本发明涉及通信，具体是面向时敏网络的边端协同任务调度策略方法。
背景技术：
1、随着人工智能和通信网络的发展，催生了大量的实时性要求较高的新业务，如何端边智能协同地任务调度，降低用户时延，引起了研究者们的广泛关注。
2、目前研究成果只针对某些局部目标或特定场景，存在低效、不可信、自适应差等不足，本项目拟基于新一代人工智能算法，以降低用户时延为主要目标，为此，我们提出面向时敏网络的边端协同任务调度策略方法以解决上述问题。
技术实现思路
1、本发明的目的在于提供面向时敏网络的边端协同任务调度策略方法，以解决上述背景技术中提出的问题。
2、本发明的技术方案是：面向时敏网络的边端协同任务调度策略方法，包括以下步骤：
3、步骤s1：通过对时敏网络中的各类资源进行详细的评估，并建立资源模型，反映资源的动态变化和使用情况；
4、步骤s2：对需要调度的任务进行深入分析，明确其资源需求、时延要求关键属性；
5、步骤s3：基于资源模型和任务需求，通过建立周期性时敏业务的调度流程使资源需求在时隙内的每个迷你时隙上呈均匀分布；
6、步骤s4：设计两个经验池，明确经验池的目的在于存储和复用历史调度决策及其对应的系统状态、性能指标等信息，以便在未来的调度过程中能够参考或借鉴这些经验，从而优化调度策略，提高任务调度的效率和性能；
7、步骤s5：设计一种包含多个字段的数据结构来存储每条经验记录，字段包括任务标识、调度时间、系统资源状态、调度决策、执行结果以及性能指标；
8、步骤s6：在存储方式上，根据实际情况选择内存存储、数据库存储或文件存储方式；
9、步骤s7：实时监测各个计算节点的负载情况；
10、步骤s8：在模型训练过程中，同时从两个经验池中采样数据，用于更新策略或模型参数，通过调整两个经验池的采样比例，从而提高模型的可信性和泛化能力。
11、优选的，所述用于存储探索性经验为尝试新策略或动作时产生的经验，用于存储利用性经验为基于当前策略或动作产生的经验。
12、优选的，所述基于均匀分布的资源分区调度算法遵循三个原则分别为：
13、(1)在时敏业务到达之后为其分配资源；
14、(2)时敏业务的传输都必须在最大时延ndeadline内传输完成；
15、(3)周期性时延敏感类业务根据资源使用情况完成数据传输。
16、优选的，所述监测节点负载情况包括对cpu使用率、内存占用率以及网络带宽的监测。
17、优选的，所述淘汰机制需要考虑网络拥塞控制、传输协议选择、流量优化、数据包调度策略、时钟同步、传输路径的确定性和可靠性因素。
18、优选的，所述时敏网络的各类资源包括路由器、交换机、网关、中继器。
19、优选的，所述采样比例从两个经验池中各自采样数据，并对两个数据来源所占的比例进行调整。
20、优选的，所述资源建模包括以下步骤：
21、步骤s1.1：对网络中的任务和资源进行建模，明确其属性和约束条件；
22、步骤s1.2：根据任务需求和资源情况，生成初始的调度策略；
23、步骤s1.3：在仿真环境中或实际网络中运行调度策略，收集性能数据；
24、步骤s1.4：对收集到的性能数据进行分析和评估，判断调度策略是否满足要求；
25、步骤s1.5：如果调度策略不满足要求，则根据评估结果进行调整和优化，重复步骤s1.2到步骤s1.4，并通过迭代优化算法找到最优的调度策略。
26、优选的，所述迭代优化算法包括以下步骤：
27、步骤s1.5.1：初始化：生成一组基于启发式规则的初始解；
28、步骤s1.5.2：评估：计算每个解的适应度值，根据目标函数和约束条件对每个解进行评估；
29、步骤s1.5.3：选择：根据适应度值选择一部分解作为下一代的候选解，选择过程可以基于轮盘赌选择策略；
30、步骤s1.5.4：交叉：对选中的解进行交叉操作产生新的解；
31、步骤s1.5.5：迭代：当停止条件不满足时此时重复步骤s1.5.2到步骤s1.5.4，直到达到最大迭代次数、适应度值不再显著变化。
32、步骤s6中，对于需要频繁访问的经验记录，使用内存存储以提高访问速度，对于需要长期保存的历史数据，使用数据库或文件存储，在更新策略上，需要定期根据特定条件将新的调度经验添加到经验池中，并同时考虑对旧经验的清理或淘汰机制，以保持经验池的时效性和有效性。
33、本发明通过改进在此提供面向时敏网络的边端协同任务调度策略方法，与现有技术相比，具有如下改进及优点：
34、其一：本发明，首先通过面向时敏工业业务的需求特点创建差异化切片，并设计了基于均匀分布的切片资源分区调度算法，利用资源抢占和资源预留，满足业务资源需求的同时优化无线资源使用。
35、其二：本发明，通过对资源进行详细的评估和建模，系统能够更准确地了解资源的动态变化和使用情况，从而优化资源的分配和利用，通过均匀分布的资源需求调度，可以避免预留资源的浪费，同时减少资源抢占的发生，提高整体资源的利用效率，深入分析任务的资源需求和时延要求，能够确保任务在合理的时延范围内完成，通过合理匹配和调度任务，能够最大限度地减少不必要的等待时间，提高任务的响应速度，可信性评估机制能够确保模型在复杂环境下的稳定性和可靠性，减少因环境变化导致的系统性能下降或故障，实时监测各个计算节点的负载情况，能够及时发现潜在的性能瓶颈或故障点，并采取相应措施进行修复或调整，设计两个经验池，能够同时考虑模型的学习和探索能力，提高模型的泛化能力和适应新环境的能力，通过从两个经验池中采样数据来更新策略或模型参数，能够更有效地利用历史数据，提高模型的学习效率和准确性，这一流程不仅适用于当前的网络环境和任务需求，还能够根据未来的变化进行灵活调整和扩展，通过更新资源模型和调度策略，可以适应新的业务需求和网络环境的变化，保持系统的持续竞争力和适应性。
1.面向时敏网络的边端协同任务调度策略方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：所述用于存储探索性经验为尝试新策略或动作时产生的经验，用于存储利用性经验为基于当前策略或动作产生的经验。
3.根据权利要求1所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：所述基于均匀分布的资源分区调度算法遵循三个原则分别为：
4.根据权利要求1所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：所述监测节点负载情况包括对cpu使用率、内存占用率以及网络带宽的监测。
5.根据权利要求1所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：所述淘汰机制需要考虑网络拥塞控制、传输协议选择、流量优化、数据包调度策略、时钟同步、传输路径的确定性和可靠性因素。
6.根据权利要求1所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：所述时敏网络的各类资源包括路由器、交换机、网关、中继器。
7.根据权利要求1所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：所述采样比例从两个经验池中各自采样数据，并对两个数据来源所占的比例进行调整。
8.根据权利要求1所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：所述资源建模包括以下步骤：
9.根据权利要求8所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：所述迭代优化算法包括以下步骤：
10.根据权利要求9所述的面向时敏网络的边端协同任务调度策略方法，其特征在于：
