【技術實現步驟摘要】
本專利技術屬于通感算資源分配，具體涉及一種面向時間差異化的通感算資源分配方法。
技術介紹
1、隨著5g、物聯網(iot)、人工智能(ai)、邊緣計算和自動駕駛等技術的快速發展，現代網絡面臨的挑戰不斷增加。未來網絡的需求不僅僅是高速率和低延遲的通信，還需要能夠實時感知環境并進行智能計算與決策。iscc網絡的核心目標是將感知、通信和計算有機地結合在一起，形成一個協同的、智能化的網絡系統。這種網絡系統能夠實時收集和處理環境信息，同時對數據進行高效通信與計算，以支持更智能的應用場景。在有限的通信和計算資源下，如何動態地去處理感知、通信和計算任務，以達到網絡資源分配的最優。
2、然而，在iscc網絡場景中，目前的研究往往針對簡單的網絡結構和一致性的任務特征，未充分考慮時間差異化、深度不確定的多維網絡狀態。邊緣節點和任務流量快速增長，龐大的設備和數據量使得網絡狀態難以預測，甚至不可預測，帶來明顯的不確定性。自動駕駛、工業互聯網、智慧城市等應用有著不同的任務需求和時間分布特點，導致通信系統在通信和計算上具有較強的時間依賴性。所以深入研究不確定的網絡狀態和用戶任務時間依賴性，設計一種高效的資源分配方案，對iscc網絡有著重要意義。
3、深度強化學習(deep?reinforcement?learning，drl)將強化學習的決策能力與深度學習的特征提取能力結合在一起，能夠應對iscc多維、復雜的環境。然而，在未來高度動態化的iscc，用戶任務請求體現出來的時間依賴性導致傳統的深度學習提取網絡特征的效果差，進而整個網絡的資
技術實現思路
1、為解決上述問題，更加有效地處理時間差異化，本專利技術提供了一種面向時間差異化的通感算資源分配方法，包括以下步驟：
2、s1.構建時間差異化iscc系統模型，其包括基站、移動用戶和感知目標；
3、s2.基于時間差異化iscc系統模型，建立時變請求模型、服務緩存模型、通信模型、計算模型和感知模型；
4、s3.根據步驟s1-s2構建的各類模型，以網絡效用函數最大化為目標，在時延容忍約束和存儲容量約束下，建立一個包括服務緩存、任務卸載、頻譜資源、功率資源和算力資源的聯合優化問題；
5、s4.將聯合優化問題轉換為部分可觀測的馬爾可夫決策過程，將基站作為智能體，定義三元組{s,a,r}，s表示全局狀態空間，a表示全局動作空間集合，r表示獎勵函數；
6、s5.采用基于lstm的深度確定性策略梯度算法求解，包括：
7、s51.網絡建模：
8、構建actor網絡μ(s|θμ)和critic網絡q(s,a|θq)，θμ表示actor網絡參數，θq表示critic網絡參數；在actor網絡中加入lstm網絡，并采用ha(t)表示actor網絡時隙t的網絡狀態信息；在critic網絡中加入lstm網絡，并采用hc(t)表示critic網絡時隙t的網絡狀態信息；actor網絡對應有一個結構相同的actor目標網絡μ'，參數為θμ'；critic網絡對應有一個結構相同的critic目標網絡q'，參數為θq'；
9、s52.網絡更新：
10、根據噪聲ξ和當前策略μ(s(t),ha(t)|θμ)選擇動作a(t)，其中s(t)為當前時隙t的狀態；智能體執行動作a(t)得到獎勵r(t)和下一狀態s(t+1)；
11、最小化損失函數l(θq)更新critic網絡參數，最大化策略梯度更新actor網絡參數；
12、通過軟更新的方式更新actor目標網絡參數和critic目標網絡參數；
13、重復上述內容不斷更新，最終收斂得到最優方案。
14、本專利技術的有益效果：
15、本專利技術提出了一種面向時間差異化的iscc資源分配方法。在時延容忍、存儲容量等多維資源的約束下，考慮用戶時變的任務請求、資源受限等因素,建立了一個服務緩存、任務卸載、頻譜資源分配、功率資源分配、算力資源分配的聯合優化問題，旨在最大化iscc網絡的效用函數。最后將該優化問題轉化為馬爾科夫決策過程，并提出一種基于lstm的深度確定性策略梯度算法，利用lstm網絡捕獲歷史信息，智能體做出最優的決策。
本文檔來自技高網...【技術保護點】
1.一種面向時間差異化的通感算資源分配方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種面向時間差異化的通感算資源分配方法，其特征在于，在時間差異化ISCC系統模型中，包括一個配備有ISAC技術和MEC服務器的基站，K個移動用戶和Q個感知目標，記用戶集合感知目標集合時間差異化ISCC系統模型在離散時隙中運行，時間集合T表示一個時間周期內的時隙總數；定義時隙基站下移動用戶k產生的任務為d＝{d1,d2,dK}；其中dk∈d表示移動用戶在時隙t產生的任務，定義為dk＝{Dk(t),Ck(t),Xk,Fk}，Dk(t)表示移動用戶k在時隙t產生的任務的數據量大小，Ck(t)表示移動用戶k在時隙t產生的任務的最大容忍時延，Xk表示處理移動用戶k單位比特任務所需的CPU周期數，Fk表示處理移動用戶k產生的任務所需的服務；定義服務庫I表示服務數量。
3.根據權利要求2所述的一種面向時間差異化的通感算資源分配方法，其特征在于，基于時間差異化ISCC系統模型建立時變請求模型，假設在時間內，包含多個大的時間周期T，周期T內服務排名隨時間變化，變化區間設置為τ；在
4.根據權利要求2所述的一種面向時間差異化的通感算資源分配方法，其特征在于，基于時間差異化ISCC系統模型建立服務緩存模型，在服務緩存模型中定義基站在時隙t的服務緩存決策集合α(t)＝{α1(t),α2(t),...,αi(t),...,αI(t)}，其中二進制變量αi(t)∈{0,1}表示時隙t服務i是否緩存到基站的緩存策略，若αi(t)＝1，則表示服務i在時隙t被緩存于基站處；若αi(t)＝0，則表示服務i在時隙t未被緩存于基站處。
5.根據權利要求2所述的一種面向時間差異化的通感算資源分配方法，其特征在于，基于時間差異化ISCC系統模型建立通信模型，在通信模型中若移動用戶k所產生任務對應服務i，當基站處緩存有服務i時，任務直接被傳輸到基站處理，否則任務由基站轉發到云進行處理，具體定義如下：
6.根據權利要求2所述的一種面向時間差異化的通感算資源分配方法，其特征在于，基于時間差異化ISCC系統模型建立計算模型，在計算模型中定義時隙t的卸載策略集合表示移動用戶k在時隙t的任務卸載策略，表示移動用戶k將任務傳輸到基站進行處理的策略，若則表示移動用戶k將任務傳輸到基站進行處理，若則表示移動用戶k不將任務傳輸到基站進行處理；ψk(t)∈{0,1}表示移動用戶k將任務傳輸到云進行處理的策略，若ψk(t)＝1，則表示移動用戶k將任務傳輸到云進行處理，若ψk(t)＝0，則表示移動用戶k不將任務傳輸到云進行處理，
7.根據權利要求2所述的一種面向時間差異化的通感算資源分配方法，其特征在于，基于時間差異化ISCC系統模型建立感知模型，在感知模型中定義感知目標q的感知精度為
8.根據權利要求1所述的一種面向時間差異化的通感算資源分配方法，其特征在于，定義時間差異化ISCC系統模型的網絡效用函數u(t)為
9.根據權利要求1所述的一種面向時間差異化的通感算資源分配方法，其特征在于，步驟S4中定義三元組{s,a,r}，其中：
10.根據權利要求1所述的一種面向時間差異化的通感算資源分配方法，其特征在于，損失函數L(θQ)表示為
...【技術特征摘要】
1.一種面向時間差異化的通感算資源分配方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種面向時間差異化的通感算資源分配方法，其特征在于，在時間差異化iscc系統模型中，包括一個配備有isac技術和mec服務器的基站，k個移動用戶和q個感知目標，記用戶集合感知目標集合時間差異化iscc系統模型在離散時隙中運行，時間集合t表示一個時間周期內的時隙總數；定義時隙基站下移動用戶k產生的任務為d＝{d1,d2,dk}；其中dk∈d表示移動用戶在時隙t產生的任務，定義為dk＝{dk(t),ck(t),xk,fk}，dk(t)表示移動用戶k在時隙t產生的任務的數據量大小，ck(t)表示移動用戶k在時隙t產生的任務的最大容忍時延，xk表示處理移動用戶k單位比特任務所需的cpu周期數，fk表示處理移動用戶k產生的任務所需的服務；定義服務庫i表示服務數量。
3.根據權利要求2所述的一種面向時間差異化的通感算資源分配方法，其特征在于，基于時間差異化iscc系統模型建立時變請求模型，假設在時間內，包含多個大的時間周期t，周期t內服務排名隨時間變化，變化區間設置為τ；在周期t內有v種服務流行度，每種服務流行度在時間τ內保持不變，周期t內基站所有服務類型排名變化集合g＝{g1,g2,…,gv}，gv表示第v＝1,2,…,v種服務流行度，v表示服務流行度數量；定義表示基站下服務在第v種服務流行度中的排名；每個服務的流行度動態變化，且遵循zipf分布；定義基站下移動用戶k請求服務i的概率pi,k為：
4.根據權利要求2所述的一種面向時間差異化的通感算資源分配方法，其特征在于，基于時間差異化iscc系統模型建立服務緩存模型，在服務緩存模型中定義基站在時隙t的服務緩存決策集合α(t)＝{α1(t),α2(t),...,αi(t),......
【專利技術屬性】
技術研發人員：李云，許茂梅，夏士超，梁吉申，吳廣富，
申請(專利權)人：重慶郵電大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。