本发明涉及模拟退火的边缘计算，具体涉及基于模拟退火的边缘计算卸载方法、装置、设备及介质。
背景技术：
1、随着物联网设备的普及和智能化应用的快速发展，同时，随着物联网、工业互联网、车联网等新兴领域的快速涌现，这些新兴领域对网络服务质量、时延、带宽等网络性能提出了更高的要求。传统的云计算模型在处理大量计算任务时存在明显的时延问题，无法满足对实时性要求较高的应用场景，且存在数据隐私和安全的问题。为了解决上述问题，边缘计算应运而生。它将终端的算力上移，将云端的算力下沉至网络边缘，构建“云-边-端”三方协同架构。这种架构有效地打破了云计算发展的瓶颈，释放了终端的压力，实现了边缘智能、低时延和大带宽地处理数据。
2、针对边缘计算问题，国内外学者主要对低时延和低能耗情况下终端设备任务的高效卸载和资源合理分配问题进行了一系列的研究。对低时延的研究，现有设计了一种基于中继辅助节点的集中分发卸载工作模式，通过在中继辅助节点中部署模拟退火算法对卸载决策进行优化，并利用中继辅助节点转发卸载任务，从而达到系统总时延最小的目的，此算法未添加局部变量，可能会很快陷入局部最优解。现有将计算时延定义为数据卸载与计算所消耗的时间，并提出一种节点计算时延之和最小化的多维资源分配方法，通过引入一系列松弛变量和辅助变量来进行优化问题简化以及优化变量解耦，并在此基础上，通过深入分析简化问题的结构特性，提出一种基于二分法的迭代算法来求解原问题的最优解。对低能耗的研究，现有提出了基于强化学习的马尔可夫决策过程模型，并给出了边云协同场景下基于双深度ｑ网络和对偶深度ｑ网络的计算卸载和资源分配方案，使系统能耗有显著的降低趋势。现有提出了一种基于图注意力网络的混合动作多智能体强化学习算法，通过图注意力网络捕捉无线网络状态之间潜在的空间相关性,使基站有选择性地关注邻域中其他基站的无线网络状态信息,从而学习更优的计算卸载和资源分配策略。对权衡时延和能耗的研究，考虑边缘服务器的计算资源受限和服务区内小基站带宽受限约束，建立以最小化以任务完成时延和终端能耗构成成本为目标的非凸优化模型，提出基于模拟退火的优化算法，但该模型直接将能耗与时延相加，未考虑量纲的差异。还有以综合考虑计算时延和资源调度能耗作为优化计算目标，将多目标优化模型转换成效用指标优化模型，使用模拟退火算法计算出合适的发射功率，并提出一种优化算法ra‐nsgaⅲ，该模拟退火算法可能也会很快陷入局部最优解。现有提出了一种集成奖励和简化动作的快速学习空间drl框架，该框架采用低复杂度的方法来联合优化to和ra策略。
3、上述现有的技术方案在云边端环境中，处理多任务时的计算卸载策略和资源分配技术目前还不够成熟，会导致能耗和时延的浪费。
4、有鉴于此，提出本申请。
技术实现思路
1、本发明提供了一种基于模拟退火的边缘计算卸载方法、装置、设备及介质，能至少部分的改善上述问题。
2、为实现上述目的，本发明采用以下技术方案：
3、一种基于模拟退火的边缘计算卸载方法，其包括：
4、初始化初始温度、最低温度、最大迭代次数和退火降温系数，并定义录卸载决策的矩阵 a和记录资源分配的矩阵 b，根据所述记录资源分配的矩阵 b得到初始解、总成本、初始最优解和最优总成本；
5、在预设的最大迭代次数内对所述初始最优解进行扰动处理，计算得到扰动后的原解和扰动后的新解，并比较原解对应的总成本函数和新解的总成本函数，根据比较结果接受新解或原解；
6、比较当前温度和最低温度的大小，根据判断结果继续降低当前温度，或得到该卸载决策下对应的最优解；
7、根据计算的每一卸载决策对应的最优解，得到最优分配方案。
8、本发明还提供了一种基于模拟退火的边缘计算卸载装置，其包括：
9、初始化单元，用于初始化初始温度、最低温度、最大迭代次数和退火降温系数，并定义录卸载决策的矩阵 a和记录资源分配的矩阵 b，根据所述记录资源分配的矩阵 b得到初始解、总成本、初始最优解和最优总成本；
10、扰动单元，用于在预设的最大迭代次数内对所述初始最优解进行扰动处理，计算得到扰动后的原解和扰动后的新解，并比较原解对应的总成本函数和新解的总成本函数，根据比较结果接受新解或原解；
11、卸载决策最优解单元，用于比较当前温度和最低温度的大小，根据判断结果继续降低当前温度，或得到该卸载决策下对应的最优解；
12、分配方案生成单元，用于根据计算的每一卸载决策对应的最优解，得到最优分配方案。
13、本发明还提供了一种基于模拟退火的边缘计算卸载设备，其包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的基于模拟退火的边缘计算卸载方法。
14、本发明还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述的基于模拟退火的边缘计算卸载方法。
15、综上所述，所述基于模拟退火的边缘计算卸载方法针对云边端三方协调架构，应用并优化了模拟退火算法，使之更适配该模型，在求解该模型下的最小成本问题有更好的效果。并且优化了传统的退火框架，所求解也更具有全局性。针对模拟退火算法，优化了扰动方案，使其能针对复杂的卸载决策做出针对性的精确扰动。针对目标函数总成本模型，改变了以往将能耗与时延直接相加而不考虑其量纲差异的计算方式，确保了解的合理性和准确性。
1.一种基于模拟退火的边缘计算卸载方法，其特征在于，包括：
2.根据权利要求1所述的基于模拟退火的边缘计算卸载方法，其特征在于，初始化初始温度、最低温度、最大迭代次数和退火降温系数，并定义录卸载决策的矩阵a和记录资源分配的矩阵b，根据所述记录资源分配的矩阵b得到初始解、总成本、初始最优解和最优总成本，具体为：
3.根据权利要求2所述的基于模拟退火的边缘计算卸载方法，其特征在于，所述最优总成本的计算公式为：
4.根据权利要求2所述的基于模拟退火的边缘计算卸载方法，其特征在于，在预设的最大迭代次数内对所述初始最优解进行扰动处理，计算得到扰动后的原解和扰动后的新解，并比较原解对应的总成本函数和新解的总成本函数，根据比较结果接受新解或原解，具体为：
5.根据权利要求4所述的基于模拟退火的边缘计算卸载方法，其特征在于，比较当前温度和最低温度的大小，根据判断结果继续降低当前温度，或得到该卸载决策下对应的最优解，具体为：
6.一种基于模拟退火的边缘计算卸载装置，其特征在于，包括：
7.一种基于模拟退火的边缘计算卸载设备，其特征在于，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如权利要求1至5任意一项所述的基于模拟退火的边缘计算卸载方法。
8.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如权利要求1至5任意一项所述的基于模拟退火的边缘计算卸载方法。
