CN110996390A - 一种无线接入网络计算资源分配方法及网络系统 - Google Patents

一种无线接入网络计算资源分配方法及网络系统 Download PDF

Info

Publication number
CN110996390A
CN110996390A CN201911130829.2A CN201911130829A CN110996390A CN 110996390 A CN110996390 A CN 110996390A CN 201911130829 A CN201911130829 A CN 201911130829A CN 110996390 A CN110996390 A CN 110996390A
Authority
CN
China
Prior art keywords
resource allocation
wireless access
user
allocation
computing
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
Application number
CN201911130829.2A
Other languages
English (en)
Other versions
CN110996390B (zh
Inventor
孙茜
郭亭亭
田霖
童旭升
石晶林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Computing Technology of CAS
Original Assignee
Institute of Computing Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Computing Technology of CAS filed Critical Institute of Computing Technology of CAS
Priority to CN201911130829.2A priority Critical patent/CN110996390B/zh
Publication of CN110996390A publication Critical patent/CN110996390A/zh
Application granted granted Critical
Publication of CN110996390B publication Critical patent/CN110996390B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H04W72/27—Control channels or signalling for resource management between access points
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种无线接入网络计算资源分配方法及网络架构。所述方法包括下述步骤：在一个资源分配周期内，边缘计算服务器MEC根据无线接入点AP需求更新分配给AP的计算资源；用户向无线接入点AP请求分配计算资源；无线接入点AP为用户动态分配所获得的计算资源。所述网络架构包括一个或多个边缘计算服务器MEC、多个无线接入点AP，用户终端通过所述无线接入点AP进行网络通信，当用户终端请求计算资源时，采用上述方法进行计算资源分配。本发明可以在满足用户对计算资源需求的前提下，降低分配算法的复杂度，与静态分配算法比较，更加灵活，能够提升QoS；与动态分配算法相比，分配算法复杂度更低。

Description

一种无线接入网络计算资源分配方法及网络系统
技术领域
本发明属于无线通信网络领域，具体涉及一种无线接入网络计算资源分配方法及网络系统。
背景技术
随着移动通信网络的发展，现有的许多应用对计算时延、计算资源要求较高，包括远程医疗、可穿戴设备数据采集计算等各类任务。作为新兴技术，移动边缘计算技术受到广泛关注，并将逐步标准化。相比云计算，移动边缘计算可以将计算资源下沉到离用户较近的位置，从而降低计算时延。由于移动边缘计算由相邻用户共享，因此有效的分配移动边缘计算资源是十分重要的。在分配计算资源时，有必要考虑分配方案的复杂性和效率。现有的移动边缘计算资源分配方案主要包括两种，静态分配和动态分配。静态分配方案的思路是在当用户请求到达时移动边缘分配固定资源给用户，这类方案具有较低的复杂度，但资源利用率较低。动态分配方案中，移动边缘依据最小化执行时延/最小化能耗原则进行资源分配，以满足用户的实时需求，这类分配算法比较灵活，但是当用户较多时，计算复杂度高。上述两种方案没有兼顾复杂度和资源利用率。
发明内容
针对现有技术中所存在的问题，本申请提出一种无线接入网络计算资源分配方法及网络系统。
为达到以上目的，一方面，本发明提出了一种无线接入网络计算资源分配方法，在每个资源分配周期重新计算分配资源，所述方法在每个分配周期内包括以下步骤：
步骤S1、边缘计算服务器MEC根据无线接入点AP需求更新分配给AP的计算资源；
步骤S2、用户向无线接入点AP请求分配计算资源；
步骤S3、无线接入点AP为用户动态分配计算资源。
优选地，所述边缘服务器MEC为每个无线接入点AP对应分配一个虚拟边缘服务器VMEC，且该虚拟边缘服务器VMEC在一个分配周期内的计算资源大小保持不变。
优选地，所述每个无线接入点AP服务多个用户，在一个分配周期内，用户动态使用该无线接入点AP分配到的资源。
优选地，所述无线接入点AP的虚拟边缘服务器VMEC计算资源根据以下参数进行计算分配：用户数量、分配周期、计算调度周期、无线调度周期、数据量、用户到无线接入点数据传输速率、带宽。
优选地，所述虚拟边缘服务器VMEC计算资源分配应判断信道容量是否满足无限条件，若满足无限条件则采用均匀传输模式进行资源分配；若不满足无限条件则根据资源分配目标，采用均匀传输模式或最大化数据量传输模式进行资源分配。
优选地，所述信道容量无限应满足在一个分配周期内在特定传输速率下实现用户数据量完全传输。
优选地，在传输速率不小于全部用户任务平均到每个计算调度周期的数据量时，判断为所述信道容量满足信道容量无限条件，采用均匀传输模式进行资源分配。
优选地，在传输速率不小于全部或部分用户任务平均到每个计算调度周期的数据量时，所述信道容量为有限，采用均匀传输模式进行资源分配。
优选地，在传输速率不小于所有用户任务平均到每个计算调度周期的数据量与数据松弛量之差时，所述信道容量为有限，采用最大化数据量传输模式进行资源分配。
另一方面，本发明提供一种无线接入网络架构，包括一个或多个边缘计算服务器MEC、多个无线接入点AP，用户终端通过所述无线接入点AP进行网络通信，当用户终端请求计算资源时，采用所述的方法进行计算资源分配。
本发明相对于现有技术取得了如下的技术效果：
1、本发明的分配计算资源方法融合边缘计算，边缘服务器MEC计算资源被分配给无线接入点AP，无线接入点AP在分配期间动态地提供给用户，并且边缘服务器MEC计算资源分配在每个分配周期更新。
2、本方发明在分配计算资源时可在满足用户对计算资源需求的前提下，降低分配算法的复杂度，与静态分配算法比较，更加灵活，能够提升QoS；与动态分配算法相比，本发明的方法复杂度更低(在本申请中也简称为半动态分配算法)。
附图说明
以下，结合附图来详细说明本发明的实施例，其中：
图1示出本发明实施例的无线接入网络应用场景示意图；
图2示出本发明所述方法在一个分配周期内的工作流程图；
图3示出本发明实施例无线接入点AP吞吐量和d的关系；
图4示出本发明实施例虚拟边缘服务器VMEC计算资源和
Figure BDA0002278242510000031
的关系；
图5示出本发明实施例虚拟边缘服务器VMEC计算资源负载比例和
Figure BDA0002278242510000032
的关系；
图6示出使用静态算法的虚拟边缘服务器VMEC计算资源负载比例和
Figure BDA0002278242510000033
的关系；
图7示出本发明实施例使用WCE算法的虚拟边缘服务器VMEC计算资源负载比例和
Figure BDA0002278242510000034
的关系；
图8示出本发明实施例使用MCA算法的虚拟边缘服务器VMEC计算资源负载比例和
Figure BDA0002278242510000035
的关系；
图9示出本发明实施例使用MTA算法的虚拟边缘服务器VMEC计算资源负载比例和
Figure BDA0002278242510000036
的关系。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。
图1示出本发明实施例的无线接入网络SD-CRA应用场景。无线通信系统中一个AP服务M个用户，其中用户表示为Um，m＝1，2，...，M。在SD-CRA的每个分配周期中，边缘计算服务器MEC为AP分配所需的计算资源。定义虚拟边缘服务器VMEC作为可用于一个AP的MEC计算资源，SD-CRA将计算资源分配给VMEC。
图2示出本发明所述方法流程图。概括来说，在每个资源分配周期重新计算分配资源，所述方法在每个分配周期内包括以下步骤：
步骤S1、边缘计算服务器MEC根据无线接入点AP需求更新分配给AP的计算资源；
步骤S2、用户向无线接入点AP请求分配计算资源；
步骤S3、无线接入点AP为用户动态分配计算资源。
进一步地，所述无线接入点AP的虚拟边缘服务器VMEC计算资源根据以下参数进行计算分配：用户数量、分配周期、计算调度周期、无线调度周期、数据量、用户到无线接入点数据传输速率、带宽。
根据本发明的一个实施例，设每个分配周期用τ表示，每个计算调度周期为
Figure BDA0002278242510000041
每个无线调度周期为
Figure BDA0002278242510000042
定义一个分配周期的计算调度次数为
Figure BDA0002278242510000043
定义一个计算调度周期内的无线调度次数为
Figure BDA0002278242510000044
在第k个无线调度周期，Um到AP的数据传输速率用rm，k表示，其中K表示一个分配周期中包含K个计算调度周期，一个计算调度周期包含k0个无线调度周期。
数据量为dm的任务需要在一个分配周期τ内完成，所需要的计算资源用fm表示，其中fm＝G(dm)，G是多项式形式的单调增函数。那么
Figure BDA0002278242510000045
由于G的单调增函数特性，所有任务数据量所需的计算资源大于等于对所有任务数据量进行等权重平均后进行等数据量均匀传输所需的计算资源。这就意味着要提高计算资源利用率，最理想的情况是实现均匀计算，即每个计算周期处理相同的数据量
Figure BDA0002278242510000046
避免出现空载或低负载的情况。
由于数据在计算前需要通过无线的方式传输给AP，那么对于每个分配周期τ，有(K-1)k0次无线调度，并且有(K-1)次计算调度。VMEC在第i次计算调度周期收到的数据量总和为
Figure BDA0002278242510000047
其中B是带宽，αm，k表示用户Um在第k个无线调度周期是否被调度，1表示是，0表示否。
在一个分配周期内，分配给VMEC的计算资源用fmec表示(单位：CPU周期数)，VMEC对接收到的任务数据提供计算服务。
用户所有的任务数据都传输给VMEC(定义为完全传输)，并且计算任务需要在时间τ内完成。定义
Figure BDA0002278242510000048
Figure BDA0002278242510000051
Figure BDA0002278242510000052
表示VMEC从第i次到K-1次计算调度周期，接收的所有数据平均到每个计算调度周期的数据量，
Figure BDA0002278242510000053
表示所有用户的任务平均到每个计算调度周期的数据量。
那么计算资源分配问题可以建模为
Figure BDA0002278242510000054
其中αm，k表示用户Um在第k个无线调度周期是否被调度，1表示被调度，0表示没有。fmec表示在一个分配周期内，分配给VMEC的计算资源，B是带宽，
Figure BDA0002278242510000055
为无线调度周期。由于数据以无线的方式从用户传递至AP，那么信道容量自然会影响传输速率。接下来分别讨论信道容量无限和有限情况下的资源分配机制。
进一步地，虚拟边缘服务器VMEC计算资源分配应判断信道容量是否满足无限条件，若满足无限条件则采用均匀传输模式进行资源分配；若不满足无限条件则根据资源分配目标，采用均匀传输模式或最大化数据量传输模式进行资源分配。
在实施例中，当信道容量无限时，用户可以在时间τ内发送所有数据，实现全部传输。尽管信道容量无限的情况并不存在，但只要传输速率满足在时间τ内将数据全部传输的要求，就可以认为信道容量无限。信道容量无限的情况下可以实现均匀传输。
信道容量无限的情况下可以实现均匀计算。
定理1：模型的最优解为
Figure BDA0002278242510000056
当且仅当
Figure BDA0002278242510000057
Figure BDA0002278242510000058
其中
Figure BDA0002278242510000059
表示前i个调度周期接收到的数据量的均值，即
Figure BDA00022782425100000510
显然
Figure BDA00022782425100000511
以上给出了要实现均匀计算，传输速率应该满足的条件。在此基础上设计了无线信道容量评估算法WCE，用于评估当所有用户任务的平均数据量大小
Figure BDA0002278242510000061
时，信道容量是否无限。该算法在传输速率不小于全部用户任务平均到每个计算调度周期的数据量时，判断信道容量满足信道容量无限条件，采用均匀传输模式进行资源分配。
算法1：WCE算法。
Figure BDA0002278242510000066
在本发明的一个实施例中，当WCE输出结果为信道容量有限时，均匀计算和完全传输无法同时满足。因此分别将其中一个作为目标，同时另一个条件松弛处理。
若以最小化VMEC计算资源为目标，需要实现均匀传输。此时完全传输条件松弛如下：
Figure BDA0002278242510000071
资源分配的待求解问题变为
Figure BDA0002278242510000072
其中
Figure BDA0002278242510000073
表示VMEC从第i次到K-1次计算调度周期，接收的所有数据平均到每个计算调度周期的数据量。B是带宽，
Figure BDA0002278242510000074
为无线调度周期。dm表示用户任务的数据量。αm，k表示用户Um在第k个无线调度周期是否被调度，1表示被调度，0表示没有。fmec表示在一个分配周期内，分配给VMEC的计算资源。设计了MCA算法进行求解，该算法在传输速率不小于全部或部分用户任务平均到每个计算调度周期的数据量时，判断信道容量为有限，采用均匀传输模式进行资源分配。
算法2：MCA算法
1：输入M，τ，
Figure BDA0002278242510000075
2：通过公式
Figure BDA0002278242510000076
获取K，k0
3：输入：rm，k，m＝1，...，M，k＝1，...，(K-1)k0；
4：定义l＝0，Zmax，Zmin，Zold，Znew，Zth＝0.01；
5：while|Zold-Znew|＜Zth
6：设置Zold＝Znew，
Figure BDA0002278242510000077
7：将
Figure BDA0002278242510000078
代入算法WCE；
8：if输出有限
9：令Zmax＝Znew，通过WCE获得fmec和αm，k
10：else
11：令zmin＝znew；
12：end if
13：end while
14：输出：fmec和αm，k，
Figure BDA0002278242510000079
若以VMEC传输数据量最大化为目标，要实现完全传输，需要松弛均匀计算的条件，如下
Figure BDA0002278242510000081
其中dth是松弛量。
由于无线信道容量有限，所以只能传输部分数据，故目标是尽可能多的传输数据。所以待求解问题变为
Figure BDA0002278242510000082
其中
Figure BDA0002278242510000083
表示前i个调度周期接收到的数据量的均值。B是带宽，
Figure BDA0002278242510000084
为无线调度周期。dm表示用户任务的数据量。
Figure BDA0002278242510000085
表示所有用户的任务平均到每个计算调度周期的数据量。αm，k表示用户Um在第k个无线调度周期是否被调度，1表示被调度，0表示没有。dth＝0时，问题的最优解和无限容量下的WCE算法一致。因此，结合整数规划和
Figure BDA0002278242510000086
设计了MTA算法，来求解资源分配方案。该算法在传输速率不小于所有用户任务平均到每个计算调度周期的数据量与数据松弛量之差时，判断信道容量为有限，采用最大化数据量传输模式进行资源分配。
下面以仿真实验说明本实施例的效果。仿真场景为以AP为中心、500米为半径的蜂窝小区，其中随机均匀分布M个用户。在第k次无线调度周期，AP和用户Um之间的距离为dism，k，Um和AP之间的信道增益用|hm，k|2表示，其中m＝1，2，...，M.为了不失一般性，设一个分配周期τ＝1.其他仿真参数如下表所示。仿真展现了SD-CRA的性能。仿真参数如下：
Figure BDA0002278242510000087
当
Figure BDA0002278242510000091
时，信道容量可以视为无限的，均匀计算和完全传输都可以满足。
Figure BDA00022782425100000917
逐渐增大时，信道容量变为有限的，可以将均匀计算和完全传输中的一个视为目标，并松弛另一个。在此基础上，仿真SD-CRA的性能，比如AP的吞吐量、VMEC的计算资源、VMEC的负载比例。其中负载比例等于任务所需的计算容量/VMEC的实际计算容量，当该比例小于1时，意味着有资源浪费的情况，当比例大于1时，意味着有任务不能处理完，会降低用户体验。
图3示出了AP的吞吐量和
Figure BDA0002278242510000093
的关系。当信道容量无限
Figure BDA0002278242510000094
时，MCA、MTA、WCE这三种算法对应的AP吞吐量大小相同。当信道容量开始受限
Figure BDA0002278242510000095
由于MTA将完全传输作为目标，而MCA对其松弛，所以吞吐量方面，MTA＞MCA。当
Figure BDA0002278242510000096
MCA开始变得平稳；当
Figure BDA0002278242510000097
MTA开始变得平稳。这是由于信道容量有限，所以无法传输更多的数据给AP。
图4示出了fmec和
Figure BDA0002278242510000098
的关系。和图3类似，当信道容量无限
Figure BDA0002278242510000099
时，MCA、MTA、WCE这三种算法对应的fmec大小相同。当信道容量开始受限
Figure BDA00022782425100000910
由于MCA将均匀计算作为目标，而MTA对其松弛，所以计算资源方面，MTA＞MCA。同样由于信道容量有限，传输数据量有限，当
Figure BDA00022782425100000911
MCA开始变得平稳；当
Figure BDA00022782425100000912
MTA开始变得平稳。另外，MTA到达平稳的时间比MCA晚，这是因为MTA接收的任务数据量更大，所以需要更多的资源。
图5示出了VMEC的负载比例和
Figure BDA00022782425100000913
的关系。当
Figure BDA00022782425100000914
时，负载比例为1，这意味着VMEC实现了满负荷运行。当
Figure BDA00022782425100000915
逐渐增大时，MCA对应的VMEC负载比例为1，这是因为VMEC始终满负荷运行。而对于MTA来说，接收的数据量和分配的计算资源都在增加，但是负载比例在下降，这是因为计算资源增长的速度更快。当
Figure BDA00022782425100000916
时，MTA开始变得平稳，这是因为接收的任务数据量和计算资源都趋于平稳。
实际上，信道容量通常都是有限的。从图3到图5可以看出，MTA能够比MCA处理更多的任务，但同时也需要更多的计算资源，并牺牲了部分负载。
从复杂度和效率两方面，将本发明的SD-CRA和一个静态资源分配算法(STA)、一个动态资源分配算法(DYA)进行对比。在STA中，MEC计算资源由fmec＝G(dSTA)分配，其由用户按照先到先服务进行共享，并且采用比例公平(PF)算法进行无线调度。在DYA中，MEC计算资源根据每个用户计算任务的需求进行分配，并根据X.Chen等人在参考文献(X.Chen et al.,“Efficient Resource Allocation for On-Demand Mobile-Edge Cloud Computing,”IEEE Trans.Vehicular Tech.,vol.67,no.9,pp.8769-8780,Sept.2018.)中提出的方法更新无线调度周期。
复杂度方面，STA的时间复杂度为O(M3)，所用算法的时间复杂度为O(M)。效率方面，比如在VMEC的负载比例方面，如图6-9所示。对于不同的
Figure BDA0002278242510000101
STA容易出现过载或空闲的情况，而本发明的算法对应的负载比例基本稳定在1附近。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (11)

1.一种无线接入网络计算资源分配方法，在每个资源分配周期重新计算分配资源，其特征在于，所述方法在每个分配周期内包括下述步骤：
步骤S1、边缘计算服务器MEC根据无线接入点AP需求更新分配给AP的计算资源；
步骤S2、用户向无线接入点AP请求分配计算资源；
步骤S3、无线接入点AP为用户动态分配所获得的计算资源。
2.根据权利要求1所述的一种无线接入网络计算资源分配方法，其特征在于，所述边缘服务器MEC为每个无线接入点AP分配一个虚拟边缘服务器VMEC，且该虚拟边缘服务器VMEC在一个分配周期内的资源大小保持不变。
3.根据权利要求1所述的一种无线接入网络计算资源分配方法，其特征在于，所述每个无线接入点AP服务多个用户，在一个分配周期内，用户动态使用该无线接入点AP分配到的资源。
4.根据权利要求2-3中任一项所述的一种无线接入网络计算资源分配方法，其特征在于，步骤S1包括所述无线接入点AP的虚拟边缘服务器VMEC计算资源根据以下参数进行计算分配：用户数量、分配周期、计算调度周期、无线调度周期、数据量、用户到无线接入点数据传输速率、带宽。
5.根据权利要求4所述的一种无线接入网络计算资源分配方法，其特征在于，步骤S1包括所述虚拟边缘服务器VMEC计算资源分配判断信道容量是否满足无限条件，若满足无限条件则采用均匀传输模式进行资源分配；若不满足无限条件则根据资源分配目标，采用均匀传输模式或最大化数据量传输模式进行资源分配。
6.根据权利要求5所述的一种无线接入网络计算资源分配方法，其特征在于，所述信道容量无限指在一个分配周期内在特定传输速率下实现用户数据量完全传输。
7.根据权利要求5所述的一种无线接入网络计算资源分配方法，其特征在于，在传输速率不小于全部用户任务平均到每个计算调度周期的数据量时，判断所述信道容量满足信道容量无限条件，采用均匀传输模式进行资源分配。
8.根据权利要求5所述的一种无线接入网络计算资源分配方法，其特征在于，在传输速率不小于全部或部分用户任务平均到每个计算调度周期的数据量时，判断所述信道容量为有限，采用均匀传输模式进行资源分配。
9.根据权利要求5所述的一种无线接入网络计算资源分配方法，其特征在于，在传输速率不小于所有用户任务平均到每个计算调度周期的数据量与数据松弛量之差时，判断所述信道容量为有限，采用最大化数据量传输模式进行资源分配。
10.一种无线接入网络系统，其特征在于，包括一个或多个边缘计算服务器MEC、多个无线接入点AP，用户终端通过所述无线接入点AP进行网络通信，所述系统采用权利要求1-9中任一项所述的方法进行计算资源分配。
11.一种非易失性存储介质，其中存储有计算机程序，所述计算机程序在执行时实现权利要求1-9之一的方法。
CN201911130829.2A 2019-11-19 2019-11-19 一种无线接入网络计算资源分配方法及网络系统 Active CN110996390B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911130829.2A CN110996390B (zh) 2019-11-19 2019-11-19 一种无线接入网络计算资源分配方法及网络系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911130829.2A CN110996390B (zh) 2019-11-19 2019-11-19 一种无线接入网络计算资源分配方法及网络系统

Publications (2)

Publication Number Publication Date
CN110996390A true CN110996390A (zh) 2020-04-10
CN110996390B CN110996390B (zh) 2022-03-18

Family

ID=70084771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911130829.2A Active CN110996390B (zh) 2019-11-19 2019-11-19 一种无线接入网络计算资源分配方法及网络系统

Country Status (1)

Country Link
CN (1) CN110996390B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111949408A (zh) * 2020-08-16 2020-11-17 广东奥飞数据科技股份有限公司 一种边缘计算资源的动态分配方法
CN113806073A (zh) * 2021-08-11 2021-12-17 中标慧安信息技术股份有限公司 一种边缘计算平台算力分配调度方法及系统
WO2022016466A1 (zh) * 2020-07-23 2022-01-27 北京小米移动软件有限公司 资源请求信息处理方法及装置、通信设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108924796A (zh) * 2018-08-15 2018-11-30 电子科技大学 一种资源分配及卸载比例联合决策的方法
CN108990159A (zh) * 2018-07-12 2018-12-11 东南大学 移动边缘计算系统中基于分层博弈的联合资源分配方法
US20190116128A1 (en) * 2017-10-18 2019-04-18 Futurewei Technologies, Inc. Dynamic allocation of edge computing resources in edge computing centers

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190116128A1 (en) * 2017-10-18 2019-04-18 Futurewei Technologies, Inc. Dynamic allocation of edge computing resources in edge computing centers
CN108990159A (zh) * 2018-07-12 2018-12-11 东南大学 移动边缘计算系统中基于分层博弈的联合资源分配方法
CN108924796A (zh) * 2018-08-15 2018-11-30 电子科技大学 一种资源分配及卸载比例联合决策的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANAS AMJAD等: "Cognitive Edge Computing based resource allocation framework for Internet of Things", 《2017 SECOND INTERNATIONAL CONFERENCE ON FOG AND MOBILE EDGE COMPUTING (FMEC)》 *
朱新峰等: "移动边缘计算环境下的动态资源分配策略", 《计算机工程与科学》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022016466A1 (zh) * 2020-07-23 2022-01-27 北京小米移动软件有限公司 资源请求信息处理方法及装置、通信设备及存储介质
CN114258729A (zh) * 2020-07-23 2022-03-29 北京小米移动软件有限公司 资源请求信息处理方法及装置、通信设备及存储介质
CN111949408A (zh) * 2020-08-16 2020-11-17 广东奥飞数据科技股份有限公司 一种边缘计算资源的动态分配方法
CN113806073A (zh) * 2021-08-11 2021-12-17 中标慧安信息技术股份有限公司 一种边缘计算平台算力分配调度方法及系统

Also Published As

Publication number Publication date
CN110996390B (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
Jošilo et al. Wireless and computing resource allocation for selfish computation offloading in edge computing
CN113950066B (zh) 移动边缘环境下单服务器部分计算卸载方法、系统、设备
CN110928654B (zh) 一种边缘计算系统中分布式的在线任务卸载调度方法
CN109343904B (zh) 一种基于Lyapunov优化的雾计算动态卸载方法
CN110996390B (zh) 一种无线接入网络计算资源分配方法及网络系统
Meskar et al. Energy aware offloading for competing users on a shared communication channel
CN110099384A (zh) 基于边-端协同的多用户多mec任务卸载资源调度方法
CN111641973B (zh) 一种雾计算网络中基于雾节点协作的负载均衡方法
CN111953758A (zh) 一种边缘网络计算卸载和任务迁移方法及装置
Abedin et al. Fog load balancing for massive machine type communications: A game and transport theoretic approach
CN114138373A (zh) 一种基于强化学习的边缘计算任务卸载方法
CN110809291B (zh) 基于能量采集设备的移动边缘计算系统双层负载平衡方法
Liu et al. A multi-tier cost model for effective user scheduling in fog computing networks
CN113535393B (zh) 异构边缘计算中卸载dag任务的计算资源分配方法
CN114697333B (zh) 一种能量队列均衡的边缘计算方法
Liao et al. Resource allocation and task scheduling scheme in priority-based hierarchical edge computing system
CN115629865B (zh) 一种基于边缘计算的深度学习推理任务调度方法
Tianze et al. Consumption considered optimal scheme for task offloading in mobile edge computing
Wu et al. A mobile edge computing-based applications execution framework for Internet of Vehicles
Mazouzi et al. Maximizing mobiles energy saving through tasks optimal offloading placement in two-tier cloud
Hmimz et al. Joint radio and local resources optimization for tasks offloading with priority in a mobile edge computing network
He et al. Strategy for task offloading of multi-user and multi-server based on cost optimization in mobile edge computing environment
Zhang et al. Adaptive task offloading over wireless in mobile edge computing
CN116302404B (zh) 面向资源解耦合数据中心的服务器无感知计算调度方法
CN110730232A (zh) 边缘计算中高能效的计算结点选择和计算任务分配方法

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