获取计算卸载策略的方法、装置、电子设备及存储介质与流程

本申请涉及智能家居，具体而言，涉及一种获取计算卸载策略的方法、装置、电子设备及存储介质。

背景技术：

1、如今，在家庭生活中，智能终端设备的计算资源和处理能力有限，而设备间交互产生的数据量越来越大，对智能终端设备的处理能力提出严峻挑战。计算卸载作为一种优化计算资源利用的技术，通过将计算任务从智能终端设备迁移到边缘服务器或云平台进行处理，能够突破智能终端设备的硬件机能造成的瓶颈，进一步提高智能终端设备的运算性能，并且能够降低能耗。在计算卸载的过程中，如何选择高效的计算卸载策略以优化时延和能量消耗显得至关重要。

2、现在主要借助随机优化算法确定智能终端设备的计算卸载策略，例如模拟退火算法。模拟退火算法是一种模拟固体材料物理退火过程的随机优化算法，通过随机搜索和按概率接收新解的方式，找到全局最优解。

3、利用模拟退火算法获取最优的计算卸载方案，具体流程如下：首先设置初始温度、降温系数和最低温度，设置单次温度下的最大迭代次数，并设置退火速度，将初始温度确定为初始的迭代温度。初始化卸载决策，得到初始卸载决策，并计算初始适应度值，将初始卸载决策确定为最优卸载决策，将初始适应度值确定为最优卸载决策的适应度。在迭代过程中，不断获取新的卸载决策，并计算新适应度值。判断新卸载决策的适应度值是否优于最优卸载决策的适应度值。若为是，则接收新卸载决策，即，将新卸载决策确定为最优卸载决策；若为否，则依据随迭代温度变化的随机值判断是否接收新卸载决策。在完成单次温度下的最大迭代次数之后，根据当前的迭代温度与降温系数得到新的迭代温度，并判断新的迭代温度是否小于或等于最低温度。若为是，则算法结束，输出当前的最优卸载决策；若为否，则在新的迭代温度下继续迭代，直至迭代温度小于或等于最低温度。

4、在实现本申请实施例的过程中，发现相关技术中至少存在如下问题：

5、现有技术中，模拟退火算法在迭代计算过程中并未考虑环境因素，因此仅适用于静态环境。模拟退火算法在变化的环境中不能及时根据环境的变化调整算法参数，导致获取的计算卸载策略无法适应动态变化的环境。

6、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

2、本申请实施例提供了一种获取计算卸载策略的方法、装置、电子设备及存储介质，以能够获取更适应于动态环境的计算卸载策略。

3、在一些实施例中，所述获取计算卸载策略的方法应用于智能终端，所述获取计算卸载策略的方法包括：获取运行信息和任务信息；根据所述运行信息和所述任务信息，生成第一环境状态；所述第一环境状态为所述智能终端的网络信息、计算能力和任务状态；将所述第一环境状态输入预设的计算卸载决策模型，生成第一计算卸载策略。

4、在一些实施例中，所述获取计算卸载策略的方法应用于智能终端，所述获取计算卸载策略的装置包括：第一获取模块，被配置为获取运行信息和任务信息；第二获取模块，被配置为根据所述运行信息和所述任务信息，生成第一环境状态；所述第一环境状态为所述智能终端的网络信息、计算能力和任务状态；执行模块，被配置为将所述第一环境状态输入预设的计算卸载决策模型，生成第一计算卸载策略。

5、在一些实施例中，所述电子设备包括：存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行如上所述的获取计算卸载策略的方法。

6、在一些实施例中，所述计算机可读的存储介质包括存储的程序指令，所述程序指令被处理器执行以实现如上所述的获取计算卸载策略的方法。

7、本申请实施例提供的获取计算卸载策略的方法、装置、电子设备及存储介质，可以实现以下技术效果：

8、本发明通过获取的运行信息和任务信息，生成第一环境状态，并将第一环境状态输入预设的计算卸载决策模型，生成第一计算卸载策略。通过将环境状态输入计算卸载决策模型，能够得到适用于当前环境条件的计算卸载策略。计算卸载决策模型充分考虑了环境状态因素对计算卸载策略效果的影响，从而使得获取的计算卸载策略能够更好地适应动态变化的环境状态。

9、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

1.一种获取计算卸载策略的方法，其特征在于，应用于智能终端，所述方法包括：获取运行信息和任务信息；

2.根据权利要求1所述的获取计算卸载策略的方法，其特征在于，生成第一计算卸载策略之后，还包括：

3.根据权利要求2所述的获取计算卸载策略的方法，其特征在于，对计算卸载决策模型进行优化，包括：

4.根据权利要求3所述的获取计算卸载策略的方法，其特征在于，根据预设的经验回放缓冲区中存储的训练样本组，调节所述计算卸载决策模型的参数，包括：

5.根据权利要求3所述的获取计算卸载策略的方法，其特征在于，所述经验回放缓冲区通过以下方式获取：

6.根据权利要求2至5任一项所述的获取计算卸载策略的方法，其特征在于，对计算卸载决策模型进行优化后，还包括：

7.根据权利要求2至5任一项所述的获取计算卸载策略的方法，其特征在于，对计算卸载决策模型进行优化后，还包括：

8.一种获取计算卸载策略的装置，其特征在于，应用于智能终端，包括：

9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行如权利要求1至7中任一项所述的获取计算卸载策略的方法。

10.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序指令，所述程序指令被处理器执行以实现如权利要求1至7中任一项所述的获取计算卸载策略的方法。