CN109698861B - 一种基于代价优化的计算任务卸载方法 - Google Patents
一种基于代价优化的计算任务卸载方法 Download PDFInfo
- Publication number
- CN109698861B CN109698861B CN201811537034.9A CN201811537034A CN109698861B CN 109698861 B CN109698861 B CN 109698861B CN 201811537034 A CN201811537034 A CN 201811537034A CN 109698861 B CN109698861 B CN 109698861B
- Authority
- CN
- China
- Prior art keywords
- edge
- task
- cost
- cloud
- communication
- 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.)
- Active
Links
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
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及信息技术领域,具体而言,涉及一种基于代价优化的计算任务卸载方法,主要包括以下步骤:1)构建边云计算新模型;所述边云计算新模型包括计算三种重要的代价:计算任务的执行代价、同端计算任务之间的通信代价、跨端计算任务之间的非对称通信代价;2)对边云计算新模型进行扩展;3)合并计算代价;4)基于贪婪准则来求解优化卸载策略。本发明的算法解决了边缘计算和云计算的结合框架中,计算任务的卸载优化问题。
Description
技术领域
本发明涉及信息技术领域,具体而言,涉及一种基于代价优化的计算任务卸载方法。
背景技术
在边云计算,也即边缘计算以及云计算的结合框架中,如何将任务从云端卸载到边缘端是提升计算任务处理效率、发挥边云计算框架的关键。边缘设备如移动基站、手机、网关等,靠近用户,也即靠近数据源,数据传输路径与传输时间相比于传统云计算而言大大缩短。但相比之下,边缘设备计算能力远低于云计算中心的计算能力,因此不能仅仅根据传输距离来确定任务在哪里执行。对于一批任务而言,如果将所有的数据都卸载到边缘设备上处理,其处理能力带来的问题比全部放在云端处理更严重;也不能随机将任务从云计算中心卸载边缘设备上处理,因为不同任务有不同的资源需求。比如有的任务需要大量计算资源,那么卸载到边缘设备上处理的性能就逊色于在云端处理的性能,因为数据中心的处理能力优势可以抵消掉数据传输带来的劣势;而有的任务不需要太多计算资源,但是对实时性有很高的要求,那么就适合卸载到边缘设备上处理。只有合理地将计算任务从云端卸载到边缘设备上,才能达到更好地结合边缘计算模型和云计算模型,既发挥边缘设备的优势,又降低云数据中心和网络带宽的压力,达到优化资源,提升效率的目的。
现有的边云计算模型一般采用简单的拓扑图形式表示一批计算任务,图中的点代表单个计算任务,任务一般有两个权重,分别代表计算任务在不同端的计算代价;而点之间的边代表两个计算任务之间存在通信,边上的权重代表了当两个任务跨端通信时的计算代价。任务卸载算法MOCOP将这种任务图作为输入参数,提出了基于最大流最小割定理的任务卸载算法。该算法将任务图分割成为两个部分,一部分在边缘执行,一部分在云端执行。最后的任务总执行代价为在边缘的任务的执行代价和在云端的任务的执行代价,以及边缘和云端之间的通信代价的总和。基于上述的简单计算模型该算法给出了最优卸载策略,但是由于该算法并没有考虑到实际情况中边云模型同端通信代价以及跨端通信非对称等情况,因此该算法难以应用在实际的边云模型中,给出的卸载策略也并非最优卸载策略。
目前的计算任务卸载算法研究均基于一个简单的边云计算模型,该简化模型中没有考虑当任务同处于边缘设备或者云设备时的通信代价,而只考虑处于不同端的任务之间的通信代价,也即,当两个任务均位于云端或者均位于边缘端的时候,忽略计算任务之间的通信代价。而当一个计算任务在云端,一个计算任务在边缘端的时候,才考虑两个任务之间存在通信代价。此外,目前的计算任务卸载算法还基于一个简单的假设,也即,跨端通信代价是对称的:任务从云端到边缘端的通信与任务从边缘端到云端的通信代价是相等的。从而提出的任务卸载算法,也只优化任务计算代价以及对称的跨端通信代价。现实情况中,一个服务由多个应用组成,而多个应用分布在不同的机器上,当两个应用进行通信的时候,无论应用是位于同端的机器还是位于不同端的机器上,通信代价都是不可忽略的。此外,由于网络上下行带宽不一致,网络拥塞等因素的存在,跨端通信的代价也往往非对称。因此当前的计算任务卸载算法在实际的边云计算模型中无法给出精确的卸载策略。
发明内容
为解决上述背景技术中存在的问题,本发明提出一种基于代价优化的计算任务卸载方法,其更适用于实际情况中的在边和云平台之间的任务卸载,给出的卸载策略也能够大幅度优化任务的整体代价,也即任务的执行代价、通信代价和卸载代价。
本发明解决上述问题的技术方案是:一种基于代价优化的计算任务卸载方法,其特殊之处在于,包括以下步骤:
1)构建边云计算新模型
所述边云计算新模型包括计算三种重要的代价:
1.1)计算任务的执行代价;
1.2)同端计算任务之间的通信代价;
1.3)跨端计算任务之间的非对称通信代价;
2)对边云计算新模型进行扩展;
3)合并计算代价;
4)基于贪婪准则来求解优化卸载策略。
进一步地,上述步骤1.1)计算任务的执行代价,具体为:
给定任务图G,将任务的执行代价Ccomp(G)表达为如下形式:
进一步地,上述步骤1.2)及1.3)计算任务之间的通信代价,具体为:
进一步地,上述步骤1.3)计算任务的非对称通信代价,具体为:
任务i从云端卸载到边缘必须要考虑卸载代价,任务卸载代价Ctran(G)记为:
其中,mi为为计算任务i从云端卸载到边缘的卸载开销,
为了进一步简化,将任务i的执行代价和卸载代价合并到一起:
因此,原本总执行代价是计算代价、通信代价和卸载代价的总和,因为合并了计算代价和卸载代价,边缘计算中求解最优任务分配卸载可以表示为如下形式:
具体可表达为:
边云计算新模型中,代价优化的计算任务卸载问题最终表达为如上最小化问题。
进一步地,上述步骤2)中,对边云计算新模型进行扩展具体为;
进一步地,上述步骤3)中,合并计算代价具体为:
将节点上的两个计算代价合并到通信代价中:
首先,定义计算节点vi的邻居节点(与vi存在通信的任务节点)集合为Ni:
Ni={vj|e(vi,vj)=1} (5.7),
进一步地,上述步骤4)中,基于贪婪准则来求解优化卸载策略,具体为:
接下来循环该步骤,直至Ea为空。
进一步地,上述步骤4)中,
本发明的优点:
本发明是一种基于代价优化的计算任务卸载方法,解决了边云计算新模型中的计算任务卸载的优化问题,算法中加入了已有研究中忽略的同端通信代价,以及跨端通信非对称的特点,同时考虑了网络资源的异构性和同构性;本发明算法基于新模型而提出,更加适用于边云计算环境中的计算任务卸载;本发明提出了基于贪婪原则的任务卸载算法:当网络资源异构时,本发明利用贪婪算法求解近似最优卸载策略;该算法时间复杂度以及空间复杂度都较低,可以快速高效求解近似最优计算任务卸载策略;相较于现有技术,该算法可以同时优化计算代价以及同端、跨端的通信代价,以及任务卸载代价。
附图说明
图1是本发明实施例中的边云计算新模型中的任务例图,
图2是本发明实施例中的计算任务的卸载结果例图;
图3是本发明实施例中的一个任务例图;
图4是本发明算法步骤2)和步骤3)的图解;
图5是本发明算法进行步骤4)的图解一;
图6是本发明算法进行步骤4)的图解二;
图7是本发明算法进行步骤4)的图解三;
图8是本发明算法进行步骤4)的图解四。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
以下结合图1、2对本发明所提供的基于代价优化的计算任务卸载算法做详细说明,其中,图1是本发明实施例中的边云计算新模型中的任务例图,图2本发明实施例中的计算任务的卸载结果例图。由图1可知,边云计算新模型相较于简单的计算模型,在计算任务卸载策略时需要考虑更多的影响因素。
详细地,本发明基于代价优化的计算任务卸载算法,包括以下步骤:
1)构建边云计算新模型,所述边云计算新模型包括计算三种重要的代价,即首先将代价优化的计算任务卸载问题表达为如下形式:
1.1)计算任务的执行代价。
本实施例中,具体为:
给定任务图G,将任务的执行代价Ccomp(G)表达为如下形式:
1.2)计算任务之间的通信代价。
本实施例中,具体为:
具体为:
1.3)跨端计算任务之间的非对称通信代价。
本实施例中,具体为:
任务i从云端卸载到边缘必须要考虑卸载代价,任务卸载代价Ctran(G)记为:
为了进一步简化,将任务i的执行代价和卸载代价合并到一起:
因此,原本总执行代价是计算代价、通信代价和卸载代价的总和,因为合并了计算代价和卸载代价,边缘计算中求解最优任务分配卸载可以表示为如下形式:
具体可表达为:
以上可以看出,相比于简单的计算模型,边云计算新模型复杂度大大增加,不利于算法求解。故本发明继续对提出的算法进行简化、求解,包括三部分:
第一、二部分为简化计算模型。由于加入上述参数之后,任务图上代表计算任务的点具有两个点权,而代表计算任务之间通信的边存在四个边权(分别代表任务均在云设备上进行通信的代价,均在边缘设备上进行通信的代价,一个任务在云设备,一个任务在边缘设备上进行通信的代价,以及一个任务在边缘设备,一个任务在云设备上进行通信的代价),任务的两个计算代价依据任务的执行位置而定,任务之间的通信代价又依据两个任务的相对执行位置而定。由于情况多变复杂,难以在低时间空间复杂度的情况下进行处理,因此本算法很重要的一步就是要对计算模型进行简化,同时要保证各个参数不变。为了简化计算模型,本算法主要将任务之间的单个通信边扩展成为四条边,每条边代表一种通信可能性,同时每条边都有一个确定的边权,也即通信代价。此外,还将点权,也即任务的计算代价合并到边权中,如此一来将复杂的计算模型转换成了一个传统的简单的计算模型。
第三部分为求解计算任务卸载策略;本发明为了降低时间复杂度和空间复杂度,采用贪婪原则来实现任务卸载策略。
这里结合图3-图8做出具体说明:
2)扩展计算模型:
如图3所示,边云计算新模型中,每两个任务节点vi,vj之间的代表通信的边e(vi,vj)上均有四种通信代价可能(为了简便,这里图上并没有给出具体的四个值,而是用w(e(vi,vj))来代替四种通信代价);将图3中具有四个权重可能的单条边,扩展为图4所示的四条边,也即 和每条边代表一种通信可能,以及一个确定的通信代价;
3)合并计算代价:
由于每个计算节点都有两种计算代价,本算法进一步将节点上的两个计算代价合并到通信代价中:
首先,定义计算节点vi的邻居节点(与vi存在通信的任务节点)集合为Ni:
Ni={vj|e(vi,vj)=1} (5.7),
选取这条边后,将该边从Ea中删除,并将与边不兼容的边,也即从Ea中删除;与不兼容的边是指,比如:当任务选择在边缘执行,在云端执行,那么与边不兼容的边就是该边代表任务均选择在云端执行;该边代表任务均选择在边缘执行;以及该边代表任务选择在云端执行,在边缘执行。
接下来循环该步骤,直至Ea为空。
以图5为例。第一步,根据贪婪准则,本算法选择了红色虚线边(代表计算任务1在云端执行,计算任务2卸载到边缘执行),红色边代表与红色虚线边不兼容的边(红色边分别代表了任务1在边缘端执行,或者任务2在云端执行这几种情况,与前面提到的计算任务1、2分别在云端和在边缘端执行相互矛盾)。将这些红色边以及红色虚线边同时从Ea中删除,代表以后不会从这些边中选取下一条边。接下来如图6所示,继续根据贪婪准则,选取蓝色虚线边(代表计算任务2在边缘端执行,计算任务3在云端执行),与前面提到的相同,蓝色的边也代表了与蓝色虚线边不兼容的边。接下来同时将这些边从Ea中删除。由于Ea不为空,算法继续。接下来如图7所示,继续选取棕色虚线边,棕色虚线边代表了计算任务1在云端执行,计算任务4在边缘设备执行。然后将这些棕色虚线边以及实线边从Ea中删去。最后如图8所示,选取黄色的虚线边,代表计算任务1和计算任务3均在云端执行。将黄色边从Ea中删除后,由于Ea为空,算法停止。最后的卸载策略就是,计算任务1,3在云端执行,计算任务2,4在边缘设备上执行。
具体算法伪代码可以参见图1,算法中的符号及其含义对照表可以参见表2。
表1:算法伪代码
表2:算法中的符号与含义对照表
以上所述仅为本发明的实施例,并非以此限制本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的系统领域,均同理包括在本发明的保护范围内。
Claims (1)
1.一种基于代价优化的计算任务卸载方法,其特征在于,包括以下步骤:
1)构建边云计算新模型;所述边云计算新模型包括计算三种重要的代价:
1.1)计算任务的执行代价,具体为:
给定任务图G,将任务的执行代价Ccomp(G)表达为如下形式:
1.2)计算任务之间的通信代价,具体为:
1.3)计算任务之间的卸载代价,具体为:
任务i从云端卸载到边缘必须要考虑卸载代价,任务卸载代价C tran(G)记为:
其中,mi为计算任务i从云端卸载到边缘的卸载开销,
为了进一步简化,将任务i的执行代价和卸载代价合并到一起:
因此,边缘计算中求解最优任务分配卸载可以表示为如下形式:
具体可表达为:
2)对边云计算新模型进行扩展;具体为;
3)首先,定义计算节点vi的邻居节点集合为Ni:
Ni={vj|e(vi,vj)=1},
4)基于贪婪准则来求解优化卸载策略,具体为:
接下来循环该步骤,直至Ea为空。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811537034.9A CN109698861B (zh) | 2018-12-14 | 2018-12-14 | 一种基于代价优化的计算任务卸载方法 |
PCT/CN2019/124084 WO2020119648A1 (zh) | 2018-12-14 | 2019-12-09 | 一种基于代价优化的计算任务卸载算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811537034.9A CN109698861B (zh) | 2018-12-14 | 2018-12-14 | 一种基于代价优化的计算任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109698861A CN109698861A (zh) | 2019-04-30 |
CN109698861B true CN109698861B (zh) | 2020-07-03 |
Family
ID=66231627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811537034.9A Active CN109698861B (zh) | 2018-12-14 | 2018-12-14 | 一种基于代价优化的计算任务卸载方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109698861B (zh) |
WO (1) | WO2020119648A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109698861B (zh) * | 2018-12-14 | 2020-07-03 | 深圳先进技术研究院 | 一种基于代价优化的计算任务卸载方法 |
CN111930436B (zh) * | 2020-07-13 | 2023-06-16 | 兰州理工大学 | 一种基于边缘计算的随机型任务排队卸载优化方法 |
CN112148492B (zh) * | 2020-09-28 | 2023-07-28 | 南京大学 | 一种考虑多用户移动性的服务部署和资源分配方法 |
CN112272390B (zh) * | 2020-10-20 | 2023-06-20 | 广州大学 | 基于物理层的任务卸载及带宽分配的处理方法和系统 |
CN112698940B (zh) * | 2020-12-17 | 2023-11-14 | 北京交通大学 | 用于车路协同的车辆辅助边缘计算任务分配系统 |
CN113125675A (zh) * | 2021-04-19 | 2021-07-16 | 北京物资学院 | 边缘计算架构的堆场煤炭自燃预警装置和预警方法 |
CN113452625B (zh) * | 2021-06-28 | 2022-04-15 | 重庆大学 | 基于深度强化学习的卸载调度与资源分配方法 |
CN113590229B (zh) * | 2021-08-12 | 2023-11-10 | 中山大学 | 一种基于深度强化学习的工业物联网图任务卸载方法及系统 |
CN113778550B (zh) * | 2021-08-17 | 2022-05-03 | 南京邮电大学 | 一种基于移动边缘计算的任务卸载系统和方法 |
CN114024977B (zh) * | 2021-10-29 | 2024-02-06 | 深圳市高德信通信股份有限公司 | 一种基于边缘计算的数据调度方法、装置及系统 |
CN114051266B (zh) * | 2021-11-08 | 2024-01-12 | 首都师范大学 | 基于移动云-边缘计算的无线体域网任务卸载方法 |
CN114296814A (zh) * | 2021-12-10 | 2022-04-08 | 中国科学院深圳先进技术研究院 | 一种边云计算任务卸载方法、系统、终端以及存储介质 |
CN114785782B (zh) * | 2022-03-29 | 2023-02-03 | 南京工业大学 | 面向异构云-边计算的通用的任务卸载方法 |
CN114928609B (zh) * | 2022-04-27 | 2023-02-03 | 南京工业大学 | 物联网场景的异构云-边环境的最优任务卸载方法 |
CN115051998B (zh) * | 2022-06-09 | 2023-06-20 | 电子科技大学 | 自适应边缘计算卸载方法、装置及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108540406A (zh) * | 2018-07-13 | 2018-09-14 | 大连理工大学 | 一种基于混合云计算的网络卸载方法 |
CN108541027A (zh) * | 2018-04-24 | 2018-09-14 | 南京邮电大学 | 一种基于边缘云网络的通信计算资源置换方法 |
CN108901046A (zh) * | 2018-06-14 | 2018-11-27 | 北京大学 | 面向移动边缘计算的协同任务卸载算法及系统设计方案 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10749711B2 (en) * | 2013-07-10 | 2020-08-18 | Nicira, Inc. | Network-link method useful for a last-mile connectivity in an edge-gateway multipath system |
CN104899103B (zh) * | 2015-07-03 | 2018-07-20 | 中国人民解放军国防科学技术大学 | 一种移动云计算终端节能调度方法和装置 |
US9935862B2 (en) * | 2015-09-08 | 2018-04-03 | At&T Intellectual Property I, L.P. | Low-impact proactive monitoring of customer access to virtualized network elements in a cloud platform |
CN108600299B (zh) * | 2018-03-02 | 2021-08-24 | 中国科学院上海微系统与信息技术研究所 | 分布式多用户间计算任务卸载方法及系统 |
CN108920280B (zh) * | 2018-07-13 | 2021-06-11 | 哈尔滨工业大学 | 一种单用户场景下的移动边缘计算任务卸载方法 |
CN108964817B (zh) * | 2018-08-20 | 2021-02-09 | 重庆邮电大学 | 一种异构网络联合计算卸载及资源分配方法 |
CN109698861B (zh) * | 2018-12-14 | 2020-07-03 | 深圳先进技术研究院 | 一种基于代价优化的计算任务卸载方法 |
-
2018
- 2018-12-14 CN CN201811537034.9A patent/CN109698861B/zh active Active
-
2019
- 2019-12-09 WO PCT/CN2019/124084 patent/WO2020119648A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108541027A (zh) * | 2018-04-24 | 2018-09-14 | 南京邮电大学 | 一种基于边缘云网络的通信计算资源置换方法 |
CN108901046A (zh) * | 2018-06-14 | 2018-11-27 | 北京大学 | 面向移动边缘计算的协同任务卸载算法及系统设计方案 |
CN108540406A (zh) * | 2018-07-13 | 2018-09-14 | 大连理工大学 | 一种基于混合云计算的网络卸载方法 |
Non-Patent Citations (1)
Title |
---|
Cost-efficient workload scheduling in Cloud Assisted Mobile Edge Computing;X. Ma, S. Zhang, W. Li, P. Zhang, C. Lin and X. Shen;《2017 IEEE/ACM 25th International Symposium on Quality of Service (IWQoS)》;20170616;1-10 * |
Also Published As
Publication number | Publication date |
---|---|
CN109698861A (zh) | 2019-04-30 |
WO2020119648A1 (zh) | 2020-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109698861B (zh) | 一种基于代价优化的计算任务卸载方法 | |
Liu et al. | A computation offloading algorithm based on game theory for vehicular edge networks | |
CN107566194B (zh) | 一种实现跨域虚拟网络映射的方法 | |
Lee et al. | An online secretary framework for fog network formation with minimal latency | |
US20220131945A1 (en) | Methods, systems, and computer readable media for rank processing for network function selection | |
WO2019200716A1 (zh) | 面向雾计算的节点计算任务调度方法及其设备 | |
Lin et al. | Three-tier capacity and traffic allocation for core, edges, and devices for mobile edge computing | |
KR102177432B1 (ko) | 포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법 | |
WO2019011338A1 (zh) | 一种最短路径确定方法及控制器 | |
CN108513290A (zh) | 一种网络切片的选择方法及装置 | |
CN111913723A (zh) | 基于流水线的云-边-端协作卸载方法和系统 | |
US10356185B2 (en) | Optimal dynamic cloud network control | |
US11968122B2 (en) | Joint optimization method and system for delay and spectrum occupation in cloud-edge collaborative network | |
US10075854B2 (en) | Method for managing access points in WiFi network | |
CN107969017B (zh) | 实现网络切片的方法及系统 | |
CN111263401A (zh) | 一种基于移动边缘计算的多用户协作计算卸载方法 | |
Huang et al. | Distributed resource allocation for network slicing of bandwidth and computational resource | |
Moosavi et al. | Energy efficiency through joint routing and function placement in different modes of SDN/NFV networks | |
Ganguly et al. | Multi-edge server-assisted dynamic federated learning with an optimized floating aggregation point | |
Ren et al. | Multi-Slice Joint Task Offloading and Resource Allocation Scheme for Massive MIMO Enabled Network. | |
Shrivastava et al. | A Study on 5G Technology and Its Applications in Telecommunications | |
CN112788698B (zh) | 一种数据处理方法、装置及终端设备 | |
Liu et al. | A D2D offloading approach to efficient mobile edge resource pooling | |
WO2019083496A1 (en) | METHOD AND SYSTEM FOR AUTOMATICALLY SELECTING VIRTUAL NETWORK FUNCTIONS (VNF) IN A COMMUNICATION NETWORK | |
Zhang et al. | Joint bandwidth and power allocation for energy efficiency optimization over heterogeneous LTE/WiFi multi-homing networks |
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 |