公开(公告)号：CN118113367A

公开(公告)日：2024-05-31

申请号：CN202410074605.9

申请日：2024-01-18

申请人： 天津大学

发明人： 王晓飞 ,  黄康 ,  仇超 ,  侯晨璇

IPC分类号： G06F9/445 ,  G06F9/50 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/092

摘要： 本发明公开了一种基于超图分区的算力网络任务卸载的方法，属于算力网络任务卸载技术领域，包括以下步骤：步骤1、为任务卸载系统的任务建立超图表征模型；步骤2、建立任务卸载系统中的时延和能耗计算模型；步骤3、建立时延和能耗计算模型的优化目标；步骤4、使用基于超图分区和双层注意力机制的深度强化学习方法在任务卸载系统中学习，训练任务卸载预测网络。本发明提供了一种基于超图分区的算力网络任务卸载的方法，引入了超图来表征细粒度的异构任务和异构资源，并基于超图的深度强化学习解决了任务卸载中的能耗问题。

公开(公告)号：CN118113367B

公开(公告)日：2024-11-01

申请号：CN202410074605.9

申请日：2024-01-18

申请人： 天津大学

发明人： 王晓飞 ,  黄康 ,  仇超 ,  侯晨璇

IPC分类号： G06F9/445 ,  G06F9/50 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/092

摘要： 本发明公开了一种基于超图分区的算力网络任务卸载的方法，属于算力网络任务卸载技术领域，包括以下步骤：步骤1、为任务卸载系统的任务建立超图表征模型；步骤2、建立任务卸载系统中的时延和能耗计算模型；步骤3、建立时延和能耗计算模型的优化目标；步骤4、使用基于超图分区和双层注意力机制的深度强化学习方法在任务卸载系统中学习，训练任务卸载预测网络。本发明提供了一种基于超图分区的算力网络任务卸载的方法，引入了超图来表征细粒度的异构任务和异构资源，并基于超图的深度强化学习解决了任务卸载中的能耗问题。

公开(公告)号：CN118885224A

公开(公告)日：2024-11-01

申请号：CN202410871727.0

申请日：2024-07-01

申请人： 天津大学

发明人： 仇超 ,  王成伟 ,  黄康 ,  侯晨璇 ,  王晓飞

IPC分类号： G06F9/445 ,  G06F9/50 ,  G06N5/01 ,  G06N3/092

摘要： 本发明提供了一种好奇心驱动的超图分区卸载算法，包括对依赖型任务卸载环境建模，并对建模好的依赖型任务卸载环境设置优化目标和约束条件，依赖型任务卸载环境在依赖型任务场景下构建；将用户侧的任务建立为有向无环图DAG并转换成超图，使用超图分区算法将任务根据自身属性划分到不同的分区进行卸载；对依赖型任务卸载决策过程进行建模，利用好奇心模块提供的内在奖励信号引导近端策略优化算法进行学习，得到最终好奇心驱动的超图分区卸载算法。本发明采用上述的一种好奇心驱动的超图分区卸载算法，解决了算力供需矛盾，提高了探索能力，时延能耗更低。