CN106572185A - 一种移动物联网系统内节点的协同工作方法与装置 - Google Patents
一种移动物联网系统内节点的协同工作方法与装置 Download PDFInfo
- Publication number
- CN106572185A CN106572185A CN201610989684.1A CN201610989684A CN106572185A CN 106572185 A CN106572185 A CN 106572185A CN 201610989684 A CN201610989684 A CN 201610989684A CN 106572185 A CN106572185 A CN 106572185A
- Authority
- CN
- China
- Prior art keywords
- node
- devices
- task
- list
- device node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种移动物联网系统内节点的协同工作方法与装置包括：确定本地物联网系统内各设备节点的自组网结构；使用模糊聚类算法将所有设备节点划分为多个不同的簇；确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表；获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务；根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上；各设备节点并行处理任务，并返回结果。
Description
技术领域
本发明涉及物联网领域，特别地，涉及一种移动物联网系统内节点的协同工作方法与装置。
背景技术
移动物联网是基于移动手持设备的物联网技术和应用，简单而言就是让所有东西联系起来，因此，在移动物联网中，组网的节点是具有一定的计算能力和存储能力的，实际上每个节点都可以看作一台小型计算机。一般而言，移动物联网网络中包含：移动终端设备、传输通道、控制处理平台三个部分。类似于智能家居及车联网等本地小型网络中，都存在着网络利用率偏低以及资源调度部平衡等问题，如何对网络中过载节点进行计算卸载和资源调度，是当前研究的一个热点。
模糊聚类技术是根据客观事物间的特征、亲疏程度、相似性，通过建立模糊相似关系对客观事物进行聚类的分析方法，一开始是被应用在图像处理领域，获得了巨大的成功。模糊聚类技术可以降低任务规模，将任务或资源数目限定在一定范围内。
然而，模糊聚类技术在小型本地物联网网络中应用效果并不好。为了达到负载均衡，模糊聚类技术需要的计算花费造成了计算卸载和资源调度上的问题，其计算速度与容错率都成为不可忽视的缺点。
针对现有技术中模糊聚类技术在小型本地物联网网络中计算速度与容错率低的问题，目前尚未有有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提出一种移动物联网系统内节点的协同工作方法与装置，能够应用在小型本地移动物联网网络中实现计算卸载，使网络负载均衡，提高网络节点资源的利用率，增强网络的健壮性。
基于上述目的，本发明提供的技术方案如下：
根据本发明的一个方面，提供了一种移动物联网系统内节点的协同工作方法，包括：
确定本地物联网系统内各设备节点的自组网结构；
使用模糊聚类算法将所有设备节点划分为多个不同的簇；
确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表；
获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务；
根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上；
各设备节点并行处理任务，并返回结果。
其中，所述确定本地物联网系统内各设备节点的自组网结构包括：
确定调度中心在物联网系统中的位置；
确定所述各设备节点在物联网系统中的位置；
确定调度中心与所述各设备节点、以及所述各设备节点之间的连接关系。
其中，使用模糊聚类算法将所有设备节点划分为多个不同的簇包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用模糊聚类算法将所有设备节点划分为多个不同的簇。
并且，确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用协同过滤算法确定每个簇中所有设备节点之间的相似性；
根据每个簇中所有设备节点之间的相似性为所有设备节点生成相邻节点列表。
其中，根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上为：根据个设备节点的相邻节点列表中空闲的节点、拆分后的用户任务进行调度；其中，对于可以进行计算卸载的任务，通过相邻节点列表找出最近的可用空闲节点，以并行方式实现计算负载。
根据本发明的一个方面，提供了一种移动物联网系统内节点的协同工作装置，包括：
初始化模块，用于确定本地物联网系统内各设备节点的自组网结构；
分簇模块，用于使用模糊聚类算法将所有设备节点划分为多个不同的簇；
列表生成模块，用于确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表；
任务分析模块，同于获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务；
资源调度模块，用于根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上；
多个设备节点，用于并行处理任务，并返回结果。
其中，所述初始化模块确定本地物联网系统内各设备节点的自组网结构包括：
确定调度中心在物联网系统中的位置；
确定所述各设备节点在物联网系统中的位置；
确定调度中心与所述各设备节点、以及所述各设备节点之间的连接关系。
其中，其特征在于，所述分簇模块使用模糊聚类算法将所有设备节点划分为多个不同的簇包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用模糊聚类算法将所有设备节点划分为多个不同的簇。
并且，所述列表生成模块确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用协同过滤算法确定每个簇中所有设备节点之间的相似性；
根据每个簇中所有设备节点之间的相似性为所有设备节点生成相邻节点列表。
其中，所述资源调度模块根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上为：根据个设备节点的相邻节点列表中空闲的节点、拆分后的用户任务进行调度；其中，对于可以进行计算卸载的任务，通过相邻节点列表找出最近的可用空闲节点，以并行方式实现计算负载。
从上面所述可以看出，本发明提供的技术方案通过使用模糊聚类算法将所有设备节点划分为多个不同的簇，确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表，获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务，根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上的技术手段，可以应用在小型本地移动物联网网络中，通过对目标节点进行协同推荐，快速找到网络中与其相邻的空闲节点，从而实现计算卸载，使网络负载均衡，提高网络节点资源的利用率，增强网络的健壮性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的一种移动物联网系统内节点的协同工作方法的流程图；
图2为根据本发明实施例的一种移动物联网系统内节点的协同工作方法中，作为实施例的移动物联网系统的结构图；
图3为根据本发明实施例的一种移动物联网系统内节点的协同工作方法中，作为实施例的协同工作装置的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进一步进行清楚、完整、详细地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种移动物联网系统内节点的协同工作方法。
如图1所示，根据本发明实施例的提供的一种移动物联网系统内节点的协同工作方法包括：
步骤S101，确定本地物联网系统内各设备节点的自组网结构；
步骤S103，使用模糊聚类算法将所有设备节点划分为多个不同的簇；
步骤S105，确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表；
步骤S107，获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务；
步骤S109，根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上；
步骤S111，各设备节点并行处理任务，并返回结果。
其中，所述确定本地物联网系统内各设备节点的自组网结构包括：
确定调度中心在物联网系统中的位置；
确定所述各设备节点在物联网系统中的位置；
确定调度中心与所述各设备节点、以及所述各设备节点之间的连接关系。
其中，使用模糊聚类算法将所有设备节点划分为多个不同的簇包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用模糊聚类算法将所有设备节点划分为多个不同的簇。
并且，确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用协同过滤算法确定每个簇中所有设备节点之间的相似性；
根据每个簇中所有设备节点之间的相似性为所有设备节点生成相邻节点列表。
其中，根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上为：根据个设备节点的相邻节点列表中空闲的节点、拆分后的用户任务进行调度；其中，对于可以进行计算卸载的任务，通过相邻节点列表找出最近的可用空闲节点，以并行方式实现计算负载。
下面根据具体实施例进一步阐述本发明的技术方案。
首先我们搭建好如图2所示的本地移动物联网络。网络中具有一个或几个调度中心，调度中心是网络的核心部分，本文基于改进协同过滤算法实现的调度模块即实现在调度中心上面。其次，网络的节点通过无线或有线的方式进行连接，节点即为移动手持设备，包括智能手机、智能物联网设备等。
根据节点的不同属性，我们在节点上实现属性归一化模块，把节点属性以相同的数据形式组织起来，方便节点之间的数据交换。同时，节点将自己的属性数据上传到调度服务器中，调度服务器根据网络中节点的属性集，利用模糊聚类算法，通过模糊聚类分类模块将网络中节点划分成不同的类属。然后，利用网络中已经存在的调度数据作为训练集，利用协同过滤算法对每类中的节点进行处理，得到每个节点的相邻节点列表。该处理结果将作为调度器调度的依据。
其后，任务分析模块将对用户任务进行分析处理，对于可以进行拆分处理的任务进行拆分，将一个任务拆分成几个可以同时并行的子任务。该拆分结果作为调度器的第二个输入，是实现计算卸载及资源调度的依据。
最后，如图3所示，调度器根据目标节点的相邻空闲节点列表以及任务分析器的结果进行任务调度，对于可以进行计算卸载的任务，通过节点近邻列表找出最近的可用空闲节点，通过并行的方式实现计算负载。得到任务处理的最终结果返回给用户。
根据本发明的另一实施例，提供了一种移动物联网系统内节点的协同工作装置。
根据本发明实施例的提供的一种移动物联网系统内节点的协同工作装置包括：
初始化模块，用于确定本地物联网系统内各设备节点的自组网结构；
分簇模块，用于使用模糊聚类算法将所有设备节点划分为多个不同的簇；
列表生成模块，用于确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表；
任务分析模块，同于获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务；
资源调度模块，用于根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上；
多个设备节点，用于并行处理任务，并返回结果。
其中，所述初始化模块确定本地物联网系统内各设备节点的自组网结构包括：
确定调度中心在物联网系统中的位置；
确定所述各设备节点在物联网系统中的位置；
确定调度中心与所述各设备节点、以及所述各设备节点之间的连接关系。
其中，其特征在于，所述分簇模块使用模糊聚类算法将所有设备节点划分为多个不同的簇包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用模糊聚类算法将所有设备节点划分为多个不同的簇。
并且，所述列表生成模块确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用协同过滤算法确定每个簇中所有设备节点之间的相似性；
根据每个簇中所有设备节点之间的相似性为所有设备节点生成相邻节点列表。
其中，所述资源调度模块根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上为：根据个设备节点的相邻节点列表中空闲的节点、拆分后的用户任务进行调度；其中，对于可以进行计算卸载的任务，通过相邻节点列表找出最近的可用空闲节点，以并行方式实现计算负载。
综上所述，本发明提供的技术方案通过使用模糊聚类算法将所有设备节点划分为多个不同的簇，确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表，获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务，根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上的技术手段，可以应用在小型本地移动物联网网络中，通过对目标节点进行协同推荐，快速找到网络中与其相邻的空闲节点，从而实现计算卸载，使网络负载均衡，提高网络节点资源的利用率，增强网络的健壮性。
所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种移动物联网系统内节点的协同工作方法，其特征在于，包括：
确定本地物联网系统内各设备节点的自组网结构；
使用模糊聚类算法将所有设备节点划分为多个不同的簇；
确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表；
获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务；
根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上；
各设备节点并行处理任务，并返回结果。
2.根据权利要求1所述的方法，其特征在于，所述确定本地物联网系统内各设备节点的自组网结构包括：
确定调度中心在物联网系统中的位置；
确定所述各设备节点在物联网系统中的位置；
确定调度中心与所述各设备节点、以及所述各设备节点之间的连接关系。
3.根据权利要求1所述的方法，其特征在于，使用模糊聚类算法将所有设备节点划分为多个不同的簇包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用模糊聚类算法将所有设备节点划分为多个不同的簇。
4.根据权利要求3所述的方法，其特征在于，确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用协同过滤算法确定每个簇中所有设备节点之间的相似性；
根据每个簇中所有设备节点之间的相似性为所有设备节点生成相邻节点列表。
5.根据权利要求1所述的方法，其特征在于，根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上为：根据个设备节点的相邻节点列表中空闲的节点、拆分后的用户任务进行调度；其中，对于可以进行计算卸载的任务，通过相邻节点列表找出最近的可用空闲节点，以并行方式实现计算负载。
6.一种移动物联网系统内节点的协同工作装置，其特征在于，包括：
初始化模块，用于确定本地物联网系统内各设备节点的自组网结构；
分簇模块，用于使用模糊聚类算法将所有设备节点划分为多个不同的簇；
列表生成模块，用于确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表；
任务分析模块，同于获取用户任务，将可拆分的任务拆分为多个能够并行处理的子任务；
资源调度模块，用于根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上；
多个设备节点，用于并行处理任务，并返回结果。
7.根据权利要求6所述的方法，其特征在于，所述初始化模块确定本地物联网系统内各设备节点的自组网结构包括：
确定调度中心在物联网系统中的位置；
确定所述各设备节点在物联网系统中的位置；
确定调度中心与所述各设备节点、以及所述各设备节点之间的连接关系。
8.根据权利要求6所述的方法，其特征在于，所述分簇模块使用模糊聚类算法将所有设备节点划分为多个不同的簇包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用模糊聚类算法将所有设备节点划分为多个不同的簇。
9.根据权利要求8所述的方法，其特征在于，所述列表生成模块确定每个簇中所有设备节点之间的相似性，获得每个设备节点的相邻节点列表包括：
获取所述所有设备节点的属性数据；
根据所述所有设备节点的属性数据，使用协同过滤算法确定每个簇中所有设备节点之间的相似性；
根据每个簇中所有设备节点之间的相似性为所有设备节点生成相邻节点列表。
10.根据权利要求6所述的方法，其特征在于，所述资源调度模块根据每个设备节点的相邻节点列表与拆分后的用户任务，将任务分配到各设备节点上为：根据个设备节点的相邻节点列表中空闲的节点、拆分后的用户任务进行调度；其中，对于可以进行计算卸载的任务，通过相邻节点列表找出最近的可用空闲节点，以并行方式实现计算负载。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610989684.1A CN106572185A (zh) | 2016-11-10 | 2016-11-10 | 一种移动物联网系统内节点的协同工作方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610989684.1A CN106572185A (zh) | 2016-11-10 | 2016-11-10 | 一种移动物联网系统内节点的协同工作方法与装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106572185A true CN106572185A (zh) | 2017-04-19 |
Family
ID=58540892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610989684.1A Pending CN106572185A (zh) | 2016-11-10 | 2016-11-10 | 一种移动物联网系统内节点的协同工作方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106572185A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018205301A1 (zh) * | 2017-05-08 | 2018-11-15 | 北京邮电大学 | 移动计算卸载协同控制系统及方法 |
| CN108900644A (zh) * | 2018-08-22 | 2018-11-27 | 重庆信络威科技有限公司 | 一种基于物计算的协作物联网系统 |
| CN109343946A (zh) * | 2018-09-19 | 2019-02-15 | 长安大学 | 一种软件定义车联网计算任务迁移和调度方法 |
| CN110392079A (zh) * | 2018-04-20 | 2019-10-29 | 上海无线通信研究中心 | 面向雾计算的节点计算任务调度方法及其设备 |
| WO2021139537A1 (zh) * | 2020-01-08 | 2021-07-15 | 上海交通大学 | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101394345A (zh) * | 2008-10-22 | 2009-03-25 | 南京邮电大学 | 一种面向普适计算感知数据流的协同进化聚类方法 |
| CN103093376A (zh) * | 2013-01-16 | 2013-05-08 | 北京邮电大学 | 基于奇异值分解算法的聚类协同过滤推荐系统 |
| CN103702276A (zh) * | 2013-12-26 | 2014-04-02 | 河海大学常州校区 | 一种基于分簇的无线传感器网络中复杂任务协作求解方法 |
| WO2015006044A2 (en) * | 2013-07-11 | 2015-01-15 | Neura, Inc. | Data consolidation mechanisms for internet of things integration platform |
| CN106028385A (zh) * | 2016-05-05 | 2016-10-12 | 南京邮电大学 | 一种移动物联网系统故障测定方法 |
-
2016
- 2016-11-10 CN CN201610989684.1A patent/CN106572185A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101394345A (zh) * | 2008-10-22 | 2009-03-25 | 南京邮电大学 | 一种面向普适计算感知数据流的协同进化聚类方法 |
| CN103093376A (zh) * | 2013-01-16 | 2013-05-08 | 北京邮电大学 | 基于奇异值分解算法的聚类协同过滤推荐系统 |
| WO2015006044A2 (en) * | 2013-07-11 | 2015-01-15 | Neura, Inc. | Data consolidation mechanisms for internet of things integration platform |
| CN103702276A (zh) * | 2013-12-26 | 2014-04-02 | 河海大学常州校区 | 一种基于分簇的无线传感器网络中复杂任务协作求解方法 |
| CN106028385A (zh) * | 2016-05-05 | 2016-10-12 | 南京邮电大学 | 一种移动物联网系统故障测定方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018205301A1 (zh) * | 2017-05-08 | 2018-11-15 | 北京邮电大学 | 移动计算卸载协同控制系统及方法 |
| CN110392079A (zh) * | 2018-04-20 | 2019-10-29 | 上海无线通信研究中心 | 面向雾计算的节点计算任务调度方法及其设备 |
| CN110392079B (zh) * | 2018-04-20 | 2021-10-26 | 上海无线通信研究中心 | 面向雾计算的节点计算任务调度方法及其设备 |
| CN108900644A (zh) * | 2018-08-22 | 2018-11-27 | 重庆信络威科技有限公司 | 一种基于物计算的协作物联网系统 |
| CN109343946A (zh) * | 2018-09-19 | 2019-02-15 | 长安大学 | 一种软件定义车联网计算任务迁移和调度方法 |
| CN109343946B (zh) * | 2018-09-19 | 2021-08-13 | 长安大学 | 一种软件定义车联网计算任务迁移和调度方法 |
| WO2021139537A1 (zh) * | 2020-01-08 | 2021-07-15 | 上海交通大学 | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 |
| US11778018B2 (en) | 2020-01-08 | 2023-10-03 | Shanghai Jiao Tong University | Method for task offloading based on power control and resource allocation in industrial internet of things |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tang et al. | Joint multiuser DNN partitioning and computational resource allocation for collaborative edge intelligence | |
| CN106572185A (zh) | 一种移动物联网系统内节点的协同工作方法与装置 | |
| Nguyen et al. | Price-based resource allocation for edge computing: A market equilibrium approach | |
| CN109857546B (zh) | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 | |
| Koo et al. | Deep reinforcement learning for network slicing with heterogeneous resource requirements and time varying traffic dynamics | |
| Deng et al. | Task allocation algorithm and optimization model on edge collaboration | |
| Deng et al. | User-centric computation offloading for edge computing | |
| Dandachi et al. | An artificial intelligence framework for slice deployment and orchestration in 5G networks | |
| Patel et al. | Priority based job scheduling techniques in cloud computing: a systematic review | |
| CN109829332A (zh) | 一种基于能量收集技术的联合计算卸载方法及装置 | |
| Sucharitha et al. | An autonomous adaptive enhancement method based on learning to optimize heterogeneous network selection | |
| Wang et al. | Joint server assignment and resource management for edge-based MAR system | |
| CN114253735B (zh) | 一种任务处理方法、装置及相关设备 | |
| Yalçındağ et al. | A two-stage approach for solving assignment and routing problems in home health care services | |
| Zhang et al. | Deep reinforcement learning based cooperative partial task offloading and resource allocation for IIoT applications | |
| CN106453143A (zh) | 带宽设置方法、装置和系统 | |
| Li et al. | Research on QoS service composition based on coevolutionary genetic algorithm | |
| Abreu et al. | A rank scheduling mechanism for fog environments | |
| CN106060145A (zh) | 一种分布式多云数据中心中基于收益的请求访问控制方法 | |
| Xie et al. | Revenue-maximizing virtualized network function chain placement in dynamic environment | |
| Méndez-Hernández et al. | A multi-objective reinforcement learning algorithm for jssp | |
| CN107066322A (zh) | 一种面向自组织群智感知系统的在线任务分派方法 | |
| Ren et al. | An energy‐aware method for task allocation in the Internet of things using a hybrid optimization algorithm | |
| Saravanan et al. | Advance Map Reduce Task Scheduling algorithm using mobile cloud multimedia services architecture | |
| Saravanan et al. | Improving map reduce task scheduling and micro-partitioning mechanism for mobile cloud multimedia services |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170419 |