技术特征：
1.一种兼顾公平性的计算任务卸载优化方法，其特征在于，包括：根据用户服务传输到云和边缘节点的时延，确定服务传输时延；根据用户在云和边缘节点的计算时延，确定服务计算时延；基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型；利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策。2.如权利要求1所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述服务传输时延，包括：用户服务传输到远端云服务器的传输时延，是利用用户服务需要传输的数据量与用户服务传输到远端云服务器的传输效率的比值得到的；用户服务传输到边缘节点的传输时延，是利用用户服务需要传输的数据量与用户服务传输到边缘节点的传输效率的比值得到的。3.如权利要求1所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述服务计算时延，包括：用户服务在远端云服务器执行的计算时延，是利用用户服务的总计算量与云服务器分配的计算能力的比值得到的；用户服务在边缘节点执行的计算时延，是利用用户服务的总计算量与边缘节点分配的计算能力的比值得到的。4.如权利要求1所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型，具体为：根据服务传输时延和服务计算时延，确定用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延；根据用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延，确定系统平均节省时间；以平均节省时间的α公平效应函数为优化目标，以边缘接节点自身的缓存空间和计算能力为约束条件，建立兼顾公平性的计算卸载决策模型；所述兼顾公平性的计算卸载决策模型，具体为：其中，是系统平均节省时间，是平均节省时间的α公平效应函数，k代表所有服务的集合，为服务k需要的缓存空间，c为边缘节点总的缓存空间，为计算卸载决策
变量，t代表时刻，为边缘节点为服务k提供的计算能力，f为边缘节点自身总的计算能力。5.如权利要求4所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述根据服务传输时延和服务计算时延，确定用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延，具体为：根据服务传输时延中用户服务传输到远端云服务器的传输时延和服务计算时延中用户服务在远端云服务器执行的计算时延的和，确定用户服务在远端云服务器执行的服务时延；根据服务传输时延中用户服务传输到边缘节点的传输时延和服务计算时延中用户服务在边缘节点执行的计算时延的和，确定用户服务在边缘节点执行的服务时延。6.如权利要求4所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述根据用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延，确定系统平均节省时间，包括：根据用户服务在远端云服务器执行的服务时延和用户服务在边缘节点执行的服务时延的差值，确定服务边缘计算节省的时间；根据服务边缘计算节省的时间，确定系统平均节省时间；所述系统平均节省时间，具体为：其中，是系统平均节省时间，t为系统运行时间，为服务边缘计算节省的时间，为服务k在时刻t的请求数量，为计算卸载决策变量，则表示服务k需要卸载到远端云服务器执行，则表示服务k在边缘节点执行。7.如权利要求1所述的一种兼顾公平性的计算任务卸载优化方法，其特征在于，所述利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策，包括：将兼顾公平性的计算卸载模型的求解问题转化为马尔科夫决策过程，并定义问题的系统状态空间、动作空间和奖励函数；所述系统状态空间的定义为服务请求状态和边缘节点自身资源状态；所述动作空间定义为执行的动作即每个时刻需要进行的计算任务卸载决策；所述奖励函数定义评价一个动作是否能节省更多的时间来确定其奖励值高低；根据系统状态，利用预先训练好的深度强化学习算法确定动作，即计算卸载决策；并根据该动作的节省时间来确定其是否为最优计算任务卸载决策。8.一种兼顾公平性的计算任务卸载优化系统，其特征在于，包括：服务传输时延确定模块，被配置为根据用户服务传输到云和边缘节点的时延，确定服务传输时延；
服务计算时延确定模块，被配置为根据用户在云和边缘节点的计算时延，确定服务计算时延；计算卸载决策模型确定模块，被配置为基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型；利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种兼顾公平性的计算任务卸载优化方法中的步骤。10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种兼顾公平性的计算任务卸载优化方法中的步骤。
技术总结
本发明属于数据边缘计算领域，提供了一种兼顾公平性的计算任务卸载优化方法及系统，包括根据用户服务传输到云和边缘节点的时延，确定服务传输时延；根据用户在云和边缘节点的计算时延，确定服务计算时延；基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型；利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策。本发明将α公平效应函数引入模型的优化目标中，通过对该问题中状态空间、动作空间、奖励函数等关键元素的定义，将问题建模成马尔科夫决策过程，并基于深度强化学习方法对问题进行了求解，从而在降低网络服务时延的同时兼顾用户的公平性。低网络服务时延的同时兼顾用户的公平性。低网络服务时延的同时兼顾用户的公平性。
技术研发人员：郝昊 张玮 史慧玲 丁伟 谭立状
受保护的技术使用者：山东省计算中心（国家超级计算济南中心）
技术研发日：2023.01.05
技术公布日：2023/2/3