一种基于数学建模的智能计算优化方法

本发明涉及数学建模领域，特别涉及一种基于数学建模的智能计算优化方法。

背景技术：

1、云边协同计算用于处理大量计算任务，利用边缘服务层的多个边缘服务端分别独立处理计算任务，实现对大量计算任务的并行处理。并且还通过云边协同的云端控制层协调每个边缘服务端的工作状态，保证每个边缘服务端完成任务计算处理。现有云边协同都是基于云端控制层对边缘服务层的直接管控实现，只能确保单个边缘服务端完成计算任务，无法对整个边缘服务层进行全局层面的计算任务优化处理，降低对大量计算任务的处理效率，容易导致计算任务处理紊乱和错误处理的情况发生，降低对大量计算任务的处理可靠性和准确性，不能实现计算任务的连续稳定处理。

技术实现思路

1、考虑到现有的云边协同场景下的云端控制层只能对边缘服务端进行单独的计算任务分配与处理，不能形成对大量计算任务的集中和高效处理，无法有效准确完成计算任务，导致云端控制层的计算任务处理紊乱和错误，不能对大量计算任务形成集中连续的优化处理。鉴于上述问题，提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种基于数学建模的智能计算优化方法，包括：

2、步骤一、获取云端控制层的任务生成情况，对所述任务生成情况进行任务属性标定，从计算任务池提取计算任务集群；

3、步骤二、对边缘服务层进行数学建模，确定所述计算任务集群在所述边缘服务层的分配策略；

4、步骤三、根据所述分配策略，调整所述云端控制层对所述边缘服务层的数据迁移状态；

5、步骤四、当所述数据迁移状态指示计算任务集群完成向对应边缘服务端的数据迁移后，监听所述边缘服务层的任务计算日志，对所述任务计算日志进行数学建模，确定所述边缘服务层的资源调度策略；

6、步骤五、根据所述资源调度策略，调整所述边缘服务层的资源转移状态；

7、步骤六、获取所述边缘服务层的任务计算进度，以此确定所述边缘服务层的计算结果回收策略；

8、步骤七、根据所述计算结果回收策略，提取任务计算结果并改变所述边缘服务层的计算任务接收权限。

9、优选地，所述步骤一具体包括：

10、步骤11、监听云端控制层连接的云数据中心的数据更新情况，从中抽样若干更新数据流；

11、步骤12、识别所述若干更新数据流的内容信息，确定所述云端控制层的任务生成情况；其中，所述任务生成情况包括新生成任务的数据类别与数据量；

12、步骤13、对所述任务生成情况下属所有新生成任务进行任务计算模式识别，确定每个新生任务处理期间所需的计算模式属性；

13、步骤14、根据所述计算模式属性，从计算任务池提取计算任务集群；其中，所述计算任务集群内所述计算任务满足预设计算模式相关条件。

14、优选地，步骤二具体包括：

15、步骤21、获取边缘服务层内所有边缘服务端各自的网络节点接入状态和进程处理状态，以此生成边缘服务层的状态表征向量；

16、步骤22、根据所述状态表征向量，对所述边缘服务层进行数学建模，确定所述所有边缘服务端各自的允许接收任务特征；其中，所述允许接收任务特征包括允许接收任务的类型和任务量；

17、步骤23、根据允许接收任务特征，确定所述计算任务集群在所述边缘服务层的分配策略；其中，所述分配策略包括所述计算任务集群内每个计算任务与边缘服务端的分配对应关系和分配时序安排。

18、优选地，所述步骤三具体包括：

19、步骤31、在所述云端控制层对所述计算任务集群内每个计算任务进行任务数据提取与打包，形成任务数据包；

20、步骤32、根据所述分配策略，调整所述云端控制层对所述边缘服务层内边缘服务端的任务数据包复制转移状态，生成包含迁移进度、完成标识与传输链路状态的数据迁移状态；当数据迁移状态标记为迁移完成时，向对应边缘服务端下发任务计算启动指令，并触发日志监听流程。

21、优选地，所述步骤四具体包括：

22、步骤41、监听所述边缘服务层接收来自所述云端控制层的迁移数据后形成的任务计算日志，从所述任务计算日志提取所有边缘服务端各自的任务计算过程特征；其中，所述任务计算过程特征包括任务计算进度执行速度和进度执行正确率；

23、步骤42、根据所述任务计算过程特征进行数学建模，得到所有边缘服务端各自的资源缺口需求，以此确定所述边缘服务层的资源调度策略。

24、优选地，所述步骤五具体包括：

25、步骤51、根据取所述边缘服务层的资源池状态，通过所述云端控制层对资源池进行重配置；

26、步骤52、根据所述资源调度策略，构建资源池对边缘服务端的传输链路，以此调整所述资源池对边缘服务端的资源转移状态；其中，所述资源转移状态包括所述资源池对边缘服务端的资源借调量和借调时间。

27、优选地，所述步骤六具体包括：

28、步骤61、获取所述边缘服务层内所有边缘服务端各自的实时任务计算进度，以此判断所述边缘服务端是否完成任务计算；

29、步骤62、当所述边缘服务端完成任务计算，则根据所述边缘服务端的通信链路使用状态，确定所述边缘服务端的计算结果回收策略；其中，所述计算结果回收策略包括任务计算结果的回收上传模式和时段规划。

30、优选地，步骤七具体包括：

31、步骤71、根据所述计算结果回收策略，从相应边缘服务端提取任务计算结果，并将所述任务计算结果分割为适配所述回收上传模式的若干结果包；

32、步骤72、根据所述若干结果包的回收上传状态，改变相应边缘服务端的计算任务接收权限；其中，所述计算任务接收权限包括是否允许接收新计算任务。

33、本发明实施例中提供的上述技术方案的有益效果至少包括：

34、本发明通过数学建模在云端控制层和边缘服务层进行计算任务分配和资源调度统筹，确保多计算任务获得合适的边缘服务端分配和充分处理资源支持，提高大量计算任务的处理可靠性和准确性，实现计算任务的连续稳定处理。

35、通过附图和实施例，对本发明的技术方案做进一步的详细描述。

1.一种基于数学建模的智能计算优化方法，其特征在于，包括：

2.如权利要求1所述的一种基于数学建模的智能计算优化方法，其特征在于：

3.如权利要求1所述的一种基于数学建模的智能计算优化方法，其特征在于：

4.如权利要求3所述的一种基于数学建模的智能计算优化方法，其特征在于：

5.如权利要求1所述的一种基于数学建模的智能计算优化方法，其特征在于：

6.如权利要求5所述的一种基于数学建模的智能计算优化方法，其特征在于：

7.如权利要求1所述的一种基于数学建模的智能计算优化方法，其特征在于：

8.如权利要求7所述的一种基于数学建模的智能计算优化方法，其特征在于：