CN108512894B - 一种面向自供能传感网的分布式负载均衡方法及系统 - Google Patents
一种面向自供能传感网的分布式负载均衡方法及系统 Download PDFInfo
- Publication number
- CN108512894B CN108512894B CN201810113136.1A CN201810113136A CN108512894B CN 108512894 B CN108512894 B CN 108512894B CN 201810113136 A CN201810113136 A CN 201810113136A CN 108512894 B CN108512894 B CN 108512894B
- Authority
- CN
- China
- Prior art keywords
- node
- load balancing
- nodes
- task
- distributed
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
-
- 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
-
- 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
-
- 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
- H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Multi Processors (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种面向自供能传感网的分布式负载均衡方法及系统,该方法包括传感网中的各节点根据采集和存储能量状态,计算本节点在保证完成自身采集、处理和发送数据的基本任务后的多余可用能量;链状局域网中的各节点将自身已知节点的状态信息共享给相邻的节点;各节点根据其左右节点的多余可用能量,计算向左边n个节点分配的计算任务的最短执行时间序列,以及向右边n个节点分配的计算任务的最短执行时间序列;通过负载均衡算法获取任务分配结果,根据任务分配结果进行计算任务的分配。本发明解决自供能无线传感网中由于各传感节点的能量状态不同而导致的分布式计算效率低的问题。
Description
技术领域
本发明涉及物联网运算技术领域,具体涉及一种面向自供能非易失传感网的分布式计算负载均衡的方法及系统。
背景技术
传统电池具有环境污染、频繁充电、维护困难、易燃易爆等短期内无法解决的缺陷,已成为制约物联网设备更广泛应用的关键因素。能量采集技术能够通过采集外界能量(如太阳能、射频、震动、温差等),源源不断地为设备系统提供清洁无污染的能源。因此,自供能已经成为无线传感网重要的能量获取方式,已被应用到诸多系统中,如区域监测、环境监测、工业设备监测、医疗健康监测等。然而,自供能存在着能量有限,变化剧烈以及难以预测的缺陷,因此,自供能无线传感网节点需要通过计算架构、系统电路和软件算法方面的技术来合理存储和利用有限的采集能量,使得能量利用效率最优化。
针对能量采集环境下供能变化剧烈的问题,采用非易失处理器可以保证无线传感网节点相对稳定地完成计算任务。现有的非易失处理器通过对内存和通用数据寄存器进行非易失化,当系统发生断电时,内存和寄存器中的数据被快速备份到非易失存储单元中,重新上电时非易失存储单元中的数据又能被恢复,计算进度和中间数据得以保存,从而使得计算任务能够不受断电影响继续执行,大大提升系统在采集能量不稳定环境下的计算效率。
由于断电后传统传感网节点的射频模块中的配置状态和数据会丢失,传统传感网节点在每次发送数据前需要先对射频模块进行初始化操作。传统的基于软件的射频初始化方案需要处理器通过总线将存储在非易失存储器中的配置数据读取出来,处理后再通过总线发送给射频收发机。而非易失射频技术通过增加非易失射频控制器(NVRF),以硬件控制的IO接口来实现快速高效的射频模块初始化操作。当供电恢复后,非易失射频控制器可自动将存储在控制器里非易失寄存器中的射频配置信息和待发送数据,通过DMA的方式发送给射频模块,而无需节点的处理器的控制,从而可与处理器控制的其他初始化操作并行执行,提高整个系统的启动速度。
由于自供能无线传感网中各节点的部署位置等环境状态不同,会导致不同节点采集到能量大小不同,各节点能耗状态的不同也进一步加剧了它们存储能量的差异。无线传感网中的负载均衡技术的目的就是根据不同节点的能量情况分配不同的任务计算量,以提高整个传感网的分布式计算的进度。
参见图1,现有的针对传统稳定供能的传感网,计算负载均衡算法,通常采用自上而下的方法。根据存储能量的多少,传感网节点处于四种状态:
能量不足(无法工作);
能量较低(仅可供采集数据但不够传输数据,如图2中的9号节点);
能量充足(可供采集和传输数据,如图2中的2、4、6和7节点);
能量富余(可供采集和传输数据并额外执行其他节点的计算任务,如图2中的1、3、5、8和10节点)。
现有的自上而下多级树负载均衡策略,如下图3所示,该策略由于没有考虑能量采集环境下有些节点能量不足的情况,导致能量不足的节点无法执行被分配任务,从而造成负载均衡失效,因此无法完全有效地解决节点间能量的不均衡问题。
发明内容
本发明的目的在于提供一种面向自供能非易失传感网的分布式计算负载均衡的方法及系统,实现采集能量越多的节点执行越多的分布式计算任务,即将计算任务优先分配给能量充足的节点,解决自供能无线传感网中由于各传感节点的能量状态不同而导致的分布式计算效率低的问题。
为实现上述目的,本发明的技术方案为:一种面向自供能传感网的分布式负载均衡方法,所述负载均衡方法包括:
步骤一:传感网中的各节点根据采集和存储能量状态,计算本节点在保证完成自身采集、处理和发送数据的基本任务后的多余可用能量;
步骤二:链状局域网中的各节点将自身已知节点的状态信息共享给相邻的节点;
步骤三:各节点根据其左右节点的多余可用能量,计算向左边n个节点分配的计算任务的最短执行时间序列[a1,a2,…,an],以及向右边n个节点分配的计算任务的最短执行时间序列[b1,b2,…,bn];
步骤四:根据[a1,a2,…,an]和[b1,b2,…,bn],通过负载均衡算法获取任务分配结果[o1,o2,…,on],根据任务分配结果进行计算任务的分配。
如上所述的一种面向自供能传感网的分布式负载均衡方法,所述步骤二中,已知节点的状态信息包括多余可用能量值和非易失处理器配置信息。
如上所述的一种面向自供能传感网的分布式负载均衡方法,所述步骤四中,当某一节点被分配计算任务的所需能量超过其存储能量,或当自上次分配后的时间超过设定的负载均衡算法调用间隔时,再次执行所述步骤一、步骤二和步骤三重新分配计算任务。
如上所述的一种面向自供能传感网的分布式负载均衡方法,当某节点在负载均衡算法执行过程中发生断电时,则该节点区域不执行任务分配操作。
如上所述的一种面向自供能传感网的分布式负载均衡方法,所述负载均衡算法以中断程序的方式运行,其算法复杂度为O(n×MAXTIME),n为任务数量,MAXTIME为载均衡算法调用间隔。
本发明还提供一种面向自供能传感网的分布式负载均衡系统,所述负载均衡系统包括非易失传感网和链状局域网,所述负载均衡系统还包括:
能量估算模块,用于非易失传感网中的节点根据采集和存储能量状态,计算本节点在完成自身采集、处理和发送数据的基本任务后的多余可用能量;
信息共享模块,用于链状局域网中的节点将自身已知节点的状态信息共享给相邻的节点;
执行计算模块,用于节点根据其左右节点的多余可用能量,计算向左边n个节点分配的计算任务的最短执行时间序列[a1,a2,…,an],以及向右边n个节点分配的计算任务的最短执行时间序列[b1,b2,…,bn];
任务分配模块,用于根据执行计算模块的计算结果,通过负载均衡算法获取任务分配结果并计算任务的分配。
如上所述的一种面向自供能传感网的分布式负载均衡系统,所述负载均衡系统中,当某一节点被任务分配模块分配计算任务的所需能量超过其存储能量,或当自上次分配后的时间超过设定的负载均衡算法调用间隔时,通过能量估算模块、信息共享模块、执行计算模块和任务分配模块重新分配计算任务。
如上所述的一种面向自供能传感网的分布式负载均衡系统,所述负载均衡系统中,当某节点在任务分配模块执行负载均衡算法过程中发生断电时,则该节点区域不执行任务分配操作。
如上所述的一种面向自供能传感网的分布式负载均衡系统,所述负载均衡系统中,任务分配模块的负载均衡算法以中断程序的方式运行,其算法复杂度为O(n×MAXTIME),n为任务数量,MAXTIME为载均衡算法调用间隔。
本发明针对能量采集场景下自供能无线传感网优化,充分考虑了传感节点的供能不稳定导致某些节点因能量不足不工作的情况,通过采用自下而上的负载均衡策略,避免了现有技术因节点能量不足无法执行被分配任务而导致的负载均衡失效的问题。
附图说明
图1为节点存储能量占可存储能量总容量百分比示意图;
图2为节点能量状态示意图;
图3为传统技术中的自上而下多级树负载均衡方法示意图;
图4为本发明面向自供能传感网的分布式负载均衡方法流程图;
图5为本发明面向自供能传感网的分布式负载均衡方法示意图;
图6为采用本发明方法的传感节点在某日间的存储能量随时间的变化曲线示意图;
图7为采用本发明方法的自供能传感网性能评估图;
图8为本发明涉及的负载均衡算法具体运行代码图;
图9为面向自供能传感网的分布式负载均衡系统示意图。
具体实施方式
以下实施例用于说明本发明,但不用来限制本发明的范围。
如图4所示,S1:传感网中的各节点根据采集和存储能量状态,计算本节点在保证完成自身采集、处理和发送数据的基本任务后的多余可用能量;
S2:链状局域网中的各节点将自身已知节点的状态信息共享给相邻的节点;
S3:各节点根据其左右节点的多余可用能量,计算向左边n个节点分配的计算任务的最短执行时间序列[a1,a2,…,an],以及向右边n个节点分配的计算任务的最短执行时间序列[b1,b2,…,bn];
S4:根据[a1,a2,…,an]和[b1,b2,…,bn],通过负载均衡算法获取任务分配结果[o1,o2,…,on],根据任务分配结果进行计算任务的分配。
本发明方法中,n代表正整数,其数值大小的确定根据某一节点实际设计中左边和右边节点的数量,本发明所指的“左边”“右边”是为了方便描述节点布设图上的位置关系。
面向自供能传感网的分布式负载均衡方法的一个实施例中,所述S2中,已知节点的状态信息包括多余可用能量值和非易失处理器配置信息。
面向自供能传感网的分布式负载均衡方法的一个实施例中,所述S4中,当某一节点被分配计算任务的所需能量超过其存储能量,或当自上次分配后的时间超过设定的负载均衡算法调用间隔时,再次执行所述S1、S2和S3重新分配计算任务。
面向自供能传感网的分布式负载均衡方法的一个实施例中,当某节点在负载均衡算法执行过程中发生断电时,则该节点区域不执行任务分配操作。
面向自供能传感网的分布式负载均衡方法的一个实施例中,所述负载均衡算法以中断程序的方式运行,其算法复杂度为O(n×MAXTIME),n为任务数量,MAXTIME为载均衡算法调用间隔。
参见图5,传感网中的各节点根据自己的采集和存储能量状态,估计本节点在保证完成自己采集、处理和发送数据的基本任务后的多余可用能量;
链状局域网中的各节点将其已知节点的状态信息(多余可用能量值和非易失处理器配置信息)共享给相邻的节点(如节点4在第一次共享后可知道左边节点3和右边节点5的状态信息);
各节点根据其左右节点的多余可用能量,估计向左边n个节点分配的计算任务的最短执行时间序列[a1,a2,…,an],以及向右边n个节点分配的计算任务的最短执行时间序列[b1,b2,…,bn];
根据[a1,a2,…,an]和[b1,b2,…,bn],执行如图8所示算法来计算得到任务分配结果[o1,o2,…,on];
根据任务分配结果进行计算任务的分配。(如节点4的2个任务分配给节点3,2个任务分配给节点5)。
当某节点被分配的任务的所需能量超过其存储能量,或当自上次分配后的时间超过设定的最大负载均衡算法调用间隔(MAXTIME),再次执行上述负载均衡步骤重新分配任务。(如节点8在第一次执行负载均衡任务分配后被分配了9个任务,超过其能量限度,就第二次执行负载均衡算法,将5个任务分配给节点10)。
当某节点在负载均衡算法执行过程中发生断电,则该节点区域不执行任务分配操作。
通过搭建基于非易失处理器的自供能无线传感网原型平台,对本发明的分布式负载均衡方法进行了多种供能特征下的实验验证。实验对比结果如下:
图6展示了无线传感网中3个太阳能电池板供电的传感节点在实验当日的存储能量随时间的变化曲线。曲线带正方形的为不采用负载均衡策略的基于易失处理器的传感网(记为系统A)节点的存储能量曲线,曲线带圆形的为采用现有负载均衡策略的基于非易失处理器的传感网(记为系统B)节点的存储能量曲线,曲线带三角形的为采用本发明的分布式负载均衡策略的基于非易失处理器的传感网(记为系统C)节点的存储能量曲线。对比来看,采用本发明的分布式负载均衡策略能够更有效利用节点多余的存储能量,提高传感网的能量利用效率。
将森林中采集到的太阳能变化曲线作为传感网节点的能量输入,可以仿真评估该发明在森林火灾监测无线传感网中的性能。图7为包含10个节点的无线传感网5个小时内在不同的能量输入曲线下接收到的数据包数量。理想情况下,10个节点在5个小时内可采集15000个数据包。左一、中间、右一结果分别为系统A、系统B、系统C唤醒次数、发送成功的数据包数量、本地处理的数据包,其中单斜线代表唤醒次数,灰色代表发送成功的数据包数量,黑色交叉线代表本地处理的数据包。图7a中各节点的能量输入相互独立不相关,而图7b中各节点的能量输入是相关的。对比来看,采用本发明的分布式负载均衡方法相比现有技术,平均能够多处理2.0倍(独立能量输入下)和1.7倍(相关能量输入下)的数据包。
参见图9,本发明还提供一种面向自供能传感网的分布式负载均衡系统,所述负载均衡系统包括非易失传感网和链状局域网,所述负载均衡系统还包括:
能量估算模块1,用于非易失传感网中的节点根据采集和存储能量状态,计算本节点在完成自身采集、处理和发送数据的基本任务后的多余可用能量;
信息共享模块2,用于链状局域网中的节点将自身已知节点的状态信息共享给相邻的节点;
执行计算模块3,用于节点根据其左右节点的多余可用能量,计算向左边n个节点分配的计算任务的最短执行时间序列[a1,a2,…,an],以及向右边n个节点分配的计算任务的最短执行时间序列[b1,b2,…,bn];
任务分配模块4,用于根据执行计算模块3的计算结果,通过负载均衡算法获取任务分配结果并计算任务的分配。
如上所述的一种面向自供能传感网的分布式负载均衡系统,所述负载均衡系统中,当某一节点被任务分配模块4分配计算任务的所需能量超过其存储能量,或当自上次分配后的时间超过设定的负载均衡算法调用间隔时,通过能量估算模块1、信息共享模块2、执行计算模块3和任务分配模块4重新分配计算任务。
面向自供能传感网的分布式负载均衡系统的一个实施例中,所述负载均衡系统中,当某节点在任务分配模块4执行负载均衡算法过程中发生断电时,则该节点区域不执行任务分配操作。
面向自供能传感网的分布式负载均衡系统的一个实施例中,所述负载均衡系统中,任务分配模块4的负载均衡算法以中断程序的方式运行,其算法复杂度为O(n×MAXTIME),n为任务数量,MAXTIME为载均衡算法调用间隔。
本发明针对能量采集场景下自供能无线传感网优化,充分考虑了传感节点的供能不稳定导致某些节点因能量不足不工作的情况,通过采用自下而上的负载均衡策略,避免了现有技术因节点能量不足无法执行被分配任务而导致的负载均衡失效的问题。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (5)
1.一种面向自供能传感网的分布式负载均衡方法,其特征在于,所述负载均衡方法包括:
步骤一:传感网中的各节点根据采集和存储能量状态,计算本节点在保证完成自身采集、处理和发送数据的基本任务后的多余可用能量;
步骤二:链状局域网中的各节点将自身已知节点的状态信息共享给相邻的节点;
步骤三:各节点根据其左右节点的多余可用能量,计算向左边n个节点分配的计算任务的最短执行时间序列[a1,a2,…,an],以及向右边n个节点分配的计算任务的最短执行时间序列[b1,b2,…,bn];
步骤四:根据[a1,a2,…,an]和[b1,b2,…,bn],通过负载均衡算法获取任务分配结果[o1,o2,…,on],根据任务分配结果进行计算任务的分配;
所述步骤四中,当某一节点被分配计算任务的所需能量超过其存储能量,或当自上次分配后的时间超过设定的负载均衡算法调用间隔时,再次执行所述步骤一、步骤二和步骤三重新分配计算任务;
所述负载均衡算法以中断程序的方式运行,其算法复杂度为O(n×MAXTIME),n为任务数量,MAXTIME为最大负载均衡算法调用间隔。
2.根据权利要求1所述的一种面向自供能传感网的分布式负载均衡方法,其特征在于,所述步骤二中,已知节点的状态信息包括多余可用能量值和非易失处理器配置信息。
3.根据权利要求1所述的一种面向自供能传感网的分布式负载均衡方法,其特征在于,当某节点在负载均衡算法执行过程中发生断电时,则该节点区域不执行任务分配操作。
4.一种面向自供能传感网的分布式负载均衡系统,所述负载均衡系统包括非易失传感网和链状局域网,其特征在于,所述负载均衡系统还包括:
能量估算模块,用于非易失传感网中的节点根据采集和存储能量状态,计算本节点在完成自身采集、处理和发送数据的基本任务后的多余可用能量;
信息共享模块,用于链状局域网中的节点将自身已知节点的状态信息共享给相邻的节点;
执行计算模块,用于节点根据其左右节点的多余可用能量,计算向左边n个节点分配的计算任务的最短执行时间序列[a1,a2,…,an],以及向右边n个节点分配的计算任务的最短执行时间序列[b1,b2,…,bn];
任务分配模块,用于根据执行计算模块的计算结果,通过负载均衡算法获取任务分配结果并计算任务的分配;
所述负载均衡系统中,当某一节点被任务分配模块分配计算任务的所需能量超过其存储能量,或当自上次分配后的时间超过设定的负载均衡算法调用间隔时,通过能量估算模块、信息共享模块、执行计算模块和任务分配模块重新分配计算任务;
所述负载均衡系统中,任务分配模块的负载均衡算法以中断程序的方式运行,其算法复杂度为O(n×MAXTIME),n为任务数量,MAXTIME为最大负载均衡算法调用间隔。
5.根据权利要求4所述的一种面向自供能传感网的分布式负载均衡系统,其特征在于,所述负载均衡系统中,当某节点在任务分配模块执行负载均衡算法过程中发生断电时,则该节点区域不执行任务分配操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810113136.1A CN108512894B (zh) | 2018-02-05 | 2018-02-05 | 一种面向自供能传感网的分布式负载均衡方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810113136.1A CN108512894B (zh) | 2018-02-05 | 2018-02-05 | 一种面向自供能传感网的分布式负载均衡方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108512894A CN108512894A (zh) | 2018-09-07 |
CN108512894B true CN108512894B (zh) | 2021-08-24 |
Family
ID=63374852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810113136.1A Expired - Fee Related CN108512894B (zh) | 2018-02-05 | 2018-02-05 | 一种面向自供能传感网的分布式负载均衡方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108512894B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968458B (zh) * | 2019-11-26 | 2022-03-29 | 山东大学 | 一种面向非易失处理器的基于增强学习的备份系统及方法 |
CN113568865B (zh) * | 2021-05-18 | 2024-05-14 | 陈仁昭 | 面向自供能系统的存算一体架构及应用方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101277264A (zh) * | 2008-05-13 | 2008-10-01 | 武汉理工大学 | 无线传感器网络中基于蚁群算法的定向扩散方法 |
CN101355517A (zh) * | 2008-09-08 | 2009-01-28 | 北京航空航天大学 | 基于无线传感器能量信息的网络负载平衡方法 |
CN101572657A (zh) * | 2008-04-29 | 2009-11-04 | 北京循天行信息技术有限公司 | 无线传感网能量饥饿级别分布式确定方法和路由方案 |
CN106211214A (zh) * | 2016-08-31 | 2016-12-07 | 上海交通大学 | 基于能效预测优化调度的无线传感网络系统 |
CN107333318A (zh) * | 2017-07-24 | 2017-11-07 | 浙江工商职业技术学院 | 无线传感器网络的能量均衡方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101959295B (zh) * | 2010-09-21 | 2015-06-03 | 中兴通讯股份有限公司 | 无线传感器网络的节能管理方法、系统及远程管理服务器 |
-
2018
- 2018-02-05 CN CN201810113136.1A patent/CN108512894B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572657A (zh) * | 2008-04-29 | 2009-11-04 | 北京循天行信息技术有限公司 | 无线传感网能量饥饿级别分布式确定方法和路由方案 |
CN101277264A (zh) * | 2008-05-13 | 2008-10-01 | 武汉理工大学 | 无线传感器网络中基于蚁群算法的定向扩散方法 |
CN101355517A (zh) * | 2008-09-08 | 2009-01-28 | 北京航空航天大学 | 基于无线传感器能量信息的网络负载平衡方法 |
CN106211214A (zh) * | 2016-08-31 | 2016-12-07 | 上海交通大学 | 基于能效预测优化调度的无线传感网络系统 |
CN107333318A (zh) * | 2017-07-24 | 2017-11-07 | 浙江工商职业技术学院 | 无线传感器网络的能量均衡方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108512894A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10320195B2 (en) | Distributing power between data centers | |
CN102111337B (zh) | 任务调度方法和系统 | |
CN110350609B (zh) | Agv的充电管理方法及系统、设备和存储介质 | |
TWI547817B (zh) | 叢集運算架構的資源規劃方法、系統及裝置 | |
CN101986272A (zh) | 一种云计算环境下的任务调度方法 | |
CN104102543A (zh) | 一种云计算环境中负载调整的方法和装置 | |
CN105491138A (zh) | 一种基于负载率分级触发的分布式负载调度方法 | |
CN104050043A (zh) | 基于共享缓存感知的虚拟机调度方法和装置 | |
CN104615498A (zh) | 一种基于任务迁移的集群系统动态负载均衡方法 | |
Di Valerio et al. | Optimal virtual machines allocation in mobile femto-cloud computing: An MDP approach | |
CN108512894B (zh) | 一种面向自供能传感网的分布式负载均衡方法及系统 | |
US20160011908A1 (en) | Task allocation in a computing environment | |
US20150026318A1 (en) | Identifying network communication patterns | |
CN107844406A (zh) | 分布式系统的异常检测方法及系统、服务终端、存储器 | |
CN110830560A (zh) | 一种基于强化学习的多用户移动边缘计算迁移方法 | |
CN103455375A (zh) | Hadoop云平台下基于负载监控的混合调度方法 | |
da Silva et al. | Optimization of data and energy migrations in mini data centers for carbon-neutral computing | |
Jurenoks et al. | Sensor network information flow control method with static coordinator within internet of things in smart house environment | |
CN103488538A (zh) | 云计算系统中的应用扩展装置和应用扩展方法 | |
Zhu et al. | Deep reinforcement learning for fairness in distributed robotic multi-type resource allocation | |
CN106375382A (zh) | 数据分配的方法、系统、控制服务器及节点客户端 | |
CN111880926B (zh) | 一种负载均衡方法、装置及计算机存储介质 | |
CN105357026A (zh) | 一种资源信息收集方法和计算节点 | |
Sharma et al. | An optimal task allocation model through clustering with inter-processor distances in heterogeneous distributed computing systems | |
CN110850957B (zh) | 一种边缘计算场景下通过休眠降低系统功耗的调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210824 |