多边协同计算任务卸载方法、装置、存储介质和电子设备与流程

本技术涉及互联网信息，具体而言，涉及一种多边协同计算任务卸载方法、装置、存储介质和电子设备。

背景技术：

1、远程协作是在网络上由一台电脑(主控端remote/客户端)远距离去控制另一台电脑(被控端host/服务器端)的技术。当前，随着现实增强(augmented reality，ar)技术逐渐火热，基于增强现实的远程协作技术也在不断发展，该技术可以有效克服传统音视频通话面对复杂场景难以清晰表述的问题。

2、目前，该技术的实现通常是基于终端或云端执行增强现实的跟踪、映射、渲染等计算密集型任务，但这种实现方式可能存在以下问题：基于终端的方案，受限于终端算力的影响，会导致较长的计算延时，电池使用寿命也会随之降低；基于云端的方案，由于传输链路较长，延时较大，因网络抖动服务也会不稳定，影响使用体验。

3、此外，目前基于多接入边缘计算(multi-access edge computing，mec)技术被提出，并认为是一种较为有效的解决方案，边缘计算的概念是建立在云计算的基础上，云计算指的是通过网络“云”将巨大的数据计算处理程序分解为无数个小程序，然后通过多部服务器组成的系统进行处理和分析这些小程序得到结果并反馈给用户。边缘计算和云计算的区别在于：边缘计算的服务器分布在靠近用户的网络边缘，其是通过靠近用户的移动网络的边缘部署边缘服务器来应对用户设备计算资源不足的问题，用户通过将任务卸载至边缘服务器上执行，从而获取大量的计算资源，以解决终端算力不足与云端延时较长的问题，但该技术主要是面向独立终端应用，未考虑远程协作背景下需要多终端协同的需求。

4、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术实施例提供了一种多边协同计算任务卸载方法、装置、存储介质和电子设备，以至少解决相关基于移动边缘计算通常是应用于独立终端，而无法满足多终端远程协议下的协同需求的技术问题。

2、根据本技术实施例的一个方面，提供了一种多边协同计算任务卸载方法，包括：获取多个终端协同作业的目标任务，并确定目标任务的任务信息、各个终端的终端信息以及多个边缘节点的节点信息，其中，边缘节点与终端接入的基站通过光纤连接；依据任务信息、终端信息和节点信息构建任务分配模型，并以多个终端的时延和能耗为共同优化目标，确定任务分配模型的目标函数；采用深度强化学习算法求解目标函数，得到目标任务的目标任务分配方案。

3、可选地，终端包括：协同作业的现场终端和多个远程终端，其中，获取多个终端协同作业的目标任务，包括：获取现场终端与多个远程终端协同作业的视频流，其中，视频流包括多个视频帧；将各个视频帧对应的子任务组成目标任务，其中，子任务的类型包括以下至少之一：跟踪、映射、目标识别、渲染。

4、可选地，确定目标任务的任务信息、各个终端的终端信息以及每个终端的基站通过光纤就近连接的边缘节点的节点信息，包括：任务信息包括以下至少之一：每个子任务的数据量、计算目标任务的cpu周期数；终端信息包括以下至少之一：终端的第一空间位置坐标、终端与任意一个边缘节点之间的信道带宽、传输能耗；节点信息包括以下至少之一：边缘节点的第二空间位置坐标、计算资源、计算1bit数据的计算能耗。

5、可选地，以终端的时延和能耗为共同优化目标，确定任务分配模型的目标优化函数，包括：确定每个终端的时延和能耗；依据各个终端的时延确定约束条件，其中，约束条件用于限定每个终端的时延与多个终端的平均时延之差小于预设的时延阈值；依据各个终端的时延和预设的时延因子、能耗和预设的能耗因子确定任务分配模型的目标优化函数。

6、可选地，确定每个终端的时延和能耗，包括：对于多个终端内的任意一个目标终端，确定目标终端将目标任务传输至任意一个目标边缘节点的传输时延以及目标边缘节点处理目标任务的计算时延，并将传输时延和计算时延之和作为终端的时延；确定目标终端将目标任务传输至目标边缘节点的传输能耗以及目标边缘节点处理目标任务的计算能耗，并将传输能耗和计算能耗之和作为终端的能耗。

7、可选地，确定目标终端将目标任务传输至任意一个目标边缘节点的传输时延以及目标边缘节点处理目标任务的计算时延，包括：依据目标终端的第一目标空间位置坐标与目标边缘节点的第二目标空间位置坐标确定目标距离；依据目标终端与目标边缘节点之间的目标信道带宽、待卸载子任务的目标数据量、目标距离以及预设的单位距离传输时延确定传输时延；依据目标边缘节点的目标计算资源、执行目标任务的目标cpu周期数确定计算时延。

8、可选地，确定目标终端将目标任务传输至目标边缘节点的传输能耗以及目标边缘节点处理目标任务的计算能耗，包括：依据目标终端的第一目标空间位置坐标与目标边缘节点的第二目标空间位置坐标确定目标距离；依据目标终端与目标边缘节点之间的目标信道带宽、待卸载子任务的目标数据量、目标终端的目标传输时延、目标距离以及预设的单位距离传输能耗确定传输能耗；依据目标边缘节点的目标计算资源、执行目标任务的目标cpu周期数和计算1bit数据的目标计算能耗确定计算能耗。

9、可选地，采用深度强化学习算法求解目标函数，得到目标任务的目标任务分配方案，包括：将边缘节点的计算资源信息、各个子任务的数据量、边缘节点执行子任务的cpu周期数作为状态、并以任务分配方案作为动作，将共同优化目标的负值作为奖励，采用深度q学习网络求解目标函数，得到目标任务的目标任务分配方案。

10、根据本技术实施例的另一方面，还提供了一种多边协同计算任务卸载装置，包括：获取模块，用于获取多个终端协同作业的目标任务，并确定目标任务的任务信息、各个终端的终端信息以及每个终端的基站通过光纤就近连接的边缘节点的节点信息；确定模块，用于依据任务信息、终端信息和节点信息构建任务分配模型，并以多个终端的时延和能耗为共同优化目标，确定任务分配模型的目标函数；求解模块，用于采用深度强化学习算法求解目标优化函数，得到目标任务的目标任务分配方案。

11、根据本技术实施例的另一方面，还提供了一种非易失性存储介质，该非易失性存储介质包括存储的计算机程序，其中，非易失性存储介质所在设备通过运行该计算机程序执行上述的多边协同计算任务卸载方法。

12、在本技术实施例中，获取多个终端协同作业的目标任务，并确定目标任务的任务信息、各个终端的终端信息以及多个边缘节点的节点信息，其中，边缘节点与终端接入的基站通过光纤连接；依据任务信息、终端信息和节点信息构建任务分配模型，并以多个终端的时延和能耗为共同优化目标，确定任务分配模型的目标函数；采用深度强化学习算法求解目标函数，得到目标任务的目标任务分配方案。

13、在上述技术方案中，通过考虑多终端协同作业时的时延和能耗构建边缘计算的任务分配模型，有效解决远程协作难以有效平衡终端计算、能耗和云端耗时的问题；同时，将本技术方案应用于现实增强技术中，可以满足多终端协同需求，从而解决了相关基于移动边缘计算通常是应用于独立终端，而无法满足多终端远程协议下的协同需求技术问题。