CN119759585A 面向依赖子任务的移动边缘计算任务调度系统及方法_第1页
CN119759585A 面向依赖子任务的移动边缘计算任务调度系统及方法_第2页
CN119759585A 面向依赖子任务的移动边缘计算任务调度系统及方法_第3页
CN119759585A 面向依赖子任务的移动边缘计算任务调度系统及方法_第4页
CN119759585A 面向依赖子任务的移动边缘计算任务调度系统及方法_第5页
已阅读5页，还剩44页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(10)申请公布号CN119759585A公司21109(54)发明名称23步骤4.1:卸载调度模块一方面接收来自网络训练模块45679附图说明每一步时关注源序列的不同部分，即编码器的输入序列，因此可以有效的缓解由原始符号说明E期望值从t;发送或接受的数据量上行和下行传输速率每个UE、MEC主机的计算能力上行信道、MEC主机、下行信道和UD上任务t;的延迟上行信道、MEC主机、下行信道和UD上任务t;的完成时间上行信道MEC主机、下行信道和UD上任务t₁的资源可用时间任务A1:n的计算卸载计划序列编码器和解码器函数时间步i处编码器和解码器的输出时间步i处的上下文向量学习任务的优化函数(Adam)[0039]形式上，本实施例中将物联网应用建模为DAG,G=(T,E),其中顶点集CN119759585A的概率。因此，可以通过在每个π(a;|G(T,E),A1:-1)上应用概率链规则来获得：π(A1:m|G(T,E))=Ⅱ”=1π(a;|G(子任务卸载策略序列可以通过seq2seq神经网络进行推理，其中动作a;由Algorithm:TheroleofeaN:numberofsteps,μ:theactor'slocalpolicy,EBB:experiencebatchbuffer,appsQ:Queueofall4:ifflag-init=Truethen:sequenceG=Pre-scheduling(G)%basedon6:endif8:ai=PlacementEngine(si,9:Ti=TaskCostCalculator(si,ai)%basedonEBcritic:ExperiencebatcMB:masterbuffer,RB:replaybuffer,RBS:replaybuffersize,TB:trainingbatch,TBS:training2:whileflag-init=Fals3:ifTBS≤MBS+RBSflag-training=TrueMB,RB)4:endif6:OptimizeModel(TB)%based停止训练。[0069]表2:网络参数含义表：超参数值超参数值Encoder层数2Encoder层类型Encoder层归一化Decoder层数2Decoder层归一化学习率β学习率α优化函数优化函数折扣因子γ优化函数损失系数c₁[0078]第三个实验中，本实施例中选择了不同的传输速率做比较。此时固定任务数传输速率可以加快网络的训练，以更快的达到收敛。例如当上下行传输速率本地处理模块结果输出模块解码器上下文2223MEC服务器编码器解码器决策序列经验元组更新本地策略(π)批评家模型优化模型批评家网络经验批次动作经验批次缓演员网络重放缓冲区状态演员模型预处理825-平均时间延迟25平均时间延迟单位：轮次单位：单位：ms平均时间延迟单位：轮次平均时间延迟各轮次的平均延迟时间各轮次的平均延迟时间平均时间延迟单位：轮次68平均时间延迟

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论