CN110535700A - 一种多用户多边缘服务器场景下的计算卸载方法 - Google Patents
一种多用户多边缘服务器场景下的计算卸载方法 Download PDFInfo
- Publication number
- CN110535700A CN110535700A CN201910813878.XA CN201910813878A CN110535700A CN 110535700 A CN110535700 A CN 110535700A CN 201910813878 A CN201910813878 A CN 201910813878A CN 110535700 A CN110535700 A CN 110535700A
- Authority
- CN
- China
- Prior art keywords
- user
- edge server
- calculating
- calculated
- multiple edge
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/04—Network management architectures or arrangements
- H04L41/044—Network management architectures or arrangements comprising hierarchical management structures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种多用户多边缘服务器场景下的计算卸载方法,属于移动云计算领域。本发明包括以下具体步骤:1.控制器依据收集到的全体用户信息及系统的目标,利用多用户多边缘服务器场景下的计算卸载建模方法对多用户多边缘服务器计算卸载问题进行建模,得到双层优化模型。2.控制器根据上一步得到的初始问题模型的特点,将原始的双层优化问题转化为等价的单层优化问题。3.控制器利用分支限界法对上一步得到的单层优化问题模型进行求解。本发明本发明提出的方法同时考虑到用户的计算时延和计算能量问题,满足用户需求的多样性,极大的提高了经济效益;发明提出的方法同时考虑用户在本地和云端计算代价,有效减少了总体用户的计算代价。
Description
技术领域
本发明涉及一种多用户多边缘服务器场景下的计算卸载方法,属于移动云计算领域。该方法最小化用户计算代价并且最小化运营商损失。
背景技术
随着边缘计算的发展,运营商在用户周围部署了大量边缘服务器为用户提供计算卸载服务。在多用户多边缘服务器的场景下,不同用户可以依据自身设备状态以及服务器计算价格动态选择使用哪些边缘服务器进行计算。同时,边缘服务器为了赚取更多利润,也会相应调整价格及服务来吸引更多的顾客。因此,如何对用户决策以及边缘服务器定价进行优化使得用户计算代价最小,边缘服务器收益最大就显得格外重要。
计算卸载的主要问题就是如何最小化计算和卸载成本。以前的很多工作的研究目标为最小化用户计算代价和最小化运营商损失。第一类,主要研究如何最小化用户计算代价。其为间歇连接的云系统中的移动设备开发了基于马尔可夫决策过程(MDP)模型的最优卸载算法,以此来最小化用户计算代价(Offloading in Mobile Cloudlet Systems withIntermittent Connectivity.IEEE Transactions on Mobile Computing,2015.14(12):2516-2529.)第二类,主要研究如何最小化运营商损失,研究了已经给出计算资源的CSP的定价策略但没有将其与用户计算代价结合起来(Price Competition in a Duopoly IaaSCloud Market.201416Asia-Pacific.IEEE,2014:1-4.)。
综上所述目前相关的计算卸载问题并未对多用户多边缘服务器场景下的用户决策以及边缘服务器定价问题进行联合研究。因此,本发明提出了一种多用户多边缘服务器场景下的计算卸载方法,目标为用户计算代价最小并且运营商损失最小。
发明内容
本发明提供了一种多用户多边缘服务器场景下的计算卸载方法。本方法通过对多用户多边缘服务器计算卸载进行建模,建模为一个双层优化问题;然后将原始的双层优化问题转化为等价的单层优化问题;最后利用分支限界对问题进行求解,得到最优解,使得用户计算代价最小并且运营商损失最小。
在进行前资源优化前,需要先完成如下操作:
首先,用户获取设备剩余电量、计算能力、射频数以及每一个射频传输功率等信息;
然后,用户获取需要计算的任务属性,包括计算任务的数据量大小,计算所需CPU周期信息;
最后,用户设置自己对计算延迟和能量的偏好信息并将上述所有用户相关信息发送至控制器。控制器一般部署在服务器端,用来控制整个流程的运行,主要任务包括对用户数据进行收集、对多用户多边缘服务器场景下的计算卸载问题进行建模、对模型进行松弛与优化、对模型进行求解等。
本发明包括以下具体步骤:
步骤一:控制器依据收集到的全体用户信息及系统的目标,利用多用户多边缘服务器场景下的计算卸载建模方法对多用户多边缘服务器计算卸载问题进行建模,得到双层优化模型。边缘服务器总体利益损失最小化问题P1为上层优化问题,用户总体代价最小化问题P0为下层优化问题。
步骤二:控制器根据上一步得到的初始问题模型P1与P0的特点,将原始的双层优化问题转化为等价的单层优化问题P3。
步骤三:控制器利用分支限界法对上一步得到的单层优化问题模型P3进行求解,使得用户计算代价最小,并且使得运营商损失最少。
本发明还包括:
前述的步骤一中多用户多边缘服务器场景下的计算卸载建模方法具体还包括以下步骤:
建立下层用户总体代价最小化问题模型P0:
步骤1.1.1:计算用户i将子任务k上传至边缘服务器j所需要的时间
其中用户集合为I={1,2,...,N},用户i的子任务集合为Ji={1,2,...Ki}。同时,边缘服务器集合为S={1,2,...,M}。其中j=m(m>0)代表用户在第m个边缘服务器进行计算。代表用户i计算子任务k所需要上传的数据,代表分配给用户i的带宽。令aijk代表用户i的子任务k是否在服务器j上进行计算。如果aijk在服务器上j进行计算,那么aijk=1,否则aijk=0。由于一个子任务只能在一个服务器上进行计算,因此有约束aikj∈{0,1},
步骤1.1.2:计算用户i在边缘服务器j计算子任务k所需的能量等于上传数据所产生的通信能耗
其中pi代表用户i的发射功率,hij代表用户i对边缘服务器j所提供服务的敏感系数。
步骤1.1.3:计算用户在边缘服务器计算任务的总能耗
步骤1.1.4:计算用户i在边缘服务器j计算任务k所需要支付的总花费Yikj
Yikj=σjGik.
其中σj代表边缘服务器j所提供的单位CPU周期数的价格(元/CPU周期数)。
步骤1.1.5:计算用户i在云端计算任务所需要支付的总代价Yi等于在各个边缘服务器计算所产生的代价之和
步骤1.1.6:计算用户i在云端的计算代价φi
步骤1.1.7:由于边缘服务器的计算资源有限,其所能服务的最大任务数量也受到了限制,因此有如下约束:
步骤1.1.8:得到用户总体代价最小化问题优化模型P0
建立边缘服务器总体利益损失最小化问题模型P1:
步骤1.2.1:计算边缘服务器j的总损失
边缘服务器j的初始价格为θj;
步骤1.2.2:边缘服务器总体利益损失最小化问题P1
s.t.0<σj≤θj
前述的步骤二中将原始的双层优化问题P0、P1转化为等价的单层优化问题P3,具体还包括以下步骤:
步骤2.1:将一组整数变量aikj松弛为一组连续变量
0≤aikj≤1
步骤2.2:整数线性规划问题P0转化为连续线性规划问题P2:
s.t.Ax≤c,
其中矩阵C为目标函数中的系数矩阵,矩阵A是问题P2的约束系数矩阵。
步骤2.3:转换P2的拉格朗日形式如下:
步骤2.4:计算得到P2的KKT条件如下:
aikj≥0,
aikj≤1,
uikjaikj=0,
vikj(aikj-1)=0,
vikj≥0,
uikj≥0,
步骤2.5:控制器将KKT条件中的uikj≥0,k∈Ji,j∈S作为约束带入问题P1,可以得到如下单层优化问题P3:
P3在上述约束控制的条件下为:
前述的步骤三中分支限界法具体还包括以下步骤:
步骤3.1:设置阈值ρ=0.01,目前的最优解Uopt=+∞;
步骤3.2:将子可行域Sj初始化为问题P3的全部可行域;
步骤3.3:当有可行域未被遍历,进行步骤3.4;否则输出原始问题的最优值Uopt以及其相对应的最优解a*与σ*;
步骤3.4:选取子问题Sj,对其求解,得到下界LBj,以及相应的最优解aj L和σj L;
步骤3.5:如果LBj>Uopt回到步骤3.3,否则选取子问题Sj,对其求解,得到上界UBj,以及相应的最优解aj U和σj U;
步骤3.6:如果UBj>Uopt回到步骤3.3,否则令Uopt=UBj,a*=aj U,σ*=σj U,将所有LB>UB的分支减掉,不再进行遍历;
步骤3.7:如果LBj-UBj≤ρ,返回步骤3.3,否则将目前区域Sj划分为子区域,并且返回步骤3.3。
本发明的有益效果在于:
(1)本发明提出的方法同时考虑到用户的计算时延和计算能量问题,可以满足用户需求的多样性。
(2)本发明对多用户多边缘服务器场景下的用户决策以及边缘服务器定价问题进行联合研究,极大的提高了经济效益
(3)本发明提出的方法同时考虑用户在本地和云端计算代价,有效减少了总体用户的计算代价。
附图说明
图1多用户多边缘服务器场景下的计算卸载方法中用户决策建模的流程图。
图2多用户多边缘服务器场景下的计算卸载方法中边缘服务器定价建模的流程图。
图3多用户多边缘服务器场景下的计算卸载方法利用分支限界法的求解流程图。
具体实施方式
下面结合附图对本发明做进一步的说明:
假设一共有N个用户,每个用户设备只有一个射频。同时,有M个边缘服务器,边缘服务器的计算能力是有限的。每个用户有一个任务,而用户i的任务可以分解为Ki个独立的子任务,每个子任务可以选择任意一个边缘服务器进行计算。用户之间带宽分配采用频分复用,即用户之间通信互不干扰。用户的目标是使得全体用户代价最低,边缘服务器的目标是使得全体利益损失最小。
然后,多用户多边缘服务器场景下的计算卸载方法主要包括以下具体步骤:
(1)控制器计算用户i在云端的计算代价φi
(2)控制器添加约束:
(3)控制器计算得到用户总体代价最小化问题优化模型P0
(4)控制器计算边缘服务器j的总损失
边缘服务器j的初始价格为θj
(5)控制器得到边缘服务器总体利益损失最小化问题P1
s.t.0<σj≤θj
(6)控制器将整数线性规划问题P0转化为连续线性规划问题P2:
s.t.Ax≤c,
其中矩阵C为目标函数中的系数矩阵,矩阵A是问题P2的约束系数矩阵。
(7)控制器计算得到P2的KKT条件如下:
aikj≥0,
aikj≤1,
uikjaikj=0,
vikj(aikj-1)=0,
vikj≥0,
uikj≥0,
(8)控制器将KKT条件中的uikj≥0,k∈Ji,j∈S作为约束带入问题P1,可以得到如下单层优化问题P3:
P3在上述约束控制的条件下为:
(9)控制器设置阈值ρ=0.01,目前的最优解Uopt=+∞;
(10)控制器将子可行域Sj初始化为问题P3的全部可行域;
(11)当有可行域未被遍历,进行步骤(3.4)。否则输出原始问题的最优值Uopt以及其相对应的最优解a*与σ*;
(12)选取子问题Sj,对其求解,得到下界LBj,以及相应的最优解aj L和σj L;
(13)如果LBj>Uopt回到步骤(11),否则选取子问题Sj,对其求解,得到上界UBj,以及相应的最优解aj U和σj U;
(14)如果UBj>Uopt回到步骤(11),否则令Uopt=UBj,a*=aj U,σ*=σj U,将所有LB>UB的分支减掉,不再进行遍历;
(15)如果LBj-UBj≤ρ,返回步骤(11),否则将目前区域Sj划分为子区域,并且返回步骤(11)。
Claims (4)
1.一种多用户多边缘服务器场景下的计算卸载方法,在进行前资源优化前,需要先完成如下操作:
首先,用户获取设备剩余电量、计算能力、射频数以及每一个射频传输功率等信息;
然后,用户获取需要计算的任务属性,包括计算任务的数据量大小,计算所需CPU周期信息;
最后,用户设置自己对计算延迟和能量的偏好信息并将上述所有用户相关信息发送至控制器,控制器部署在服务器端,用来控制整个流程的运行,主要任务包括对用户数据进行收集、对多用户多边缘服务器场景下的计算卸载问题进行建模、对模型进行松弛与优化、对模型进行求解,
其特征在于:包括以下具体步骤:
步骤一:控制器依据收集到的全体用户信息及系统的目标,利用多用户多边缘服务器场景下的计算卸载建模方法对多用户多边缘服务器计算卸载问题进行建模,得到双层优化模型,边缘服务器总体利益损失最小化问题P1为上层优化问题,用户总体代价最小化问题P0为下层优化问题;
步骤二:控制器根据上一步得到的初始问题模型P1与P0的特点,将原始的双层优化问题转化为等价的单层优化问题P3;
步骤三:控制器利用分支限界法对上一步得到的单层优化问题模型P3进行求解,使得用户计算代价最小,并且使得运营商损失最少。
2.根据权利要求1所述的一种多用户多边缘服务器场景下的计算卸载方法,其特征在于:所述的步骤一中多用户多边缘服务器场景下的计算卸载建模方法具体还包括以下步骤:
建立下层用户总体代价最小化问题模型P0:
步骤1.1.1:计算用户i将子任务k上传至边缘服务器j所需要的时间
其中用户集合为I={1,2,...,N},用户i的子任务集合为Ji={1,2,...Ki},同时,边缘服务器集合为S={1,2,...,M};其中j=m(m>0)代表用户在第m个边缘服务器进行计算;代表用户i计算子任务k所需要上传的数据,代表分配给用户i的带宽;令aijk代表用户i的子任务k是否在服务器j上进行计算,如果aijk在服务器上j进行计算,那么aijk=1,否则aijk=0;由于一个子任务只能在一个服务器上进行计算,因此有约束aikj∈{0,1},
步骤1.1.2:计算用户i在边缘服务器j计算子任务k所需的能量等于上传数据所产生的通信能耗
其中pi代表用户i的发射功率,hij代表用户i对边缘服务器j所提供服务的敏感系数;
步骤1.1.3:计算用户在边缘服务器计算任务的总能耗
步骤1.1.4:计算用户i在边缘服务器j计算任务k所需要支付的总花费Yikj
Yikj=σjGik.
其中σj代表边缘服务器j所提供的单位CPU周期数的价格(元/CPU周期数);
步骤1.1.5:计算用户i在云端计算任务所需要支付的总代价Yi等于在各个边缘服务器计算所产生的代价之和
步骤1.1.6:计算用户i在云端的计算代价φi
步骤1.1.7:由于边缘服务器的计算资源有限,其所能服务的最大任务数量也受到了限制,因此有如下约束:
步骤1.1.8:得到用户总体代价最小化问题优化模型P0
建立边缘服务器总体利益损失最小化问题模型P1;
步骤1.2.1:计算边缘服务器j的总损失
边缘服务器j的初始价格为θj;
步骤1.2.2:边缘服务器总体利益损失最小化问题P1
3.根据权利要求1所述的一种多用户多边缘服务器场景下的计算卸载方法,其特征在于:所述的步骤二中将原始的双层优化问题P0、P1转化为等价的单层优化问题P3,具体还包括以下步骤:
步骤2.1:将一组整数变量aikj松弛为一组连续变量
0≤aikj≤1
步骤2.2:整数线性规划问题P0转化为连续线性规划问题P2:
s.t.Ax≤c,
其中矩阵C为目标函数中的系数矩阵,矩阵A是问题P2的约束系数矩阵;
步骤2.3:转换P2的拉格朗日形式如下:
步骤2.4:计算得到P2的KKT条件如下:
步骤2.5:控制器将KKT条件中的作为约束带入问题P1,可以得到如下单层优化问题P3:
P3在上述约束控制的条件下为:
4.根据权利要求1所述的一种多用户多边缘服务器场景下的计算卸载方法,其特征在于:所述的步骤三中分支限界法具体还包括以下步骤:
步骤3.1:设置阈值ρ=0.01,目前的最优解Uopt=+∞;
步骤3.2:将子可行域Sj初始化为问题P3的全部可行域;
步骤3.3:当有可行域未被遍历,进行步骤3.4;否则输出原始问题的最优值Uopt以及其相对应的最优解a*与σ*;
步骤3.4:选取子问题Sj,对其求解,得到下界LBj,以及相应的最优解aj L和σj L;
步骤3.5:如果LBj>Uopt回到步骤3.3,否则选取子问题Sj,对其求解,得到上界UBj,以及相应的最优解aj U和σj U;
步骤3.6:如果UBj>Uopt回到步骤3.3,否则令Uopt=UBj,a*=aj U,σ*=σj U,将所有LB>UB的分支减掉,不再进行遍历;
步骤3.7:如果LBj-UBj≤ρ,返回步骤3.3,否则将目前区域Sj划分为子区域,并且返回步骤3.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813878.XA CN110535700B (zh) | 2019-08-30 | 2019-08-30 | 一种多用户多边缘服务器场景下的计算卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813878.XA CN110535700B (zh) | 2019-08-30 | 2019-08-30 | 一种多用户多边缘服务器场景下的计算卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110535700A true CN110535700A (zh) | 2019-12-03 |
CN110535700B CN110535700B (zh) | 2022-07-15 |
Family
ID=68665538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910813878.XA Active CN110535700B (zh) | 2019-08-30 | 2019-08-30 | 一种多用户多边缘服务器场景下的计算卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110535700B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111200831A (zh) * | 2020-01-08 | 2020-05-26 | 中国科学院计算技术研究所 | 一种融合移动边缘计算的蜂窝网络计算卸载方法 |
CN111694664A (zh) * | 2020-06-04 | 2020-09-22 | 海南大学 | 一种边缘服务器的计算卸载分配方法 |
CN113327442A (zh) * | 2021-04-30 | 2021-08-31 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制系统及方法 |
CN113873022A (zh) * | 2021-09-23 | 2021-12-31 | 中国科学院上海微系统与信息技术研究所 | 一种可划分任务的移动边缘网络智能资源分配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107465748A (zh) * | 2017-08-18 | 2017-12-12 | 东南大学 | 移动边缘云计算系统中基于演进博弈的动态资源分配方法 |
EP3328035A1 (en) * | 2016-11-28 | 2018-05-30 | Tata Consultancy Services Limited | System and method for offloading robotic functions to network edge augmented clouds |
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 |
CN109376374A (zh) * | 2018-09-01 | 2019-02-22 | 哈尔滨工程大学 | 一种基于多射频通信的多用户计算迁移方法 |
-
2019
- 2019-08-30 CN CN201910813878.XA patent/CN110535700B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3328035A1 (en) * | 2016-11-28 | 2018-05-30 | Tata Consultancy Services Limited | System and method for offloading robotic functions to network edge augmented clouds |
CN107465748A (zh) * | 2017-08-18 | 2017-12-12 | 东南大学 | 移动边缘云计算系统中基于演进博弈的动态资源分配方法 |
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 |
CN109376374A (zh) * | 2018-09-01 | 2019-02-22 | 哈尔滨工程大学 | 一种基于多射频通信的多用户计算迁移方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111200831A (zh) * | 2020-01-08 | 2020-05-26 | 中国科学院计算技术研究所 | 一种融合移动边缘计算的蜂窝网络计算卸载方法 |
CN111694664A (zh) * | 2020-06-04 | 2020-09-22 | 海南大学 | 一种边缘服务器的计算卸载分配方法 |
CN111694664B (zh) * | 2020-06-04 | 2021-12-21 | 海南大学 | 一种边缘服务器的计算卸载分配方法 |
CN113327442A (zh) * | 2021-04-30 | 2021-08-31 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制系统及方法 |
CN113873022A (zh) * | 2021-09-23 | 2021-12-31 | 中国科学院上海微系统与信息技术研究所 | 一种可划分任务的移动边缘网络智能资源分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110535700B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110535700A (zh) | 一种多用户多边缘服务器场景下的计算卸载方法 | |
CN111163519B (zh) | 系统收益最大化的无线体域网资源分配与任务卸载方法 | |
Zhou et al. | When smart grid meets geo-distributed cloud: An auction approach to datacenter demand response | |
Zhang et al. | Toward Green Metaverse Networking: Technologies, Advancements, and Future Directions | |
CN113268341B (zh) | 电网边缘计算任务的分配方法、装置、设备和存储介质 | |
Ghamkhari et al. | Data centers to offer ancillary services | |
CN109240818A (zh) | 一种边缘计算网络中基于用户体验的任务卸载方法 | |
CN111641973B (zh) | 一种雾计算网络中基于雾节点协作的负载均衡方法 | |
CN107003887A (zh) | Cpu超载设置和云计算工作负荷调度机构 | |
CN109819047B (zh) | 一种基于激励机制的移动边缘计算资源分配方法 | |
Liu et al. | Minimization of offloading delay for two-tier UAV with mobile edge computing | |
CN111045828A (zh) | 基于配电网台区终端的分布式边缘计算方法和相关装置 | |
CN110334959A (zh) | 一种航班舱位资源分配方法及装置 | |
CN109194984A (zh) | 一种基于边缘计算的视频帧调度方法 | |
CN103064744B (zh) | 一种基于SLA的面向多层Web应用的资源优化方法 | |
CN101938416A (zh) | 一种基于动态重配置虚拟资源的云计算资源调度方法 | |
US20140094983A1 (en) | Method and system for allocating energy | |
CN108234603A (zh) | 一种基于定价的边缘计算资源分配方法及系统 | |
CN113992676A (zh) | 端边云架构和完全信息下分层联邦学习的激励方法及系统 | |
CN109327049B (zh) | 一种多元化供用能系统及其多元化供用能方法 | |
CN108205716A (zh) | 配变装接容量预测方法及系统 | |
Zhang et al. | Service pricing and selection for IoT applications offloading in the multi-mobile edge computing systems | |
CN110955513B (zh) | 一种服务资源的调度方法及系统 | |
CN109525404A (zh) | 一种流量池资费优化方法、装置、计算机设备及介质 | |
CN113572158A (zh) | 一种制氢控制方法及其应用装置 |
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 |