(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210016729.2 (22)申请日 2022.01.07 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 (72)发明人 黄宏程　薛彦聪　胡敏　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 代理人 王海军 (51)Int.Cl. G06F 9/50(2006.01) G06F 9/54(2006.01) G06N 5/02(2006.01) G06F 16/36(2019.01) G06F 16/901(2019.01) G16Y 10/75(2020.01) (54)发明名称 一种物联网云边端 任务时序协同方法 (57)摘要 本发明属于物联网任务协同领域， 具体涉及 一种物联网云边端任务时序 协同方法； 该方法包 括： 获取物联网设备数据， 物联网设备包括任务 迁移设备、 MEC服务器以及云服务器； 根据物联网 设备数据， 采用基于时序兴趣度的计算资源发现 方法得到候选计算资源队列； 根据任务迁移设备 的计算资源需求， 采用基于时序社交相似度的计 算资源选择算法， 在候选计算 资源队列、 MEC服务 器与云服务器内可用的计算资源中作出最佳的 计算资源选择结果； 任务迁移设备根据计算资源 选择结果进行任务迁移； 本发明根据物联网设备 的时序特征设计端设备辅助的云边端任务协同 方法， 提高了任务协同的效率并均衡了网络中计 算资源的分布， 具有广阔的应用前 景。 权利要求书3页 说明书12页 附图4页 CN 114385359 A 2022.04.22 CN 114385359 A 1.一种物联网云边端任务时序协同方法， 其特征在于， 包括： 获取物联网设备数据， 物 联网设备包括任务迁移设备、 MEC服务器以及云服务器； 根据物联网设备数据， 采用基于时 序兴趣度 的计算资源发现方法得到候选计算资源队列； 根据任务迁移设备的计算资源需 求， 采用基于时序社交相似度的计算资源选择算法， 在候选计算资源队列、 MEC服务器与云 服务器内可用的计算资源中作出最佳的计算资源选择结果； 任务迁移设备根据计算资源选 择结果进行任务迁移； 采用基于时序社交相似度的计算资源选择算法得到计算资源选择 结果的过程包括： S1： 选取所有MEC服务器中可用计算资源大于任务迁移设备所需计算资源的MEC服务 器， 计算其MEC服务器任务迁移的系统收益； S2： 根据云服 务器数据计算云服 务器任务迁移的系统收益； S3： 以任务迁移设备为中心创建时序社交波纹网络； S4： 根据时序波纹网络计算候选端设备与任务迁移设备的时序社交相似度； 其中， 候选 端设备为 候选计算资源队列中的物联网设备； S5： 选取社交相似度最大的候选端设备并计算 候选端设备任务迁移的系统收益； S6： 选取MEC服务器任务迁移的系统收益、 云服务器任务迁移的系统收益和候选端设备 任务迁移的系统收益中最大值对应的设备作为任务迁移设备的任务迁移目的地。 2.根据权利要求1所述的一种物联网云边端任务 时序协同方法， 其特征在于， 采用基于 时序兴趣度的计算资源发现方法得到候选计算资源队列的过程包括： 根据物联网设备的长期任务处理习惯和短期任务处理变化分别计算物联网设备的长 期兴趣度和短期兴趣度； 根据物联网设备的长期兴趣度和短期兴趣度计算物联网设备的时序兴趣度； 将时序兴趣度按从大到小的顺序排序， 选取前H个时序兴趣度对应的物联网设备构建 候选计算资源队列， H为小于物联网设备总数的整数。 3.根据权利要求2所述的一种物联网云边端任务 时序协同方法， 其特征在于， 计算物联 网设备的长期兴趣度和短期兴趣度的公式分别为： 其中， 表示长期兴趣度， 表示短期兴趣度； 表示设备长时间范围Δ TLA内的总计算任务处理数量， 表示设备长时间范围ΔTLA内对tw类型计算任务 的处理次数， 表示设备在短时间范围ΔTs内的总计算任务处理量， 表示设备on对tw类型计算任务的处 理次数。 4.根据权利要求2所述的一种物联网云边端任务 时序协同方法， 其特征在于， 计算物联 网设备的时序兴趣度的公式为：权　利　要　求　书 1/3 页 2 CN 114385359 A 2其中， 表示时序兴趣度， 表示归一化参数， 表示时序偏好， 表示时序感知权 重， γl表示第一影响系数， γs表示第二影响系数， 表示设备在 时间切片tsl对任务 类型tw的长期兴趣度， 表示设备在时间切片tsl对任务类型tw的短期兴趣度。 5.根据权利要求1所述的一种物联网云边端任务 时序协同方法， 其特征在于， 创建时序 社交波纹网络包括： 设置5种类型的社 交关系， 分别为同质对象关系、 共置对象关系、 协作对 象关系、 所有权对 象关系以及社会对 象关系； 根据物联网设备间的社交关系创建时序知识 图谱； 设置波纹层级数， 根据时序知识图谱构建时序社交波纹网络 。 6.根据权利要求1所述的一种物联网云边端任务 时序协同方法， 其特征在于， 根据时序 波纹网络计算任务迁移设备与候选端设备的时序社交相似度包括： 采用HyTE模型 得到时序波纹网络中三元组的嵌入向量和候选端设备的嵌入向量； 根据三元组的嵌入向量和候选端设备的嵌入向量计算候选端设备与任务迁移设备的 关联概率； 根据关联概 率计算时序波纹网络中每一波纹层级表示的社交相关度； 根据每一波纹层级表示的社交相关度得到总社交相关度； 根据总社交相关度计算 候选端设备和任务迁移设备的时序社交相似度。 7.根据权利要求6所述的一种物联网云边端任务 时序协同方法， 其特征在于， 采用HyTE 模型得到三元组的嵌入向量包括： S31： 根据时序知识图谱得到四元组， 四元组包括头实体、 尾实体、 社交关系以及社交关 系的持续时间， 根据四元组得到每 个时间切片内的三元组； S32： 在每 个时间切片上设置时间超平面， 在超平面内将三元组分别投影为嵌入向量； S33： 根据嵌入向量构 建验证函数， 根据验证函数构 建损失函数， 计算损失函数， 返回步 骤S32， 当损失函数最小时， 得到三元组的嵌入向量。 8.根据权利要求6所述的一种物联网云边端任务 时序协同方法， 其特征在于， 计算关联 概率的公式为： 其中， posi表示候选端设备与任务迁移设备的关联概 率， 表示候选端设备的嵌入向 量， 表示第i个三元组数据中社交关系的嵌入向量， 表示第i个三元组数据中头实体的 嵌入向量， 表示第 层时序波纹网络的三元组数据集 合。 9.根据权利要求6所述的一种物联网云边端任务 时序协同方法， 其特征在于， 计算 时序 社交相似度的公式为：权　利　要　求　书 2/3 页 3 CN 114385359 A 3