CN109788069B - 物联网中基于移动边缘计算的计算卸载方法 - Google Patents
物联网中基于移动边缘计算的计算卸载方法 Download PDFInfo
- Publication number
- CN109788069B CN109788069B CN201910146350.1A CN201910146350A CN109788069B CN 109788069 B CN109788069 B CN 109788069B CN 201910146350 A CN201910146350 A CN 201910146350A CN 109788069 B CN109788069 B CN 109788069B
- Authority
- CN
- China
- Prior art keywords
- unloading
- frame
- energy consumption
- time delay
- mode
- 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 15
- 238000005265 energy consumption Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 230000007774 longterm Effects 0.000 claims abstract description 10
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- SLXKOJJOQWFEFD-UHFFFAOYSA-N 6-aminohexanoic acid Chemical compound NCCCCCC(O)=O SLXKOJJOQWFEFD-UHFFFAOYSA-N 0.000 claims description 2
- 230000009471 action Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000000758 substrate Substances 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于物联网任务卸载技术领域，具体来说是物联网中基于移动边缘计算的计算卸载方法。本发明涉及物联网(Internet‑of‑Things,IoT)、移动边缘计算(Mobile Edge Computing,MEC)、模式选择与节点匹配、动态优化等理论框架。本发明的技术方案考虑本地卸载、直接云端卸载、设备端卸载、设备中继转发卸载四种计算卸载模式，并增加考虑设备间的社会关系对卸载服务水平的影响以及系统长期动态性能，构建时延和能耗相关的系统长期收益函数，通过模式选择和节点匹配得到物联网中基于边缘计算的计算卸载方案。本发明的有益效果是在时延和能耗性能上达到更好的平衡，且系统的可靠性和稳定性得到提升。
Description
技术领域
本发明属于物联网任务卸载技术领域，具体来说是物联网中基于移动边缘计算的计算卸载方法。本发明涉及物联网(Internet-of-Things,IoT)、移动边缘计算(MobileEdge Computing,MEC)、模式选择与节点匹配、动态优化等理论框架。
背景技术
物联网(IoT)是一种基于互联网允许所有设备间互连互通来实现信息交互、环境感知、实时共享等功能的先进智能网络架构，得益于高速实时的移动设备及设备间无缝连接技术的出现，IoT得到广泛关注和快速发展，成为未来移动通信网络的前景技术之一。然而，随着各种智能设备及复杂应用的增长，用户和设备对数据传输速率、实时可靠等性能需求提升，如何满足低时延、高可靠的通信需求成为IoT面临的主要挑战，特别地，由于大多数移动设备是资源受限的，如计算功率、存储空间、电池容量等，这为IoT通信提出更高的要求。针对上述问题，一种可能的解决方案是利用“云计算”技术，即将移动设备的复杂计算任务通过无线链路首先转发给基站，基站再通过光纤将任务卸载至云端服务器，云端完成计算后将计算结果通过回程链路反馈给设备，如此方案虽然理论上可降低设备本地计算负载，但是由于频谱资源受限、回程链路距离较长、信道质量较差等因素会导致时延过大、高网络负载等问题，降低用户体验及网络性能。
移动边缘计算(MEC)作为传统“云计算”方案的拓展与延伸，将多个云端服务器接口(AP)分布到网络边缘，使得设备与云端的通信距离缩短，降低传播时延，且分布式的云端服务器可提供高的带宽利用率，缓解网络拥塞，提升通信可靠性。目前，关于MEC的研究大多考虑两种计算卸载模式：本地卸载和直接卸载至边缘云端服务器，若边缘云端服务器的接入设备过多或者设备离边缘服务器距离过大，仅使用上述两种模式无法满足低时延要求。
发明内容
针对上述问题，本发明增加设备端卸载模式及设备中继转发卸载模式，即基于D2D链路技术将计算任务卸载至临近计算资源充足设备或通过临近设备中继转发至边缘云端服务器进行计算卸载，这产生模式选择问题。设备端卸载模式与设备中继转发模式均会涉及节点匹配问题，考虑到设备间的相互关系对节点匹配的影响，增加社会关系来调节转发功率大小、计算资源分配等优化变量。此外，考虑到设备的移动性与系统长期性能，本发明引入时间相关的长期系统优化目标，构成动态优化问题，通过相关算法分析求解，实现IoT计算卸载性能的提升。
本发明基于移动边缘计算，在物联网OFDM上行链路场景下，考虑多种计算卸载模式，并综合物理层和社会层影响，将用户间的社会关系作为调节临近设备服务水平的权重因子，将平均时延和能耗参数赋权相加作为系统优化目标，增加帧平均最大时延约束，通过模式选择与节点匹配提升IoT系统性能。相比于传统的MEC方案，本发明在系统时延和设备能耗间达到更好的平衡，且提升系统的可靠性和稳定性。
基于D2D链路的临近设备辅助卸载模式包括设备端卸载模式和设备中继转发卸载模式，联合传统的本地卸载及直接云端卸载模式，构成模式选择与节点匹配优化的计算卸载方法。具体地，考虑云端服务器分布在网络边缘的物联网系统，系统内设备集合定义为
其中有计算任务卸载需求的设备集合定义为S＝{s1,s2,...sN}，其余可用于辅助卸载模式的设备集合定义为
K＝N+M.特别地，定义边缘计算云端服务器为r0，则
为计算卸载可用设备(包括云端)的集合。上行链路采用正交频分多址(OFDM)，设备间互不干扰。考虑社会层影响，定义由计算卸载需求设备与辅助卸载设备间的社会关系为
其中，直接云端卸载模式下边缘计算云端服务器与设备间的社会关系定义为1，即wi0＝1,si∈S,r0∈R；本地卸载模式下社会关系定义为1，即wii＝1,si∈S.
下面根据不同的计算卸载模式，分析定义时延和能耗参数表达式
(1)本地卸载模式
本地卸载模式下，设备的计算时延定义为
其中，ci表示设备si一帧内所需CPU计算周期数(单位：cycle)，可由一帧内所需处理的数据量di(单位：byte)乘以常数k(单位：cycle/byte)得到；fii表示设备自身的计算资源(单位：cycle/second)。本地卸载模式下的计算能耗为
其中，ρ为转换常数(单位：W/(cycle/sec)^3)，由于本地卸载无传播时延和传播能耗，因此，本地卸载模式下设备的总时延和总能耗可表示为
(2)直接云端卸载模式
直接云端卸载模式下，设备的计算时延可表示为
其中，fi0表示直接云端卸载模式下边缘计算云端服器分配给设备si的计算资源。与本地卸载模式不同，直接云端卸载需要有传播时延，定义为
其中，Ri0表示设备si到云端的发送速率，可由设备发送功率pi，信道参数hi0，背景噪声N0以及信道带宽B代入香农容量公式得到。与传播时延对应的传播能耗定义为
由于直接云端卸载不考虑计算能耗，因此，直接云端卸载模式下的总时延和总能耗可表示为
(3)设备端卸载模式
设备辅助卸载包括设备端卸载模式和设备中继转发卸载模式，首先，分析设备端卸载模式的传播时延为
其中，Rij表示设备si到设备rj的传播速率；hij表示信道参数。其计算时延为
其中，fj表示设备rj可利用的计算资源；
为一映射函数，表示若设备rj空闲，则会利用它的全部计算资源用于辅助卸载，若设备有其它任务，则根据其与si的社会关系来调节计算资源分配。
设备端卸载模式的能耗包括传播能耗和计算能耗，其定义分别为
据上，设备端卸载模式下的总时延和总能耗为
(4)设备中继转发卸载模式
设备中继转发卸载模式需要临近设备作为中继转发数据到云端进行计算卸载，为计算整个中继转发阶段的传播时延，根据相关文献推导，整个中继转发阶段的转发速率表达式如下
其中，
表示源设备si与中继设备rj间的信道参数，
表示中继设备rj与云端间的信道参数；SINRij0表示中继转发的信干噪比；转发速率乘以1/2的系数是由于源-中继，中继-云端两阶段是时分复用(TDD)的。则设备中继转发模式的传播时延和计算时延可分别表示为
为得到设备中继转发模式下的传播能耗表达式，需要计算源设备-中继设备，中继设备-云端两阶段的发送速率，其各自表达式如下
其中，
表示源设备-中继设备阶段的发送速率；中继设备-云端阶段的发送速率
中的中继设备发送功率pj受社会关系wij调节。根据两阶段的发送速率可推得传播能耗为
由于设备中继转发卸载模式的计算能耗在云端，对于设备端来说只需考虑传播能耗，因此，设备中继转发卸载模式的总时延和总能耗为
由于移动设备可能随时间不断移动，为研究优化长期动态系统性能，引入帧结构的概念，定义源设备si∈S发送数据更新的时刻为
其中，更新数据时隙定义为一帧，Ti[r]＝Fti[r]-Fti[r-1]定义为设备si第r帧的帧长。第r帧初始时刻定义系统状态为S[r]＝(xS[r],xR[r],D[r],wij[r])，
为边缘蜂窝用户的位置向量，
表示第r帧初始时刻设备si的横纵坐标；类似的，
表示第r帧初始时刻辅助卸载设备的位置向量，特别地，定义云端服务器位置
D[r]＝[d1[r],d2[r],...dN[r]]表示每个源设备第r帧需要发送的数据量。系统状态S[r]映射行动策略a[r]＝[a1[r],a2[r],...aN[r]]，其中ai[r]表示第r帧设备si的计算卸载模式选择和节点匹配策略，其定义为
综合考虑时延和能耗性能，定义系统的长期收益函数为
其中，λ为调节时延和能耗对系统收益函数影响的比重因子，Fi[r]为第r帧设备si的收益函数，
为系统帧平均收益函数。增加最大帧平均时延约束，构成动态计算卸载优化问题如下
其中，
为设备si的帧平均时延，
表示设备si的最大帧平均时延约束。上述动态优化问题可利用Lyponov Optimization理论框架来分析，其主要思想在于构建与约束相关的虚拟序列(virtual queue)，虚拟序列值随帧更新，更新式为
获得虚拟序列后，根据Lyponov Optimization理论，可转化原优化问题为
其中，V为调节算法收敛速度与约束条件满足性间平衡的可调参数。基于LyponovOptimization，利用DPP(Drift-plus-Penalty)算法对上述问题求解方法为：
S1、引入社会关系，分析不同卸载模式下的时延和能耗表达式；
S2、初始化输入参数S[r],γi[r],
pi,pj,fii,fi0,fj,
rj∈R；
S3、计算不同模式选择和节点匹配下的Fi[r],
等参数；
S4、将相关参数代入(23)式，得到每个源设备的最优模式选择和节点匹配策略a[r]，根据(22)式更新虚拟序列γi[r+1]；
S5、若达到设定最大帧数则停止迭代，否则返回S3继续下一帧的计算卸载优化。
本发明的技术方案考虑本地卸载、直接云端卸载、设备端卸载、设备中继转发卸载四种计算卸载模式，并增加考虑设备间的社会关系对卸载服务水平的影响以及系统长期动态性能，构建时延和能耗相关的系统长期收益函数，通过模式选择和节点匹配得到物联网中基于边缘计算的计算卸载方案。本发明的有益效果是在时延和能耗性能上达到更好的平衡，且系统的可靠性和稳定性得到提升。
附图说明
图1是在不同时延和能耗比重因子λ不同计算卸载方案下的设备帧平均时延仿真对比图，其中，“DPP Algorithm”表示本发明的计算卸载方案，“Cloud offloading”表示仅采用直接云端卸载模式的计算卸载方案，“Random Selection”表示采用随机选择卸载策略的计算卸载方案，“Branch and bound scheme”表示静态(逐帧)优化的计算卸载方案。图2是在不同时延和能耗比重因子λ不同计算卸载方案下的设备平均能耗仿真对比图。
具体实施方式
下面结合附图和实例，详细描述本发明的技术方案
本例中，源设备数量N＝10，辅助卸载设备数量M＝20；设备分布范围为离边缘云端计算服务器[300,500]m；源设备发送功率pi＝0.1W,
信道带宽B＝0.18MHz，辅助卸载设备发送功率pj＝0.2W,
背景噪声功率谱密度N0＝-174dBm/Hz；信道模型采用对数正态阴影模型(Log-Normal Shadowing Model)，每帧数据量di[r]服从均值为1000kbps的泊松分布；用户移动模型采用高斯-马尔科夫模型(Gauss-Markov Mobile Model)；源设备与辅助卸载设备间的社会关系服从均值为0.5的高斯分布；设备计算资源fii,fi0,fj,
服从一定范围内的均匀分布；为简化分析，仿真时设定所有源设备的帧平均最大时延约束为相同值
相关常数k＝300cycle/byte，ρ＝1.25×10-27W/(cycle/sec)^3。
具体步骤如下:
步骤一：引入社会关系，分析不同卸载模式下的时延和能耗表达式；
步骤二：输入初始化参数，获得设备帧初始时刻时的状态信息；
步骤三：根据公式计算相关参数，由Lyponov Optimization理论框架转化原问题到(22)式的形式；
步骤四：发现(23)式最优解，获得当前帧下的最优模式选择和节点匹配策略，由(22)式更新虚拟序列，并更新设备位置信息和计算任务信息；
步骤五：若达到所设定的最大帧数则停止迭代，否则，回到步骤三继续迭代过程来获得下一帧的计算卸载策略。
通过仿真图可以看出，在不同时延和能耗比重因子下，相较于与其它计算卸载方案，本发明在满足设备帧平均最大时延约束的条件下，在时延和能耗性能间取得很好的平衡。总体上，物联网中基于移动边缘计算的计算卸载方法可以使物联网设备的边缘计算卸载达到长期稳定的性能优化。
Claims (1)
1.物联网中基于移动边缘计算的计算卸载方法，该方法用于云端服务器分布在网络边缘的物联网系统，系统内设备集合定义为
K为设备总数，其中有计算任务卸载需求的设备集合定义为S＝{s1,s2,...sN}，其余可用于辅助卸载模式的设备集合定义为
K＝N+M，定义边缘计算云端服务器为r0，则
为计算卸载可用设备的集合，令上行链路采用正交频分多址，设备间互不干扰；其特征在于，包括以下步骤：
S1、引入社会关系，分析不同卸载模式下的时延和能耗表达式，包括：
首先，定义计算卸载需求设备与辅助卸载设备间的社会关系为：
其中，直接云端卸载模式下边缘计算云端服务器与设备间的社会关系定义为1，即wi0＝1,si∈S,r0∈R；本地卸载模式下社会关系定义为1，即wii＝1,si∈S；
计算卸载模式分为本地卸载模式、直接云端卸载模式、设备端卸载模式、设备中继转发卸载模式，令本地卸载模式的时延和能耗性能分别表示为tii,eii,
直接云端卸载模式的时延和能耗性能分别表示为ti0,ei0,
设备端卸载模式的时延和能耗性能分别表示为tij,eij,
设备中继转发卸载模式的时延和能耗性能分别表示为tij0,eij0,
S2、引入帧结构，构建系统收益函数，包括
定义源设备si∈S发送数据更新的时刻为
其中，更新数据时隙定义为一帧，Ti[r]＝Fti[r]-Fti[r-1]定义为设备si第r帧的帧长；第r帧初始时刻定义系统状态为S[r]＝(xS[r],xR[r],D[r],wij[r])，
为边缘蜂窝用户的位置向量，
表示第r帧初始时刻设备si的横纵坐标；类似的，
表示第r帧初始时刻辅助卸载设备的位置向量，定义云端服务器位置
D[r]＝[d1[r],d2[r],…dN[r]]表示每个源设备第r帧需要发送的数据量；系统状态S[r]映射行动策略a[r]＝[a1[r],a2[r],...aN[r]]，其中ai[r]表示第r帧设备si的计算卸载模式选择和节点匹配策略，其定义为
综合考虑时延和能耗性能，定义系统的长期收益函数为
其中，λ为调节时延和能耗对系统收益函数影响的比重因子，Fi[r]为第r帧设备si的收益函数，
为系统帧平均收益函数；增加最大帧平均时延约束，构成动态计算卸载优化问题如下
其中，
为设备si的帧平均时延，
表示设备si的最大帧平均时延约束；
S3、利用Lyponov Optimization理论框架分析上述问题,构建与约束相关的虚拟序列γi[r]，虚拟序列值随帧更新，转换步骤S2中问题为
其中，V为调节算法收敛速度与约束条件满足性间平衡的可调参数；
S4、根据DPP算法，求解步骤S3中问题步骤为：
S41、初始化输入参数S[r],γi[r],
…
rj∈R；
S42、计算不同模式选择和节点匹配下的Fi[r],
参数；
S43、将相关参数代入公式，得到每个源设备的最优模式选择和节点匹配策略a[r]；
S44、更新虚拟序列γi[r+1]，更新式为
S5、若达到设定最大帧数则停止迭代，否则返回S3继续下一帧的计算卸载优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910146350.1A CN109788069B (zh) | 2019-02-27 | 2019-02-27 | 物联网中基于移动边缘计算的计算卸载方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910146350.1A CN109788069B (zh) | 2019-02-27 | 2019-02-27 | 物联网中基于移动边缘计算的计算卸载方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109788069A CN109788069A (zh) | 2019-05-21 |
| CN109788069B true CN109788069B (zh) | 2021-02-12 |
Family
ID=66487175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910146350.1A Expired - Fee Related CN109788069B (zh) | 2019-02-27 | 2019-02-27 | 物联网中基于移动边缘计算的计算卸载方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109788069B (zh) |
Families Citing this family (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113273162B (zh) * | 2019-05-23 | 2024-01-26 | Oppo广东移动通信有限公司 | 一种通信方法及装置、网络架构 |
| CN110493825B (zh) * | 2019-07-18 | 2022-06-14 | 广东工业大学 | 一种边缘计算架构下多任务的负载均衡方法 |
| CN110401714B (zh) * | 2019-07-25 | 2022-02-01 | 南京邮电大学 | 一种边缘计算中基于切比雪夫距离的卸载目标确定方法 |
| CN110536358B (zh) * | 2019-08-06 | 2022-06-24 | 广东工业大学 | 一种面向无依赖子任务的边缘计算负载均衡方法 |
| CN110493801B (zh) * | 2019-08-19 | 2022-05-03 | 南京邮电大学 | Mec环境下基于d2d通信的蜂窝系统数据卸载方法 |
| CN110602727B (zh) * | 2019-08-28 | 2023-02-03 | 华北电力大学（保定） | 一种基于物理层安全的协作mec系统计算任务卸载模式选择方法 |
| CN110753374B (zh) * | 2019-10-18 | 2022-07-26 | 广州大学 | 一种面向任务卸载的协作网络中继节点选择方法及装置 |
| CN110933157B (zh) * | 2019-11-26 | 2022-03-11 | 重庆邮电大学 | 一种面向工业物联网的边缘计算任务卸载方法 |
| CN111124439B (zh) * | 2019-12-16 | 2022-05-03 | 华侨大学 | 一种云边协同的智能动态卸载算法 |
| CN111182570B (zh) * | 2020-01-08 | 2021-06-22 | 北京邮电大学 | 提高运营商效用的用户关联和边缘计算卸载方法 |
| CN111328107B (zh) * | 2020-01-20 | 2021-06-18 | 北京大学 | 多云异构移动边缘计算系统架构和能量优化的设计方法 |
| CN111756812B (zh) * | 2020-05-29 | 2021-09-21 | 华南理工大学 | 一种能耗感知的边云协同动态卸载调度方法 |
| CN111683373B (zh) * | 2020-06-11 | 2022-03-08 | 电子科技大学 | 基于区块链辅助访问控制的组织网络安全通信方法 |
| CN112104693B (zh) * | 2020-07-22 | 2021-08-10 | 北京邮电大学 | 非均匀移动边缘计算网络的任务卸载方法及装置 |
| CN112130927B (zh) * | 2020-09-21 | 2022-09-13 | 安阳师范学院 | 一种可靠性增强的移动边缘计算任务卸载方法 |
| CN112491957B (zh) * | 2020-10-27 | 2021-10-08 | 西安交通大学 | 一种边缘网络环境下的分布式计算卸载方法及系统 |
| CN112312299A (zh) * | 2020-10-27 | 2021-02-02 | 国网通用航空有限公司 | 服务卸载方法、装置及系统 |
| CN112689296B (zh) * | 2020-12-14 | 2022-06-24 | 山东师范大学 | 一种异构IoT网络中的边缘计算与缓存方法及系统 |
| CN112969163B (zh) * | 2021-02-22 | 2022-06-21 | 安徽大学 | 一种基于自适应任务卸载的蜂窝网络计算资源分配方法 |
| CN112787920B (zh) * | 2021-03-03 | 2021-11-19 | 厦门大学 | 面向海洋物联网的水声通信边缘计算时延和能耗优化方法 |
| CN113015144B (zh) * | 2021-03-17 | 2022-03-04 | 华北电力大学 | 一种结合社交感知的计算任务网络参数优化方法及系统 |
| CN113114733B (zh) * | 2021-03-24 | 2022-07-08 | 重庆邮电大学 | 基于能量收集的分布式任务卸载和计算资源的管理方法 |
| CN113507492B (zh) * | 2021-05-07 | 2022-07-05 | 东北大学 | 物联网三维空间智能定位与分布式边缘计算支援方法 |
| CN113518330B (zh) * | 2021-07-06 | 2022-11-11 | 重庆工商大学 | 基于d2d通信的多用户计算卸载资源优化决策方法 |
| CN113709886B (zh) * | 2021-08-23 | 2023-08-18 | 西安电子科技大学 | 基于匹配理论的移动边缘计算中的动态资源分配方法 |
| CN114158116A (zh) * | 2021-11-29 | 2022-03-08 | 国网上海市电力公司 | 一种边缘计算云端服务器的功率自适应调节方法 |
| CN116643808B (zh) * | 2023-05-29 | 2024-04-16 | 北京邮电大学 | 一种基于远期合同的边缘网络计算卸载方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107333267A (zh) * | 2017-06-23 | 2017-11-07 | 电子科技大学 | 一种用于5g超密集组网场景的边缘计算方法 |
| CN107819840A (zh) * | 2017-10-31 | 2018-03-20 | 北京邮电大学 | 超密集网络架构中分布式移动边缘计算卸载方法 |
| 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 |
| CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017100640A1 (en) * | 2015-12-11 | 2017-06-15 | Interdigital Patent Holdings, Inc. | Method and apparatus for enabling third party edge clouds at the mobile edge |
| CN106534333B (zh) * | 2016-11-30 | 2019-07-12 | 北京邮电大学 | 一种基于mec和mcc的双向选择计算卸载方法 |
| US10440096B2 (en) * | 2016-12-28 | 2019-10-08 | Intel IP Corporation | Application computation offloading for mobile edge computing |
| CN107682443A (zh) * | 2017-10-19 | 2018-02-09 | 北京工业大学 | 联合考虑延迟和能量消耗的移动边缘计算系统计算任务的高效卸载方法 |
-
2019
- 2019-02-27 CN CN201910146350.1A patent/CN109788069B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107333267A (zh) * | 2017-06-23 | 2017-11-07 | 电子科技大学 | 一种用于5g超密集组网场景的边缘计算方法 |
| CN107819840A (zh) * | 2017-10-31 | 2018-03-20 | 北京邮电大学 | 超密集网络架构中分布式移动边缘计算卸载方法 |
| 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 |
| CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
Non-Patent Citations (2)
| Title |
|---|
| Socially-Motivated Cooperative Mobile Edge Computing;Xu Chen等;《IEEE Network》;20181231;第177-183页 * |
| 基于边缘计算的5G低时延高可靠业务卸载策略研究;史晨华;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190215;第13-15页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109788069A (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109788069B (zh) | 物联网中基于移动边缘计算的计算卸载方法 | |
| Kai et al. | Collaborative cloud-edge-end task offloading in mobile-edge computing networks with limited communication capability | |
| Yang et al. | Energy efficient federated learning over wireless communication networks | |
| Yu et al. | Computation offloading with data caching enhancement for mobile edge computing | |
| CN108809695B (zh) | 一种面向移动边缘计算的分布上行链路卸载策略 | |
| Chamola et al. | An optimal delay aware task assignment scheme for wireless SDN networked edge cloudlets | |
| CN108990159A (zh) | 移动边缘计算系统中基于分层博弈的联合资源分配方法 | |
| Zhang et al. | Joint offloading and resource allocation optimization for mobile edge computing | |
| Huang et al. | Energy-efficient resource allocation in fog computing networks with the candidate mechanism | |
| Chamola et al. | Latency aware mobile task assignment and load balancing for edge cloudlets | |
| Zhong et al. | Cooperative service caching and computation offloading in multi-access edge computing | |
| WO2023040022A1 (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
| Sun et al. | Energy-efficient multimedia task assignment and computing offloading for mobile edge computing networks | |
| CN105224393B (zh) | 一种JT-CoMP在C-RAN架构下的虚拟机调度机制 | |
| CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
| CN109618399A (zh) | 多用户移动边缘计算系统中的分布式能量管理优化方法 | |
| CN113377533A (zh) | 无人机协助移动边缘计算中的动态计算卸载和服务器部署方法 | |
| Feng et al. | Energy-efficient user selection and resource allocation in mobile edge computing | |
| CN112654058A (zh) | D2d多播网络中的移动边缘计算卸载与资源分配算法 | |
| Xue et al. | Task allocation optimization scheme based on queuing theory for mobile edge computing in 5G heterogeneous networks | |
| Wang et al. | Energy and delay minimization of partial computing offloading for D2D-assisted MEC systems | |
| Li et al. | Stochastic computation resource allocation for mobile edge computing powered by wireless energy transfer | |
| Jin et al. | Computation offloading optimization based on probabilistic SFC for mobile online gaming in heterogeneous network | |
| CN111506431A (zh) | 一种云服务器在能耗约束下感知负载性能优化方法 | |
| Gengzhong et al. | A power control algorithm based on non-cooperative game for wireless CDMA sensor 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 | ||
| 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: 20210212 |