任务卸载方法、装置、电子设备、及计算机程序产品与流程

本技术涉及移动边缘计算，具体涉及一种任务卸载方法、装置、电子设备、及计算机程序产品。

背景技术：

1、随着网络和互联网技术的发展，许多应用程序涌现而出，其中，这些应用程序中的大部分都是计算密集型的应用程序，比如需要进行人脸识别或语音处理的应用程序、以及移动游戏等。但是，目前在资源受限的移动用户设备中运行计算密集型的应用程序会占用设备大量的资源和电量。

2、现有技术中，为了解决该问题，可以通过将移动用户设备中的计算密集型应用程序的计算任务卸载到移动边缘计算的云服务器中，当移动边缘计算的云服务器成功完成任务后，再向移动用户设备返回程序执行结果，这样，不需要在移动用户设备中运行计算密集型应用程序，从而可以减少移动用户设备的资源消耗。目前，在卸载大量的计算任务时，为了提高任务卸载效率，通常会同时卸载多个计算任务，这样容易出现服务器拥塞问题，导致产生延迟和高能耗的问题。

技术实现思路

1、本技术实施例提供一种任务卸载方法，用以解决同时卸载多个计算任务时容易出现服务器拥塞，从而导致产生延迟和高能耗的技术问题。

2、第一方面，本技术实施例提供一种任务卸载方法，包括：

3、从终端的历史移动轨迹中选取终端的疑似停留点；

4、根据预设判别方式在所述终端的疑似停留点中筛选出终端的真实停留点，并得到终端的历史停留区域；

5、根据所述终端的历史停留区域预测终端的未来停留区域；

6、根据所述终端的未来停留区域与在距离未来停留区域预设范围内的基站的关系，得出最优卸载决策，并根据所述最优卸载决策从终端中卸载待执行任务。

7、在一个实施例中，所述从终端的历史移动轨迹中选取终端的疑似停留点，包括：

8、计算所述终端的历史移动轨迹中相邻轨迹点的真实移动距离和真实移动时间；

9、选取所述真实移动距离小于移动距离阈值且所述真实移动时间大于移动时间阈值的相邻轨迹点作为所述终端的疑似停留点。

10、在一个实施例中，所述根据预设判别方式在所述终端的疑似停留点中筛选出终端的真实停留点，并得到终端的历史停留区域，包括：

11、在所述终端的疑似停留点中确定相邻疑似停留点之间的相关性值；

12、当所述相邻疑似停留点之间的相关性值大于预设阈值时，判断该对相邻的疑似停留点为所述终端的真实停留点；

13、对所述终端的真实停留点进行聚类分析，得到所述终端的历史停留区域。

14、在一个实施例中，所述根据所述终端的未来停留区域与在距离未来停留区域预设范围内的基站的关系，得出最优卸载决策，并根据所述最优卸载决策从终端中卸载待执行任务，包括：

15、判断所述终端的未来停留区域是否处于在距离未来停留区域预设范围内的基站的覆盖重叠区；

16、若所述终端的未来停留区域未处于所述在距离未来停留区域预设范围内的基站的覆盖重叠区，则通过第一最优能耗模型基于所述终端的未来停留区域与所述在距离未来停留区域预设范围内的基站之间的距离信息获得第一最优卸载决策，并根据所述第一最优卸载决策从所述终端中卸载待执行任务；

17、若所述终端的未来停留区域处于所述在距离未来停留区域预设范围内的基站的覆盖重叠区，则通过第二最优能耗模型基于所述终端的未来停留区域与所述在距离未来停留区域预设范围内的基站之间的距离信息以及基站影响因素获得第二最优卸载决策，并根据所述第二最优卸载决策从所述终端中卸载待执行任务。

18、在一个实施例中，所述通过第一最优能耗模型基于所述终端的未来停留区域与所述在距离未来停留区域预设范围内的基站之间的距离信息获得第一最优卸载决策，并根据所述第一最优卸载决策从所述终端中卸载待执行任务，包括：

19、将所述终端的未来停留区域与所述在距离未来停留区域预设范围的基站之间的距离信息输入至所述第一最优能耗模型；

20、通过所述第一最优能耗模型利用变异萤火虫算法得到所述第一最优卸载决策；

21、根据所述第一最优卸载决策从所述终端中将待执行任务卸载到对应的基站。

22、在一个实施例中，所述通过第二最优能耗模型基于所述终端的未来停留区域与所述在距离未来停留区域预设范围内的基站之间的距离信息以及基站影响因素获得第二最优卸载决策，并根据所述第二最优卸载决策从所述终端中卸载待执行任务，包括：

23、将所述终端的未来停留区域与所述在距离未来停留区域预设范围内的基站之间的距离信息以及基站影响因素输入至所述第二最优能耗模型；

24、通过所述第二最优能耗模型利用优化模拟退火智能算法得到所述第二最优卸载决策；

25、根据所述第二最优卸载决策从所述终端中将待执行任务卸载到对应的基站。

26、在一个实施例中，所述通过所述第二最优能耗模型利用优化模拟退火智能算法得到所述第二最优卸载决策，包括：

27、基于所述终端的未来停留区域与所述在距离未来停留区域预设范围内的基站之间的距离信息以及基站影响因素，按照预设条件分层次产生待定卸载决策；

28、利用结合贪心和随机化的策略在所述待定卸载决策中得到初始卸载决策；

29、并发运行得到若干所述初始卸载决策，在若干所述初始卸载决策中选取所述第二最优卸载决策。

30、第二方面，本技术实施例提供一种任务卸载装置，包括：

31、疑似停留点选取模块，用于从终端的历史移动轨迹中选取终端的疑似停留点；

32、历史停留区域确定模块，用于根据预设判别方式在所述终端的疑似停留点中筛选出终端的真实停留点，并得到终端的历史停留区域；

33、未来停留区域预测模块，用于根据所述终端的历史停留区域预测终端的未来停留区域；

34、最优卸载决策确定模块，用于根据所述终端的未来停留区域与在距离未来停留区域预设范围内的基站的关系得出最优卸载决策，并根据所述最优卸载决策从终端中卸载待执行任务。

35、第三方面，本技术实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的任务卸载方法的步骤。

36、第四方面，本技术实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的任务卸载方法的步骤。

37、本技术实施例提供的任务卸载方法、装置、电子设备、及计算机程序产品，先从终端的历史移动轨迹中选取终端的疑似停留点，再筛选出终端的真实停留点，并得到终端的历史停留区域，能够保证得到的终端的历史停留区域的准确性以及后续预测终端的未来停留区域的可靠性；然后根据终端的历史停留区域预测终端的未来停留区域，再根据终端的未来停留区域与未来停留区域周围的基站的关系分情况得出最优卸载决策，继而根据最优卸载决策从终端中卸载待执行任务，能够精准控制从终端中卸载待执行任务，避免同时卸载多个计算任务时容易出现服务器拥塞的情况，从而导致产生延迟和高能耗的问题。