CN111107153B - 一种电力物联网中基于d2d通信的mec定价卸载方法 - Google Patents
一种电力物联网中基于d2d通信的mec定价卸载方法 Download PDFInfo
- Publication number
- CN111107153B CN111107153B CN201911335413.4A CN201911335413A CN111107153B CN 111107153 B CN111107153 B CN 111107153B CN 201911335413 A CN201911335413 A CN 201911335413A CN 111107153 B CN111107153 B CN 111107153B
- Authority
- CN
- China
- Prior art keywords
- pricing
- data
- scheme
- inspection equipment
- mec
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000007689 inspection Methods 0.000 claims abstract description 102
- 238000004364 calculation method Methods 0.000 claims abstract description 46
- 238000005516 engineering process Methods 0.000 claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000009827 uniform distribution Methods 0.000 claims description 5
- 238000010295 mobile communication Methods 0.000 abstract description 2
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 238000005265 energy consumption Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种电力物联网中基于D2D通信的MEC定价卸载方法,属于移动通信技术领域。技术方案:通过D2D数据通信技术完成队内任务均匀分配工作;每对配对的设备确定自己的数据卸载量;确定一个定价集合,并对该定价集合进行排序;MEC服务器按照顺序广播定价集合中的一个定价方案;巡检设备确定自己的卸载方案,并上传到MEC服务器;云端服务器根据巡检设备的计算方案确定自己的收益,并按照收益最大化原则判断是否需要更新定价方案;云端服务器通过迭代输出最优的定价方案。本发明能有效的降低巡检设备的平均计算时延,会使MEC服务器产生部分收益,并且考虑了MEC服务器有限的计算资源,使得所提方案更加符合实际场景。
Description
技术领域
本发明涉及一种电力物联网中基于D2D通信的MEC定价卸载方法,属于移动通信技术领域。
背景技术
随着电力物联网技术的发展,变电站在不同的地区范围不断扩大。手持巡检设备的应用,可以辅助巡检人员完成各种巡检任务,提升巡检的效率和水平。此外,在一些特殊的气候条件和一些环境复杂的地区,巡检机器人可以不受环境、天气等因素影响,实现全天候无间歇精准巡检。然而,无论是哪一种巡检设备,它们在巡检过程中都需要采集大量的数据,由于巡检设备的体积和电池受限,计算能力成为制约巡检设备高效率巡检的主要因素。
近年来,移动边缘计算(Mobile-edge computing,MEC)技术被看做是一种非常有前景的技术,它能够很好的弥补地面巡检设备计算能力不足的问题。文献1将MEC技术和无线能量传输(Wireless Power Transmission,WPT)技术相结合,地面多个用户可以通过WPT系统获取能量来完成自己的计算任务,每个用户都可以将自己的任务在本地计算或者通过时分多址(Time Division Multiple Access,TDMA)方式卸载到MEC服务器。该文通过优化无线接入点(Access Point,AP)的能量传输协方差矩阵、用户的CPU计算频率和用户的卸载数据量使得接入点的能量消耗最低。文献3提出一种二进制卸载方案。与上述文章不同的是每个用户的任务必须作为一个整体,通过任务卸载在MEC服务器上完成计算或在本地完成计算,该文通过联合优化用户的卸载方案和WPT系统能量传输时间与任务卸载时间,使得用户的计算速率最大化。与上述两篇文章不同的是,文献4把MEC服务器集成到无人机(UAVs)上,用户将自己的部分数据卸载到UAV-MEC服务器进行处理,该文优化了无人机的位置,目的是减少用户的能耗。为了充分利用系统的带宽资源,文献5、文献6、文献7将D2D通信技术应用到边缘计算技术中,提高了系统的数据传输效率。上述所提方案大都假设云端MEC服务器的计算资源是免费的且其计算资源是无限的,但是从实际考虑,MEC服务器位于网络边缘或者集成在无人机上,其计算资源应该是有限的,并且云端MEC服务器大都由第三方提供,其计算资源应该是付费的。
发明内容
本发明目的是提供一种电力物联网中基于D2D通信的MEC定价卸载方法,将缓存技术引入到MEC计算卸载中,将D2D技术和MEC技术相结合,可以缩短用户的计算时延,并且考虑到云端有限的计算资源,将云端的资源收费进行了优化分析,使得所提方案更加符合实际场景,该方案的提出可以为云端资源提供者提供定价参考,使云端服务器产生最大收益,此外,无论云端的计算资源是免费的还是付费的,所提方案都具有普适性,有效地解决背景技术中存在的上述问题。
本发明的技术方案是:一种电力物联网中基于D2D通信的MEC定价卸载方法,包含以下步骤:步骤1,巡检设备完成数据采集工作后通过D2D数据通信技术完成队内任务均匀分配工作;步骤2,每对配对的设备根据本地的计算性能、任务计算量、云端计算性能等信息确定自己的数据卸载量;步骤3,MEC服务器收集地面所有用户的计算能力信息,并根据这些信息确定一个定价集合,并对该定价集合进行排序;步骤4,MEC服务器按照顺序广播定价集合中的一个定价方案;步骤5,巡检设备根据云端给出的定价方案确定自己的卸载方案,并将该方案上传到MEC服务器,每个巡检设备可以选择本地计算或者选择卸载数据到MEC服务器进行计算;步骤6,云端服务器根据巡检设备的计算方案确定自己的收益,并按照收益最大化原则判断是否需要更新定价方案;步骤7,云端服务器通过迭代输出最优的定价方案。
所述步骤1中,每对巡检设备是通过D2D通信技术完成数据均匀分配工作的,并且每对D2D对只有一个数据发送者和一个数据接受者,它们的角色是由采集的数据量所决定的。
所述步骤2中,每个巡检设备的数据卸载量Vk是由巡检设备的本地计算频率Fk、巡检设备与MEC服务器之间的数据传输速率Rk,m、MEC服务器分配给巡检设备的计算资源Fk,m以及巡检设备采集的数据总量Qk有关,将Ck定义为第k对巡检设备计算1比特所需要的周期数,其具体的计算方法如下:
所述步骤3中,MEC服务器的定价集合是由巡检设备的本地计算频率计算得到的,每一个价格由巡检设备本地计算频率的倒数计算得到。
所述步骤5中,每个巡检设备对于云端任意给定的价格,可以确定自己的卸载方案。设为第k对巡检设备针对价格u所制定的卸载方案,其中δk是一个二进制变量,当δk=1时表示巡检设备需要卸载数据,反之不需要,其具体方案如下:
所述步骤6中,云端服务器按照收益最大化原则判断是否需要更新定价方案,并且云端服务器需要遍历定价集合中所有的价格后才能确定最优的定价。
本发明的有益效果是:将缓存技术引入到MEC计算卸载中,将D2D技术和MEC技术相结合,可以缩短用户的计算时延,并且考虑到云端有限的计算资源,将云端的资源收费进行了优化分析,使得所提方案更加符合实际场景,该方案的提出可以为云端资源提供者提供定价参考,使云端服务器产生最大收益,此外,无论云端的计算资源是免费的还是付费的,所提方案都具有普适性。
附图说明
图1为本发明的系统模型图;
图2为本发明的工作流程图;
具体实施方式
下面结合附图与实施例对本发明技术方案作进一步详细的说明。
一种电力物联网中基于D2D通信的MEC定价卸载方法,包含以下步骤:步骤1,巡检设备完成数据采集工作后通过D2D数据通信技术完成队内任务均匀分配工作;步骤2,每对配对的设备根据本地的计算性能、任务计算量、云端计算性能等信息确定自己的数据卸载量;步骤3,MEC服务器收集地面所有用户的计算能力信息,并根据这些信息确定一个定价集合,并对该定价集合进行排序;步骤4,MEC服务器按照顺序广播定价集合中的一个定价方案;步骤5,巡检设备根据云端给出的定价方案确定自己的卸载方案,并将该方案上传到MEC服务器,每个巡检设备可以选择本地计算或者选择卸载数据到MEC服务器进行计算;步骤6,云端服务器根据巡检设备的计算方案确定自己的收益,并按照收益最大化原则判断是否需要更新定价方案;步骤7,云端服务器通过迭代输出最优的定价方案。
所述步骤1中,每对巡检设备是通过D2D通信技术完成数据均匀分配工作的,并且每对D2D对只有一个数据发送者和一个数据接受者,它们的角色是由采集的数据量所决定的。
所述步骤2中,每个巡检设备的数据卸载量Vk是由巡检设备的本地计算频率Fk、巡检设备与MEC服务器之间的数据传输速率Rk,m、MEC服务器分配给巡检设备的计算资源Fk,m以及巡检设备采集的数据总量Qk有关,将Ck定义为第k对巡检设备计算1比特所需要的周期数,其具体的计算方法如下:
所述步骤3中,MEC服务器的定价集合是由巡检设备的本地计算频率计算得到的,每一个价格由巡检设备本地计算频率的倒数计算得到。
所述步骤5中,每个巡检设备对于云端任意给定的价格,可以确定自己的卸载方案。设为第k对巡检设备针对价格u所制定的卸载方案,其中δk是一个二进制变量,当δk=1时表示巡检设备需要卸载数据,反之不需要,其具体方案如下:
所述步骤6中,云端服务器按照收益最大化原则判断是否需要更新定价方案,并且云端服务器需要遍历定价集合中所有的价格后才能确定最优的定价。
本发明将D2D和MEC技术相结合,采用Stackelberg博弈来确定巡检设备的数据计算方案。在这个博弈过程中,MEC服务器可以看做是领导者,通过出售自己有限的计算资源来获取收益,巡检设备可以看做追随者,通过MEC服务器给出的价格来制定自己的计算方案。该方案能有效地降低巡检设备的平均计算时延。从全局利益出发,所提方案会使MEC服务器产生部分收益,并且所述方案考虑了MEC服务器有限的计算资源,使得所提方案更加符合实际场景。
在实际应用中,参照图1,在电力物联网中的巡检业务场景中,假设N个变电站均匀的布设K对D2D巡检设备和一个集成MEC服务器的基站。巡检设备可以是笔记本电脑、智能手机和巡检机器人。同类型的巡检设备可以通过D2D方式通信。假设wk={xk,yk,0}T为第k对巡检设备的中心坐标,并用中心坐标表示两个配对设备的平均位置。基站与地面巡检设备之的数据信道模型符合准静态信道模型,其中信道在每个卸载期间保持不变。
每对配对设备在计算数据前应该完成任务均匀分配工作。假设2K个巡检设备采用OFDM的方式将数据发送至MEC服务器,其总的数据带宽为B,每个巡检设备平均分到的带宽资源为B/2K。每个设备都可以在相同的时间内卸载自己的数据到MEC服务器。不同的D2D设备对可以共用带宽资源,每对巡检设备可使用的带宽资源为B。假设D2D配对设备之间的距离为dk。定义Pk,d为第k对巡检设备与其配对设备之间的数据发射功率,定义Pk,m为第k对巡检设备与MEC服务器之间的数据发射功率,注意同一配对设备的发射功率相同。定义一个二进制变量ρk,d∈{0,1}。ρk,d=1表示第k对巡检设备需要通过D2D方式完成数据均分工作,反之不需要。
假设第k对巡检设备采集的数据总量为比特Qk。定义比特为第k对巡检设备中采集数据量较大的一个,定义比特为第k对巡检设备中采集数据总量较小的一个,并且如果表示第k对巡检设备之间不存在D2D通信,即ρk,d=0。将Ck定义为第k对巡检设备计算1比特所需要的周期数。定义Lk比特为第k对巡检设备卸载到MEC服务器的数据总量,Qk-Lk比特为第k对巡检设备选择在本地计算的数据总量,且0≤Lk≤Qk。假设同一配对设备的计算能量相同,第k对巡检设备的CPU频率为Fk。假设MEC服务器或者本地巡检设备经过计算后的数据结果非常小。因此,所提方案不考虑MEC服务器经过计算后,将结果发送到巡检设备所需要的时间。
参照图2,一种电力物联网中基于D2D通信的MEC定价卸载方法具体的步骤如下:
步骤1:每对巡检设备完成完成队内任务均匀分配工作。
进一步的,步骤1的具体步骤包括:
步骤1.1:计算第k对巡检设备通过D2D方式进行数据通信的速率,其具体计算方法如公式(1):
式子(1)中N0是噪声功率。表示同一个变电站内其他D2D设备产生的干扰。考虑到不同变电站之间的距离非常远,他们之间的干扰可以忽略。因此,定义一个二进制变量表示第k对设备与第l对设备属于同一个变电站,表示第k对设备与第l对设备不属于同一个变电站。Pl,d为第l对设备通过D2D方式的数据发射功率,hl,k表示第l对设备与第k对设备之间的信道功率增益,且hl,k=β/dl,k 2。
步骤1.2:计算第k对巡检设备通过D2D方式进行数据通信的传输时间,其具体计算方法如公式(2):
步骤2:每对配对的设备根据本地的计算性能、任务计算量、云端计算性能等信息确定自己的数据卸载量。
进一步的,步骤2的具体步骤包括:
步骤2.1:计算第k对的两个巡检设备与MEC服务器之间的数据传输速率,其具体计算方法如下:
式子(3)中N0是噪声功率谱密度,hk,m为基站与第k对巡检设备之间的信道功率增益。
步骤2.2:计算第k对巡检设备卸载数据到MEC服务器进行计算的时间其中可以分为两部分:1)第k对巡检将部分数据卸载到MEC服务器所需要的数据传输时间2)MEC服务器计算第k对巡检设备卸载的数据需要的计算时间因此,第k对巡检设备通过MEC卸载数据所需要的计算时间为:
考虑到同一配对的巡检设备由于计算能力、计算任务、电池能量相同。因此,同一配对的两个巡检设备通过MEC卸载数据的方案也是相同的。式子(4)中表示第k对巡检设备向MEC服务器卸载Lk比特数据的传输时间,是MEC服务器计算Lk比特数据所需要的时间,Fk,m=FM/K表示MEC服务器给第k对巡检设备分配的计算频率,其中FM是MEC服务器总的计算频率。
步骤3:MEC服务器收集地面所有用户的计算能力信息,并根据这些信息确定一个定价集合S,并对该定价集合进行排序,假设u={u1,u2,...,uk}表示MEC服务器给出的定价。从MEC服务器角度的来看,其目标是制定合适的价格u={u1,u2,...,uk}来吸引用户购买自己的计算资源,使得MEC服务器的收益最大化,其具体计算方法如下:
步骤4:MEC服务器按照顺序广播定价集合中的一个定价方案。MEC服务器根据用户的计算频率初始化定价集合,每一个价格设定为用户CPU计算频率的倒数。
步骤5:巡检设备根据云端给出的定价方案确定自己的卸载方案,并将该方案上传到MEC服务器,每个巡检设备可以选择本地计算或者选择卸载数据到MEC服务器进行计算。
进一步的,步骤5的具体步骤包括:
步骤5.1:每对巡检设备计算任务完成所需要的成本,该成本主要包括数据计算时延和数据计算费用。其具体计算方法如下:
Uk(Lk,uk)=Tk+ukLk (7)
步骤5.2:根据步骤5.1进一步计算任务完成成本,考虑到配对设备的本地计算任务和MEC服务器计算任务可以同时进行。因此,Uk(Lk,uk)的具体计算方法如下:
式子(8)中的Vk是巡检设备需要卸载的数据量,其具体的计算方法如下:
步骤5.3:从巡检设备的角度来看,其目标是根据MEC服务器给定的价格来制定合适的卸载方案,使得巡检设备的计算成本最低。因此,可以表示为下式:
s.t.0≤Lk≤Qk (10b)
步骤6:云端服务器根据巡检设备的计算方案确定自己的收益,并按照收益最大化原则判断是否需要更新定价方案,将步骤5.3得到的δk带入步骤3中的(6a)公式中,MEC服务器的最优化问题可表示为:
云端服务器按照收益最大化原则判断是否需要更新定价方案,如果需要则返回步骤4,如果不需要则执行步骤7;
步骤7:云端服务器输出最优的定价方案。显然MEC服务其需要广播完所有定价集合中的价格才能确定哪一个价格是最优的价格。
其他有助于理解本技术的背景资料
[1]Wang F,Xu J,Wang X,et al.Joint Offloading and ComputingOptimization in Wireless Powered Mobile-Edge Computing Systems[J].IEEETransactions on Wireless Communications,2018,17(3):1784-1797.
[2]Chai R,Lin J,Chen M,et al.Task Execution Cost Minimization-BasedJoint Computation Offloading and Resource Allocation for Cellular D2D MECSystems[J].IEEE Systems Journal,2019:1-13.
[3]Bi S,Zhang Y J A.Computation Rate Maximization for WirelessPowered Mobile-Edge Computing with Binary Computation Offloading[J].IEEETransactions on Wireless Communications,2017,17(6):4177-4190.
[4]Xiong J,Guo H,Liu J,et al.Task Offloading in UAV-Aided EdgeComputing:Bit Allocation and Trajectory Optimization[J].IEEE CommunicationsLetters,2019,23(3):538-541.
[5]刘苗.基于社交D2D网络的边缘计算与预存储资源分配技术研究[D].江苏:南京理工大学,2018.
[6]Chai R,Lin J,Chen M,et al.Task Execution Cost Minimization-BasedJoint Computation Offloading and Resource Allocation for Cellular D2D MECSystems[J].IEEE Systems Journal,2019:1-13.
[7]He Y,Ren J,Yu G,et al.Joint Computation Offloading and ResourceAllocation in D2D Enabled MEC Networks.[C].international conference oncommunications,2019:1-6。
Claims (6)
1.一种电力物联网中基于D2D通信的MEC定价卸载方法,其特征在于包含以下步骤:步骤1,巡检设备完成数据采集工作后通过D2D数据通信技术完成队内任务均匀分配工作;步骤2,每对配对的设备根据本地的计算性能、任务计算量、云端计算性能信息确定自己的数据卸载量;步骤3,MEC服务器收集地面所有用户的计算能力信息,并根据这些信息确定一个定价集合,并对该定价集合进行排序;步骤4,MEC服务器按照顺序广播定价集合中的一个定价方案;步骤5,巡检设备根据云端给出的定价方案确定自己的卸载方案,并将该方案上传到MEC服务器,每个巡检设备可以选择本地计算或者选择卸载数据到MEC服务器进行计算;步骤6,云端服务器根据巡检设备的计算方案确定自己的收益,并按照收益最大化原则判断是否需要更新定价方案;步骤7,云端服务器通过迭代输出最优的定价方案。
2.根据权利要求1所述的一种电力物联网中基于D2D通信的MEC定价卸载方法,其特征在于:所述步骤1中,每对巡检设备是通过D2D通信技术完成数据均匀分配工作的,并且每对D2D对只有一个数据发送者和一个数据接受者,它们的角色是由采集的数据量所决定的。
4.根据权利要求1所述的一种电力物联网中基于D2D通信的MEC定价卸载方法,其特征在于:所述步骤3中,MEC服务器的定价集合是由巡检设备的本地计算频率计算得到的,每一个价格由巡检设备本地计算频率的倒数计算得到。
6.根据权利要求1所述的一种电力物联网中基于D2D通信的MEC定价卸载方法,其特征在于:所述步骤6中,云端服务器按照收益最大化原则判断是否需要更新定价方案,并且云端服务器需要遍历定价集合中所有的价格后才能确定最优的定价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911335413.4A CN111107153B (zh) | 2019-12-23 | 2019-12-23 | 一种电力物联网中基于d2d通信的mec定价卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911335413.4A CN111107153B (zh) | 2019-12-23 | 2019-12-23 | 一种电力物联网中基于d2d通信的mec定价卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111107153A CN111107153A (zh) | 2020-05-05 |
CN111107153B true CN111107153B (zh) | 2022-02-18 |
Family
ID=70423823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911335413.4A Active CN111107153B (zh) | 2019-12-23 | 2019-12-23 | 一种电力物联网中基于d2d通信的mec定价卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111107153B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524034B (zh) * | 2020-05-12 | 2023-11-03 | 华北电力大学 | 高可靠低时延低能耗的电力巡检系统及巡检方法 |
CN111770471B (zh) * | 2020-05-28 | 2021-05-07 | 北京大学 | 空地协同下的无线边缘数据卸载方法、设备及存储介质 |
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 |
CN113162658B (zh) * | 2021-02-25 | 2023-05-02 | 华北电力大学 | 一种电力线通信中基于升价配额匹配的任务卸载方法 |
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 |
CN113347652B (zh) * | 2021-08-02 | 2021-11-02 | 南京邮电大学 | 一种电力线路状态分析系统及其时延对称优化方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107249218A (zh) * | 2017-06-05 | 2017-10-13 | 东南大学 | 一种mec中无线资源和云资源的联合分配方法 |
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 |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110287024A (zh) * | 2019-06-12 | 2019-09-27 | 浙江理工大学 | 一种工业智能边缘计算中面向多服务器多用户的调度方法 |
-
2019
- 2019-12-23 CN CN201911335413.4A patent/CN111107153B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107249218A (zh) * | 2017-06-05 | 2017-10-13 | 东南大学 | 一种mec中无线资源和云资源的联合分配方法 |
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 |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110287024A (zh) * | 2019-06-12 | 2019-09-27 | 浙江理工大学 | 一种工业智能边缘计算中面向多服务器多用户的调度方法 |
Non-Patent Citations (3)
Title |
---|
危泽华等.基于Stackelberg博弈论的边缘计算卸载决策方法.《数学的实践与认识》.2019,(第11期),全文. * |
基于Stackelberg博弈论的边缘计算卸载决策方法;危泽华等;《数学的实践与认识》;20190608(第11期);全文 * |
基于合同理论的D2D数据协作转发机制;周进等;《电信科学》;20181020(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111107153A (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111107153B (zh) | 一种电力物联网中基于d2d通信的mec定价卸载方法 | |
CN107317700B (zh) | 车载边缘计算节点选择系统及方法 | |
CN111182570B (zh) | 提高运营商效用的用户关联和边缘计算卸载方法 | |
CN110336861B (zh) | 基于双层无人机的移动边缘计算系统的卸载任务分配方法 | |
CN111163521A (zh) | 移动边缘计算中一种分布式异构环境下的资源分配方法 | |
CN107295109A (zh) | 自组织网络云计算中的任务卸载与功率分配联合决策方法 | |
CN107708152B (zh) | 异构蜂窝网络的任务卸载方法 | |
CN110351754A (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
CN113346938B (zh) | 一种面向空天地一体化网络的边缘计算资源融合管理方法 | |
CN108009024A (zh) | Ad-hoc云环境中分布式博弈任务卸载方法 | |
CN108924938A (zh) | 一种用于无线充电边缘计算网络计算能效的资源分配方法 | |
CN111836284B (zh) | 基于移动边缘计算的能耗优化计算、卸载方法和系统 | |
CN113625751A (zh) | 面向空地一体联邦学习的无人机位置与资源联合优化方法 | |
CN110381161B (zh) | 电力物联网系统中基于博弈论的资源调度方法 | |
CN116546559B (zh) | 分布式多目标空地联合轨迹规划和卸载调度方法及系统 | |
CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
CN110312269A (zh) | 一种基于能量-信息权衡传输的无线携能通信系统及其方法 | |
CN109672568A (zh) | 一种边缘计算网络中绿色能源分配和协调定价的方法 | |
Lyu et al. | Multi-leader multi-follower Stackelberg game based resource allocation in multi-access edge computing | |
CN114650568A (zh) | 一种移动Ad Hoc云中基于能量收集的分布式卸载方法 | |
CN111162852B (zh) | 一种基于匹配学习的泛在电力物联网接入方法 | |
CN114698116B (zh) | 一种无人机协助的非线性能量收集mec系统的资源分配方法 | |
CN114880038B (zh) | 移动边缘计算系统资源优化配置方法 | |
CN113207150A (zh) | 一种基于背向散射通信的主被动混合卸载方法和装置 | |
Zhang et al. | A joint offloading and energy cooperation scheme for edge computing 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 |