【技術實現步驟摘要】
本專利技術涉及天空地一體化網絡中人工智能和無線通信，特別是一種基于次模優化的空天地一體化網絡推理效率優化方法。
技術介紹
1、第五代(5g)移動通信網絡旨在支持增強移動寬帶(embb)、大規模機器類型通信(mmtc)和超可靠低延遲通信(urllc)。隨著5g技術的商業化，研究界已將目光轉向第六代(6g)網絡，預計6g網絡將提供無處不在的覆蓋和隨時隨地超寬帶接入，這對于未來的物聯網(iot)、偏遠地區覆蓋、緊急通信和生態遠程感知等應用至關重要。然而，當前的5g網絡架構不足以支持這些先進服務，特別是對無處不在的超寬帶接入、人工智能服務以及眾多物聯網應用的需求。應對這一挑戰，天空地一體化網絡(sagin)作為一種有前景的架構，能夠滿足這些服務和應用需求。與此同時，人工智能(ai)技術的快速發展導致了模型推理需求的激增。ai以其模擬和擴展人類智能的能力，成為了新技術和工業革命的動力。在6g網絡的背景下，ai應用正準備變得普及，并且隨著ai技術的發展，人們對模型推理的需求持續增長。盡管sagin具有巨大潛力，但關于該網絡內的協同推理研究仍處于起步階段。sagin中的資源分配對于高效完成推理任務至關重要，這些任務的特點是在有限的資源和時間內需要高質量完成。
技術實現思路
1、專利技術目的：提供一種基于次模優化的空天地一體化網絡推理效率優化方法，以解決現有技術存在的sagin網絡內的協同推理研究仍處于起步階段，但無法進行有限的資源和時間內需要高質量完成任務。
2、本專利技術提供一種基
3、s1、搭建對所述空天地一體化網絡進行推理的邊緣合作推理系統，其中，所述空天地一體化網絡中包括車輛、無人機、衛星以及基站，所述邊緣合作推理系統基于所述空天地一體化網絡中的車輛、無人機、衛星以及基站進行搭建，對于所述車輛上的推理任務提出數種合作模式，得出不同所述合作模式下推理任務的推理時延；
4、s2、基于所述邊緣合作推理系統，構建所述邊緣合作推理系統的資源分配模型以及終端關聯模型，得出不同所述分配模式下所述車輛所經歷的總時延；
5、s3、構建所述邊緣合作推理系統的資源分配模型，并提出目標函數以及約束條件，其中所述目標函數定義為：
6、
7、其中w表示任務卸載決策變量，i表示模型分割決策變量，z表示資源分配決策變量，tj表示車j所經歷的總時延；
8、所述約束條件為計算資源的限制和無人機，衛星以及基站能關聯的車輛數量限制；
9、s4、將所述優化問題分解為子問題p1和子問題p2，即聯合終端關聯及資源分配問題和模型分割問題，所述聯合終端關聯及資源分配問題提出了基于次模優化的低復雜度關聯策略，所述模型分割問題通過遍歷搜索確定最佳拆分點求解，對所述聯合終端關聯及資源分配問題和所述模型分割問題交替求解直至得到最優的推理效率優化策略。
10、優選的，所述s1步驟具體為：
11、s11、在所述邊緣合作推理系統，包括所述車輛，所述無人機，所述衛星，所述基站以及所述車輛上的推理任務，獲取所述車輛，所述無人機，所述衛星，所述基站的數據以及神經網絡參數；
12、所述s11步驟具體為：所述邊緣合作推理系統內有j輛車，所述車輛的索引定義為j∈{1,2,…,j}，所述基站包括u個基站，所述基站的索引定義為u∈{1,2,…,u},所述邊緣合作推理系統內有k個無人機，所述無人機的索引定義為k∈{1,2,…,k},以及一顆衛星s；在所述邊緣合作推理系統內網絡中的每個車輛都有一個推理任務aj要執行,地面車輛通過無線信道與通信范圍內的基站，無人機或衛星進行合作推理；所述基站分配n個計算單元以執行地面所述車輛的任務，其計算單元的索引為n∈{1,2,…,n}；所述無人機分配l個計算單元以執行地面所述車輛的任務，其計算單元的索引為l∈{1,2,…,l}；所述衛星分配m個計算單元以執行地面所述車輛的任務，其計算單元的索引為m∈{1,2,…,m}；推理任務中神經網絡層的索引為i∈{0,1,2,…,i}，i是神經網絡的總層數；
13、s12、構建任務卸載決策變量，所述任務卸載決策變量表示所述車輛的推理任務在本地完成或者與其他終端，服務器進行合作推理；
14、所述s12步驟具體為：
15、所述車輛j∈j決定在本地執行其推理任務，定義為任務卸載決策；所述車輛j在本地完成其推理任務aj，則否則考慮所述車輛本身的推理性能不足，所述車輛j∈j與基站u∈u合作完成推理任務；
16、定義為任務卸載決策，所述車輛j和所述基站u合作完成推理任務，則否則若定義此時所述車輛j與所述基站u之間的模型分割點為
17、所述車輛j考慮推理任務是否分配給uav，所述uav指無人機，定義為任務卸載決策，所述車輛j和所述uav?k合作完成推理任務，則否則定義所述車輛j與所述uav?k之間的模型的分割點為
18、在從所述uav?k相關聯的車輛接收到卸載的合作推理任務后，所述uav?k決定在所述uav?k本地處理任務，或者根據所述uav?k可用的計算能力將所述uav?k卸載到所述衛星；定義為終端關聯策略，所述車輛j通過所述無人機k中繼和所述衛星s合作完成推理任務，則否則定義此時的模型的分割點為
19、s13、構建資源分配決策變量，所述資源分配決策變量表示所述無人機，所述衛星，所述基站上的計算單元被分配給所述車輛的推理任務；
20、所述s13步驟具體為：
21、定義為計算單元分配決策變量，在所述基站u上的計算單元n被分配給所述車輛j,則否則
22、定義為計算單元分配決策變量，在所述uav?k上的計算單元l被分配給所述車輛j,則否則
23、定義為計算單元分配決策變量，在所述衛星s上的計算單元m被分配給所述車輛j,則否則
24、s14、所述車輛，所述無人機，所述衛星，所述基站的數據以及所述神經網絡參數，基于任務卸載決策變量以及資源分配決策變量，計算邊緣合作推理通信系統中不同分配模式下所述車輛j上的推理任務的卸載等待時延；
25、所述車輛j到所述基站u的通信速率為則在所述模型分割點處所述車輛j將部分推理任務卸載給基站u的卸載傳輸時間為其中，為模型第層的輸出；
26、所述車輛j到所述uav?k的通信速率為所述車輛j在所述模型分割點處將部分推理任務卸載給所述uav?k時所經歷的傳輸延遲為其中，為模型第層的輸出。
27、優選的，所述s2步驟具體為：
28、基于所述資源分配決策變量，所述任務卸載決策變量，所述車輛，所述無人機，所述衛星，所述基站的數據以及所述神經網絡參數，計算所述邊緣合作推理系統中不同分配模式下所述車輛所經歷的總時延；
29、所述車輛j決定在本地執行其推理任務，即則所述車輛j完成推理任務所經歷的總延遲為：
30、
31、其中ξj是車本文檔來自技高網...
【技術保護點】
1.一種基于次模優化的空天地一體化網絡推理效率優化方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于次模優化的空天地一體化網絡推理效率優化方法，其特征在于，所述S1步驟具體為：
3.根據權利要求1所述的一種基于次模優化的空天地一體化網絡推理效率優化方法，其特征在于，所述S2步驟具體為：
4.根據權利要求1所述的一種基于次模優化的空天地一體化網絡推理效率優化方法，其特征在于，所述S3步驟具體為：
5.根據權利要求1所述的一種基于次模優化的空天地一體化網絡推理效率優化方法，其特征在于，所述S4步驟具體為：
【技術特征摘要】
1.一種基于次模優化的空天地一體化網絡推理效率優化方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于次模優化的空天地一體化網絡推理效率優化方法，其特征在于，所述s1步驟具體為：
3.根據權利要求1所述的一種基于次模優化的空天地一體化網絡推理效率優...
【專利技術屬性】
技術研發人員：趙海濤，黃蘇堯，徐波，唐貴進，王信人，王齡瑤，胡志翔，孫金龍，
申請(專利權)人：南京郵電大學，
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。