分区包含一个边缘服务器和若干电力终端，每个电力终端均具有两种调度模式；S2、分析任务队列中每个时隙内，两种调度模式下能够处理的任务量以及能耗，得到约束条件下，优化任务总计算成本最小化的目标数学模型；S3、引入李雅普诺夫优化理论，构造李雅普诺夫漂移加惩罚函数，把长期优化的问题转化为单个独立时隙内的确定子问题；S4、引入贪心算法对该确定子问题进行求解，得出最优调度方法；该任务调度方法能够在保证系统稳定的前提下，尽可能最小化处理每单位数据量所消耗的能量，以提高电力能源的利用率。

公开(公告)号：CN118740835A

公开(公告)日：2024-10-01

申请号：CN202410926128.4

申请日：2024-07-11

Applicant: 河南科技大学

Inventor： 郑瑞娟 ,  张玉珍 ,  赵旭辉 ,  朱军龙 ,  刘铭 ,  刘牧华 ,  吴庆涛

IPC: H04L67/10 ,  G06F9/50 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/092

Abstract: 本发明涉及计算机科学中组合优化技术领域的一种基于强化学习的云边计算任务调度方法，建立了服务器队列和任务队列，基于云边计算任务调度优化目标建立系统模型，构建基于注意力机制的LSTM网络模型架构，根据不同任务的注意力权重，输出资源分配的概率分布，接着采用改进后的A3C‑IW强化学习算法，使用异步策略梯度方法，得到任务调度决策。定义强化学习每一步的奖励回报函数R，针对不同的奖励回报的任务调度策略，得到最优计算任务调度策略。本发明通过使用强化学习有效平衡了云边系统资源利用率和服务质量，最小化响应时间、能耗，能更好适应云边协同环境下的计算任务调度。