1.一种基于协同边缘智能中的效益优化和负载感知的动态异构资源管理方法,其特征在于:所述的方法包括一种能够同时实现低延迟和高计算能力的cei架构和一个三层交互算法框架,所述的cei架构包含效益优化和负载感知的动态异构资源管理模型,所述的模型包括协同的异构边缘智能系统模型、任务模型、资源需求模型和服务付费模型,所述的异构边缘智能系统模型、任务模型、资源需求模型和服务付费模型为最大化esp总效益,所述的总效益分解为三个子任务:多用户任务调度、异构资源分配和esp协作,所述的多用户任务调度对应第一层:一种确定任务调度顺序的匹配算法,所述的异构资源分配对应第二层:一种基于强化学习的异构资源分配算法,所述的esp协作对应第三层:基于服务付费模型的资源管理算法。
2.根据权利要求1所述的一种基于协同边缘智能中的效益优化和负载感知的动态异构资源管理方法,其特征在于:所述的cei架构由边缘公有云和边缘私有云组成,所述的边缘私有云服务提供商负责时延敏感和安全性敏感度高的任务,如视频监控服务,所述的边缘公有云负责多个其他延时较为敏感的任务,所述的边缘私有云和边缘公有云的esp各自为用户提供异构的资源,包括计算资源、存储资源和通信资源;当边缘私有云服务器负载过载,剩余的资源无法为本地用户提供资源请求服务时,边缘私有云的esp将租用边缘公有云的esp的资源来处理本地用户请求;所述的边缘私有云的esp通过处理本地多用户任务请求获得的本地收入、边缘私有云的esp维护和运营本地资源的成本,租用边缘公有云的其他服务资源处理本地用户请求获得的收入以及维护和运营租用的资源。
3.根据权利要求1所述的一种基于协同边缘智能中的效益优化和负载感知的动态异构资源管理方法,其特征在于:所述的协同的异构边缘智能系统模型包括n个用户,m个esp,j个边缘集群,m’个边缘私有云,m-m’个边缘公有云。假设p≤m′为每个私有espp建立索引,通过假设q≥m′+1为公有云espq建立索引;
4.根据权利要求1所述的一种将基于协同边缘智能中的效益优化和负载感知的动态异构资源管理方法,其特征在于:所述的cei架构以最大化esp总效益为目标,对智能系统模型,任务模型,资源需求模型和服务付费模型进行转换,目标函数表示为:
5.根据权利要求4所述的一种基于所述协同边缘智能中的效益优化和负载感知的动态异构资源管理方法,其特征在于:所述的目标函数最大化espp和espq总效益函数可以表示如下:
6.根据权利要求1所述的一种基于协同边缘智能中的效益优化和负载感知的动态异构资源管理方法,其特征在于:所述的一种确定任务调度顺序的匹配算法,通过权衡延迟和任务需求,其中任务具有不同的资源需求负载、到达时间和延迟容忍度。当u1,u2,…,un分别到达espi和espj时,并服从泊松分布步骤如下:
7.根据权利要求1所述的一种基于协同边缘智能中的效益优化和负载感知的动态异构资源管理方法,其特征在于:所述的一种基于强化学习的异构资源分配算法,以最佳匹配调度顺序,采用强化学习方法用户多用户和多服务器的异构资源分配算法,包括以下步骤:
8.根据权利要求1所述的基于所述协同边缘智能中的效益优化和负载感知的动态异构资源管理方法,其特征在于:所述的经济付费模型是基于最优任务调度顺序和最优资源分配,作为资源管理机制算法的输入数据。此外,和为各自的服务区域内的用户任务请求和如果过载,则需要向租用资源来处理本地用户请求,根据资源付费模型确定价格ρi,ηi,δi,计算输出最大效益值uti(esptol)。其中espi=espp,espj=espq。