本技術(shù)涉及邊緣計(jì)算領(lǐng)域，具體而言，涉及一種任務(wù)下發(fā)的方法、裝置、電子設(shè)備及非易失性存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、邊緣計(jì)算作為一種新興的網(wǎng)絡(luò)計(jì)算模式，將計(jì)算、存儲(chǔ)、控制和通信等功能下沉至網(wǎng)絡(luò)邊緣節(jié)點(diǎn)，以實(shí)現(xiàn)數(shù)據(jù)在邊緣側(cè)處理，有效解決云計(jì)算模式下數(shù)據(jù)傳輸、處理、存儲(chǔ)等環(huán)節(jié)存在的問(wèn)題。

2、隨著邊緣計(jì)算技術(shù)的發(fā)展，如今已進(jìn)入云計(jì)算的時(shí)代，各行業(yè)對(duì)邊緣計(jì)算的業(yè)務(wù)需求日益增長(zhǎng)，對(duì)邊緣節(jié)點(diǎn)的計(jì)算能力及存儲(chǔ)能力提出更高的要求。終端設(shè)備產(chǎn)生龐大的數(shù)據(jù)，如此龐大的數(shù)據(jù)中不乏有一些“低延時(shí)，高帶寬”需求場(chǎng)景，而傳統(tǒng)的中心化云計(jì)算平臺(tái)，因?yàn)槭軅鬏斁嚯x，網(wǎng)絡(luò)帶寬等條件限制，難以滿足要求，此外龐大數(shù)據(jù)的傳輸，會(huì)產(chǎn)生大量能量損耗，對(duì)設(shè)備的損耗也無(wú)法忽視，邊緣計(jì)算成了合適的解決方案，邊緣端(即移動(dòng)邊緣計(jì)算(mobile?edge?computing，簡(jiǎn)稱為mec)端)任務(wù)和邊緣任務(wù)的計(jì)算、存儲(chǔ)和通信資源需求通常大于云端任務(wù)，故將一些業(yè)務(wù)部署至邊緣端，可以有效降低延遲，降低資源消耗，提升計(jì)算能力，更好地滿足業(yè)務(wù)需求。

3、但在實(shí)際部署中，邊緣端計(jì)算資源有限，且存在異構(gòu)問(wèn)題，計(jì)算任務(wù)全部下到邊緣側(cè)發(fā)需要大量的物理設(shè)備進(jìn)行支撐，同時(shí)也需要投入很多的人員，代價(jià)巨大，難以實(shí)現(xiàn)在有限資源下，計(jì)算任務(wù)的下發(fā)策略，得到任務(wù)何時(shí)下發(fā)到邊緣端，何時(shí)下發(fā)到中心端(傳統(tǒng)的中心化云計(jì)算平臺(tái))，并按照下發(fā)策略對(duì)任務(wù)下發(fā)，既要滿足用戶的良好體驗(yàn)感，又要降低對(duì)應(yīng)的能耗，將效能提升到最大成了亟待解決的問(wèn)題。

4、針對(duì)上述的問(wèn)題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供了一種任務(wù)下發(fā)的方法、裝置、電子設(shè)備及非易失性存儲(chǔ)介質(zhì)，以至少解決如何在有限資源下，確定任務(wù)下發(fā)策略，提高效能的技術(shù)問(wèn)題。

2、根據(jù)本技術(shù)實(shí)施例的一個(gè)方面，提供了一種任務(wù)下發(fā)的方法，包括：獲取待部署的總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量；基于待部署的總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量構(gòu)建初始樣本集合；對(duì)初始樣本集合進(jìn)行篩選，得到第一樣本集合，其中，第一樣本集合中的每個(gè)樣本對(duì)應(yīng)一個(gè)任務(wù)下發(fā)策略；對(duì)第一樣本集合中的樣本進(jìn)行片段拆分，得到第二樣本集合；對(duì)第二樣本集合中的片段進(jìn)行樣本交叉互換和重組，得到第三樣本集合；對(duì)第三樣本集合基于模擬退火算法計(jì)算最優(yōu)解，并按照最優(yōu)解對(duì)應(yīng)的樣本的任務(wù)下發(fā)策略對(duì)任務(wù)進(jìn)行下發(fā)。

3、在本技術(shù)的一些實(shí)施例中，基于待部署的總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量構(gòu)建初始樣本集合，包括：重復(fù)執(zhí)行以下步驟直至初始樣本集合中的初始樣本的數(shù)量等于第一預(yù)設(shè)閾值：構(gòu)建初始數(shù)組；使用隨機(jī)生成函數(shù)生成隨機(jī)數(shù)賦值給初始數(shù)組中的元素直至初始數(shù)組的大小達(dá)到總?cè)蝿?wù)數(shù)量時(shí)停止賦值，并將賦值完成后的初始數(shù)組作為一個(gè)初始樣本，其中，隨機(jī)數(shù)取值為0到1之間，對(duì)于初始數(shù)組中的任意一個(gè)元素，在任意一個(gè)元素對(duì)應(yīng)的隨機(jī)數(shù)大于第二預(yù)設(shè)閾值的情況下，為任意一個(gè)元素賦值1，在任意一個(gè)元素對(duì)應(yīng)的隨機(jī)數(shù)小于或等于第二預(yù)設(shè)閾值的情況下，為任意一個(gè)元素賦值0，其中，1代表邊緣端部署，0代表中心端部署。

4、在本技術(shù)的一些實(shí)施例中，對(duì)初始樣本集合進(jìn)行篩選，得到第一樣本集合，包括：基于第一損失函數(shù)對(duì)初始樣本集合中的每個(gè)初始樣本計(jì)算第一損失值；從初始樣本集合中選出第一損失值小于第三預(yù)設(shè)閾值的初始樣本組成第一樣本集合，其中，第一樣本集合中包含的樣本總數(shù)小于第四預(yù)設(shè)閾值。

5、在本技術(shù)的一些實(shí)施例中，在第一樣本集合中包含的樣本總數(shù)大于或等于第四預(yù)設(shè)閾值的情況下，迭代以下步驟直至第一樣本集合中包含的樣本總數(shù)小于第四預(yù)設(shè)閾值：基于總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量構(gòu)建初始樣本集合；基于第一損失函數(shù)對(duì)初始樣本集合中的每個(gè)初始樣本計(jì)算第一損失值，并從初始樣本集合中選出第一損失值小于第三預(yù)設(shè)閾值的初始樣本組成第一樣本集合。

6、在本技術(shù)的一些實(shí)施例中，對(duì)第一樣本集合中的樣本進(jìn)行片段拆分，得到第二樣本集合，包括：將第一樣本集合中的樣本拆分成不同長(zhǎng)度、不同數(shù)量的片段；對(duì)每個(gè)片段執(zhí)行以下至少之一處理，得到第二樣本集合：片段異位處理、片段移位處理、片段突變處理、片段翻轉(zhuǎn)處理和不做處理。

7、在本技術(shù)的一些實(shí)施例中，對(duì)第三樣本集合基于模擬退火算法計(jì)算最優(yōu)解，并按照最優(yōu)解對(duì)應(yīng)的樣本的任務(wù)下發(fā)策略對(duì)任務(wù)進(jìn)行下發(fā)，包括：從第三樣本集合中選擇小于第五預(yù)設(shè)閾值的樣本組成第四樣本集合；對(duì)第四樣本集合基于模擬退火算法中的第二損失函數(shù)計(jì)算最優(yōu)解；按照最優(yōu)解對(duì)應(yīng)的樣本的任務(wù)下發(fā)策略對(duì)任務(wù)進(jìn)行下發(fā)。

8、在本技術(shù)的一些實(shí)施例中，對(duì)第四樣本集合基于模擬退火算法中的第二損失函數(shù)計(jì)算最優(yōu)解，包括：獲取預(yù)先設(shè)置的初始溫度，初始溫度在每次迭代時(shí)以預(yù)設(shè)形式下降，并將第四樣本中的第一目標(biāo)樣本作為初始解，迭代以下步驟直至初始溫度小于第六預(yù)設(shè)閾值，并在迭代結(jié)束后的解小于第七預(yù)設(shè)閾值的情況下，將迭代結(jié)束后的解作為最優(yōu)解：基于模擬退火算法的第二損失函數(shù)計(jì)算初始解的第二損失值；基于鄰域算法計(jì)算初始解的鄰域解，其中，鄰域算法包括以下至少之一處理：片段異位處理、片段移位處理、片段突變處理；基于模擬退火算法的第二損失函數(shù)計(jì)算鄰域解的第二損失值；鄰域解的第二損失值小于初始解的第二損失值的情況下，將鄰域解作為新的初始解。

9、在本技術(shù)的一些實(shí)施例中，在進(jìn)行迭代的過(guò)程中，方法還包括：在鄰域解的第二損失值大于或等于初始解的第二損失值的情況下，使用隨機(jī)生成函數(shù)確定是否將鄰域解作為新的初始解：在隨機(jī)生成函數(shù)生成的數(shù)小于第八預(yù)設(shè)閾值的情況下，將鄰域解作為新的初始解；在隨機(jī)生成函數(shù)生成的數(shù)大于或等于第八預(yù)設(shè)閾值的情況下，不將鄰域解作為新的初始解，直接使用當(dāng)前的初始解進(jìn)行下一次迭代。

10、根據(jù)本技術(shù)實(shí)施例的另一方面，還提供了一種任務(wù)下發(fā)的裝置，包括：獲取模塊，用于獲取待部署的總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量；構(gòu)建模塊，用于基于待部署的總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量構(gòu)建初始樣本集合；對(duì)初始樣本集合進(jìn)行篩選，得到第一樣本集合，其中，第一樣本集合中的每個(gè)樣本對(duì)應(yīng)一個(gè)任務(wù)下發(fā)策略；片段拆分模塊，用于對(duì)第一樣本集合中的樣本進(jìn)行片段拆分，得到第二樣本集合；樣本交叉互換和重組模塊，用于對(duì)第二樣本集合中的片段進(jìn)行樣本交叉互換和重組，得到第三樣本集合；任務(wù)下發(fā)模塊，用于對(duì)第三樣本集合基于模擬退火算法計(jì)算最優(yōu)解，并按照最優(yōu)解對(duì)應(yīng)的樣本的任務(wù)下發(fā)策略對(duì)任務(wù)進(jìn)行下發(fā)。

11、根據(jù)本技術(shù)實(shí)施例的另一方面，還提供了一種非易失性存儲(chǔ)介質(zhì)，非易失性存儲(chǔ)介質(zhì)中存儲(chǔ)有程序，其中，在程序運(yùn)行時(shí)控制非易失性存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行以上的任務(wù)下發(fā)的方法。

12、根據(jù)本技術(shù)實(shí)施例的另一方面，還提供了一種電子設(shè)備，包括：存儲(chǔ)器和處理器，處理器用于運(yùn)行存儲(chǔ)在存儲(chǔ)器中的程序，其中，程序運(yùn)行時(shí)執(zhí)行以上的任務(wù)下發(fā)的方法。

13、根據(jù)本技術(shù)實(shí)施例的另一方面，還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)指令，計(jì)算機(jī)指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)以上的任務(wù)下發(fā)的方法。

14、在本技術(shù)實(shí)施例中，采用獲取待部署的總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量；基于待部署的總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量構(gòu)建初始樣本集合；對(duì)初始樣本集合進(jìn)行篩選，得到第一樣本集合，其中，第一樣本集合中的每個(gè)樣本對(duì)應(yīng)一個(gè)任務(wù)下發(fā)策略；對(duì)第一樣本集合中的樣本進(jìn)行片段拆分，得到第二樣本集合；對(duì)第二樣本集合中的片段進(jìn)行樣本交叉互換和重組，得到第三樣本集合；對(duì)第三樣本集合基于模擬退火算法計(jì)算最優(yōu)解，并按照最優(yōu)解對(duì)應(yīng)的樣本的任務(wù)下發(fā)策略對(duì)任務(wù)進(jìn)行下發(fā)的方式，通過(guò)確定總?cè)蝿?wù)數(shù)量以及每個(gè)任務(wù)所需要的資源量，資源量固定的情況下，構(gòu)建初始樣本，并對(duì)初始樣本進(jìn)行篩選，片段拆分，樣本交叉互換重組，最后基于模擬退火算法計(jì)算最優(yōu)解，按照最優(yōu)解對(duì)應(yīng)的樣本的任務(wù)下發(fā)策略對(duì)任務(wù)進(jìn)行下發(fā)，進(jìn)而解決了如何在有限資源下，確定任務(wù)下發(fā)策略，提高效能技術(shù)問(wèn)題。