一種智能產線管控云邊端體系資源協同方法技術

本發明專利技術公開了一種智能產線管控云邊端體系資源協同方法，屬于云邊端技術領域，通過結合經濟模型和優化方法，使得邊緣服務器和終端設備之間合作良好，具體內容如下：(1)智能產線管控云邊端體系的資源定價和交易模型，利用經濟原理和資金定價的方式來動態量化邊緣服務器的資源；(2)基于多臂老虎機強化學習方法的終端周期性任務卸載方法，利用強化學習來優化周期性任務卸載所需的資源配置；(3)基于Stackelberg博弈的資源協同方法，以系統整體的利益最大化為目標，來達到優化系統整體資源利用率的目的，本發明專利技術采用上述方法，針對智能產線管控的云邊端系統，使得終端設備卸載的任務能在規定的運行時間內最小化運行成本。務能在規定的運行時間內最小化運行成本。務能在規定的運行時間內最小化運行成本。

【技術實現步驟摘要】
一種智能產線管控云邊端體系資源協同方法


[0001]本專利技術涉及云邊端
，尤其是涉及一種智能產線管控云邊端體系資源協同方法。

技術介紹

[0002]隨著5G網絡和物聯網等關鍵技術的成熟，工業物聯網云計算已經由傳統的云平臺計算模式轉向“云端+邊緣“的邊緣計算模式。產線管控系統作為工業物聯網的一種特殊場景，具有跨地域、長流程、設施異構、設施資源多樣等特點，這些特點增加了產線上邊端設施資源調度的難度，容易造成設施資源分配不均、資源利用率低等問題。另外，邊緣設備的資源數量往往有限，不合理的資源調度策略會造成產線終端設備無法及時獲取足夠的資源，進而影響產線任務的實時性和產線生產效率。因此針對產線管控系統，需要設計一種合理的云邊端體系資源協同方法，對產線管控物聯網中的云、邊、端中的資源分配和任務卸載進行優化，從而有效提高產線設備資源的利用率，降低產線管控系統的任務時延。

技術實現思路

[0003]本專利技術的目的是提供一種智能產線管控云邊端體系資源協同方法，針對智能產線管控的云邊端系統，首先在邊緣服務器和終端設備之間建立基于資源定價和交易的資源協同模型，用于驅動和激勵邊緣服務器和終端設備的資源調度；對于產線上終端設備待卸載的特定的周期性任務，利用基于多臂老虎機的強化學習方法來選擇最佳的資源調度配置方案，使得任務能在規定的運行時間內最小化運行成本
[0004]為實現上述目的，本專利技術提供了一種智能產線管控云邊端體系資源協同方法，包括以下步驟：
[0005]S1：將產線環境中的邊緣服務器視為服務提供商，記作E＝{E1,E2,
…
,E
n
}，將產線上的終端設備視為用戶，記作U＝{U1,U2,
…
,U
m
}，終端服務器擁有足夠數量的資金；每次將終端設備U
i
在邊緣服務器E
j
上的一次任務卸載過程視為一次資源消費過程，每個邊緣服務器均持有有限的k種資源R＝{R1,R2,
…
,R
k
}，每種資源R
i
的剩余可用數量記為A
i
，定義r＝(r1,r2,
…
,r
k
)代表一個資源配置方案，其中，r
i
代表使用第i種資源的數量，r
i
的取值范圍是0≤r
i
≤A
i
；
[0006]S2：邊緣服務器設定初始資源價格方案
[0007]S3：終端設備設定任務卸載的初始資源配置r
(1)
；
[0008]S4：在第t輪任務卸載前，終端設備從邊緣服務器獲取當前所有邊緣服務器的資源價格方案終端設備對每個邊緣服務器均使用多臂老虎機強化學習方法來獲取任務卸載的最佳資源配置，從所有的最佳資源配置中，選取全局最優資源配置；
[0009]S5：終端按照全局最優資源配置執行任務卸載，邊緣服務器執行終端任務；
[0010]S6：邊緣服務器E
i
記錄所有卸載到自身的終端設備的資源配置方案，并根據終端資源使用量生成新一輪的資源定價方案
[0011]S7：基于Stackelberg博弈實現邊緣和終端設備的資源協同過程，重復步驟S4到步驟S6，邊緣服務器作為領導者，終端設備作為追隨者。
[0012]優選的，所述步驟S4中，終端設備選取全局最優資源具體過程如下：
[0013]S41：定義最佳資源配置的公式如下：
[0014][0015]設置目標優化函數為Ω(r)＝p(r)
·
t(r)，約束條件公式為其中，p(r)為邊緣服務器提供的資源配置r的單位時間定價，t(r)為任務在r下的運行時間，為全體可選資源配置集，T為任務的最大可容忍運行時限；
[0016]S42：調整目標優化函數的格式：
[0017]令f(r)＝1/t(r)表示任務的運行速率，則多臂老虎機的目標優化函數的公式如下：
[0018][0019]則優化后的最佳資源配置的公式如下：
[0020][0021]S43：邊緣服務器上的全體資源配置集是是有限集合，其中表示取值范圍0到R
i
的整數，每個資源配置均是一個多維整數向量，終端設備初始選擇所述步驟S3中的初始資源配置r
(1)
；
[0022]S44：每個資源配置均定義為老虎機的一只“臂”，使用多輪迭代的方式選出最優的“臂”；
[0023]S45：在第i輪迭代過程中(i＝1,2,3,
…
)，終端設備使用資源配置r
(i)
向邊緣服務器卸載任務，得到任務的運行速率公式如下：
[0024]y
(i)
＝f(r
(i)
)+∈
(i)
[0025]上式中，y
(i)
是實際觀測到的任務執行時間，∈
(i)
是觀測干擾項，∈
(i)
～N(0,σ2)為服從正態分布的干擾項；
[0026]S46：基于高斯過程
?
置信上界區間的原理對下一輪迭代資源配置進行計算，過程如下：
[0027]定義任務的運行速率函數f(r)是高斯過程GP(m(r),k(r,r'))的采樣，其中m(r)為f(r)的均值函數，k(r,r')為f(r)和f(r')的協方差，即任意的有限子集均服從聯合正態分布N(m(r),k(r,r'))；
[0028]在第t輪迭代后，使用資源配置{r
(1)
,r
(2)
,
…
,r
(t)
}以及帶噪音的采樣{y
(1)
,y
(2)
,
…
,y
(t)
}，能夠得到f的后驗分布服從正態分布，對于任意r,f(r)期望函數、協方
差函數和方差函數的公式如下：
[0029]m
(t)
(r)＝(k
(t)
(r))
T
(K
(t)
+σ2I)
?1y
(t)
[0030]k
(t)
(r,r')＝k(r,r')
?
(k
(t)
(r))
T
(K
(t)
+σ2I)
?1k
(t)
(r')
[0031](σ
(t)
)2(r)＝k
t
(r,r)
[0032]上式中，k
(t)
(r)與K
(t)
的公式如下：
[0033]k
(t)
(r)＝[k(r
(1)
,r),k(r
(2)
,r),
…
,k(r
(t)
,r)]T...

【技術保護點】

【技術特征摘要】
1.一種智能產線管控云邊端體系資源協同方法，其特征在于，包括以下步驟：S1：將產線環境中的邊緣服務器視為服務提供商，記作E＝{E1,E2,
…
,E
n
}，將產線上的終端設備視為用戶，記作U＝{U1,U2,
…
,U
m
}，終端服務器擁有足夠數量的資金；每次將終端設備U
i
在邊緣服務器E
j
上的一次任務卸載過程視為一次資源消費過程，每個邊緣服務器均持有有限的k種資源R＝{R1,R2,
…
,R
k
}，每種資源R
i
的剩余可用數量記為A
i
，定義r＝(r1,r2,
…
,r
k
)代表一個資源配置方案，其中，r
i
代表使用第i種資源的數量，r
i
的取值范圍是0≤r
i
≤A
i
；S2：邊緣服務器設定初始資源價格方案S3：終端設備設定任務卸載的初始資源配置r
(1)
；S4：在第t輪任務卸載前，終端設備從邊緣服務器獲取當前所有邊緣服務器的資源價格方案終端設備對每個邊緣服務器均使用多臂老虎機強化學習方法來獲取任務卸載的最佳資源配置，從所有的最佳資源配置中，選取全局最優資源配置；S5：終端按照全局最優資源配置執行任務卸載，邊緣服務器執行終端任務；S6：邊緣服務器E
i
記錄所有卸載到自身的終端設備的資源配置方案，并根據終端資源使用量生成新一輪的資源定價方案S7：基于Stackelberg博弈實現邊緣和終端設備的資源協同過程，重復步驟S4到步驟S6，邊緣服務器作為領導者，終端設備作為追隨者。2.根據權利要求1所述的一種智能產線管控云邊端體系資源協同方法，其特征在于：所述步驟S4中，終端設備選取全局最優資源具體過程如下：S41：定義最佳資源配置的公式如下：設置目標優化函數為Ω(r)＝p(r)
·
t(r)，約束條件公式為其中，p(r)為邊緣服務器提供的資源配置r的單位時間定價，t(r)為任務在r下的運行時間，為全體可選資源配置集，T為任務的最大可容忍運行時限；S42：調整目標優化函數的格式：令f(r)＝1/t(r)表示任務的運行速率，則多臂老虎機的目標優化函數的公式如下：則優化后的最佳資源配置的公式如下：S43：邊緣服務器上的全體資源配置集是是有限集合，其中表示取值范圍0到R
i
的整數，每個資源配置均是一個多維整數向量，終端設備初始選擇所述步驟S3中的初始資源配置r
(1)
；
S44：每個資源配置均定義為老虎機的一只“臂”，使用多輪迭代的方式選出最優的“臂”；S45：在第i輪迭代過程中(i＝1,2,3,
…
)，終端設備使用資源配置r
(i)
向邊緣服務器卸載任務，得到任務的運行速率公式如下：y
(i)
＝f(r
(i)
)+∈
(i)
上式中，y
(i)
是實際觀測到的任務執行時間，∈
(i)
是觀測干擾項，∈
(i)
～N(0,σ2)為服從正態分布的干擾項；S46：基于高斯過程
?
置信上界區間的原理對下一輪迭代資源配置進行計算，過程如下：定義任務的運行速率函數f(r)是高斯過程GP(m(r),k(r,r'))的采樣，其中m(r)為f(r)的均值函數，k(r,r')為f(r)和f(r')的協方差，即任意的有限子集均服從聯合正態分布N(m(r),k(r,r'))；在第t輪迭代后，使用資源配置{r
(1)
,r
(2)
,
…
,r
(t)
}以及帶噪音的采樣{y
(1)
,y
(2)
,
…
,y
(t)
}，能夠得到f的后驗分布服從正態分布，對于任意f(r)期望函數、協方差函數和方差函數的公式如下：m
(t)
(r)＝(k
(t)
(r))
T
...

【專利技術屬性】
技術研發人員：崔冬航，李榮華，秦宏超，王國仁，
申請(專利權)人：北京理工大學，
類型：發明
國別省市：