CN110035410A - 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统 - Google Patents
一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统 Download PDFInfo
- Publication number
- CN110035410A CN110035410A CN201910172989.7A CN201910172989A CN110035410A CN 110035410 A CN110035410 A CN 110035410A CN 201910172989 A CN201910172989 A CN 201910172989A CN 110035410 A CN110035410 A CN 110035410A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vec
- server
- unloading
- calculation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000009826 distribution Methods 0.000 title abstract description 4
- 238000013468 resource allocation Methods 0.000 claims abstract description 88
- 230000006854 communication Effects 0.000 claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 31
- 238000013178 mathematical model Methods 0.000 claims abstract description 26
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 100
- 230000005540 biological transmission Effects 0.000 claims description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 37
- 238000005457 optimization Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 10
- 230000007175 bidirectional communication Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical group C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 101100497221 Bacillus thuringiensis subsp. alesti cry1Ae gene Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统。本发明根据数据信息建立无线通信理论的数学模型，并根据所述数学模型，将联合资源分配和计算卸载问题建模为一个混合整数非线性规划问题(MINLP)；通过Tammer分解法将原问题分解为资源分配子问题和计算卸载子问题，并采用函数单调性定义，拉格朗日对偶和KKT(Karush‑Kuhn‑Tucker)条件获得最优资源分配，以及采用多阶段的低复杂度启发式算法获得最优卸载策略；服务器可根据控制器的方案给车辆分配计算资源，车辆根据控制器的策略选择服务器卸载计算任务。本发明为车辆提供了最优的卸载策略，以及最优的资源分配方案，降低了系统范围内车载任务的总处理时延。
Description
技术领域
本发明属于移动通信和移动边缘计算研究的相关领域，特别涉及一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统。
背景技术
随着车辆智能化进程加速，未来的车辆能够提供自动驾驶和虚拟现实等先进功能。然而，运行这些计算密集型和时延敏感性任务对于已经资源受限的车辆是一个有挑战性的任务。云计算技术能够一定程度上缓解该该问题，但是，传统的云计算服务器通常位于核心网中，远端云服务器和移动车辆之间的任务文件的长距离传输可能带来相当大的时延开销。为了解决上述矛盾，边缘计算是最近新兴的一种技术。它将云服务推向无线网络的边缘，并在移动终端附近提供基于云的计算卸载服务。
将车载网络技术和边缘计算技术结合，车辆能够将计算任务卸载到车载边缘服务器上延伸其计算能力，满足计算密集型和时延敏感性车载任务的需求。然而，相比与传统云服务器，边缘云服务器的资源是有限的，如果缺乏合理的资源分配和任务卸载策略，可能会影响车载边缘计算系统中车辆的用户体验。此外，考虑到边缘云服务器的分布式架构，如果车辆自行选择服务器进行卸载，可能导致车载边缘计算系统中服务器资源利用率较低。
现有的车载边缘计算系统中，大多数计算卸载和资源分配方案考虑的都是使服务供应商的效益最大化，而没有充分考虑车载任务的时延要求。另外，现在计算卸载和资源分配方案也没有考虑根据网络的全局信息做出决策。
因此，基于以上分析，在车载边缘系统中，迫切需要一种能够综合网络全局信息，最小化系统内车载任务总处理时延的联合资源分配和计算卸载的方法及系统。
发明内容
为了解决目前车载任务的时延要求以及计算卸载和资源分配方案没有考虑根据网络的全局信息做出决策，导致运算处理效率受到影响的技术问题，本发明提供一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统。
为了实现上述技术目的，本发明的技术方案是，
一种软件定义车载边缘网络中联合资源分配和计算卸载的方法，在车载单元通讯装置路侧单元即RSU上部署移动边缘计算即MEC服务器，将具有MEC计算功能的RSU作为车载边缘计算即VEC服务器，VEC服务器通过网络与软件定义车载边缘计算即SD-VEC控制器通讯并实施联合资源分配和计算卸载，包括以下步骤：
步骤一：采用软件定义网络即SDN技术，车辆与VEC服务器将卸载请求以及数据信息发送到SD-VEC控制器；
所述车辆，向VEC服务器发送卸载请求和相关信息；所述VEC服务器，将车辆发送的卸载请求和相关信息，以及信道信息和自身资源信息传输到SD-VEC控制器；
步骤二：确定联合资源分配和计算卸载模型的优化目标、决策机制、决策方式，并构建本地计算模型和计算卸载模型；同时，根据本地计算模型、计算卸载模型、决策机制、决策方式以及优化目标，建立软件定义车载边缘网络系统中车载任务总处理时延的数学模型，即混合整数非线性规划问题；
步骤三：将步骤二中的原混合整数非线性规划问题采用Tammer方法分解为计算卸载即CO子问题和资源分配即RA子问题；
其中，所述RA子问题采用函数单调性定义，拉格朗日对偶和KKT即Karush-Kuhn-Tucker条件，输入步骤一VEC服务器传输的数据信息，获得最优资源分配；
所述CO子问题，采用多阶段的低复杂度启发式算法，输入步骤一所述VEC服务器传输的数据信息，联合RA子问题的最优解获得最优卸载决策；
步骤四：控制器向VEC服务器返回步骤三获得的最优卸载决策与资源分配方案，进一步的，VEC服务器向车辆返回卸载决策。
所述的方法，所述步骤一具体为：
当车辆进入VEC服务器的通信范围内，会将自身的设备信息(CPU处理能力，上行传输功率)，任务信息(任务数据量、任务计算量)以及卸载请求发送到VEC服务器；进一步的，VEC服务器将接受到卸载请求，相关数据信息以及自身的设备信息(例如，服务器计算资源分配状态)通过南向接口发送到SD-VEC控制器；
其中，南向接口为控制器与VEC服务器的通信接口；
其中，所有车辆表示为：
其中，表示N个发送卸载请求的车辆，每台车辆的CPU计算能力表示为 每台车辆的上行传输功率表示为每台车辆的计算任务表示为dn表示计算任务的数据量，cn表示计算任务需要的计算资源量；
其中，全部VEC服务器表示为：
其中，表示M个提供计算资源的VEC服务器，每个VEC服务器的最大可供资源量可以表示为
所述的方法，所述步骤二中，本地计算模型为：
其中，表示本地完成计算任务的时间消耗；
计算卸载模型为：
其中，表示车辆n将计算任务卸载到VEC服务器m上完成的时间消耗；
为车辆行驶到VEC服务器m的通信范围所消耗的时间，Rk为VEC服务器k的通信范围，v为车辆的行驶速度；
为车辆传输计算任务的上行传输时间，根据香农公式，rn(pn)＝Wlog2(1+pnhn,m/N0)，W为车辆上行传输的带宽，hn,m为车辆与服务器m之间的信道增益，N0是背景噪声功率。
为服务器m分配给车辆的计算资源量。
引入决策机制an,m＝{0,1}，其中，an,m＝1表示车辆n选择服务器m计算卸载，反之相反；
决策方式其中，表示车辆选择将计算任务卸载到服务器m的方式，表示车辆选择本地执行计算任务的方式；
联合本地计算模型、任务卸载模型、决策方式，车辆n的任务处理时延表示为：
根据所述车辆n的任务处理时延表达式，引入待优化变量资源分配集合卸载决策集合上行传输功率集合优化目标为系统范围内所有车辆任务处理时延，表示为：
其中，引入时延敏感系数λn表示车载任务对时延敏感的偏重程度；
根据所述计算模型、决策机制，决策方式和优化目标，最小化软件定义车载边缘网络系统中车载任务总处理时延的数学模型：
其中，s.t.表示最小化问题需要满足上述所列出的几个约束条件，为所有将计算任务卸载到服务器m的车辆集合，所述数学模型给出了计算任务的决策方式，服务器的资源分配，以及车辆的上行传输功率限制。
所述的方法，所述步骤三中，通过采用Tammer分解法，原问题被分解为计算卸载子问题，表示为：
其中，为所有选择计算卸载的车辆集合， 为所有选择本地计算的车辆集合；
以及资源分配子问题，表示为：
所述方法，步骤三中，求解资源分配子问题包括以下步骤：
所述资源分配子问题等价为如下形式：
采用Tammer分解法分解为上行传输功率子问题和计算资源分配子问题；
其中上行传输功率子问题为：
其中，an＝λndnW-1，βn＝hn,m/N0；
采用函数单调性以及凸优化理论求解，得到车辆n的最优上行传输功率为：
资源分配子问题为：
采用拉格朗日对偶和KKT条件进行求解，获得服务器m对车辆n的最优资源分配
求解卸载子问题是通过多阶段的低复杂度启发式算法，联合最优上行传输功率和最优资源分配使得
的值接近最小。
一种软件定义车载边缘网络中联合资源分配和计算卸载的系统，包括多台车辆、多个VEC服务器和一个SD-VEC控制器，所述VEC服务器与多个车辆连接，所述SD-VEC控制器与多个VEC服务器连接，所述SD-VEC控制器包括通讯模块，存储模块，计算模块，决策模块；
所述通讯模块：控制器通过通讯模块与VEC服务器进行双向通信，包括接收来自VEC服务器发送的数据信息，以及，向VEC服务器返回最终卸载决策和资源分配方案；
所述存储模块：存储通信模块接收的数据信息，根据计算模块和决策模块的请求，向计算模块和决策模块传输必要的数据信息；
所述计算模块：响应决策模块的计算要求，包括车辆本地处理时延计算，车辆计算卸载时延计算，资源分配量计算，总任务处理时延计算等；根据所述计算要求，向存储模块请求并接收必要的数据信息，
所述决策模块：联合资源分配以及计算卸载进行决策；决策过程中，向存储模块请求并接收必要的数据信息，向计算模块请求并接收所需的计算结果。
本发明的技术效果在于，(1)本发明基于软件定义网络和MEC技术提供的在软件定义车载边缘网络中联合资源分配和计算卸载的方法，一定程度上优化过去车载边缘网络中联合资源分配和计算卸载的方法，通过引入SD-VEC控制器，SD-VEC控制器可以在获取网络全局信息后做出最优的决策；
(2)本发明方法最小化了软件定义车载边缘网络系统中车载任务总处理时延，有效的满足了车载计算密集型和时延敏感性任务的要求；
(3)本发明方法采用分阶段的低复杂度启发式算法求解计算卸载问题，相比现有算法，更够更大程度的降低软件定义车载边缘网络系统中车载任务总处理时延，同时保证了算法的低时间复杂度；
(4)本发明方法将车联网技术，MEC技术和软件定义网络技术相结合，具有很好的前沿性和可应用性。
附图说明
图1为本发明所述的方法的系统结构框图。
图2是本发明所述的方法的SD-VEC控制器的硬件架构图。
图3是本发明所述的方法的流程图。
图4是本发明所述的方法的算法排序与寻优阶段子流程图。
图5是本发明所述的方法的算法替换与更新阶段子流程图。
图6是本发明所述的方法的算法再分配阶段子流程图。
图7是本发明所述的方法关于软件定义车载边缘网络系统中车载任务平均总处理时延对比贪婪算法，最近邻算法的仿真效果图。
图8是本发明所述的方法与仅本地执行对比三种算法的平均总处理时延减少量这一指标的仿真效果图。
具体实施方式
本发明所提供的软件定义车载边缘网络中联合资源分配和计算卸载的方法包括：
步骤1引入软件定义网络(SDN)技术，利用SD-VEC控制器接收来自车辆和VEC服务器传输的数据信息；
其中，所述车辆，向VEC服务器发送卸载请求和相关信息；所述VEC服务器，将车辆发送的卸载请求和相关信息，以及信道信息和自身资源信息等数据信息传输到SD-VEC控制器；
其中，所述数据信息包括如下信息：
发送卸载请求的车辆集合信息发送卸载请求的车辆集合中，车辆n的CPU计算能力信息车辆n的上行传输功率信息车辆上行传输的带宽信息W；车辆n的计算任务信息dn表示计算任务n的数据量，cn表示计算任务n需要的计算资源量；
VEC服务器集合信息VEC服务器m的最大资源量可以表示为
步骤2建立无线通信理论与联合资源分配和计算卸载优化问题的数学模型；
其中，所述无线通信理论模型包括如下：
步骤2.1本地计算模型：
根据步骤1所述数据信息，车辆n的计算能力为需要执行计算任务的计算资源量为cn，则本地完成计算任务的时间消耗可以表示为：
步骤2.2计算卸载模型：
车辆n将计算任务卸载到VEC服务器m上完成的时间消耗分为三部分，可以表示为：
所述第一个部分为车辆行驶到VEC服务器m的通信范围所消耗的时间，可以表示为：
其中，Rk为VEC服务器k的通信范围，v为车辆的行驶速度；
所述第二个部分为车辆传输计算任务的上行传输时间，可以表示为：
根据香农公式：
其中，W为车辆上行传输的带宽，hn,m为车辆与服务器m之间的信道增益，N0是背景噪声功率。
所述第三个部分为VEC服务器m完成计算任务的时间，可以表示为：
其中，为服务器m分配给车辆的计算资源量。
考虑到计算任务完成输出结果远小于所述第二部分上行传输计算任务的数据量dn，所述计算模型忽略了计算结果从VEC服务器m返回车辆n的传输时间开销。
步骤2.3引入决策机制其中，an,m＝1表示车辆n选择服务器m计算卸载，反之相反；
根据所述决策机制，可以确定决策方式其中，表示车辆选择将计算任务卸载到服务器m的方式，表示车辆选择本地执行计算任务的方式。
根据步骤2.1和步骤2.2所建立的数学模型，以及，所述决策方式，车辆n的任务处理时延数学模型可表示为：
步骤2.4引入待优化变量：资源分配集合卸载决策集合上行传输功率集合
根据步骤2.3所述车辆n的任务处理时延数学模型，以及，所述待优化变量，以系统范围内所有车辆任务处理时延为优化目标的数学模型，可表示为：
其中，引入时延敏感系数λn∈(0,1]表示车载任务对时延敏感的偏重程度；
步骤2.5根据步骤2.4所述系统范围内所有车辆任务处理时延为优化目标的数学模型，最小化软件定义车载边缘网络系统中车载任务总处理时延的数学模型可以写作：
所述数学模型是一个混合整数线性规划问题(MINLP)，其中，s.t.表示最小化问题需要满足上述所列出的几个约束条件，为所有将计算任务卸载到服务器m的车辆集合；
其中，所述约束(9b)和(9c)表示车载任务n或在本地执行，或卸载到服务器m进行处理；约束(9d)表示只有卸载到服务器m的车辆任务可以通过它分配计算资源，并且，分配的计算资源的数量为正；约束(9e)表示服务器m分配的计算资源量不能超过其自身最大资源量；约束(9f)表示传输卸载请求的车辆的上行传输功率范围；
步骤3采用Tammer分解法，步骤2.5中所述最小化软件定义车载边缘网络系统中车载任务总处理时延的数学模型可以分解为计算卸载子问题和资源分配子问题；
计算卸载子问题：
其中，所述为所有选择计算卸载的车辆集合，所述为所有选择本地计算的车辆集合；
资源分配子问题：
步骤4分别对步骤3所述计算卸载子问题和资源分配子问题求解；
步骤4.1所述资源分配子问题等价为如下形式：
其中，所述(12)式第一部分与决策机制和决策方式有关，根据决策机制和决策方式，可以确定车辆n将任务卸载到第几个服务器上，从而通过其行驶距离与速度计算第一部分行驶时间。所述(12)式第二部分可以进一步采用Tammer分解法分解为上行传输功率子问题和计算资源分配子问题；
步骤4.2上行传输功率子问题：
其中，αn＝λndnW-1，βn＝hn,m/N0；
对所述上行传输功率子问题表达式关于pn求一阶导数，可以发现一阶导数恒为负，根据函数单调性定义可以判定优化函数在实数域内单调递减。进一步对所述上行传输功率子问题表达式关于pn求二阶导数，可以发现二阶导数恒为正，根据凸函数二阶判定条件可以判定上行传输功率优化函数为凸函数，根据凸优化理论，凸函数的局部最优解即为全局最优解。因为约束为优化变量pn的可行域范围，采用函数单调性以及凸优化理论对所述(13)式求解，可以求得车辆n的最优上行传输功率为：
步骤4.3计算资源分配子问题：
对所述资源分配子问题表达式关于求二阶导数，可以发现Hessian矩阵半正定，根据凸函数二阶判定条件可以判定资源分配优化函数为凸函数。因为约束和都为凸约束，因此资源分配子问题为凸优化问题。采用拉格朗日乘子法，根据对偶理论和KKT(Karush-Kuhn-Tucker)条件对所述(15)式求解，可以获得服务器m对车辆n的最优资源分配
步骤4.4通过多阶段的低复杂度启发式算法，算法分为排序，分配，替换，更新，再分配5个子阶段，在每个子阶段，联合最优上行传输功率和最优资源分配在每个子阶段，计算系统内任务总处理时延，根据最小时延时an,m的取值将其加入或中，五个子阶段执行完毕后，使得式(10a)的值接近最小，从而获得最小化软件定义车载边缘网络系统中车载任务总处理时延的最优计算卸载和资源分配策略；
步骤5控制器向VEC服务器返回步骤4获得的最优卸载决策与资源分配方案，进一步的，VEC服务器向车辆返回卸载决策。
本发明提供的软件定义车载边缘网络中联合资源分配和计算卸载的系统包括：多台车辆、多个VEC服务器和一个SD-VEC控制器，所述VEC服务器与多个车辆连接，所述SD-VEC控制器与多个VEC服务器连接，所述SD-VEC控制器包括通讯模块，存储模块，计算模块，决策模块；
所述通讯模块：控制器通过通讯模块与VEC服务器进行双向通信，包括接收来自VEC服务器发送的数据信息，以及，向VEC服务器返回最终卸载决策和资源分配方案；
所述存储模块：存储通信模块接收的数据信息；根据计算模块和决策模块的请求，向计算模块和决策模块传输必要的数据信息；
所述计算模块：响应决策模块的计算要求，包括车辆本地处理时延计算，车辆计算卸载时延计算，资源分配量计算，总任务处理时延计算等；根据所述计算要求，向存储模块请求并接收必要的数据信息，
所述决策模块：联合资源分配以及计算卸载进行决策；决策过程中，向存储模块请求并接收必要的数据信息，向计算模块请求并接收所需的计算结果。
图1为一种软件定义车载边缘网络中联合资源分配和计算卸载的系统架构图，引入软件定义网络(SDN)技术，包括多台车辆位于用户平面，多个路侧单元(RSU)和MEC服务器(两者结合即位VEC服务器)位于数据平面，一个SD-VEC控制器位于控制平面。
具体的，所述用户平面中的车辆将车辆集合信息、车辆的CPU计算能力信息、车辆n的上行传输功率信息、车辆上行传输的带宽信息、车辆的计算任务信息通过无线网络发送到VEC服务器；所述VEC服务器通过有线网络向SD-VEC控制器传输所接收的数据信息与信道状态信息、VEC服务器集合信息、每个VEC服务器最大资源量信息；所述SD-VEC控制器利用接收的数据信息联合资源分配和计算卸载决策。
图2为一种软件定义车载边缘网络中联合资源分配和计算卸载的SD-VEC控制器硬件图，包括南向接口、通信模块、存储模块，计算模块，决策模块。
通讯模块与南向接口，通讯模块过南向接口与VEC服务器进行双向通信，包括接收来自VEC服务器发送的数据信息，以及，向VEC服务器返回最终卸载决策和资源分配方案。在SDN技术中，控制平面与数据平面的交互通过南向接口协议实现。
存储模块，存储通信模块接收的数据信息；根据计算模块和决策模块的请求，向计算模块和决策模块传输必要的数据信息；
计算模块，响应决策模块的计算要求，包括车辆本地处理时延计算，车辆计算卸载时延计算，资源分配量计算，总任务处理时延计算等；根据所述计算要求，向存储模块请求并接收必要的数据信息，
决策模块，联合资源分配以及计算卸载进行决策；决策过程中，向存储模块请求并接收必要的数据信息，向计算模块请求并接收所需的计算结果。
图3为一种软件定义车载边缘网络中联合资源分配和计算卸载的方法流程图，包括步骤为：
步骤1控制器接收并存储来自车辆和VEC服务器传输的数据信息。
具体的，数据信息包括车辆集合信息、车辆的CPU计算能力信息、车辆n的上行传输功率信息、车辆上行传输的带宽信息、车辆的计算任务信息、VEC服务器集合信息、每个VEC服务器最大资源量信息。
步骤2建立无线通信理论与联合资源分配和计算卸载优化问题的数学模型。
具体的，建立的数学模型包括本地卸载模型(1)式、计算卸载模型(2)式、车辆n的任务处理时延数学模型(7)式、系统范围内所有车辆任务处理时延为优化目标的数学模型(8)式，最小化软件定义车载边缘网络系统中车载任务总处理时延的数学模型(9)式。
步骤3采用Tammer分解法分解原问题为计算卸载子问题和资源分配子问题。其中资源分配子问题被进一步分解为上行传输功率分配子问题，计算资源分配子问题。
具体的，计算卸载子问题的数学模型为(10)式，上行传输功率分配子问题的数学模型为(13)式，计算资源分配子问题的数学模型为(15)式。
步骤4采用多阶段低复杂度启发式算法求解。
具体的，详细的算法流程步骤在图4、图5、图6中说明。
步骤5控制器向VEC服务器返回最优卸载决策与资源分配方案，进一步的，VEC服务器向车辆返回卸载决策。
图4为多阶段低复杂度启发式算法的排序与寻优子阶段。
具体的，多阶段低复杂度启发式算法分5个阶段，第1阶段为排序子阶段，通过排序公式对车辆集合中的车辆从大到小进行排序，所述排序公式：
根据λici和λidi的加权平均值，其中0∈(0,1]可以调节λici(车载任务计算量)，λidi(车载任务数据量)之间的权重。
多阶段低复杂度启发式算法第2阶段为分配子阶段，遍历车辆集合对其中每台车辆i根据本地卸载模型(1)式计算本地处理时延根据计算卸载模型(2)式计算任务卸载时延并找到其中最小的任务卸载时延比较与如果将ai,k分配至卸载策略集合中，否则，将ai分配至本地策略集合中。
图5为多阶段低复杂度启发式算法的替换与更新子阶段。
具体的，多阶段低复杂度启发式算法第3阶段为替换子阶段，根据当前卸载策略集合和(14)、(16)式计算最优上行传输功率，最优资源分配；根据所求结果和(10a)式第二部分计算遍历车辆集合如果车辆i在中，根据相同步骤计算ai,k替换为后的并找到其中最小的比较与如果在中，将ai,k替换为ai,k′,否则，保持原
多阶段低复杂度启发式算法第4阶段为更新子阶段，根据当前卸载策略集合以及(14)、(16)式计算最优上行传输功率，最优资源分配；根据所求结果、当前本地策略集合和(10)式计算T；遍历卸载策略集合如果车辆i在中，更新将ai,k移除，更新将ai加入；根据相同步骤计算更新后的T′；比较T与T′，如果T′<T，更新将ai,k移除，更新将ai加入，否则，维持原
图6为多阶段低复杂度启发式算法的再分配子阶段。
具体的，多阶段低复杂度启发式算法第5阶段为替换子阶段，根据当前卸载策略集合以及(14)、(16)式计算最优上行传输功率，最优资源分配；根据所求结果、当前本地策略集合和(10)式计算T；遍历卸载策略集合如果车辆i在中，从中移除ai，再分配，将ai,j加入根据相同步骤计算再分配后的T，并找到其中最小的T′；比较T与T′，如果T′<T，从中移除ai，再分配，将ai,j加入否则，维持原最终获得的即为最优卸载策略最优本地策略根据所述以及(14)，(15)式可以求出最优上行传输功率集合最优计算资源分配集合
图7为本发明所述的多阶段低复杂度启发式算法关于软件定义车载边缘网络系统中车载任务平均总处理时延这一指标对比贪婪算法、最近邻算法的仿真效果图；其中，所述贪婪算法的策略为对于每台车辆，联合资源分配选择当前软件定义车载边缘网络系统中车载任务处理时延最小的VEC服务器计算卸载；所述最近邻算法的策略为对于每台车辆，联合资源分配选择距离该车辆最近的VEC服务器计算卸载；如图所示，对比最近邻算法与贪婪算法，本发明所述的多阶段低复杂度启发式算法能够取得最小的车载任务平均总处理时延。
图8为本发明所述的方法与仅本地执行对比三种算法的平均总处理时延减少量这一指标的仿真效果图。如图所示，对比最近邻算法与贪婪算法，本发明所述的多阶段低复杂度启发式算法能够取得与仅本地执行相比，最大的车载任务平均总处理时延减少量。
Claims (6)
1.一种软件定义车载边缘网络中联合资源分配和计算卸载的方法，其特征在于，在车载单元通讯装置路侧单元即RSU上部署移动边缘计算即MEC服务器，将具有MEC计算功能的RSU作为车载边缘计算即VEC服务器，VEC服务器通过网络与软件定义车载边缘计算即SD-VEC控制器通讯并实施联合资源分配和计算卸载，包括以下步骤：
步骤一：采用软件定义网络即SDN技术，车辆与VEC服务器将卸载请求以及数据信息发送到SD-VEC控制器；
所述车辆，向VEC服务器发送卸载请求和相关信息；所述VEC服务器，将车辆发送的卸载请求和相关信息，以及信道信息和自身资源信息传输到SD-VEC控制器；
步骤二：确定联合资源分配和计算卸载模型的优化目标、决策机制、决策方式，并构建本地计算模型和计算卸载模型；同时，根据本地计算模型、计算卸载模型、决策机制、决策方式以及优化目标，建立软件定义车载边缘网络系统中车载任务总处理时延的数学模型，即混合整数非线性规划问题；
步骤三：将步骤二中的原混合整数非线性规划问题采用Tammer方法分解为计算卸载即CO子问题和资源分配即RA子问题；
其中，所述RA子问题采用函数单调性定义，拉格朗日对偶和KKT即Karush-Kuhn-Tucker条件，输入步骤一VEC服务器传输的数据信息，获得最优资源分配；
所述CO子问题，采用多阶段的低复杂度启发式算法，输入步骤一所述VEC服务器传输的数据信息，联合RA子问题的最优解获得最优卸载决策；
步骤四：控制器向VEC服务器返回步骤三获得的最优卸载决策与资源分配方案，进一步的，VEC服务器向车辆返回卸载决策。
2.根据权利要求1所述的方法，其特征在于，所述步骤一具体为：
当车辆进入VEC服务器的通信范围内，会将自身的设备信息，任务信息以及卸载请求发送到VEC服务器；进一步的，VEC服务器将接受到卸载请求，相关数据信息以及自身的设备信息通过南向接口发送到SD-VEC控制器；
其中，南向接口为控制器与VEC服务器的通信接口；
其中，所有车辆表示为：
其中，表示N个发送卸载请求的车辆，每台车辆的CPU计算能力表示为每台车辆的上行传输功率表示为每台车辆的计算任务表示为dn表示计算任务的数据量，cn表示计算任务需要的计算资源量；
其中，全部VEC服务器表示为：
其中，表示M个提供计算资源的VEC服务器，每个VEC服务器的最大可供资源量可以表示为
3.根据权利要求2所述的方法，其特征在于，所述步骤二中，本地计算模型为：
其中，表示本地完成计算任务的时间消耗；
计算卸载模型为：
其中，表示车辆n将计算任务卸载到VEC服务器m上完成的时间消耗；
为车辆行驶到VEC服务器m的通信范围所消耗的时间，Rk为VEC服务器k的通信范围，v为车辆的行驶速度；
为车辆传输计算任务的上行传输时间，根据香农公式，rn(pn)＝Wlog2(1+pnhn，m/N0)，W为车辆上行传输的带宽，hn，m为车辆与服务器m之间的信道增益，N0是背景噪声功率。
为服务器m分配给车辆的计算资源量。
引入决策机制其中，an，m＝1表示车辆n选择服务器m计算卸载，反之相反；
决策方式其中，表示车辆选择将计算任务卸载到服务器m的方式，表示车辆选择本地执行计算任务的方式；
联合本地计算模型、任务卸载模型、决策方式，车辆n的任务处理时延表示为：
根据所述车辆n的任务处理时延表达式，引入待优化变量资源分配集合卸载决策集合上行传输功率集合优化目标为系统范围内所有车辆任务处理时延，表示为：
其中，引入时延敏感系数λn表示车载任务对时延敏感的偏重程度；
根据所述计算模型、决策机制，决策方式和优化目标，最小化软件定义车载边缘网络系统中车载任务总处理时延的数学模型：
其中，s.t.表示最小化问题需要满足上述所列出的几个约束条件，为所有将计算任务卸载到服务器m的车辆集合，所述数学模型给出了计算任务的决策方式，服务器的资源分配，以及车辆的上行传输功率限制。
4.根据权利要求3所述的方法，其特征在于，所述步骤三中，通过采用Tammer分解法，原问题被分解为计算卸载子问题，表示为：
其中，为所有选择计算卸载的车辆集合， 为所有选择本地计算的车辆集合；
以及资源分配子问题，表示为：
5.如权利要求4所述方法，其特征在于，步骤三中，求解资源分配子问题包括以下步骤：
所述资源分配子问题等价为如下形式：
采用Tammer分解法分解为上行传输功率子问题和计算资源分配子问题；
其中上行传输功率子问题为：
其中，αn＝λndnW-1，βn＝hn，m/N0；
采用函数单调性以及凸优化理论求解，得到车辆n的最优上行传输功率为：
资源分配子问题为：
采用拉格朗日对偶和KKT条件进行求解，获得服务器m对车辆n的最优资源分配
求解卸载子问题是通过多阶段的低复杂度启发式算法，联合最优上行传输功率和最优资源分配使得
的值接近最小。
6.一种软件定义车载边缘网络中联合资源分配和计算卸载的系统，其特征在于，包括多台车辆、多个VEC服务器和一个SD-VEC控制器，所述VEC服务器与多个车辆连接，所述SD-VEC控制器与多个VEC服务器连接，所述SD-VEC控制器包括通讯模块，存储模块，计算模块，决策模块；
所述通讯模块：控制器通过通讯模块与VEC服务器进行双向通信，包括接收来自VEC服务器发送的数据信息，以及，向VEC服务器返回最终卸载决策和资源分配方案；
所述存储模块：存储通信模块接收的数据信息，根据计算模块和决策模块的请求，向计算模块和决策模块传输必要的数据信息；
所述计算模块：响应决策模块的计算要求，包括车辆本地处理时延计算，车辆计算卸载时延计算，资源分配量计算，总任务处理时延计算等；根据所述计算要求，向存储模块请求并接收必要的数据信息，
所述决策模块：联合资源分配以及计算卸载进行决策；决策过程中，向存储模块请求并接收必要的数据信息，向计算模块请求并接收所需的计算结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910172989.7A CN110035410B (zh) | 2019-03-07 | 2019-03-07 | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910172989.7A CN110035410B (zh) | 2019-03-07 | 2019-03-07 | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110035410A true CN110035410A (zh) | 2019-07-19 |
| CN110035410B CN110035410B (zh) | 2021-07-13 |
Family
ID=67235179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910172989.7A Active CN110035410B (zh) | 2019-03-07 | 2019-03-07 | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110035410B (zh) |
Cited By (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110415560A (zh) * | 2019-08-07 | 2019-11-05 | 腾讯科技（深圳）有限公司 | 基于车联网系统的资源量估计方法、碰撞预测方法及装置 |
| CN110557732A (zh) * | 2019-08-05 | 2019-12-10 | 西北工业大学 | 一种车辆边缘计算网络任务卸载负载均衡系统及均衡方法 |
| CN110827555A (zh) * | 2019-10-24 | 2020-02-21 | 浩鲸云计算科技股份有限公司 | 基于软件定义的交通信号控制系统和方法 |
| CN110856259A (zh) * | 2019-11-12 | 2020-02-28 | 郑州轻工业学院 | 移动边缘计算环境中自适应数据块大小的资源分配和卸载方法 |
| CN110891093A (zh) * | 2019-12-09 | 2020-03-17 | 中国科学院计算机网络信息中心 | 一种时延敏感网络中边缘计算节点选择方法及系统 |
| CN110928658A (zh) * | 2019-11-20 | 2020-03-27 | 湖南大学 | 一种车边云协同架构的协同任务迁移系统及算法 |
| CN110941667A (zh) * | 2019-11-07 | 2020-03-31 | 北京科技大学 | 一种移动边缘计算网络中的计算卸载方法及系统 |
| CN110996393A (zh) * | 2019-12-12 | 2020-04-10 | 大连理工大学 | 一种单边缘计算服务器与多用户协同的计算卸载与资源分配方法 |
| CN111010684A (zh) * | 2019-12-17 | 2020-04-14 | 重庆邮电大学 | 一种基于mec缓存服务的车联网资源分配方法 |
| CN111130911A (zh) * | 2019-12-31 | 2020-05-08 | 杭州电子科技大学 | 一种基于移动边缘计算的计算卸载方法 |
| CN111124647A (zh) * | 2019-12-25 | 2020-05-08 | 大连理工大学 | 一种车联网中的智能边缘计算方法 |
| CN111126667A (zh) * | 2019-11-27 | 2020-05-08 | 厦门大学 | 基于主动拓扑优化的车辆任务卸载及资源分配方法和系统 |
| CN111142883A (zh) * | 2019-12-03 | 2020-05-12 | 沈阳航空航天大学 | 基于sdn架构的车辆计算任务卸载方法 |
| CN111245651A (zh) * | 2020-01-08 | 2020-06-05 | 上海交通大学 | 一种基于功率控制和资源分配的任务卸载方法 |
| CN111314889A (zh) * | 2020-02-26 | 2020-06-19 | 华南理工大学 | 车联网中基于移动边缘计算的任务卸载与资源分配方法 |
| CN111405527A (zh) * | 2020-03-17 | 2020-07-10 | 中南大学 | 一种基于志愿者协同处理的车载边缘计算方法、装置及系统 |
| CN111464976A (zh) * | 2020-04-21 | 2020-07-28 | 电子科技大学 | 一种基于车队的车辆任务卸载决策和总体资源分配方法 |
| CN111585916A (zh) * | 2019-12-26 | 2020-08-25 | 国网辽宁省电力有限公司电力科学研究院 | 基于云边协同的lte电力无线专网任务卸载和资源分配方法 |
| CN111615129A (zh) * | 2020-05-29 | 2020-09-01 | 南京邮电大学 | 基于noma的多用户移动边缘计算系统中的资源分配方法 |
| CN111786839A (zh) * | 2020-07-15 | 2020-10-16 | 南通大学 | 一种车载边缘计算网络中能效优化的计算卸载方法及系统 |
| CN111818168A (zh) * | 2020-06-19 | 2020-10-23 | 重庆邮电大学 | 一种车联网中自适应联合计算卸载与资源分配方法 |
| CN111836283A (zh) * | 2020-07-03 | 2020-10-27 | 重庆邮电大学 | 一种基于mec多服务器的车联网资源分配方法 |
| CN111918311A (zh) * | 2020-08-12 | 2020-11-10 | 重庆邮电大学 | 基于5g移动边缘计算的车联网任务卸载和资源分配方法 |
| CN111918245A (zh) * | 2020-07-07 | 2020-11-10 | 西安交通大学 | 基于多智能体的车速感知的计算任务卸载和资源分配方法 |
| CN111970323A (zh) * | 2020-07-10 | 2020-11-20 | 北京大学 | 边缘计算网络中云边多层协作的时延优化方法及装置 |
| CN111970318A (zh) * | 2020-05-18 | 2020-11-20 | 北京邮电大学 | 基于移动边缘计算的车辆与路边单元协同卸载任务方法及装置 |
| CN112291335A (zh) * | 2020-10-27 | 2021-01-29 | 上海交通大学 | 移动边缘计算中的优化任务调度方法 |
| CN112312408A (zh) * | 2020-10-14 | 2021-02-02 | 韩山师范学院 | 一种具有服务质量保证的802.11ax密集WiFi网络AP布置方法 |
| CN112671852A (zh) * | 2020-12-14 | 2021-04-16 | 北京邮电大学 | 一种基于网内计算平台的物联网设备计算卸载架构 |
| CN112685186A (zh) * | 2021-01-08 | 2021-04-20 | 北京信息科技大学 | 一种计算任务的卸载方法、装置、电子设备及存储介质 |
| CN112737842A (zh) * | 2020-12-29 | 2021-04-30 | 西北工业大学深圳研究院 | 空地一体化车联网中基于最小化时延的任务安全卸载方法 |
| CN112764927A (zh) * | 2021-01-21 | 2021-05-07 | 西安电子科技大学 | 一种车辆选择和资源联合优化方法、系统、介质及应用 |
| CN112896240A (zh) * | 2021-03-17 | 2021-06-04 | 北京交通大学 | 基于边缘计算的多传感器列车定位方法 |
| CN112911551A (zh) * | 2021-01-18 | 2021-06-04 | 国汽智控(北京)科技有限公司 | 一种车路云算力动态分配系统 |
| CN113114738A (zh) * | 2021-03-25 | 2021-07-13 | 华南理工大学 | 基于sdn的车联网任务卸载的优化方法 |
| CN113453192A (zh) * | 2020-03-25 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 一种车辆间业务计算的方法和装置 |
| CN113596106A (zh) * | 2021-07-07 | 2021-11-02 | 北京信息科技大学 | 基于多边缘服务器协作的时延敏感型切片资源调度方法 |
| CN113613210A (zh) * | 2021-07-02 | 2021-11-05 | 重庆邮电大学 | 一种基于多变量联合优化的车联网任务卸载方法 |
| CN113660325A (zh) * | 2021-08-10 | 2021-11-16 | 克拉玛依和中云网技术发展有限公司 | 一种基于边缘计算的工业互联网任务卸载策略 |
| CN113783959A (zh) * | 2021-09-13 | 2021-12-10 | 吉林大学 | 一种车联网联合优化计算任务卸载比率和资源分配方法 |
| CN113778550A (zh) * | 2021-08-17 | 2021-12-10 | 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 |
| CN114143346A (zh) * | 2021-11-29 | 2022-03-04 | 广东工业大学 | 一种车联网任务卸载和服务缓存的联合优化方法及系统 |
| CN114615705A (zh) * | 2022-03-11 | 2022-06-10 | 广东技术师范大学 | 一种基于5g网络下单用户资源分配策略方法 |
| CN114637608A (zh) * | 2022-05-17 | 2022-06-17 | 之江实验室 | 一种计算任务分配和更新方法、终端及网络设备 |
| CN114741191A (zh) * | 2022-03-30 | 2022-07-12 | 西安电子科技大学 | 一种面向计算密集型任务关联性的多资源分配方法 |
| CN114802058A (zh) * | 2022-06-23 | 2022-07-29 | 北京理工大学 | 智能电动汽车区域架构车载网络化控制系统及调度方法 |
| CN115002118A (zh) * | 2022-05-31 | 2022-09-02 | 江苏大学 | 一种基于分布式鲁棒的软件定义车载任务卸载迁移规划方法、sdn控制器及部署方法 |
| CN115412563A (zh) * | 2022-08-22 | 2022-11-29 | 西南交通大学 | 一种边缘设备资源分配方法、装置、设备及可读存储介质 |
| WO2022257348A1 (zh) * | 2021-06-08 | 2022-12-15 | 重庆邮电大学 | 一种不确定网络环境中的任务卸载和资源分配方法 |
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 |
| 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 |
| CN109379727A (zh) * | 2018-10-16 | 2019-02-22 | 重庆邮电大学 | 车联网中基于mec的任务分布式卸载与协作执行方案 |
-
2019
- 2019-03-07 CN CN201910172989.7A patent/CN110035410B/zh active Active
Patent 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 |
| 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 |
| CN109379727A (zh) * | 2018-10-16 | 2019-02-22 | 重庆邮电大学 | 车联网中基于mec的任务分布式卸载与协作执行方案 |
Non-Patent Citations (2)
| Title |
|---|
| CHUNG-MING HUANG: "V2V Data Offloading for Cellular Network Based on the Software Defined Network (SDN) Inside Mobile Edge Computing (MEC)Architecture", 《IEEE》 * |
| KUNTAL GAUR: "Exploring VANET Using Edge", 《IEEE》 * |
Cited By (83)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110557732A (zh) * | 2019-08-05 | 2019-12-10 | 西北工业大学 | 一种车辆边缘计算网络任务卸载负载均衡系统及均衡方法 |
| CN110415560A (zh) * | 2019-08-07 | 2019-11-05 | 腾讯科技（深圳）有限公司 | 基于车联网系统的资源量估计方法、碰撞预测方法及装置 |
| CN110827555A (zh) * | 2019-10-24 | 2020-02-21 | 浩鲸云计算科技股份有限公司 | 基于软件定义的交通信号控制系统和方法 |
| CN110827555B (zh) * | 2019-10-24 | 2020-08-21 | 浩鲸云计算科技股份有限公司 | 基于软件定义的交通信号控制系统和方法 |
| CN110941667A (zh) * | 2019-11-07 | 2020-03-31 | 北京科技大学 | 一种移动边缘计算网络中的计算卸载方法及系统 |
| CN110941667B (zh) * | 2019-11-07 | 2022-10-14 | 北京科技大学 | 一种移动边缘计算网络中的计算卸载方法及系统 |
| CN110856259A (zh) * | 2019-11-12 | 2020-02-28 | 郑州轻工业学院 | 移动边缘计算环境中自适应数据块大小的资源分配和卸载方法 |
| CN110928658A (zh) * | 2019-11-20 | 2020-03-27 | 湖南大学 | 一种车边云协同架构的协同任务迁移系统及算法 |
| CN110928658B (zh) * | 2019-11-20 | 2024-03-01 | 湖南大学 | 一种车边云协同架构的协同任务迁移系统及算法 |
| CN111126667A (zh) * | 2019-11-27 | 2020-05-08 | 厦门大学 | 基于主动拓扑优化的车辆任务卸载及资源分配方法和系统 |
| CN111126667B (zh) * | 2019-11-27 | 2023-04-07 | 厦门大学 | 基于主动拓扑优化的车辆任务卸载及资源分配方法和系统 |
| CN111142883B (zh) * | 2019-12-03 | 2023-04-28 | 沈阳航空航天大学 | 基于sdn架构的车辆计算任务卸载方法 |
| CN111142883A (zh) * | 2019-12-03 | 2020-05-12 | 沈阳航空航天大学 | 基于sdn架构的车辆计算任务卸载方法 |
| CN110891093B (zh) * | 2019-12-09 | 2022-02-22 | 中国科学院计算机网络信息中心 | 一种时延敏感网络中边缘计算节点选择方法及系统 |
| CN110891093A (zh) * | 2019-12-09 | 2020-03-17 | 中国科学院计算机网络信息中心 | 一种时延敏感网络中边缘计算节点选择方法及系统 |
| CN110996393B (zh) * | 2019-12-12 | 2023-04-11 | 大连理工大学 | 一种单边缘计算服务器与多用户协同的计算卸载与资源分配方法 |
| CN110996393A (zh) * | 2019-12-12 | 2020-04-10 | 大连理工大学 | 一种单边缘计算服务器与多用户协同的计算卸载与资源分配方法 |
| CN111010684B (zh) * | 2019-12-17 | 2022-05-17 | 重庆邮电大学 | 一种基于mec缓存服务的车联网资源分配方法 |
| CN111010684A (zh) * | 2019-12-17 | 2020-04-14 | 重庆邮电大学 | 一种基于mec缓存服务的车联网资源分配方法 |
| CN111124647A (zh) * | 2019-12-25 | 2020-05-08 | 大连理工大学 | 一种车联网中的智能边缘计算方法 |
| CN111124647B (zh) * | 2019-12-25 | 2022-11-18 | 大连理工大学 | 一种车联网中的智能边缘计算方法 |
| CN111585916A (zh) * | 2019-12-26 | 2020-08-25 | 国网辽宁省电力有限公司电力科学研究院 | 基于云边协同的lte电力无线专网任务卸载和资源分配方法 |
| CN111585916B (zh) * | 2019-12-26 | 2023-08-01 | 国网辽宁省电力有限公司电力科学研究院 | 基于云边协同的lte电力无线专网任务卸载和资源分配方法 |
| CN111130911A (zh) * | 2019-12-31 | 2020-05-08 | 杭州电子科技大学 | 一种基于移动边缘计算的计算卸载方法 |
| CN111130911B (zh) * | 2019-12-31 | 2022-05-31 | 杭州电子科技大学 | 一种基于移动边缘计算的计算卸载方法 |
| CN111245651B (zh) * | 2020-01-08 | 2022-03-29 | 上海交通大学 | 一种基于功率控制和资源分配的任务卸载方法 |
| CN111245651A (zh) * | 2020-01-08 | 2020-06-05 | 上海交通大学 | 一种基于功率控制和资源分配的任务卸载方法 |
| CN111314889B (zh) * | 2020-02-26 | 2023-03-31 | 华南理工大学 | 车联网中基于移动边缘计算的任务卸载与资源分配方法 |
| CN111314889A (zh) * | 2020-02-26 | 2020-06-19 | 华南理工大学 | 车联网中基于移动边缘计算的任务卸载与资源分配方法 |
| CN111405527A (zh) * | 2020-03-17 | 2020-07-10 | 中南大学 | 一种基于志愿者协同处理的车载边缘计算方法、装置及系统 |
| CN111405527B (zh) * | 2020-03-17 | 2021-08-10 | 中南大学 | 一种基于志愿者协同处理的车载边缘计算方法、装置及系统 |
| CN113453192A (zh) * | 2020-03-25 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 一种车辆间业务计算的方法和装置 |
| CN111464976A (zh) * | 2020-04-21 | 2020-07-28 | 电子科技大学 | 一种基于车队的车辆任务卸载决策和总体资源分配方法 |
| CN111464976B (zh) * | 2020-04-21 | 2021-06-22 | 电子科技大学 | 一种基于车队的车辆任务卸载决策和总体资源分配方法 |
| CN111970318A (zh) * | 2020-05-18 | 2020-11-20 | 北京邮电大学 | 基于移动边缘计算的车辆与路边单元协同卸载任务方法及装置 |
| CN111970318B (zh) * | 2020-05-18 | 2022-05-24 | 北京邮电大学 | 基于移动边缘计算的车辆与路边单元协同卸载任务方法及装置 |
| CN111615129A (zh) * | 2020-05-29 | 2020-09-01 | 南京邮电大学 | 基于noma的多用户移动边缘计算系统中的资源分配方法 |
| CN111818168A (zh) * | 2020-06-19 | 2020-10-23 | 重庆邮电大学 | 一种车联网中自适应联合计算卸载与资源分配方法 |
| CN111818168B (zh) * | 2020-06-19 | 2022-05-03 | 重庆邮电大学 | 一种车联网中自适应联合计算卸载与资源分配方法 |
| CN111836283A (zh) * | 2020-07-03 | 2020-10-27 | 重庆邮电大学 | 一种基于mec多服务器的车联网资源分配方法 |
| CN111836283B (zh) * | 2020-07-03 | 2022-05-03 | 重庆邮电大学 | 一种基于mec多服务器的车联网资源分配方法 |
| CN111918245A (zh) * | 2020-07-07 | 2020-11-10 | 西安交通大学 | 基于多智能体的车速感知的计算任务卸载和资源分配方法 |
| CN111970323A (zh) * | 2020-07-10 | 2020-11-20 | 北京大学 | 边缘计算网络中云边多层协作的时延优化方法及装置 |
| CN111786839B (zh) * | 2020-07-15 | 2021-09-07 | 南通大学 | 一种车载边缘计算网络中能效优化的计算卸载方法及系统 |
| US11445400B2 (en) | 2020-07-15 | 2022-09-13 | Nantong University | Energy-efficient optimized computing offloading method for vehicular edge computing network and system thereof |
| CN111786839A (zh) * | 2020-07-15 | 2020-10-16 | 南通大学 | 一种车载边缘计算网络中能效优化的计算卸载方法及系统 |
| CN111918311A (zh) * | 2020-08-12 | 2020-11-10 | 重庆邮电大学 | 基于5g移动边缘计算的车联网任务卸载和资源分配方法 |
| CN111918311B (zh) * | 2020-08-12 | 2022-04-12 | 重庆邮电大学 | 基于5g移动边缘计算的车联网任务卸载和资源分配方法 |
| CN112312408B (zh) * | 2020-10-14 | 2023-04-11 | 韩山师范学院 | 一种具有服务质量保证的802.11ax密集WiFi网络AP布置方法 |
| CN112312408A (zh) * | 2020-10-14 | 2021-02-02 | 韩山师范学院 | 一种具有服务质量保证的802.11ax密集WiFi网络AP布置方法 |
| CN112291335A (zh) * | 2020-10-27 | 2021-01-29 | 上海交通大学 | 移动边缘计算中的优化任务调度方法 |
| CN112671852A (zh) * | 2020-12-14 | 2021-04-16 | 北京邮电大学 | 一种基于网内计算平台的物联网设备计算卸载架构 |
| CN112737842B (zh) * | 2020-12-29 | 2022-12-09 | 西北工业大学深圳研究院 | 空地一体化车联网中基于最小化时延的任务安全卸载方法 |
| CN112737842A (zh) * | 2020-12-29 | 2021-04-30 | 西北工业大学深圳研究院 | 空地一体化车联网中基于最小化时延的任务安全卸载方法 |
| CN112685186B (zh) * | 2021-01-08 | 2023-04-28 | 北京信息科技大学 | 一种计算任务的卸载方法、装置、电子设备及存储介质 |
| CN112685186A (zh) * | 2021-01-08 | 2021-04-20 | 北京信息科技大学 | 一种计算任务的卸载方法、装置、电子设备及存储介质 |
| CN112911551A (zh) * | 2021-01-18 | 2021-06-04 | 国汽智控(北京)科技有限公司 | 一种车路云算力动态分配系统 |
| CN112764927B (zh) * | 2021-01-21 | 2023-12-26 | 西安电子科技大学 | 一种车辆选择和资源联合优化方法、系统、介质及应用 |
| CN112764927A (zh) * | 2021-01-21 | 2021-05-07 | 西安电子科技大学 | 一种车辆选择和资源联合优化方法、系统、介质及应用 |
| CN112896240A (zh) * | 2021-03-17 | 2021-06-04 | 北京交通大学 | 基于边缘计算的多传感器列车定位方法 |
| CN112896240B (zh) * | 2021-03-17 | 2022-04-22 | 北京交通大学 | 基于边缘计算的多传感器列车定位方法 |
| CN113114738A (zh) * | 2021-03-25 | 2021-07-13 | 华南理工大学 | 基于sdn的车联网任务卸载的优化方法 |
| WO2022257348A1 (zh) * | 2021-06-08 | 2022-12-15 | 重庆邮电大学 | 一种不确定网络环境中的任务卸载和资源分配方法 |
| CN113613210A (zh) * | 2021-07-02 | 2021-11-05 | 重庆邮电大学 | 一种基于多变量联合优化的车联网任务卸载方法 |
| CN113613210B (zh) * | 2021-07-02 | 2023-05-26 | 重庆邮电大学 | 一种基于多变量联合优化的车联网任务卸载方法 |
| CN113596106A (zh) * | 2021-07-07 | 2021-11-02 | 北京信息科技大学 | 基于多边缘服务器协作的时延敏感型切片资源调度方法 |
| CN113596106B (zh) * | 2021-07-07 | 2023-06-06 | 北京信息科技大学 | 基于多边缘服务器协作的时延敏感型切片资源调度方法 |
| CN113660325A (zh) * | 2021-08-10 | 2021-11-16 | 克拉玛依和中云网技术发展有限公司 | 一种基于边缘计算的工业互联网任务卸载策略 |
| CN113660325B (zh) * | 2021-08-10 | 2023-11-07 | 克拉玛依和中云网技术发展有限公司 | 一种基于边缘计算的工业互联网任务卸载策略 |
| 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 |
| CN113778550A (zh) * | 2021-08-17 | 2021-12-10 | 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 |
| CN113783959B (zh) * | 2021-09-13 | 2022-06-03 | 吉林大学 | 一种车联网联合优化计算任务卸载比率和资源分配方法 |
| CN113783959A (zh) * | 2021-09-13 | 2021-12-10 | 吉林大学 | 一种车联网联合优化计算任务卸载比率和资源分配方法 |
| CN114143346A (zh) * | 2021-11-29 | 2022-03-04 | 广东工业大学 | 一种车联网任务卸载和服务缓存的联合优化方法及系统 |
| CN114143346B (zh) * | 2021-11-29 | 2022-11-29 | 广东工业大学 | 一种车联网任务卸载和服务缓存的联合优化方法及系统 |
| CN114615705A (zh) * | 2022-03-11 | 2022-06-10 | 广东技术师范大学 | 一种基于5g网络下单用户资源分配策略方法 |
| CN114741191A (zh) * | 2022-03-30 | 2022-07-12 | 西安电子科技大学 | 一种面向计算密集型任务关联性的多资源分配方法 |
| CN114637608A (zh) * | 2022-05-17 | 2022-06-17 | 之江实验室 | 一种计算任务分配和更新方法、终端及网络设备 |
| CN115002118A (zh) * | 2022-05-31 | 2022-09-02 | 江苏大学 | 一种基于分布式鲁棒的软件定义车载任务卸载迁移规划方法、sdn控制器及部署方法 |
| CN114802058B (zh) * | 2022-06-23 | 2022-09-30 | 北京理工大学 | 智能电动汽车区域架构车载网络化控制系统及调度方法 |
| CN114802058A (zh) * | 2022-06-23 | 2022-07-29 | 北京理工大学 | 智能电动汽车区域架构车载网络化控制系统及调度方法 |
| CN115412563A (zh) * | 2022-08-22 | 2022-11-29 | 西南交通大学 | 一种边缘设备资源分配方法、装置、设备及可读存储介质 |
| CN115412563B (zh) * | 2022-08-22 | 2024-03-22 | 西南交通大学 | 一种边缘设备资源分配方法、装置、设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110035410B (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110035410B (zh) | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法 | |
| CN111918311B (zh) | 基于5g移动边缘计算的车联网任务卸载和资源分配方法 | |
| CN112188442B (zh) | 基于移动边缘计算的车联网数据驱动任务卸载系统和方法 | |
| CN111245651B (zh) | 一种基于功率控制和资源分配的任务卸载方法 | |
| CN111010684B (zh) | 一种基于mec缓存服务的车联网资源分配方法 | |
| CN109951869B (zh) | 一种基于云雾混合计算的车联网资源分配方法 | |
| CN109905470A (zh) | 一种基于边缘网关系统的开销优化任务调度方法 | |
| CN112839382B (zh) | 一种车联网中视频语义驱动的通信和计算资源联合分配方法 | |
| CN111130911B (zh) | 一种基于移动边缘计算的计算卸载方法 | |
| CN116541106B (zh) | 计算任务卸载方法、计算设备及存储介质 | |
| CN112188627B (zh) | 一种基于状态预测的动态资源分配策略 | |
| CN112105062A (zh) | 时敏条件下移动边缘计算网络能耗最小化策略方法 | |
| CN115297171B (zh) | 一种蜂窝车联网分级决策的边缘计算卸载方法及系统 | |
| CN112153145A (zh) | 5g边缘环境下面向车联网的计算任务卸载方法及装置 | |
| CN115209426B (zh) | 一种边缘车联网内数字孪生服务器动态部署方法 | |
| CN113286329A (zh) | 基于移动边缘计算的通信和计算资源联合优化方法 | |
| CN113918240A (zh) | 任务卸载方法及装置 | |
| CN111970318A (zh) | 基于移动边缘计算的车辆与路边单元协同卸载任务方法及装置 | |
| CN116916386A (zh) | 一种考虑用户竞争和负载的大模型辅助边缘任务卸载方法 | |
| CN113315669A (zh) | 基于云边协同的吞吐量优化的机器学习推断任务部署方法 | |
| CN115052262A (zh) | 一种基于势博弈的车联网计算卸载与功率优化方法 | |
| CN116405569A (zh) | 基于车辆和边缘计算服务器的任务卸载匹配方法及系统 | |
| CN116112981A (zh) | 一种基于边缘计算的无人机任务卸载方法 | |
| CN112437449B (zh) | 联合资源分配方法 | |
| Zhao et al. | DRL Connects Lyapunov in Delay and Stability Optimization for Offloading Proactive Sensing Tasks of RSUs |
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 |