CN111309460B - 一种移动边缘计算场景下智能移动设备的任务处理方法 - Google Patents
一种移动边缘计算场景下智能移动设备的任务处理方法 Download PDFInfo
- Publication number
- CN111309460B CN111309460B CN202010040727.8A CN202010040727A CN111309460B CN 111309460 B CN111309460 B CN 111309460B CN 202010040727 A CN202010040727 A CN 202010040727A CN 111309460 B CN111309460 B CN 111309460B
- Authority
- CN
- China
- Prior art keywords
- task
- processing
- time
- edge server
- alpha
- 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
Images
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
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5044—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering hardware capabilities
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种移动边缘计算场景下智能移动设备的任务处理方法,本发明仅考虑边缘服务器能同时处理一个任务的情况。在本发明中,进行任务迁移选择和处理排序时主要考虑上行速率、发射功率、任务大小、截止时限、用户和边缘服务器处理能力等因素。相较于以前的研究,本发明一方面根据用户的各项参数和信道状况,在满足任务截止时限的条件下最小化系统总能量消耗;另一方面,本发明考虑到了边缘服务器的并行处理能力,给出了服务器仅能同时处理一个任务的情况下,任务处理顺序的排序。
Description
技术领域
本发明属于无线通信技术领域,特别涉及一种移动边缘计算场景下智能移动设备的任务处理方法。
背景技术
随着智能移动设备,如智能手机、可穿戴智能移动设备和物联网智能移动设备等的普及,延迟敏感和计算密集型应用在日常生活中变得越来越普遍。现代应用程序,如人脸识别、增强现实和实时游戏,通常需要高计算和低延迟。但是,一方面由于智能移动设备的计算能力受到限制,另一方面由于智能移动设备的物理大小限制了电池容量,所以智能移动设备通常不可能在本地处理所有的应用任务。智能移动设备本地有限的计算能力与新应用的需求之间的冲突,推动了移动边缘计算技术的诞生与发展。
移动边缘计算主要包括智能移动设备将任务迁移至边缘服务器与边缘服务器完成任务的计算将结果发送给智能移动设备两个过程。目前,大多数研究仅考虑智能移动设备的迁移选择、发射功率、上行速率、任务的大小和截止时间等要素,以最小化能耗,很少有同时考虑边缘服务器处理任务的顺序和最大化系统能量效率的方法。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种移动边缘计算场景下智能移动设备的任务处理方法,包括如下步骤:
步骤1,获取网络基本信息;
步骤2,建立移动边缘计算场景下智能移动设备的任务处理原问题;
步骤7,重复步骤5~步骤6,直至所有任务总功耗Etotal收敛,得到连续化的任务迁移选择αi;
步骤8,将任务迁移选择αi离散化;
步骤1包括:获取网络基本信息,所述网络基本信息包括智能移动设备数量M,上行信道参数,带宽B和边缘服务器处理能力Fc,第i个智能移动设备的上行信道参数为设定每一个智能移动设备都只有一个任务需要处理,第i个智能移动设备任务的数据大小为Di,需要的计算资源为Qi,任务的截至时限为Treq,第i个智能移动设备本身的处理能力为其中i=1,2,...,M。
步骤2包括:建立如下移动边缘计算场景下智能移动设备的任务处理原问题:
s.t.αi∈{0,1}
ti≤Treq
其中,αi代表第i个智能移动设备任务的迁移选择,αi=1表示任务被迁移至边缘服务器计算,αi=0表示任务在智能移动设备本地计算;代表第i个智能移动设备任务的上传时间,Ω代表边缘服务器任务处理的顺序,σ2代表噪声功率,代表第i个智能移动设备的上行信道参数,B代表信道带宽,κ、γ代表智能移动设备本地能耗参数,ti代表第i个智能移动设备任务的处理完成时间,当任务在本地计算时,当任务在边缘服务器计算时,ti为任务被迁移至边缘服务器侧处理结束的时间。
步骤4包括:
步骤4-1,令第i个迁移至边缘服务器计算的任务的上行开始时刻为每个任务的上行结束时刻为在边缘侧任务被处理的开始时刻为在边缘侧任务被处理的结束时刻为 计算所有任务的在边缘服务器处理时间其中Fc为边缘服务器的处理能力,N为被迁移至边缘服务器计算的任务数量;
步骤4-3,将所有上行时间与处理时间排序,并选择最短的一个时间;
步骤4-4,如果所述最短的时间是上行时间,则将所述最短的时间对应的任务排在处理顺序的下一个处理;如果所述最短的时间是处理时间,则将所述最短的时间对应的任务排在处理顺序的从后向前的下一个处理;
步骤4-5,删除所述最短的时间对应的任务;
步骤4-6,重复执行步骤4-3~步骤4-4,直至所有任务全部排完;
步骤6包括:利用凸优化求解器求解以下凸问题得到连续化的任务迁移选择αi
0≤αi≤1
步骤8包括:当0≤αi≤0.5时,令αi=0;当0.5<αi≤1时,令αi=1。
本发明主要应用于移动边缘计算中单任务处理服务器的情况,即在一个典型的移动边缘计算场景中,一个无线接入点与边缘服务器在物理上通过光纤进行连接,两者之间的通信时间可以忽略不计。在无线接入点的覆盖范围内,存在一些有任务需要计算的智能移动设备,并且假设每一个智能移动设备仅有一个任务需要处理且任务是不可分割的。此时,智能移动设备需要选择是否将任务迁移至边缘服务器出进行处理,并且边缘服务器需要对迁移的任务给出处理顺序,特别地,本发明仅考虑边缘服务器能同时处理一个任务的情况。由于整个系统是时分复用的,因此在某一时刻将只会有一个智能移动设备在上传任务。相较于任务上传时的数据大小,边缘服务器回传的任务结果大小往往可以忽略不计,因此本发明不考虑任务下行所占用的时间。在本发明中,进行迁移选择和任务排序时主要考虑上行速率、发射功率、任务大小、截至时间、用户和边缘服务器处理能力等因素。
有益效果:1.本方法创新性地给出了在已知任务上行时间和处理时间的条件下,边缘服务器对任务上行和处理顺序的排序算法;
2.本方法提出了用户如何根据任务参数、信道参数和服务器参数进行迁移选择的算法;
3.本方法给出了边缘服务器如何在时分模式下,给每一个用户分配其任务上行时间的算法。
相较于以前的研究,本发明一方面根据用户的各项参数和信道状况,在满足任务截至时间的条件下最小化系统总能量消耗;另一方面,本发明考虑到了边缘服务器的并行处理能力,给出了服务器仅能同时处理一个任务的情况下,边缘服务器的任务处理顺序的排序。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为移动边缘计算场景图。
具体实施方式
本发明提供了一种移动边缘计算场景下智能移动设备的任务处理方法,本应用主要应用于蜂窝网络内存在多个用户有任务需要处理,而边缘服务器处理能力有限,仅能同时处理一个任务的情况。本发明提出的方法能在满足任务时限要求的约束下,给出用户处理顺序并最小化用户总功耗。
具体实施方式分为两个部分:模型构建和问题求解。
1)模型构建
模型构建中包括整个系统模型架构以及各个模块的模型。各个模块的模型包括:系统场景、任务模型、信道模型、任务计算时延与功耗模型和排队模型。
1.1系统场景
如图1所示,在一个多用户的移动边缘计算场景中,包含有,一个基站,一个边缘服务器和M个有任务需要处理智能移动设备。基站与边缘服务器之间通过光纤进行连接,由于光纤通信的速率很高,两者之间的通信时延可以忽略不计。智能移动设备与基站之间通过蜂窝无线网络进行通信,通信模式为时分模式,即在同一时间内仅可以有一个用户占用信道进行无线通信。
另外,假设边缘服务器的任务处理能力有限,即边缘服务器一次仅能同时处理一个任务。
1.2任务模型
1.3信道模型
无线信道采用时分模式,即时分多址的无线接入技术。令智能移动设备i与基站之间的信道参数为由于在任务迁移的时间段内智能移动设备的移动距离很小,因此认为信道参数在此时间内为一常数。令pi为智能移动设备i的上行功率,其上行速率为:
其中B为系统带宽,σ2为加性高斯白噪声。
1.4任务计算时延与功耗模型
其中κ和γ为预设定的固定参数配置,仅与智能移动设备的CPU参数有关。一般地,我们设κ=10-11、2≤γ≤3。
1.5排队模型
设迁移至边缘服务器计算的任务总数为N,任务集合一个被迁移至边缘服务器处理的任务需要经历两个阶段,即1)将Di的数据通过无线信道上行传输至边缘服务器和2)边缘服务器消耗Qi的计算资源处理任务。第i个迁移至边缘服务器计算的任务的上行开始时刻为每个任务的上行结束时刻为在边缘侧任务被处理的开始时刻为在边缘侧任务被处理的结束时刻为计算所有任务的在边缘服务器处理时间。
显然地,为满足任务阶段的有序性和整个任务的时延限制,各时刻需要满足如下条件:
由上述讨论可以发现,在整个任务迁移的过程中,存在两个序列,一个是任务上行的上行顺序序列,一个是任务在边缘服务器处的处理顺序。认为两个序列是相同的,即任务的上行顺序就是任务的处理顺序,令其为Ω。为了保证处理与上行的有序性,有如下约束:
为了获得更低的迁移时延,即能更快的在边缘服务器处理完所有任务,假设任务上行是一个接着一个上传的,边缘服务器也是及时处理任务,没有空闲等待,则整个任务迁移表示为如下所示:
2)问题求解
为了最小化用户总能耗,将问题建模如下:
s.t.αi∈{0,1}
ti≤Treq
这是一个混合整数非线性规划问题,由于存在离散变量和任务排序,是一个NP-hard(non-deterministic polynomial hard)问题,很难在多项式时间复杂度内归约到结果。为解决初始问题,本发明将用如下方法进行求解。
首先将初始问题分解成三个子问题:
子问题1.迁移选择问题:
αi∈{0,1}
子问题2.上行时间分配问题:
子问题3.任务处理时序安排问题:
(1),(2),(3)
对于子问题3,提出了如下的任务处理顺序算法1求解:
步骤4-1,令第i个迁移至边缘服务器计算的任务的上行开始时刻为每个任务的上行结束时刻为在边缘侧任务被处理的开始时刻为在边缘侧任务被处理的结束时刻为 计算所有任务的在边缘服务器处理时间其中Fc为边缘服务器的处理能力,N为被迁移至边缘服务器计算的任务数量;
步骤4-3,将所有上行时间与处理时间排序,并选择最短的一个时间;
步骤4-4,如果所述最短的时间是上行时间,则将所述最短的时间对应的任务排在处理顺序的下一个处理;如果所述最短的时间是处理时间,则将所述最短的时间对应的任务排在处理顺序的从后向前的下一个处理;
步骤4-5,删除所述最短的时间对应的任务;
步骤4-6,重复执行步骤4-3~步骤4-4,直至所有任务全部排完;
对于子问题2,可以发现这是一个凸问题,通过现有的凸优化求解器可以很方便的求解这一子问题。
对于子问题1,首先将离散变量αi连续化,即0≤αi≤1。那么原子问题1可以转化为如下子问题4:
0≤αi≤1
子问题4是一个凸问题,亦可以通过现有的凸优化求解器求解。然后将求得的连续化αi离散化,即当0≤αi≤0.5时,令αi=0;当0.5<αi≤1时,令αi=1,便可得到子问题1的结果,即智能移动设备的任务迁移选择。
接下来,将给出子问题3和子问题2的循环迭代收敛算法2:
步骤2-3:用任务处理顺序算法1求解子问题3并更新任务处理顺序Ω。
步骤2-4:重复步骤2-3直至目标函数任务迁移总能耗Ecloud收敛。
最后,循环迭代求解三个子问题直至收敛,即可得到初始问题的最终解。整个问题的求解算法如下所示:
步骤3-1:初始化所有任务的选择为迁移至边缘服务器处理,即αi=1。
步骤3-3:利用现有的凸优化求解器求解子问题4,并更新任务迁移选择αi。
步骤3-5:重复步骤3-4直至目标函数所有智能移动设备总能耗Etotal收敛。
步骤3-6:将任务迁移选择αi离散化,即当0≤αi≤0.5时,令αi=0;当0.5<αi≤1时,令αi=1,得到最终任务迁移选择αi。
本发明提供了一种移动边缘计算场景下智能移动设备的任务处理方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (8)
1.一种移动边缘计算场景下智能移动设备的任务处理方法,其特征在于,包括如下步骤:
步骤1,获取网络基本信息;
步骤2,建立移动边缘计算场景下智能移动设备的任务处理原问题;
步骤7,重复步骤5~步骤6,直至所有任务总功耗Etotal收敛,得到连续化的任务迁移选择αi;
步骤8,将任务迁移选择αi离散化;
6.根据权利要求5所述的方法,其特征在于,步骤4包括:
步骤4-1,令第i个迁移至边缘服务器计算的任务的上行开始时刻为每个任务的上行结束时刻为在边缘侧任务被处理的开始时刻为在边缘侧任务被处理的结束时刻为计算所有任务的在边缘服务器处理时间其中Fc为边缘服务器的处理能力,N为被迁移至边缘服务器计算的任务数量;
步骤4-3,将所有上行时间与处理时间排序,并选择最短的一个时间;
步骤4-4,如果所述最短的时间是上行时间,则将所述最短的时间对应的任务排在处理顺序的下一个处理;如果所述最短的时间是处理时间,则将所述最短的时间对应的任务排在处理顺序的从后向前的下一个处理;
步骤4-5,删除所述最短的时间对应的任务;
步骤4-6,重复执行步骤4-3~步骤4-4,直至所有任务全部排完;
8.根据权利要求7所述的方法,其特征在于,步骤8包括:当0≤αi≤0.5时,令αi=0;当0.5<αi≤1时,令αi=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010040727.8A CN111309460B (zh) | 2020-01-15 | 2020-01-15 | 一种移动边缘计算场景下智能移动设备的任务处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010040727.8A CN111309460B (zh) | 2020-01-15 | 2020-01-15 | 一种移动边缘计算场景下智能移动设备的任务处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111309460A CN111309460A (zh) | 2020-06-19 |
CN111309460B true CN111309460B (zh) | 2023-04-07 |
Family
ID=71145170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010040727.8A Active CN111309460B (zh) | 2020-01-15 | 2020-01-15 | 一种移动边缘计算场景下智能移动设备的任务处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111309460B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806074B (zh) * | 2021-08-11 | 2022-09-09 | 中标慧安信息技术股份有限公司 | 边缘计算的数据采集方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109413676A (zh) * | 2018-12-11 | 2019-03-01 | 西北大学 | 一种超密异构网络中联合下上行的边缘计算迁移方法 |
CN109885397A (zh) * | 2019-01-15 | 2019-06-14 | 长安大学 | 一种边缘计算环境中时延优化的负载任务迁移算法 |
CN110413392A (zh) * | 2019-07-25 | 2019-11-05 | 北京工业大学 | 一种移动边缘计算场景下制定单任务迁移策略的方法 |
-
2020
- 2020-01-15 CN CN202010040727.8A patent/CN111309460B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109413676A (zh) * | 2018-12-11 | 2019-03-01 | 西北大学 | 一种超密异构网络中联合下上行的边缘计算迁移方法 |
CN109885397A (zh) * | 2019-01-15 | 2019-06-14 | 长安大学 | 一种边缘计算环境中时延优化的负载任务迁移算法 |
CN110413392A (zh) * | 2019-07-25 | 2019-11-05 | 北京工业大学 | 一种移动边缘计算场景下制定单任务迁移策略的方法 |
Non-Patent Citations (3)
Title |
---|
《A Game Theoretic Approach to Computation Offloading Strategy Optimization for Non-cooperative Users in Mobile Edge Computing》;Keqin Li;《IEEE Transactions on Sustainable Computing》;全文 * |
《Offloading in Mobile Edge Computing: Task Allocation and Computational Frequency Scaling》;Thinh Quang Dinh 等;《IEEE Transactions on Communications》;全文 * |
《移动边缘计算中基于移动模型的任务迁移算法与协议研究》;王梓;《CNKI-硕博论文库》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111309460A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111756812B (zh) | 一种能耗感知的边云协同动态卸载调度方法 | |
Long et al. | Edge computing framework for cooperative video processing in multimedia IoT systems | |
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 | |
CN109561148B (zh) | 边缘计算网络中基于有向无环图的分布式任务调度方法 | |
CN110662238B (zh) | 一种针对边缘网络下突发请求的强化学习调度方法及设备 | |
CN111475274B (zh) | 云协同多任务调度方法及装置 | |
CN109669768A (zh) | 一种面向边云结合架构的资源分配和任务调度方法 | |
CN113268341B (zh) | 电网边缘计算任务的分配方法、装置、设备和存储介质 | |
CN113543176A (zh) | 基于智能反射面辅助的移动边缘计算系统的卸载决策方法 | |
CN111274036A (zh) | 一种基于速度预测的深度学习任务的调度方法 | |
CN112214301B (zh) | 面向智慧城市基于用户偏好的动态计算迁移方法及装置 | |
CN109947551A (zh) | 一种多轮次任务分配方法、边缘计算系统及其存储介质 | |
CN109905888A (zh) | 移动边缘计算中联合优化迁移决策和资源分配方法 | |
Zhang et al. | Edge-to-edge cooperative artificial intelligence in smart cities with on-demand learning offloading | |
CN113472597B (zh) | 分布式卷积神经网络细粒度的参数传输调度方法及装置 | |
CN112860429A (zh) | 一种移动边缘计算系统中任务卸载的成本效率优化系统及方法 | |
CN113220356A (zh) | 一种移动边缘计算中的用户计算任务卸载方法 | |
CN110968366A (zh) | 一种基于有限mec资源的任务卸载方法、装置及设备 | |
CN113590279B (zh) | 一种面向多核边缘计算服务器的任务调度和资源分配方法 | |
CN115277689A (zh) | 一种基于分布式联邦学习的云边网络通信优化方法及系统 | |
CN109548161A (zh) | 一种无线资源调度的方法、装置和终端设备 | |
CN111580974B (zh) | Gpu实例分配方法、装置、电子设备和计算机可读介质 | |
CN111309460B (zh) | 一种移动边缘计算场景下智能移动设备的任务处理方法 | |
CN116886703A (zh) | 一种基于优先级和强化学习的云边端协作计算卸载方法 | |
CN113741999B (zh) | 一种基于移动边缘计算的面向依赖型任务卸载方法及装置 |
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 |