CN119497154A 一种工业数字孪生边缘网络多设备协同任务的资源分配方法 （中国矿业大学）

一种工业数字孪生边缘网络多设备协同任本发明公开了一种工业数字孪生边缘网络现有大多数任务卸载和资源分配方案难以直接2在所述物理实体层建立包括多设备协同任务模型、感知模型基于所述综合体系，在所述数字孪生层基于感知资源偏差、计算2.根据权利要求1所述的工业数字孪生边缘网络多设备协同任务的资源分配方法，其所述数字孪生层由物理实体的数字孪生体以及整个无线通信环境的镜3.根据权利要求2所述的工业数字孪生边缘网络多设备协同任务的资源分配方法，其4.根据权利要求1所述的工业数字孪生边缘网络多设备协同任务的资源分配方法，其5.根据权利要求1所述的工业数字孪生边缘网络多设备协同任务的资源分配方法，其MTTmax表示ME3C计算单位数据所需的CPU周期数以及任务6.根据权利要求1所述的工业数字孪生边缘网络多设备协同任务的资源分配方法，其3k为传感器k的感知偏差；7.根据权利要求1所述的工业数字孪生边缘网络多设备协同任务的资源分配方法，其8.根据权利要求1所述的工业数字孪生边缘网络多设备协同任务的资源分配方法，其基于四个子问题的求解，结合内部凸近似方法和拉9.根据权利要求8所述的工业数字孪生边缘网络多设备协同任务的资源分配方法，其10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1_9任一项所述的工业数字孪生4[0003]尽管现有技术在IIoT中通过MEC和DITEN取得了一定的进分考虑到IIoT场景下多设备数据协同的需求，多设备协同任务(Multi_5CMT和Tmax表示ME3C计算单位数据所需的CPU周期数以及任[0040]基于四个子问题的求解，结合内部凸近似方法和拉格朗日对偶法的交替优化算6[0045]本发明提供了一种工业数字孪生边缘网络多设备协同任务的资源分配方法，包传统的本地独立任务在形成和执行逻辑上有所不同。本发明特别为这类多设备协同任务7[0062]具体地，如图1，本实施例在IIoT场景中构建数字孪生边缘网络(DITEN)系统，个执行器分别用集合K-f1,…,K)和M=f1,…,M)表示。由于信道的时变性及干扰等因素，DT模型与其物理实体之间不可避免地会出现数据偏差，[0076]其中STME3C表示ME3C的实时状态数据(CPU计算频率、任务生成状态)，DSME3C表示8其中表示所有数据项[0089](1)上行传输。表示传感器k与ME3C通信时分配的带宽。表示传感器k和ME3C之间的信道增益，其中β0表示参考距离d0处9表示传感器k发送到ME3C的数据量大小。因此从ME3C到执行器m的下时预处理后的数据需要等待一段时间才能传输。图3中的(b)情况2表示原始数据卸载时延[0129]本实施例考虑了MDC任务从发起到结果下载的七个阶段。由于时延构成复杂且存算频率f＝{fk}和发射功率上行带宽ME3C分配的发射功率p＝{pm}以及下行为四个的独立子问题，然后利用内部凸近似方法(ICA)和拉格朗日对偶法(LD)将非凸问题upup即满足同样的，也要保证所有执行器在时长τdown内完[0139]该子问题通过固定来寻找下一个最优的本地计算通信资源V.D,可以[0141]SP1中约束(26c)和(24c)为非凸约束，下面利用ICA方法将SP1转化为凸问题。其",进而将(28)和(29)简化为：y-i,-",j-i"可以迭代的将(33a)表示为如下凸约束：[0165]问题SP3是一个所有约束均为线性约束的问题，可以很容易的利用线性规划方法mm}≥00,pm＞0均为问题的m})关于变量{μm＞0}，[0184]η>0和γ>0的次梯度分别为和当得到对偶问题的最优解η*和γ*后，则式(45)得到的就是原问题SP4的最优解。[0194]基于四个子问题的求解，提出了一种基于内部凸近似方法(ICA)和拉格朗日对偶[0203](3)无预处理方案：该方案数据全部卸载至ME3C，用来研究卸载策略对时延的影[0204]图4展示了传输带宽对端到端时延的影响。本实施例采取的联合优化方案与其他[0207]图7展示了四种方案在传感器数量不同时的性能表现。传感器数