CN111556516A - 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 - Google Patents
面向时延和能效敏感业务的分布式无线网络任务协同分配方法 Download PDFInfo
- Publication number
- CN111556516A CN111556516A CN202010448805.8A CN202010448805A CN111556516A CN 111556516 A CN111556516 A CN 111556516A CN 202010448805 A CN202010448805 A CN 202010448805A CN 111556516 A CN111556516 A CN 111556516A
- Authority
- CN
- China
- Prior art keywords
- task
- node
- nodes
- distributed
- tasks
- 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
Images
Classifications
-
- 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
- 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
- H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向时延和能效敏感业务的分布式无线网络任务协同分配方法,包括以下三个步骤:步骤1:搭建分布式无线网络模型;步骤2:在各个分布式节点本地,采用层次分析法进行任务优先级排序,紧急的任务优先处理,然后各个节点依次将当前优先级最高的任务信息传输至中心节点;步骤3:中心节点利用对各个分布式节点状态信息、任务信息、网络信息构建二分图最大权值匹配模型,并利用基于KM算法的任务分配方法将任务进行重新分配。本发明的一种面向时延和能效敏感业务的分布式无线网络任务协同分配方法能够根据用户的需求以及任务的特点灵活确定任务分配的目标,有效的降低在分布式节点中任务执行的时间或能耗。
Description
技术领域
本发明涉及无线通信网络与移动边缘计算技术领域,更具体地说,涉及一种分布式边缘节点协同计算的方法。
背景技术
随着5G时代的到来,越来越多新颖的应用正在兴起,如图像识别、物联网数据流处理、移动健康计算等等,这些新颖的应用程序对时延要求较高,并且通常需要大量的计算资源来进行处理,然而物联网中的各种无线终端设备处理能力有限,并且电量供应有限,这些应用程序若由单个设备执行会产生较大的能耗和时延。为此,目前常见的一种解决方案是将计算密集型任务卸载到资源丰富的云端执行,但由于远端云与终端设备和之间信道链路不稳定以及距离较远,将计算任务卸载在云端执行会产生较大的传输时延。边缘计算由于其靠近数据产生的源头,具有邻近性、低时延、高宽带和位置认知等特点在最近几年得到了快速的发展。然而在即将到来的5G网络中,将会有数以亿计的智能设备连接到网络,如自动驾驶汽车、智能家居设备、可穿戴设备、手机、以及急剧增长各种嵌入式设备等等。随着终端节点数量的爆炸式增长,边缘服务器将产生巨大的链路负担以及任务负载,导致传输能耗大,任务执行时延高等各种问题。因而利用周边节点的计算、通信等资源,在分布式节点中进行任务分配,各节点相互协作来完成任务,成为一个新的解决方案。
发明内容
发明目的:本发明的目的在于提供一种分布式节点协同计算的方法,利用数量庞大的分布式节点的空闲资源来处理单个节点产生的任务,从而满足任务对时延和能耗的要求。
技术方案:
一种面向时延和能效敏感业务的分布式无线网络任务协同分配方法,包括以下三个步骤:
步骤1:搭建分布式无线网络模型,包括1个中心节点和N个相互协作的分布式节点,N为大于1的自然数,中心节点与分布式节点通过高速的无线连接进行通信,且不参与任务的执行,分布式节点是具有计算、通信、存储等功能的异构设备,同样,分布式节点之间通过高速的无线连接进行通信,各分布式节点地位平等,分布式节点能够发起任务或参与完成其他节点的任务,在网络边缘共享计算和通信资源;
步骤2:在各个分布式节点本地,采用层次分析法(AnalyticHierachyProcess,AHP)进行任务优先级排序,紧急的任务优先处理,然后各个节点依次将当前优先级最高的任务信息传输至中心节点;
步骤3:中心节点利用对各个分布式节点状态信息、任务信息、网络信息构建二分图最大权值匹配模型,并利用基于KM(Kuhn-Munkras)算法的任务分配方法将任务进行重新分配,充分利用大量分布式节点的空闲资源来降低任务处理二分时延和能耗。
进一步地,采用层次分析法为节点的多个任务分配优先级时,将任务的多维属性作为任务优先级排序的依据,构建层次分析法的三层模型,对不同属性进行定性和定量的分析决策来确定任务优先级,包括以下步骤:
步骤2-1:确定分配任务优先级时需要考虑的任务属性,并将任务优先级的问题表示为一个有序的递阶层次结构,包括目标层A,准则层B、方案层C,其中方案层为当前未确定优先级的任务,准则层为分配任务优先级时考虑的任务属性,包括任务输入数据的大小、输出数据的大小、任务的计算负载、任务的最晚完成时间,目标层即为为任务分配的优先级次序;
步骤2-2:构造判断矩阵,判断矩阵表示同一层次中各个因素对于上一层次某个因素的重要程度,可以通过对同一层次的因素进行两两比较得到,不同任务对某一因素比较时,相对重要性的比例标度取1-9之间;
步骤2-3:层次排序,求步骤2得到的判断矩阵的最大特性值对应的特征向量,Θ表示准则层对目标层的特征向量Θ=[θ1,θ2…θk]T,θk为元素值,Φi表示方案层中的任务对准则层中的第i个因素的特征向量其元素表示节点的第m个任务对准则层中的第i个因素的权重,将特征向量中各分量的大小作为对下一层次中各因素排列的根据;其值越大,表示下一层次中的因素对于上一层次某因素越重要,所有任务的权重所对应的矢量组成矩阵为
则各个任务的优先级向量PV为
PV向量中的值代表了任务的优先级别。相比传统的只通过任务的最晚完成时间来确定任务的优先级,层次分析法综合了考虑任务的多个属性,并且任务不同属性在优先级排序时所占的比重是可调整的,使得任务的执行次序更加合理。
进一步地,步骤3包括以下步骤:
步骤3-1:中心节点获取所有分布式节点的网络连接信息,包括节点之间是否存在连接,以及节点之间传输数据的速率;
步骤3-2:中心节点收集并更新分布式节点的状态信息,包括剩余能量,空闲时间,计算速度,功耗等;
步骤3-3:每个分布式节点通过层次分析法对产生的任务进行优先级排序;
步骤3-4:每个分布式节点依次将优先级最高的任务信息传输至中心节点。任务信息包括li任务输入数据的大小,oi任务输出数据的大小,wi任务的计算负载,使用任务需要的CPU周期数衡量,si任务的最晚完成时间;
步骤3-5:中心节点构建二分图;
步骤3-6:根据二分图,使用KM算法进行任务分配。
进一步地,中心节点构建二分图包括如下步骤:
步骤3-5-1:中心节点根据网络拓扑结构以及任务所属节点去除冗余节点,若一个节点没有待分配的任务,其相邻节点也没有待分配的任务,则认为该节点为冗余节点;
步骤3-5-2:中心节点构建初始二分图,其中待分配的任务作为任务集T,去除冗余节点后的其他节点作为节点集N,节点之间的网络拓扑作为可选边,每条可选边连接的两个顶点,一个在T中,另一个在N中。
步骤3-5-3:中心节点计算二分图中可选边的权值,即任务在不同节点执行的时间Tij或能耗Eij,
Tl i=Tiidle+Tci为任务i在本地执行的时间,Tiidle表示节点可用于处理所分配任务的时间,若节点当前空闲,则为零,即表示无需等待,Tci为任务在本地计算的时间。To ij=Tsij+Tcij+Tjidle表示任务在其相邻节点执行的时间。其中Tsij为传输数据需要的时间,dij为节点之间传输数据的速率,Tcij为任务i在节点j计算需要的时间,
El i=Eci=Tci·Pci为任务i在本地执行时所需的能量,Eo ij=Esij+Ecij为任务i在节点j执行时所需的能量,其中Esij=li·(Pti+Prj)+oi·(Ptj+Pri)为传输数据需要的能量,Ecij=Tcij·Pcj为任务i在节点j计算需要的能量;
步骤3-5-4:比较任务的最晚完成时间si和任务在不同节点的执行需要的时间Tij,若Tij>si,则在二分图中去除相应的可选边;
步骤3-5-5:比较任务i在节点j执行时消耗的能量Eij和节点j的剩余能量Eresj,若Eij>Eresj,则在二分图中去除相应的可选边。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明用于在分布式节点中共享计算和通信资源,使单个节点生成的任务能够在周围大量空闲节点中以更小的能耗,更低的时延得到处理。首先根据任务的多维属性,通过层次分析法确定任务执行的优先级,保证了紧急的任务能够获得优先执行权,其次建立时延和能耗的计算模型,并将其转化为最大二分图权值匹配模型,运用KM算法求得其最优解,有效的降低了任务处理的时延和能耗。相比现有技术中只是考虑到如何降低能耗或者时延其中一项,本发明提供的方案能够根据用户的需求以及任务的特点灵活确定任务分配的目标,有效的降低在分布式节点中任务执行的时间或能耗。
附图说明
图1是分布式无线网络网络模型;
图2是采用层次分析法确定任务优先级的模型;
图3是任务分配模型;
图4是采用KM算法构建的二分图匹配模型;
图5是异构无线网络中基于KM算法的任务分配方法实施流程图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示,搭建分布式无线网络网络模型,包括一个中心节点和多个分布式节点。中心节点与分布式节点通过无线连接进行通信,中心节点收集并更新分布式节点的状态信息,如剩余能量,空闲时间,计算速度,功耗等,基于这些信息,对各节点提交的任务进行分配,同时中心节点还需获取各节点的网络拓扑信息,中心节点不参与任务的执行。分布式节点是具有计算、通信、存储等功能的异构设备。同样,分布式节点之间通过无线连接,各节点地位平等,每个节点既可以发起任务,也可以参与完成其他节点的任务,从而在网络边缘共享计算和通信资源。本发明使用无向图G={N,E}来表示多个分布式节点构成的网络。N={n1,n2…nN}表示网络中的N个节点,E={eij}表示分布式节点之间的连接,对于节点ni,fi表示它的计算速度,即单位时间内的CPU周期,Pti,Pri分别表示ni的发送功率和接收功率。Pci表示单位时间内ni计算消耗的能量,dij为两个节点之间的传输速度,Eresi表示节点的剩余能量。
图1中,若节点n1产生多个计算密集型任务,而目前它的计算资源被其他应用程序大量占用,此时,节点n1将任务信息提交给中心节点,中心节点结合状态信息,将任务在与n1直接相连的(包括n1)n2,n4中进行分配,以便于节省任务的执行时间或者能耗。
分布式节点中,某个节点产生了k个任务,T={t1,t2,…,tk},由于每个任务具有不同的属性,因此需要在分布式节点中对任务进行优先级排序。对每个任务,本发明通过一组参数建模,ti={li,oi,wi,si},其中,li表示任务输入数据的大小,oi表示任务输出数据的大小,wi表示任务的计算负载,使用任务需要的CPU周期数衡量,si表示任务的最晚完成时间。
如图2所示,通过层次分析法对任务进行优先级排序,层次分析法包括三层,目标层A,准则层B、方案层C。其中,任务的最晚完成时间相比输入数据大小、计算负载、输出数据的大小更重要。因此,在层次分析模型中,任务的最晚完成时间在优先级划分中所占的权重最高。
判断矩阵表示同一层次中各个因素对于上一层次某个因素的重要程度,可以通过对同一层次的因素进行两两比较得到。如A层次中的因素Ak与B层次中的n个因素有关,则可以建立,B1 B2 Bn对Ak的判断矩阵。
其中bij是相对重要性的比例标度取1-9之间,
本发明中需要四个判断矩阵,包括一个目标层判断矩阵A-B和3个准则层的判断矩阵B1-C、B2-C、B3-C。分别求出A-B矩阵和三个准则层矩阵的最大特性值对应的特征向量,Θ=[θ1,θ2,θ3]T, 表示节点的第k个任务对决策层中的第i个因素的权重。将特征向量中各分量的大小作为对下一层次中各因素排列的根据;其值越大,表示下一层次中的因素对于上一层次某因素越重要,所有任务的权重所对应的矢量组成矩阵为
则各个任务的优先级向量PV为:
如图3所示,各个分布式节点对任务优先级进行排序后,每次将优先级最高的任务信息传输至中心节点,进行一轮任务分配,直到所有节点的任务分配完成,
中心节点收到各个节点发送的任务信息后,将任务在各节点之间成分配,使得任务执行时间或能耗最小,同时需要确保节点的剩余能量要大于执行所分配任务需要的能量,以及任务执行的时间小于任务的最晚完成时间。
在图3中,节点n6没有待分配的任务,其相邻节点也没有待分配的任务,因此n6是冗余节点,应该去除。本发明将待分配的任务作为T集,即任务集,将去除冗余节点后的其他节点作为N集,即节点集,节点之间的网络拓扑作为可选边,构建初始二分图。
计算二分图中可选边的权值,即任务在不同节点执行的时间Tij或能耗Eij。计算方法如下:
El i=Eci=Tci·Pci为任务i在本地执行时所需的能量,Eo ij=Esij+Ecij为任务i在节点j执行时所需的能量,其中Esij=li·(Pti+Prj)+oi·(Ptj+Pri)为传输数据需要的能量,Ecij=Tcij·Pcj为节点j计算需要的能量。
比较任务的最晚完成时间si和任务在不同节点的执行需要的时间Tij,若Tij>si,则在二分图中去除相应的可选边。
比较任务i在节点j执行时消耗的能量Eij和节点j的剩余能量Eresj,若Eij>Eresj,则在二分图中去除相应的可选边。
对修改后的二分图,使用KM算法进行任务分配。
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。
Claims (4)
1.一种面向时延和能效敏感业务的分布式无线网络任务协同分配方法,其特征在于:包括以下三个步骤:
步骤1:搭建分布式无线网络模型,包括1个中心节点和N个相互协作的分布式节点,N为大于1的自然数,中心节点与分布式节点通过无线连接进行通信,分布式节点之间通过无线连接,各分布式节点地位平等,分布式节点能够发起任务或参与完成其他节点的任务,在网络边缘共享计算和通信资源;
步骤2:在各个分布式节点本地,采用层次分析法,即Analytic Hierachy Process进行任务优先级排序,紧急的任务优先处理,然后各个节点依次将当前优先级最高的任务信息传输至中心节点;
步骤3:中心节点利用对各个分布式节点状态信息、任务信息、网络信息构建二分图最大权值匹配模型,并利用基于KM,即Kuhn-Munkras算法的任务分配方法将任务进行重新分配。
2.根据权利要求1所述的面向时延和能效敏感业务的分布式无线网络任务协同分配方法,其特征在于:步骤2采用层次分析法为节点的多个任务分配优先级时,将任务的多维属性作为任务优先级排序的依据,构建层次分析法的三层模型,对不同属性进行定性和定量的分析决策来确定任务优先级,包括以下步骤:
步骤2-1:确定分配任务优先级时需要考虑的任务属性,并将任务优先级的问题表示为一个有序的递阶层次结构,包括目标层A,准则层B、方案层C,其中方案层为当前未确定优先级的任务,准则层为分配任务优先级时考虑的任务属性,包括任务输入数据的大小、输出数据的大小、任务的计算负载、任务的最晚完成时间,目标层即为任务分配的优先级次序;
步骤2-2:构造判断矩阵,判断矩阵表示同一层次中各个因素对于上一层次某个因素的重要程度,可以通过对同一层次的因素进行两两比较得到,不同任务对某一因素比较时,相对重要性的比例标度取1-9之间;
步骤2-3:层次排序,求步骤2得到的判断矩阵的最大特性值对应的特征向量,Θ表示准则层对目标层的特征向量Θ=[θ1,θ2…θk]T,θk为元素值,Φi表示方案层中的任务对准则层中的第i个因素的特征向量其元素表示节点的第m个任务对准则层中的第i个因素的权重,将特征向量中各分量的大小作为对下一层次中各因素排列的根据;其值越大,表示下一层次中的因素对于上一层次某因素越重要,所有任务的权重所对应的矢量组成矩阵为
则各个任务的优先级向量PV为
PV向量中的值代表了任务的优先级别。
3.根据权利要求2所述的面向时延和能效敏感业务的分布式无线网络任务协同分配方法,其特征在于,步骤3包括以下步骤:
步骤3-1:中心节点获取所有分布式节点的网络连接信息,包括节点之间是否存在连接,以及节点之间传输数据的速率;
步骤3-3:每个分布式节点通过层次分析法对产生的任务进行优先级排序;
步骤3-4:每个分布式节点依次将优先级最高的任务信息传输至中心节点,任务信息包括li任务输入数据的大小,oi任务输出数据的大小,wi任务的计算负载,使用任务需要的CPU周期数衡量,si任务的最晚完成时间;
步骤3-5:中心节点构建二分图;
步骤3-6:根据二分图,使用KM算法进行任务分配。
4.根据权利要求3所述的面向时延和能效敏感业务的分布式无线网络任务协同分配方法,其特征在于,步骤3-5中心节点构建二分图包括如下步骤:
步骤3-5-1:中心节点根据网络拓扑结构以及任务所属节点去除冗余节点,若一个节点没有待分配的任务,其相邻节点也没有待分配的任务,则认为该节点为冗余节点;
步骤3-5-2:中心节点构建初始二分图,其中待分配的任务作为任务集T,去除冗余节点后的其他节点作为节点集N,节点之间的网络拓扑作为可选边,每条可选边连接的两个顶点,一个在T中,另一个在N中;
步骤3-5-3:中心节点计算二分图中可选边的权值,即任务在不同节点执行的时间Tij或能耗Eij,
Tl i=Tiidle+Tci为任务i在本地执行的时间,Tiidle表示节点i可用于处理所分配任务的时间,若节点当前空闲,则为零,即表示无需等待,Tci为任务在本地计算的时间。To ij=Tsij+Tcij+Tjidle表示任务在其相邻节点执行的时间。其中Tsij为传输数据需要的时间,Tcij为任务i在节点j计算需要的时间,
El i=Eci=Tci·Pci为任务i在本地执行时所需的能量,Eo ij=Esij+Ecij为任务i在节点j执行时所需的能量,其中Esij=li·(Pti+Prj)+oi·(Ptj+Pri)为传输数据需要的能量,Ecij=Tcij·Pcj为任务i在节点j计算需要的能量;
步骤3-5-4:比较任务的最晚完成时间si和任务在不同节点的执行需要的时间Tij,若Tij>si,则在二分图中去除相应的可选边;
步骤3-5-5:比较任务在不同节点执行时消耗的能量Eij和节点的剩余能量Eresj,若Eij>Eresj,则在二分图中去除相应的可选边。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010448805.8A CN111556516B (zh) | 2020-05-25 | 2020-05-25 | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010448805.8A CN111556516B (zh) | 2020-05-25 | 2020-05-25 | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111556516A true CN111556516A (zh) | 2020-08-18 |
CN111556516B CN111556516B (zh) | 2022-08-16 |
Family
ID=72008494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010448805.8A Active CN111556516B (zh) | 2020-05-25 | 2020-05-25 | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111556516B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112153145A (zh) * | 2020-09-26 | 2020-12-29 | 江苏方天电力技术有限公司 | 5g边缘环境下面向车联网的计算任务卸载方法及装置 |
CN112511652A (zh) * | 2021-02-03 | 2021-03-16 | 电子科技大学 | 一种边缘计算下的合作计算任务分配方法 |
CN113114714A (zh) * | 2020-11-03 | 2021-07-13 | 吉林大学 | 一种大规模任务卸载到5g边缘服务器的节能方法及系统 |
CN113794768A (zh) * | 2021-09-13 | 2021-12-14 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
CN114826934A (zh) * | 2022-03-14 | 2022-07-29 | 中国人民解放军国防科技大学 | 一种面向加权网络的通信效能评估方法和系统 |
CN114979141A (zh) * | 2022-05-13 | 2022-08-30 | 北京百度网讯科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761928A (zh) * | 2011-04-25 | 2012-10-31 | 上海无线通信研究中心 | 基于业务QoS的群组用户异构网络切换方法 |
CN103139069A (zh) * | 2013-03-15 | 2013-06-05 | 北京安拓思科技有限责任公司 | 基于层次分析法的多度量参数的通信网路由方法 |
CN104461748A (zh) * | 2015-01-04 | 2015-03-25 | 电子科技大学 | 一种基于MapReduce的最优本地化任务调度方法 |
CN110633144A (zh) * | 2019-08-23 | 2019-12-31 | 成都华为技术有限公司 | 一种边缘云的融合管理的方法及装置 |
-
2020
- 2020-05-25 CN CN202010448805.8A patent/CN111556516B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761928A (zh) * | 2011-04-25 | 2012-10-31 | 上海无线通信研究中心 | 基于业务QoS的群组用户异构网络切换方法 |
CN103139069A (zh) * | 2013-03-15 | 2013-06-05 | 北京安拓思科技有限责任公司 | 基于层次分析法的多度量参数的通信网路由方法 |
CN104461748A (zh) * | 2015-01-04 | 2015-03-25 | 电子科技大学 | 一种基于MapReduce的最优本地化任务调度方法 |
CN110633144A (zh) * | 2019-08-23 | 2019-12-31 | 成都华为技术有限公司 | 一种边缘云的融合管理的方法及装置 |
Non-Patent Citations (3)
Title |
---|
刘译文: "基于分布式计算智能的城市出租车最优化调度算法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
田兴鹏: "移动设备云中的任务卸载方法研究", 《 中国优秀硕士学位论文全文数据库 信息科技辑》 * |
田兴鹏等: "基于KM算法的分布式无线节点任务分配方法", 《北京邮电大学学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112153145A (zh) * | 2020-09-26 | 2020-12-29 | 江苏方天电力技术有限公司 | 5g边缘环境下面向车联网的计算任务卸载方法及装置 |
CN113114714A (zh) * | 2020-11-03 | 2021-07-13 | 吉林大学 | 一种大规模任务卸载到5g边缘服务器的节能方法及系统 |
CN113114714B (zh) * | 2020-11-03 | 2022-03-01 | 吉林大学 | 一种大规模任务卸载到5g边缘服务器的节能方法及系统 |
CN112511652A (zh) * | 2021-02-03 | 2021-03-16 | 电子科技大学 | 一种边缘计算下的合作计算任务分配方法 |
CN112511652B (zh) * | 2021-02-03 | 2021-04-30 | 电子科技大学 | 一种边缘计算下的合作计算任务分配方法 |
CN113794768A (zh) * | 2021-09-13 | 2021-12-14 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
CN113794768B (zh) * | 2021-09-13 | 2024-01-23 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
CN114826934A (zh) * | 2022-03-14 | 2022-07-29 | 中国人民解放军国防科技大学 | 一种面向加权网络的通信效能评估方法和系统 |
CN114826934B (zh) * | 2022-03-14 | 2023-08-22 | 中国人民解放军国防科技大学 | 一种面向加权网络的通信效能评估方法和系统 |
CN114979141A (zh) * | 2022-05-13 | 2022-08-30 | 北京百度网讯科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
CN114979141B (zh) * | 2022-05-13 | 2024-04-26 | 北京百度网讯科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111556516B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111556516B (zh) | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 | |
Cui et al. | A novel offloading scheduling method for mobile application in mobile edge computing | |
CN111475274B (zh) | 云协同多任务调度方法及装置 | |
Liu et al. | Task scheduling in fog enabled Internet of Things for smart cities | |
CN111538570B (zh) | 一种面向节能和QoS保障的VNF部署方法及装置 | |
CN111861793B (zh) | 基于云边协同计算架构的配用电业务分配方法及装置 | |
WO2023040022A1 (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
CN104901989A (zh) | 一种现场服务提供系统及方法 | |
Li et al. | Resource scheduling based on improved spectral clustering algorithm in edge computing | |
CN112650581A (zh) | 一种面向智能楼宇的云边协同任务调度方法 | |
CN111984419A (zh) | 一种边缘环境可靠性约束的复杂任务计算迁移方法 | |
Nguyen et al. | Two-stage robust edge service placement and sizing under demand uncertainty | |
Zhang et al. | Online scheduling optimization for DAG-based requests through reinforcement learning in collaboration edge networks | |
CN115629865B (zh) | 一种基于边缘计算的深度学习推理任务调度方法 | |
Li et al. | Dynamic computation offloading based on graph partitioning in mobile edge computing | |
CN114816739B (zh) | 针对负载均衡的片上网络增量任务映射方法 | |
CN113159539B (zh) | 多层边缘计算系统中联合绿色能量调度和动态任务分配方法 | |
Hu et al. | Deep reinforcement learning for task offloading in edge computing assisted power IoT | |
CN115225643A (zh) | 点云平台大数据分布式管理方法、装置及系统 | |
Liu et al. | Multi-User Dynamic Computation Offloading and Resource Allocation in 5G MEC Heterogeneous Networks With Static and Dynamic Subchannels | |
CN116347522A (zh) | 云边协同下基于近似计算复用的任务卸载方法及装置 | |
CN111162852A (zh) | 一种基于匹配学习的泛在电力物联网接入方法 | |
CN114615705B (zh) | 一种基于5g网络下单用户资源分配策略方法 | |
CN116170881A (zh) | 一种基于边缘计算的跨域资源分配与卸载方法及系统 | |
CN115361453A (zh) | 一种面向边缘服务网络的负载公平卸载与迁移方法 |
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 |