多通信节点的协同传输方法及装置、电子设备、存储介质与流程

1.本技术涉及医疗技术领域，尤其涉及一种多通信节点的协同传输方法及装置、电子设备、存储介质。


背景技术：

2.随着深度学习在算法上的突破，越来越多的人工智能ai支持的移动应用程序被开发应用，可以提供语言翻译、对象识别、健康监测和恶意软件检测等智能服务，让人们享受到更便捷、更智能的移动生活。各个移动设备之间可能存在显著的异构性，如何保持移动服务的可访问性是一个富有挑战性的问题。例如，在医疗领域中，医生和护士需要在不同病房之间进行查房，以观察患者的具体医疗情况，但是在医疗总台方面，有紧急情况需要及时通知医生和护士的时候，通常需要通过移动设备来进行传达，由于移动设备之间的异构性，这样的传达显得并不稳定，尤其是对于急诊科而言，这种问题可能更为突出。
3.目前，一种解决方法是将计算任务上传到远程服务器来进行协同云计算，然而，基于云计算的方法的数据传输将消耗大量的云端带宽，但是，随着医务人员的增多，用户设备的积累，流量负载会越来越大，对于云服务质量造成不利影响，使得计算精度不高；并且，医务人员的本地移动设备和远程云之间的传输存在延迟，无法实现远程的接近实时响应，因此计算效率不高。


技术实现要素：

4.本技术实施例的主要目的在于提出一种多通信节点的协同传输方法及装置、电子设备、存储介质，旨在提高多通信节点的协同传输计算的精度和效率。
5.为实现上述目的，本技术实施例的第一方面提出了一种多通信节点的协同传输方法，所述方法包括：
6.根据所有所述通信节点确定所有传输模型，将所有所述传输模型添加到预配置的历史模型库中，其中，每个所述传输模型由至少两个所述通信节点连接形成，任意两个所述传输模型不相同；
7.根据所有所述传输模型生成备选序列，其中，所述备选序列包括多个备选传输模型；
8.对所述备选序列进行优化迭代处理，直至满足迭代结束条件；
9.从所述备选序列中，选择通信开销指标最大的所述备选传输模型作为第一目标传输模型；
10.其中，所述优化迭代处理包括：
11.根据预设通信开销函数获取各个所述备选传输模型的通信开销指标；
12.对第一传输模型进行扩展处理，得到第二传输模型，其中，所述第一传输模型为所述备选序列中所述通信开销指标最大的所述备选传输模型；
13.将所述第二传输模型添加到所述历史模型库中；
14.将所述第二传输模型设置于所述备选序列的最末端，以及将所述备选序列的最前端的所述备选传输模型删除；
15.所述迭代结束条件为所述历史模型库中的所有所述传输模型的数量达到预设数量阈值。
16.在一些实施例，所述对第一传输模型进行扩展处理，得到第二传输模型，包括：
17.对第一传输模型中的若干个所述通信节点依次进行断开处理和连接处理，得到第二传输模型。
18.在一些实施例，所述对第一传输模型中的若干个所述通信节点依次进行断开处理和连接处理，得到第二传输模型，包括：
19.对第一传输模型中的若干个以第一预设连接方式所连接的所述通信节点进行断开处理，得到若干个分散的所述通信节点；
20.以第二预设连接方式对若干个分散的所述通信节点进行连接处理，得到第二传输模型，其中，所述第二预设连接方式与所述第一预设连接方式不相同。
21.在一些实施例，所述根据所有所述传输模型生成备选序列，包括：
22.从所有所述传输模型中，随机选择多个所述传输模型作为多个所述备选传输模型；
23.根据多个所述备选传输模型生成备选序列。
24.在一些实施例，所述从所有所述传输模型中，随机选择多个所述传输模型作为多个所述备选传输模型，包括：
25.从所有所述传输模型中，以相同的概率随机选择多个所述传输模型作为多个所述备选传输模型。
26.在一些实施例，所述根据多个所述备选传输模型生成备选序列，包括：
27.根据随机选择多个所述备选传输模型的先后顺序，将多个所述备选传输模型进行排列，生成备选序列。
28.在一些实施例，所述对所述备选序列进行优化迭代处理，直至满足迭代结束条件之后，还包括：
29.从所述备选序列中，选择通信开销指标大于预设开销指标的所有所述备选传输模型作为第二传输模型。
30.为实现上述目的，本技术实施例的第二方面提出了一种多通信节点的协同传输装置，所述装置包括：
31.模型生成模块，用于根据所有所述通信节点确定所有传输模型，将所有所述传输模型添加到预配置的历史模型库中，其中，每个所述传输模型由至少两个所述通信节点连接形成，任意两个所述传输模型不相同；
32.序列生成模块，用于根据所有所述传输模型生成备选序列，其中，所述备选序列包括多个备选传输模型；
33.优化处理模块，用于对所述备选序列进行优化迭代处理，直至满足迭代结束条件，其中，所述优化迭代处理包括：
34.根据预设通信开销函数获取各个所述备选传输模型的通信开销指标；
35.对第一传输模型进行扩展处理，得到第二传输模型，其中，所述第一传输模型为所
述备选序列中所述通信开销指标最大的所述备选传输模型；
36.将所述第二传输模型添加到所述历史模型库中；
37.将所述第二传输模型设置于所述备选序列的最末端，以及将所述备选序列的最前端的所述备选传输模型删除；
38.所述迭代结束条件为所述历史模型库中的所有所述传输模型的数量达到预设数量阈值；
39.选择模块，用于从所述备选序列中，选择通信开销指标最大的所述备选传输模型作为第一目标传输模型。
40.为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括内存和处理器，所述内存存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
41.为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
42.本技术提出的多通信节点的协同传输方法及装置、电子设备、存储介质,通过所有通信节点构建用于实现各个通信节点之间进行本地协作的传输模型，并根据传输模型生成包括多个备选传输模型的备选序列，进而对备选序列进行优化迭代处理，不仅能够减小在单个给定域的全局处理时间，实现计算速度的时延降低，提高协同传输计算效率，而且使得备选序列能够不断地朝着通信开销指标更大的方向进行更新演化，从而能够符合多通信节点之间的协同传输需求，以便于从中选择相应的通信开销指标最大的备选传输模型作为第一目标传输模型，有利于提高对于协同传输计算的精度，确保能够得到符合要求的协同传输模型，提高医务传达效率。
附图说明
43.图1是本技术一个实施例提供的多通信节点的协同传输方法的流程图；
44.图2是本技术一个实施例提供的多个通信节点进行协同传输的示意图；
45.图3是图1中的步骤s102的流程图；
46.图4是图3中的步骤s201的流程图；
47.图5是图3中的步骤s202的流程图；
48.图6是本技术一个实施例提供的步骤s501的流程图；
49.图7是本技术一个实施例提供的传输模型的示意图；
50.图8是本技术一个实施例提供的多通信节点的协同传输装置的结构示意图；
51.图9是本技术一个实施例提供的电子设备的硬件结构示意图。
具体实施方式
52.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
53.需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻
辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
54.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
55.随着深度学习在算法上的突破，越来越多的人工智能ai支持的移动应用程序被开发应用，可以提供语言翻译、对象识别、健康监测和恶意软件检测等智能服务，让人们享受到更便捷、更智能的移动生活。但是，各个移动设备之间可能存在显著的异构性，如何保持移动服务的可访问性是一个富有挑战性的问题。
56.目前，一种解决方法是将计算任务上传到远程服务器来进行协同云计算，例如，当本地移动设备需要识别图片中的人时，只需要将图片上传到云端，等待最终识别结果的远程响应，这建立在当下的移动设备能够提供强大的gpu甚至npu计算能力的前提之下，也就是说，这些移动设备可以部分充当云计算的角色，并且可以通过wi-fi、蓝牙或近场通信(nfc)进行快速连接。然而，基于云计算的方法的数据传输将消耗大量的云端带宽，随着用户设备的积累，流量负载会越来越大，对于云服务质量造成不利影响，使得计算精度不高；并且，本地移动设备和远程云之间的传输存在延迟，无法实现远程的接近实时响应，因此实际计算效率不高。
57.基于此，本技术实施例提供了一种多通信节点的协同传输方法及装置、电子设备、存储介质，旨在提高多通信节点的协同传输计算的精度和效率。
58.本技术实施例提供的多通信节点的协同传输方法及装置、电子设备、存储介质，具体通过如下实施例进行说明，首先描述本技术实施例中的多通信节点的协同传输方法。
59.本技术实施例提供的多通信节点的协同传输方法，涉及医疗技术领域。本技术实施例提供的多通信节点的协同传输方法可应用于通信节点中，也可应用于服务器端中，还可以是运行于通信节点或服务器端中的软件。在一些实施例中，通信节点可以是智慧手机、平板计算机、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现多通信节点的协同传输方法的应用等，但并不局限于以上形式。
60.本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可程序设计的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网路而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
61.图1是本技术实施例提供的多通信节点的协同传输方法的一个可选的流程图，图1
中的方法可以包括但不限于包括步骤s101至步骤s104。
62.步骤s101，根据所有通信节点确定所有传输模型，将所有传输模型添加到预配置的历史模型库中，其中，每个传输模型由至少两个通信节点连接形成，任意两个传输模型不相同；
63.步骤s102，根据所有传输模型生成备选序列，其中，备选序列包括多个备选传输模型；
64.步骤s103，对备选序列进行优化迭代处理，直至满足迭代结束条件；
65.步骤s104，从备选序列中，选择通信开销指标最大的备选传输模型作为第一目标传输模型；
66.其中，优化迭代处理包括：
67.根据预设通信开销函数获取各个备选传输模型的通信开销指标；
68.对第一传输模型进行扩展处理，得到第二传输模型，其中，第一传输模型为备选序列中通信开销指标最大的备选传输模型；
69.将第二传输模型添加到历史模型库中；
70.将第二传输模型设置于备选序列的最末端，以及将备选序列的最前端的备选传输模型删除；
71.迭代结束条件为历史模型库中的所有传输模型的数量达到预设数量阈值。
72.本技术实施例所示意的步骤s101至步骤s104,通过所有通信节点构建用于实现各个通信节点之间进行本地协作的传输模型，并根据传输模型生成包括多个备选传输模型的备选序列，进而对备选序列进行优化迭代处理，不仅能够减小在单个给定域的全局处理时间，实现计算速度的时延降低，提高协同传输计算效率，而且使得备选序列能够不断地朝着通信开销指标更大的方向进行更新演化，从而能够符合多通信节点之间的协同传输需求，以便于从中选择相应的通信开销指标最大的备选传输模型作为第一目标传输模型，有利于提高对于协同传输计算的精度，确保能够得到符合要求的协同传输模型，提高医务传达效率。
73.例如，将该医院的所有科室的移动设备都纳入到统一管理之中，每个移动设备作为一个通信节点，然后根据所有通信节点确定所有传输模型，将所有传输模型添加到预配置的历史模型库中，再根据所有传输模型生成备选序列，对备选序列进行优化迭代处理，直至满足迭代结束条件；最后，从备选序列中，选择通信开销指标最大的备选传输模型作为第一目标传输模型，有利于提高对于协同传输计算的精度，确保能够得到符合要求的协同传输模型，提高医务传达效率。
74.通信设备可以称为接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、无线通信设备、用户代理或用户装置。例如，通信设备可以是蜂窝电话、无绳电话、会话启动协议(session initiation protocol，sip)电话、无线本地环路(wireless local loop，wll)站、个人数字处理(personal digital assistant，pda)、有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备、5g网络或者未来5g以上网络中的终端设备等，本实施例对此并不作具体限定。
75.在一些实施例的步骤s101中，由于各个通信设备之间的连接关系可以进行相互演化调整，例如三个通信设备之间的连接关系可以是两两互连，也可以仅为链式连接等，以此
类推，因此实际上的传输模型的种类可以为多种，此处并未限制；历史模型库用于存储传输模型，并且用于对其中的传输模型进行统计、分析等，本领域技术人员可以根据具体应用场景设置相应的历史模型库。
76.需要说明的是，在医疗场景中，也可能存在不同的通信节点之间的连接关系相同而形成相同的传输模型的情况，此时可以将这些相同的传输模型看作为一类传输模型，同样适用于本实施例的多通信节点的协同传输方法，为免歧义，后续对此不作赘述。
77.在一些实施例的步骤s103中，预设通信开销函数为用于计算备选传输模型的通信开销指标的函数，可以根据具体应用场景进行选择设置，此处并不限定预设通信开销函数的具体类型及构造，后续实施例中将对此进行描述。
78.在一些实施例的步骤s103中，通过将第二传输模型设置于备选序列的最末端，以及将备选序列的最前端的备选传输模型删除，有助于更好地探索关于备选传输模型的解空间，过早地聚焦于其局部解，也就是说，与遗传算法的思路相类似，这有利于实现对于优选的备选传输模型的进一步优化。
79.在一些实施例的步骤s103中，考虑到历史模型库的存储上限是一定的，因此为了避免出现历史模型库过量存储的情况，此处设置迭代结束条件为历史模型库中的所有传输模型的数量达到预设数量阈值，也就是说，当历史模型库中的所有传输模型的数量达到预设数量阈值，说明此时的优化迭代处理进程已经保持相对较长，能够整体符合优化迭代要求。
80.在一些实施例的步骤s104中，选择通信开销指标最大的备选传输模型作为第一目标传输模型，即通信开销指标最大的备选传输模型的适应度更高，可以用于作为第一目标传输模型。
81.为了更好地说明上述实施例的工作原理，以下给出一个具体示例进行说明。
82.示例一:
83.如图2所示，假设有n个可以运行深度神经网络(dnn)的移动设备(即图2中的s1、s2、s3等)，并且dnn模型已经经过预训练安装在移动设备上。每个设备i∈n有nj的数据量需要处理，移动设备之间使用蓝牙、wifi等方式直接连接，不同设备的数据处理方式可以为不相同的。两台设备i和j之间的通信时延用d
ij
表示。根据现有技术可知，gpu上的移动设备的工作负载批处理可以有效地减少处理时间，多个移动设备可以在单个设备上聚合其工作负载，为此定义一个二进制变量xi来指示节点i∈n是否为一个聚合节点，即
[0084][0085]
需要注意的是，有些节点只处理自己的数据，不接收来自其他节点的工作负载，则将其视为xi＝1的聚合节点，每个非聚合节点(例如图2中所示的“s1”)可以连接多个聚合节点(例如图2中所示的“s2”、“s3”和“s4”)，定义一个变量y
ij
来表示从节点i卸载到节点j的工作量的部分，由于聚合节点不卸载工作量到其他节点，因此有对于每个非聚合节点来说，则有可以总结为
[0086]
[0087][0088]
节点i的总开销定义为ti，具体为该节点计算和通信的开销的和，表示为
[0089]
ti＝2*∑
jdij
*y
ij
+f(∑jy
ij
*nj)；
[0090]
其中f(.)为描述gpu处理时间与工作负载关系的非递减函数，以最小化所有移动设备的总成本为目标，则研究的最终结果可以表述为下式，并受上述各式的约束，即
[0091]
min∑
i∈n
ti；
[0092]
请参阅图2，此处的通信节点为移动设备，当移动设备之间建立连接形成传输模型之后，假设各个传输模型的传输时延保持不变，但各个传输模型之间的传输时延不同。由于推理计算过程是接近实时的，因此移动设备被合理地认为是保持静止的，直到其收到计算结果。为了准确选择最佳的移动设备作为图2所示的计算节点，主要关注最小化计算节点与用户节点(卸载计算任务)之间的数据/结果传输以及计算节点内的任务计算所产生的整个时间成本，考虑到移动设备的移动性，本地连接关系会不时地更新，使得一次最优的计算节点选择并不一定适用于下一次，因此需要在动态环境中跟踪最优选择。
[0093]
请参阅图3，在一些实施例中，步骤s102可以包括但不限于包括步骤s201至s202：
[0094]
步骤s201，从所有传输模型中，随机选择多个传输模型作为多个备选传输模型；
[0095]
步骤s202，根据多个备选传输模型生成备选序列。
[0096]
本步骤中，通过随机选择多个传输模型可以得到多个备选传输模型，采用随机选择的方式可以尽可能地囊括所有传输模型进行选择，所选择得到的备选传输模型更加具有普适性，从而减小选择备选传输模型的误差。
[0097]
请参阅图4，在一些实施例中，步骤s201可以包括但不限于包括步骤s301：
[0098]
步骤s301，从所有传输模型中，以相同的概率随机选择多个传输模型作为多个备选传输模型。
[0099]
本步骤中，以相同的概率随机选择多个传输模型作为多个备选传输模型，可以确保所有传输模型能够被选择的概率是均等的，也就是说，不会出现对于某个或多个传输模型进行倾向性选择的情况，尽量保证各个传输模型都能够以相同的概率被选择，从而减小选择备选传输模型的误差。
[0100]
在一些实施例的步骤s301中，随机选择的概率可以根据具体情况进行设置，此处并未限定。
[0101]
请参阅图5，在一些实施例中，步骤s202可以包括但不限于包括步骤s401：
[0102]
步骤s401，根据随机选择多个备选传输模型的先后顺序，将多个备选传输模型进行排列，生成备选序列。
[0103]
本步骤中，在随机选择多个备选传输模型之后，根据随机选择多个备选传输模型的先后顺序，将多个备选传输模型进行排列，可以将所选择的备选传输模型进行良好排列，以便于在后续优化迭代处理的过程中进一步地对第一传输模型进行处理。
[0104]
在一些实施例的步骤s401中，还可以采用随机排列的方式对多个备选传输模型进行排列而生成备选序列，此处并未限定。
[0105]
在一些实施例中，步骤s103中的“对第一传输模型进行扩展处理，得到第二传输模型”可以包括但不限于包括步骤s501：
[0106]
步骤s501，对第一传输模型中的若干个通信节点依次进行断开处理和连接处理，
得到第二传输模型。
[0107]
本步骤中，由于第一传输模型中的各个通信节点之间的连接关系是确定的，因此为了改变这种连接关系，可以将第一传输模型中的若干个通信节点依次进行断开处理和连接处理，从而能够实现对于连接关系的重新构建以得到第二传输模型。
[0108]
在一些实施例的步骤s501中，依次进行断开处理和连接处理的若干个通信节点不限定数量，也就是说，可以对第一传输模型中的所有通信节点均进行断开处理和连接处理，也可以仅对第一传输模型中的部分通信节点进行断开处理和连接处理，此处并未限定。
[0109]
请参阅图6，在一些实施例中，步骤s501可以包括但不限于包括步骤s601至步骤s602：
[0110]
步骤s601，对第一传输模型中的若干个以第一预设连接方式所连接的通信节点进行断开处理，得到若干个分散的通信节点；
[0111]
步骤s602，以第二预设连接方式对若干个分散的通信节点进行连接处理，得到第二传输模型，其中，第二预设连接方式与第一预设连接方式不相同。
[0112]
本步骤中，通过将通信节点原有的第一预设连接方式进行断开，从而得到分散的各个通信节点，再以不同于第一预设连接方式的第二预设连接方式将若干个分散的通信节点进行连接处理，就能够得到新的第二传输模型，也就是说，通过这样的断开及连接处理，可以确保得到可靠的第二传输模型。
[0113]
在一些实施例中，步骤s103之后还可以包括但不限于包括步骤s701：
[0114]
步骤s701，从备选序列中，选择通信开销指标大于预设开销指标的所有备选传输模型作为第二传输模型。
[0115]
本步骤中，预设开销指标作为临界指标，用于衡量通信节点的开销是否符合相应要求，也就是说，通过选择通信开销指标大于预设开销指标的所有备选传输模型作为第二传输模型，可以将所有满足预设指标要求的备选传输模型进行选择，有利于选择出多个符合指标要求的第二传输模型。
[0116]
在一些实施例的步骤s701中，预设开销指标的具体数值可以根据具体应用场景进行设置，此处并未限制。
[0117]
为了更好地说明上述各实施例的工作原理及内容，以下给出一个具体示例进行说明。
[0118]
示例二:
[0119]
基于如下流程实现多通信节点的协同传输方法，具体包括但不限于：
[0120]
首先，将移动设备之间不同的连接作为一个传输模型，如图7所示，图7中包括2个传输模型，即以1、2和4进行连接的一个传输模型，以及以3和5进行连接的另一个传输模型，以此类推，每个传输模型的结构均为已知的，此时以相同的概率从所有可能的结构中随机选择n个传输模型作为初始化种群，所选传输模型将被记录在历史模型库中；
[0121]
然后，根据优化的目标函数公式(可参照示例一中所提供的函数公式，此处不赘述)计算种群中传输模型的适应值；
[0122]
然后，将种群集合中的传输模型随机采样为候选集合，选择该集合中在目标函数的验证集上适应度最高的传输模型作为父代的传输模型；
[0123]
然后，通过突变操作将父代的传输模型架构演变成新的传输模型即子代架构，此
处的突变操作指断开连接和创建新连接，例如图7中，将节点4断开与2的连接，并建立和3的连接，以及将节点5断开与3的连接，并建立和2的连接，一次断开重新连接操作记为一次突变，可以看出图7中的传输模型一共经过2次突变。
[0124]
然后，将生成的子代架构添加到种群和历史模型库中，为保持种群的大小不变，最早加入种群的最老的传输模型将被移除，有助于更多地探索解空间，而不是过早地聚焦于局部解。
[0125]
最后，重复上述步骤，直到历史模型库中的模型的数量大于预设数量阈值，最后从历史模型库中选择适应度最好的传输模型作为目标传输模型。
[0126]
结合上述各个示例可以看出，通过对备选序列进行优化迭代处理，不仅能够减小在单个给定域的全局处理时间，实现计算速度的时延降低，提高协同传输计算效率，而且使得备选序列能够不断地朝着通信开销指标更大的方向进行更新演化，从而能够符合多通信节点之间的协同传输需求，以便于从中选择相应的通信开销指标最大的备选传输模型作为第一目标传输模型，有利于提高对于协同传输计算的精度，确保能够得到符合要求的协同传输模型，提高医务传达效率。
[0127]
请参阅图8，本技术实施例还提供一种多通信节点的协同传输装置，可以实现上述多通信节点的协同传输方法，该装置包括：
[0128]
模型生成模块，用于根据所有通信节点确定所有传输模型，将所有传输模型添加到预配置的历史模型库中，其中，每个传输模型由至少两个通信节点连接形成，任意两个传输模型不相同；
[0129]
序列生成模块，用于根据所有传输模型生成备选序列，其中，备选序列包括多个备选传输模型；
[0130]
优化处理模块，用于对备选序列进行优化迭代处理，直至满足迭代结束条件，其中，优化迭代处理包括：
[0131]
根据预设通信开销函数获取各个备选传输模型的通信开销指标；
[0132]
对第一传输模型进行扩展处理，得到第二传输模型，其中，第一传输模型为备选序列中通信开销指标最大的备选传输模型；
[0133]
将第二传输模型添加到历史模型库中；
[0134]
将第二传输模型设置于备选序列的最末端，以及将备选序列的最前端的备选传输模型删除；
[0135]
迭代结束条件为历史模型库中的所有传输模型的数量达到预设数量阈值；
[0136]
选择模块，用于从备选序列中，选择通信开销指标最大的备选传输模型作为第一目标传输模型。
[0137]
该多通信节点的协同传输装置的具体实施方式与上述多通信节点的协同传输方法的具体实施例基本相同，属于相同的发明构思，在此不再赘述。
[0138]
本技术实施例还提供了一种电子设备，电子设备包括内存和处理器，内存存储有计算机程序，处理器执行计算机程序时实现上述多通信节点的协同传输方法。该电子设备可以为包括平板计算机、车载计算机等任意智能通信节点。
[0139]
请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：
[0140]
处理器901，可以采用通用的cpu(central processing unit，中央处理器)、微处
理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本技术实施例所提供的技术方案；
[0141]
内存902，可以采用只读存储器(read only memory，rom)、静态存储设备、动态存储设备或者随机存取内存(random access memory，ram)等形式实现。内存902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在内存902中，并由处理器901来调用执行本技术实施例的多通信节点的协同传输方法；
[0142]
输入/输出接口903，用于实现信息输入及输出；
[0143]
通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信；
[0144]
总线905，在设备的各个组件(例如处理器901、内存902、输入/输出接口903和通信接口904)之间传输信息；
[0145]
其中处理器901、内存902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
[0146]
本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述多通信节点的协同传输方法。
[0147]
内存作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序以及非瞬时性计算机可执行程序。此外，内存可以包括高速随机存取内存，还可以包括非瞬时内存，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态内存件。在一些实施方式中，内存可选包括相对于处理器远程设置的内存，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0148]
本技术实施例提供的多通信节点的协同传输方法及装置、电子设备、存储介质,其通过应用容器和业务场景信息对第一业务组件进行实例化处理而得到第二业务组件，以及根据第二业务组件生成表征第二业务组件的路由配置的业务组件列表，即能够根据不同场景初始化不同配置的组件，实现了组件逻辑的复用，有效实现了组件的实例化与配置注入，有利于提升业务处理的灵活度；并且基于业务场景路由抽象出多级路由单元的机制以实现业务组件列表的编排，从而为业务组件列表的路由执行提供了更为有效可靠的方式，极大改善了业务编排执行的拓展性，有利于提高业务开发维护效率。
[0149]
本技术实施例描述的实施例是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
[0150]
上述对本技术特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0151]
本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简
单，相关之处参见方法实施例的部分说明即可。
[0152]
本技术实施例提供的装置、设备、计算机可读存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、计算机存储介质的有益技术效果。
[0153]
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。
[0154]
例如，可编程逻辑器件(programmable logic device,pld)(例如现场可编程门阵列(field programmable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，例如:
[0155]
abel(advanced boolean expression language)；ahdl(altera hardware description language)；confluence；cupl(cornell university programming language)；hdcal；以及jhdl(java hardware description language)；lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等；目前，在本领域技术之中，相比之下更加较为常用的是vhdl(very-high-speed integrated circuit hardware description language)以及语言verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
[0156]
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：
[0157]
arc 625d、atmel at91sam、microchip地址pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0158]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，
或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0159]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本技术实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0160]
本领域内的技术人员应明白，本技术实施例可提供为方法、系统、或计算机程序产品。因此，本技术实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0161]
本说明书是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0162]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0163]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0164]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0165]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0166]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0167]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0168]
本技术实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示单独存在a、同时存在a和b、单独存在b的情况。其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。
[0169]
本技术实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0170]
本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0171]
以上所述仅为本技术实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种多通信节点的协同传输方法，其特征在于，包括：根据所有所述通信节点确定所有传输模型，将所有所述传输模型添加到预配置的历史模型库中，其中，每个所述传输模型由至少两个所述通信节点连接形成，任意两个所述传输模型不相同；根据所有所述传输模型生成备选序列，其中，所述备选序列包括多个备选传输模型；对所述备选序列进行优化迭代处理，直至满足迭代结束条件；从所述备选序列中，选择通信开销指标最大的所述备选传输模型作为第一目标传输模型；其中，所述优化迭代处理包括：根据预设通信开销函数获取各个所述备选传输模型的通信开销指标；对第一传输模型进行扩展处理，得到第二传输模型，其中，所述第一传输模型为所述备选序列中所述通信开销指标最大的所述备选传输模型；将所述第二传输模型添加到所述历史模型库中；将所述第二传输模型设置于所述备选序列的最末端，以及将所述备选序列的最前端的所述备选传输模型删除；所述迭代结束条件为所述历史模型库中的所有所述传输模型的数量达到预设数量阈值。2.根据权利要求1所述的多通信节点的协同传输方法，其特征在于，所述对第一传输模型进行扩展处理，得到第二传输模型，包括：对第一传输模型中的若干个所述通信节点依次进行断开处理和连接处理，得到第二传输模型。3.根据权利要求2所述的多通信节点的协同传输方法，其特征在于，所述对第一传输模型中的若干个所述通信节点依次进行断开处理和连接处理，得到第二传输模型，包括：对第一传输模型中的若干个以第一预设连接方式所连接的所述通信节点进行断开处理，得到若干个分散的所述通信节点；以第二预设连接方式对若干个分散的所述通信节点进行连接处理，得到第二传输模型，其中，所述第二预设连接方式与所述第一预设连接方式不相同。4.根据权利要求1所述的多通信节点的协同传输方法，其特征在于，所述根据所有所述传输模型生成备选序列，包括：从所有所述传输模型中，随机选择多个所述传输模型作为多个所述备选传输模型；根据多个所述备选传输模型生成备选序列。5.根据权利要求4所述的多通信节点的协同传输方法，其特征在于，所述从所有所述传输模型中，随机选择多个所述传输模型作为多个所述备选传输模型，包括：从所有所述传输模型中，以相同的概率随机选择多个所述传输模型作为多个所述备选传输模型。6.根据权利要求4所述的多通信节点的协同传输方法，其特征在于，所述根据多个所述备选传输模型生成备选序列，包括：根据随机选择多个所述备选传输模型的先后顺序，将多个所述备选传输模型进行排列，生成备选序列。
7.根据权利要求1至6任意一项所述的多通信节点的协同传输方法，其特征在于，所述对所述备选序列进行优化迭代处理，直至满足迭代结束条件之后，还包括：从所述备选序列中，选择通信开销指标大于预设开销指标的所有所述备选传输模型作为第二传输模型。8.一种多通信节点的协同传输装置，其特征在于，所述装置包括：模型生成模块，用于根据所有所述通信节点确定所有传输模型，将所有所述传输模型添加到预配置的历史模型库中，其中，每个所述传输模型由至少两个所述通信节点连接形成，任意两个所述传输模型不相同；序列生成模块，用于根据所有所述传输模型生成备选序列，其中，所述备选序列包括多个备选传输模型；优化处理模块，用于对所述备选序列进行优化迭代处理，直至满足迭代结束条件，其中，所述优化迭代处理包括：根据预设通信开销函数获取各个所述备选传输模型的通信开销指标；对第一传输模型进行扩展处理，得到第二传输模型，其中，所述第一传输模型为所述备选序列中所述通信开销指标最大的所述备选传输模型；将所述第二传输模型添加到所述历史模型库中；将所述第二传输模型设置于所述备选序列的最末端，以及将所述备选序列的最前端的所述备选传输模型删除；所述迭代结束条件为所述历史模型库中的所有所述传输模型的数量达到预设数量阈值；选择模块，用于从所述备选序列中，选择通信开销指标最大的所述备选传输模型作为第一目标传输模型。9.一种电子设备，其特征在于，所述电子设备包括内存和处理器，所述内存存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的多通信节点的协同传输方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的多通信节点的协同传输方法。

技术总结
本申请实施例提供了一种多通信节点的协同传输方法及装置、电子设备、存储介质，属于人工智能技术领域，其中，协同传输方法包括：根据所有通信节点确定所有传输模型，将所有传输模型添加到预配置的历史模型库中，其中，每个传输模型由至少两个通信节点连接形成，任意两个传输模型不相同；根据所有传输模型生成备选序列，其中，备选序列包括多个备选传输模型；对备选序列进行优化迭代处理，直至满足迭代结束条件；从备选序列中，选择通信开销指标最大的备选传输模型作为第一目标传输模型。本申请实施例中，通过对备选序列进行优化迭代处理，能够符合协同传输需求，有利于提高对于协同传输计算的精度，确保得到符合要求的协同传输模型。确保得到符合要求的协同传输模型。确保得到符合要求的协同传输模型。


技术研发人员：张楠 王健宗 瞿晓阳
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.06.16
技术公布日：2023/8/31