超密集网络任务卸载方法、装置、计算机设备和存储介质与流程

技术特征：
1.一种超密集网络任务卸载方法，其特征在于，所述方法包括：获取终端设备中待卸载的目标任务的任务属性信息以及所述终端设备的位置信息；基于所述位置信息，获取与所述终端设备对应的多个候选基站的属性信息；将所述任务属性信息、所述位置信息以及多个所述候选基站的属性信息输入至预设深度强化学习模型，确定所述目标任务对应的目标基站，其中，所述目标任务被卸载到所述目标基站所需的任务时延最短且满足预设的能耗约束条件；将所述目标任务卸载至所述目标基站。2.根据权利要求1所述的方法，其特征在于，所述将所述任务属性信息、所述位置信息以及多个所述候选基站的属性信息输入至预设深度强化学习模型，确定所述目标任务对应的目标基站之前，所述方法还包括：确定预设数量的历史任务分别对应的卸载基站的标识以及将各所述历史任务卸载到各所述卸载基站对应的时延数据和能耗数据；对应地，所述将所述任务属性信息、所述位置信息以及多个所述候选基站的属性信息输入至预设深度强化学习模型，确定所述目标任务对应的目标基站，包括：将所述任务属性信息、所述位置信息、多个所述候选基站的属性信息、各所述卸载基站的标识以及所述时延数据和能耗数据，输入至所述预设深度强化学习模型，确定所述目标任务对应的目标基站。3.根据权利要求1所述的方法，其特征在于，所述预设深度强化学习模型包括目标演员网络以及回报函数，所述将所述任务属性信息、所述位置信息以及多个所述候选基站的属性信息输入至预设深度强化学习模型，确定所述目标任务对应的目标基站，包括：将所述任务属性信息、所述位置信息以及多个所述候选基站的属性信息输入至所述目标演员网络中，输出所述目标基站的标识；利用所述回报函数计算目标回报值，所述目标回报值用于表征将所述目标任务卸载到所述目标基站对应的时延数据以及能耗数据。4.根据权利要求1所述的方法，其特征在于，所述获取终端设备中待卸载的目标任务，包括：将所述终端设备中的待卸载任务划分为多个子任务；从所述多个子任务中，确定待卸载的所述目标任务。5.根据权利要求1所述的方法，其特征在于，所述基于所述位置信息，获取与所述终端设备对应的多个候选基站的属性信息，包括：所述终端设备向所述基站发送广播信息，所述广播信息用于指示各所述基站向所述终端设备发送基站的属性信息；接收到各所述基站发送的属性信息，根据所述终端设备的位置信息以及各所述属性信息中包括的基站的位置信息，确定与所述终端设备对应的多个所述候选基站的属性信息。6.根据权利要求1所述的方法，其特征在于，所述预设深度强化学习模型的训练过程为：获取所述预设深度强化学习模型对应的训练集，所述训练集中包括多个训练任务的属性信息、所述训练任务对应的所述终端设备的位置信息以及所述训练任务对应的多个候选基站的属性信息；
以所述训练任务的属性信息、所述训练任务对应的所述终端设备的位置信息、所述训练任务对应的多个候选基站的属性信息为输入，训练深度强化学习模型，得到所述预设深度强化学习模型。7.根据权利要求6所述的方法，其特征在于，所述预设深度强化学习模型包括目标演员网络、目标评论家网络以及回报函数，所述以所述训练任务的属性信息、所述训练任务对应的所述终端设备的位置信息、所述训练任务对应的多个候选基站的属性信息为输入，训练深度强化学习模型，得到所述预设深度强化学习模型，包括：将所述训练任务的属性信息、所述训练任务对应的所述终端设备的位置信息、所述训练任务对应的多个候选基站的属性输入至初始演员网络，输出所述训练任务对应的训练基站的标识；将所述训练任务的属性信息、所述训练任务对应的所述终端设备的位置信息、所述训练任务对应的多个候选基站的属性以及所述训练任务对应的训练基站的标识输入至初始评论家网络中，利用所述初始评论家网络对输入数据进行特征提取，输出将所述训练任务卸载到所述训练基站的训练评价值，所述训练评价值用于表征将所述训练任务卸载到所述任务对应的训练基站的匹配度；利用所述回报函数计算将所述训练任务卸载到所述训练基站对应的训练回报值，所述训练回报值用于表征将所述训练任务卸载到所述训练基站对应的时延数据以及能耗数据；根据所述训练回报值，训练所述初始评论家网络，得到所述目标评论家网络；根据所述训练评价值以及所述训练回报值，训练所述初始演员网络，得到所述目标演员网络。8.一种超密集网络任务卸载装置，其特征在于，所述装置包括：第一获取模块，用于获取终端设备中待卸载的目标任务以及所述终端设备的位置信息；第二获取模块，用于基于所述位置信息，获取与所述终端设备对应的多个候选基站的属性信息；第一确定模块，用于将所述位置信息以及所述多个候选基站的属性信息输入至预设深度强化学习模型，确定所述目标任务对应的目标基站，其中，所述目标任务被卸载到所述目标基站所需的任务时延最短且满足预设的能耗约束条件；卸载模块，用于将所述目标任务卸载至所述目标基站。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种超密集网络任务卸载方法、装置、计算机设备和存储介质，适用于通信领域资源分配技术领域。所述方法包括：获取终端设备中待卸载的目标任务的任务属性信息以及终端设备的位置信息；基于位置信息，获取与终端设备对应的多个候选基站的属性信息；将任务属性信息、位置信息以及多个候选基站的属性信息输入至预设深度强化学习模型，确定目标任务对应的目标基站，其中，目标任务被卸载到目标基站所需的任务时延最短且满足预设的能耗约束条件；将目标任务卸载至目标基站。采用本方法能够避免了出现目标基站不满足能耗需求的情况。况。况。


技术研发人员：古博 张旭 林梓淇 丁北辰 姜善成 韩瑜
受保护的技术使用者：中山大学
技术研发日：2021.07.12
技术公布日：2021/11/14