一种供应链边缘节点的协同任务分发与算力调度方法与流程

本发明涉及边缘计算，尤其涉及一种供应链边缘节点的协同任务分发与算力调度方法。

背景技术：

1、随着供应链业务向多节点协同、实时响应和区域化处理方向发展，边缘计算被用于承载订单分析、库存核验、运输路径计算、异常检测及设备状态处理等任务。相关任务具有数据来源分散、计算需求差异较大、完成时限不同和网络状态持续变化的特点。现有供应链边缘节点调度多先采集任务资源需求与节点可用算力、任务队列长度、通信带宽和通信时延，再依据筛选条件形成候选节点集合，并通过综合评分、优先级排序或启发式规则选择执行节点，实现任务分发和算力资源配置。

2、在综合评分方案中，系统分别为可用算力、任务队列长度、通信带宽和通信时延设置固定权重，对各项指标进行归一化后计算候选节点得分，并将得分较高的节点确定为任务执行节点。一些根据任务类型预先设置多套权重模板，在任务到达时选取对应模板完成评分；另一些依据节点负载阈值或通信时延阈值剔除不满足条件的节点，再对剩余节点进行排序。

3、供应链边缘任务在实际运行中存在任务处理量、资源需求和允许时延差异，同一指标对不同任务类型的处理效率影响并不一致。节点可用算力、排队状态和链路条件还会随调度周期变化，固定权重难以根据实际处理反馈修正各指标贡献。当任务处理结果存在反馈延迟时，调度系统在当前周期无法及时获得真实处理效率，基于滞后反馈更新评分参数容易造成任务状态与节点状态不匹配。预设权重模板虽可区分任务类型，但仍依赖人工设定，难以持续反映边缘节点运行状态和实际处理效率之间的变化关系，导致候选节点评分依据与当前任务执行条件出现偏差。

4、因此，如何提供一种供应链边缘节点的协同任务分发与算力调度方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种供应链边缘节点的协同任务分发与算力调度方法，本发明通过预估反馈与实际反馈协同更新调度参数，使各指标贡献随任务类型及节点运行状态动态调整。

2、根据本发明实施例的一种供应链边缘节点的协同任务分发与算力调度方法，包括：

3、采集待分发任务的任务类型、任务属性、资源需求、任务约束参数以及各边缘节点的节点状态参数，并建立调度状态数据；

4、读取历史任务执行记录，根据调度状态数据筛选满足资源需求的边缘节点，并将待分发任务的任务属性与筛选得到的边缘节点的节点状态进行组合，得到节点上下文集合；

5、根据历史任务执行记录建立预估模型组；

6、将节点上下文集合输入预估模型组，得到预估效率集和预估时长集；

7、根据节点上下文集合、预估效率集和预估时长集执行改进linucb算法，得到节点得分集；

8、根据节点得分集确定目标边缘节点，向目标边缘节点发送任务分发指令，并根据目标节点上下文向量和目标节点预估效率更新改进linucb算法，得到任务执行记录、临时参数矩阵和临时收益向量；

9、接收目标边缘节点返回的实际处理反馈，根据任务执行记录计算实际处理效率和处理效率偏差，根据临时参数矩阵、实际处理效率和处理效率偏差更新临时收益向量和预估模型组，得到更新参数矩阵、更新收益向量和更新模型组；

10、按照任务类型和目标边缘节点标识存储更新参数矩阵、更新收益向量和更新模型组，在下一调度周期调用更新参数矩阵、更新收益向量和更新模型组，输出协同调度结果。

11、可选的，所述建立调度状态数据，具体为：

12、采集待分发任务的任务类型、任务属性、资源需求、任务处理量和任务允许时延，将任务处理量和任务允许时延写入任务约束参数，并按照待分发任务进行关联，得到任务采集记录；

13、按照边缘节点标识采集各边缘节点的节点状态参数，并将任务采集记录分别与各节点状态参数进行关联，得到任务节点记录，所述节点状态参数包括节点状态、可用算力、任务队列长度、通信带宽和通信时延；

14、根据任务节点记录中的资源需求和可用算力生成算力约束标记；

15、根据通信带宽、通信时延、任务允许时延和任务属性中的任务数据量生成时延约束标记；

16、按照边缘节点标识将任务节点记录、算力约束标记和时延约束标记进行关联，得到调度状态数据。

17、可选的，所述得到节点上下文集合，具体为：

18、从调度状态数据中提取满足资源需求的边缘节点记录，并将待分发任务的任务属性与边缘节点的节点状态进行关联，得到候选组合记录；

19、按照任务类型从历史任务执行记录中提取各数据指标的历史取值，并结合候选组合记录确定各数据指标的取值范围，得到指标范围集；

20、将候选组合记录中的各数据指标分别与指标范围集进行匹配，并根据匹配结果调整对应数据指标的取值范围，得到更新范围集；

21、根据更新范围集分别对任务处理量、资源需求、任务允许时延、可用算力、任务队列长度、通信带宽和通信时延执行无量纲映射，得到初始映射集；

22、提取任务类型对应的改进linucb参数矩阵中除任务类型编码维度外的各对角元素，并根据各对角元素对初始映射集中的各数据指标进行缩放，得到矩阵缩放集；

23、按照任务类型的排列次序设置任务类型编码，并将任务类型编码和矩阵缩放集进行拼接，得到节点上下文向量；

24、按照边缘节点标识核对各节点上下文向量的数据位置和向量维度，并汇总节点上下文向量，得到节点上下文集合。

25、可选的，所述根据历史任务执行记录建立预估模型组，具体为：

26、按照任务类型和边缘节点标识对历史任务执行记录进行划分，并对划分后的历史任务执行记录进行排列，得到历史样本序列；

27、从历史样本序列中提取历史节点上下文向量和历史实际处理效率，并建立对应关系，得到识别样本集；

28、按照识别样本集的排列顺序和相邻历史节点上下文向量确定遗忘系数，得到遗忘系数序列；

29、根据遗忘系数序列对识别样本集执行递推最小二乘辨识，得到效率参数组；

30、将效率参数组与对应任务类型和边缘节点标识进行关联，根据效率参数组处理历史节点上下文向量，并将处理结果与历史实际处理效率进行对应存储，得到无滞后效率模型；

31、根据历史样本序列中的历史任务完成时刻和历史实际反馈时刻确定反馈时间长度，并根据反馈时间长度确定序列偏移量；

32、根据序列偏移量对无滞后效率模型进行位置调整，并与对应历史实际处理效率进行关联，得到纯滞后输出模型；

33、按照任务类型和边缘节点标识，将无滞后效率模型与纯滞后输出模型进行组合，得到预估模型组。

34、可选的，所述将节点上下文集合输入预估模型组，具体为：

35、按照任务类型和边缘节点标识，将节点上下文集合中的各节点上下文向量分别与预估模型组进行匹配，得到模型匹配记录；

36、根据模型匹配记录处理节点上下文向量，得到当前效率预测值；

37、根据模型匹配记录中的纯滞后输出模型处理当前效率预测值，得到延迟效率预测值和预估反馈时长；

38、按照任务类型和边缘节点标识，从历史任务执行记录中查找最近一次已反馈任务，并与纯滞后输出模型进行匹配，得到反馈匹配记录；

39、根据反馈匹配记录计算反馈校正值；

40、根据当前效率预测值和反馈校正值计算预估处理效率，并按照边缘节点标识汇总预估处理效率，得到预估效率集；

41、按照边缘节点标识汇总预估反馈时长，得到预估时长集。

42、可选的，所述改进linucb算法，具体为：

43、按照边缘节点标识，将节点上下文集合中的节点上下文向量分别与预估效率集中的预估处理效率和预估时长集中的预估反馈时长进行位置对应，得到节点输入记录；

44、按照任务类型提取改进linucb参数矩阵、改进linucb收益向量和基础探索系数，并确定回报参数向量；

45、根据各节点输入记录中的预估反馈时长和任务允许时延修正基础探索系数，得到修正探索系数；

46、根据预估效率集中的各预估处理效率计算效率修正系数；

47、根据节点上下文向量、回报参数向量和效率修正系数计算节点估计回报；

48、根据节点上下文向量、改进linucb参数矩阵和修正探索系数计算节点置信增量；

49、将各节点估计回报与对应节点置信增量相加，得到节点选择得分，并按照边缘节点标识汇总节点选择得分，得到节点得分集。

50、可选的，所述得到任务执行记录、临时参数矩阵和临时收益向量，具体为：

51、根据节点得分集确定目标边缘节点，得到目标节点记录；

52、根据目标节点记录提取目标节点上下文向量和目标节点预估效率，并建立目标输入记录；

53、根据目标输入记录向目标边缘节点发送任务分发指令，并建立任务执行记录；

54、根据目标节点上下文向量和对应任务类型的改进linucb参数矩阵计算临时参数矩阵；

55、根据目标节点上下文向量、目标节点预估效率和对应任务类型的改进linucb收益向量计算临时收益向量；

56、可选的，所述得到更新参数矩阵、更新收益向量和更新模型组，具体为：

57、接收目标边缘节点返回的实际处理反馈，并将实际处理反馈与任务执行记录进行关联，得到反馈关联记录；

58、通过反馈关联记录计算实际处理效率和实际反馈时长；

59、根据实际处理效率和目标节点预估效率计算处理效率偏差；

60、根据目标节点上下文向量、处理效率偏差和临时收益向量计算更新收益向量；

61、根据临时参数矩阵和更新收益向量建立参数更新记录；

62、根据目标节点上下文向量、实际处理效率和对应遗忘系数更新无滞后效率模型，得到更新效率模型；

63、根据实际反馈时长和历史样本序列更新纯滞后输出模型，得到更新滞后模型；

64、按照任务类型和目标边缘节点标识，将更新效率模型与更新滞后模型进行组合，得到更新模型组。

65、可选的，所述输出协同调度结果，具体为：

66、按照任务类型和目标边缘节点标识，将更新参数矩阵、更新收益向量、更新模型组和实际反馈时刻写入同一参数记录，得到更新参数记录；

67、根据更新参数记录和历史任务执行记录中已有参数记录建立参数记录序列；

68、进入下一调度周期后，根据待分发任务的任务类型和各边缘节点标识从参数记录序列中提取更新参数记录，得到周期匹配记录；

69、根据下一调度周期的调度时刻、周期匹配记录中的实际反馈时刻和任务允许时延计算时效系数；

70、根据时效系数、周期匹配记录和对应任务类型的改进linucb参数矩阵及改进linucb收益向量计算周期参数组；

71、根据周期参数组和周期匹配记录更新改进linucb算法及预估模型组，得到周期更新记录；

72、根据周期更新记录处理下一调度周期的节点上下文集合，得到协同调度结果。

73、本发明的有益效果是：

74、（1）本发明通过将任务属性、资源需求、任务约束参数和节点状态参数进行无量纲映射，并利用改进linucb参数矩阵的对角元素对各数据指标进行缩放，形成节点上下文集合，使输入特征能够随历史参数状态调整，降低边缘节点状态突变及指标取值差异对节点评分过程的影响。

75、（2）本发明通过无滞后效率模型和纯滞后输出模型生成预估处理效率及预估反馈时长，并利用实际处理效率与延迟效率预测值之间的偏差校正当前效率预测值，使任务处理效率预测与反馈延迟相互分离，为实际处理反馈返回前的节点选择提供连续的效率依据。

76、（3）本发明中的改进linucb算法根据预估反馈时长修正探索系数，根据预估处理效率修正节点估计回报，并采用预估处理效率临时更新收益向量、实际处理效率偏差校正临时收益向量，同时依据参数时效系数融合历史更新参数与基础参数，使各指标贡献能够随任务类型、节点运行状态及反馈时效动态调整。