基于边缘计算的AGV计算卸载与通信网络任务调度的联合优化方法与流程

本发明涉及agv网络，特别是涉及基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法。

背景技术：

1、随着智能制造、智慧物流等行业的不断发展，对自动化、智能化、实时性等需求不断提高，传统的云计算模式已经难以满足这些需求，而边缘计算由于其分布式、低延迟、高可靠性等优势，逐渐成为解决这些问题的关键技术，agv机器人作为智能制造和智慧物流等领域的重要设备，需要在复杂的生产环境和物流场景中实现自动化、智能化的操作，边缘计算是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点移往网络逻辑上的边缘节点来处理，随着边缘计算技术的发展，其亦应用于agv计算领域；

2、目前在进行agv计算卸载与通信网络任务调度时未有有效关联，计算任务的计算速度不够，任务处理效率受到影响，并且目前的计算方式对中心服务器的依赖度高，计算成本高；为此，我们提出基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法。

技术实现思路

1、本发明的目的在于提供基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，以解决背景技术中提出的问题。

2、本发明是通过以下技术方案实现的：

3、本发明为基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，包括如下步骤：

4、s1：首先进行数据采集与特征提取，采集边缘设备的资源信息,建立资源感知的调度算法；

5、s2：进行任务分析和划分，将大型任务分解为多个小任务，然后将小任务分配到不同的边缘设备上进行并行处理；

6、s3：实行算法优化，根据实时的网络状况和节点负载情况，动态调整任务调度策略；

7、s4：进行网络资源的优化，利用5g网络的特性，优化网络资源的利用和传输效率；

8、s5：进行数据缓存与同步，将频繁访问的数据存储在边缘设备上，减少对中心服务器的访问需求；

9、s6：实时监控边缘设备及其任务运行状态，对异常情况进行预警和处置；

10、s7：综合考虑计算任务和通信网络之间的相互影响，设计联合优化算法；

11、s8：进行算法的验证测试和应用部署，后完成agv计算卸载与通信网络任务调度的联合优化。

12、优选地，所述s1中进行数据采集与特征提取，在agv运行过程中，采集与任务卸载相关的数据，包括任务类型、任务负载、网络状态、地理位置，同时采集边缘设备的资源信息，包括计算能力、存储容量和能源消耗。

13、优选地，所述s2对s1中的采集数据进行深入分析，将不同任务匹配到不同的边缘设备上进行执行；所述s3中根据任务分析的结果，选择算法和数据结构，优化计算任务的分配和执行，在网络拥堵或节点负载较大时，优先调度轻量级任务或延迟非关键任务，在网络畅通或节点负载较轻时，优先调度重量级任务或紧急任务。

14、优选地，所述s4中进行网络资源的优化，采用高速网络技术、提高带宽和降低网络延迟手段，提升网络性能和稳定性，保障任务卸载过程中的数据传输需求；所述s5中，还通过同步机制确保边缘设备之间的数据一致性，避免出现数据不一致或冲突的情况；所述s6中根据监控数据和系统性能评估结果，对任务调度策略和资源配置进行调整和优化，提高系统的稳定性和性能。

15、优选地，所述s7设计联合优化算法，包括平衡计算任务的分配、通信网络的负载以及边缘设备的资源利用；所述s8进行算法的验证测试，通过构建系统仿真平台，对联合优化方法进行验证和测试，在进行应用部署时，将经过验证的优化方法应用于实际场景中的通信网络任务调度中。

16、本发明具有以下有益效果：

17、本发明基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，将计算任务卸载到边缘设备上执行，可以减少网络延迟，提高计算速度；

18、同时，通过优化通信网络任务调度，可以进一步降低网络负载，提高数据传输效率，二者的联合优化能够实现整体性能的提升。

19、本发明基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，通过在边缘设备上执行计算任务，减少对中心服务器的依赖，从而降低带宽需求和数据中心的成本，并通过联合优化agv计算卸载与通信网络任务调度，能够减少任务处理时间和网络延迟，提高整体效率。

20、当然，实施本发明的任一产品并不一定需要同时达到以上的所有优点。

技术特征：

1.基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，所述s1中进行数据采集与特征提取，在agv运行过程中，采集与任务卸载相关的数据，包括任务类型、任务负载、网络状态、地理位置，同时采集边缘设备的资源信息，包括计算能力、存储容量和能源消耗。

3.根据权利要求1所述的基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，所述s2对s1中的采集数据进行深入分析，将不同任务匹配到不同的边缘设备上进行执行。

4.根据权利要求1所述的基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，所述s3中根据任务分析的结果，选择算法和数据结构，优化计算任务的分配和执行，在网络拥堵或节点负载较大时，优先调度轻量级任务或延迟非关键任务，在网络畅通或节点负载较轻时，优先调度重量级任务或紧急任务。

5.根据权利要求1所述的基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，所述s4中进行网络资源的优化，采用高速网络技术、提高带宽和降低网络延迟手段，提升网络性能和稳定性，保障任务卸载过程中的数据传输需求。

6.根据权利要求1所述的基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，所述s5中，还通过同步机制确保边缘设备之间的数据一致性，避免出现数据不一致或冲突的情况。

7.根据权利要求1所述的基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，所述s6中根据监控数据和系统性能评估结果，对任务调度策略和资源配置进行调整和优化，提高系统的稳定性和性能。

8.根据权利要求1所述的基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，所述s7设计联合优化算法，包括平衡计算任务的分配、通信网络的负载以及边缘设备的资源利用。

9.根据权利要求1所述的基于边缘计算的agv计算卸载与通信网络任务调度的联合优化方法，其特征在于，所述s8进行算法的验证测试，通过构建系统仿真平台，对联合优化方法进行验证和测试，在进行应用部署时，将经过验证的优化方法应用于实际场景中的通信网络任务调度中。

技术总结
本发明公开了基于边缘计算的AGV计算卸载与通信网络任务调度的联合优化方法，涉及AGV网络技术领域。本发明首先进行数据采集与特征提取，建立资源感知的调度算法；进行任务分析和划分；实行算法优化；进行网络资源的优化，利用5G网络的特性，优化网络资源的利用和传输效率；进行数据缓存与同步，将频繁访问的数据存储在边缘设备上，减少对中心服务器的访问需求；实时监控边缘设备及其任务运行状态，对异常情况进行预警和处置；设计联合优化算法；进行算法的验证测试和应用部署。本发明联合优化方法，通过将计算任务卸载到边缘设备上执行，有效减少网络延迟，提高计算速度，并且能够减少任务处理时间，提高整体效率。

技术研发人员：李蜜
受保护的技术使用者：江苏亿控智能装备有限公司
技术研发日：
技术公布日：2024/3/17