CN112084034B - 一种基于边缘平台层调节系数的mct调度方法 - Google Patents

一种基于边缘平台层调节系数的mct调度方法 Download PDF

Info

Publication number
CN112084034B
CN112084034B CN202010985157.XA CN202010985157A CN112084034B CN 112084034 B CN112084034 B CN 112084034B CN 202010985157 A CN202010985157 A CN 202010985157A CN 112084034 B CN112084034 B CN 112084034B
Authority
CN
China
Prior art keywords
mct
scheduling
edge
task
adj
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
Application number
CN202010985157.XA
Other languages
English (en)
Other versions
CN112084034A (zh
Inventor
王志会
丁祥海
王元楷
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202010985157.XA priority Critical patent/CN112084034B/zh
Publication of CN112084034A publication Critical patent/CN112084034A/zh
Application granted granted Critical
Publication of CN112084034B publication Critical patent/CN112084034B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F9/50—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/61—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/5021—Priority
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于边缘平台层调节系数的MCT调度方法，包括：S11.根据MCT的紧急重要度、复杂度，建立MCT调度的调节系数模型；S12.根据MCT上传和处理过程中消耗的时间和能量，确定MCT的总消耗；S13.基于建立MCT调度的调节系数模型以及确定MCT的总消耗，建立了基于动态规划理论、MAX法则、MIN法则的MCT调度机制，分别实现了以通信成本最低、均衡系统负载、最大化边缘平台计算资源利用率的调度目标。本发明面向边缘平台处理端的MCT，构建了调节系数，以保证紧急型、重要型制造计算任务获得充足的计算资源，且基于调节系数建立多种调度机制，以实现不同的调度目标。

Description

一种基于边缘平台层调节系数的MCT调度方法
技术领域
本发明涉及任务调度机制技术领域，尤其涉及一种基于边缘平台层调节系数的MCT调度方法。
背景技术
物联网、智能制造、人工智能、工业4.0、图像识别等技术的不断发展，使得终端智能设备(手机、平板、可穿戴设备、传感器、摄像头等)数量激增，以致实时产生的数据量呈几何级数增长。同时，终端用户对实时性、带宽、能耗、数据安全与隐私等方面提出了更高要求。由云计算发展而来的边缘计算，提供了云层、边缘平台层、终端层三层计算任务处理端，相较传统意义上的数据全部上传至云中心进行处理的方式，可有效降低系统延迟，提升服务质量和用户体验，弥补了传统集中式计算模型的不足。
边缘计算背景下，现有对计算任务的调度机制、迁移策略的研究，已经取得一定的进展。AHN S等以能源为中心，将多用户间的卸载竞争行为抽象成非合作博弈，提出边缘计算任务调度方案，但缺乏对任务本身特性(紧急度、重要度)的考虑。项弘禹考虑了核心边缘服务器的功能，融合网络切片技术，构建了运营商的低成本网络服务模型，但未详细指出任务的调度机制。ZHANG K考虑了前传和回传网络的链路状况，在保证时延的前提下对消耗能量进行优化，但未考虑到任务调度的距离成本和时间成本。YOU C根据时隙内信道质量、本地计算能量消耗及终端用户间的公平性，提出基于阈值的最优资源分配策略，但未考虑到边缘平台计算资源的利用率，忽略了平衡系统负载。O考虑了待处理数据量、本地和边缘服务器的计算能力、终端用户和基站之间的信道状态和能耗，提出基于任务计算队列和无线信道状态的动态任务调度机制，但未考虑到部分边缘服务器异常或计算能力受限时的调度机制。VALERIO V D考虑了通信、计算资源重载和虚拟机迁移能耗，提出计算卸载的资源分配方案，但在具体行业背景的应用不够深入。
综上，各位研究者们的研究内容各有侧重，研究成果均具备应用价值，但也存在一定的局限性，如研究内容过多地关注通信和计算能力等方面，而很少考虑到行业背景、实际应用及任务特性对调度机制的影响等等。
发明内容
本发明的目的是针对现有技术的缺陷，提供了一种基于边缘平台层调节系数的MCT调度方法，边缘计算可提供云-边缘平台-终端三层数据处理端，面向边缘平台处理端的MCT，需构建调节系数，以保证紧急型、重要型MCT获得充足的计算资源，且基于调节系数建立多种调度机制，以实现不同的调度目标。
为了实现以上目的，本发明采用以下技术方案：
一种基于边缘平台层调节系数的MCT调度方法，包括：
S1.根据MCT的紧急重要度、复杂度，建立MCT调度的调节系数模型；
S2.根据MCT上传和处理过程中消耗的时间和能量，确定MCT的总消耗；
S3.基于建立MCT调度的调节系数模型以及确定MCT的总消耗，建立了基于动态规划理论、MAX法则、MIN法则MCT的调度机制。
进一步的，所述步骤S1中MCT的紧急重要度包括MCT的紧急度和MCT的重要度；
MCT的紧急度，具体为：
定义任务排序函数CONi，将MCTi按照最晚完成时间和任务截止期间的差值Ti-fin的大小排序；
T1-fin≤T2-fin≤T3-fin≤…≤Tn-fin
定义编号函数NUMi，来表示Ti-fin排序后的编码值；
MCTi任务紧急度URGi定义为：
其中，URGi表示任务完成的紧急度；Ti-fin表示MCTi最晚完成时间和任务截止期间的差值；MCTi表示第i个MCT；
MCTi的重要度，表示为：
其中，IMPi表示MCTi的重要度；CIMPi表示MCTi相对于其他MCT的重要度系数。
进一步的，所述步骤S1中MCTi的紧急重要度，表示为：
URGi′、IMPi′∈(0,1)
URG&IMPi∈[0,1]
其中，URGi′表示规范化处理后的URGi；IMPi′表示规范化处理后的IMPi；URGmax和IMPmax分别表示本周期内MCT集合中的紧急度和重要度的最大值；URGmin和IMPmin分别表示本周期内MCT集合中的紧急度和重要度的最小值；URG&IMPi表示MCT的紧急重要度。
进一步的，所述步骤S1中MCT的复杂度，表示为：
COMi∈[0,1]
TYPi′、QUAi′、LEVi′∈[0,1]
QUAi≥0
TYPi＝{0,1,2,3,4,5}
LEVi＝{1,2,3,4,5,6,7,8,9,10}
其中，COMi表示MCTi的复杂度；TYPi′表示规范化处理后的TYPi；QUAi′表示规范化处理后的QUAi；LEVi′表示规范化处理后的LEVi；TYPi表示MCTi所需制造计算资源五大模块的种类个数；QUAi表示MCTi所需制造计算资源各模块数量；LEVi表示MCTi所需制造计算资源各模块的等级。
进一步的，所述步骤S1中建立MCT调度的调节系数模型，具体包括：
A1.构建调节系数矩阵ADJ2×3：
ADJ12＝(ADJ11+ADJ13)/2
其中，ADJ11表示MCT的紧急度URG；ADJ12表示矩阵空缺值，采用中值法进行填充；ADJ13表示MCT的重要度IMP；ADJ21表示MCT所需制造计算资源五大模块的种类个数TYP；ADJ22表示MCT所需制造计算资源各模块数量QUA；ADJ23表示MCT所需制造计算资源各模块的等级LEV；
A2.对数据进行标准化处理，其中标准化处理包括同趋化处理和无量纲处理；
对数据进行同趋化处理后，得到矩阵a：
s＝{1,2}
t＝{1,2,3}
其中，s表示矩阵第几行；t表示矩阵第几列；ADJsti表示MCTi的ADJst数值；表示ADJsti的平均值；
再经无量纲化处理，得标准化后的评价矩阵b：
A3.计算信息熵d，表示为：
A4.计算指标变异度e，表示为：
A5.计算各二级指标权重w，表示为：
利用熵权法获得的各二级指标客观权重αj，构造加权后的决策矩阵c，表示为：
MCTi的紧急重要度权重χ1-i，可表示为：
χ1-i＝c11+c12+c13＝w11b11+w12b12+w13b13
MCTi的复杂度权重χ2-i，可表示为：
χ2-i＝c21+c22+c23＝w21b21+w22b22+w23b23
MCTi的调节系数，可表示为：
ADJi＝χ1-i·URG&IMPi+χ2-i·COMi
其中，ADJi表示MCTi的调节系数。
进一步的，所述步骤S2中根据任务上传和处理过程中消耗的时间和能量，具体为：
任务上传过程中消耗的时间和能量：
用户从本地通过无线信道将MCTi上传到边缘平台层的过程中，所需的时间ti-tra为：
其中，Di表示终端用户上传MCTi的数据量，Ci表示终端用户上传MCTi的最大传输速率；
终端用户上传MCTi至边缘平台层消耗的能量Ei-tra为：
其中，ei表示终端用户与基站通信中单位时间内的发射功率；
任务处理过程中消耗的时间和能量：
边缘节点处理MCTi所需的时间ti-exc为：
其中，Di表示终端用户上传的MCTi的数据量，Si表示边缘服务器CPU运行的时钟频率；
边缘节点处理MCTi所消耗的能量Ei-exc为：
Ei-exc＝ηi·Ti
Ti·Si＝1
其中，ηi表示边缘服务器CPU每时钟周期的功耗，Ti表示完成MCTi所需的边缘节点CPU运算循环周期。
进一步的，所述步骤S2中确定MCTi的总消耗，表示为：
其中，SCOMPi表示MCTi的总消耗；分别表示MCTi对时间窗口和能量窗口的重要程度；/>分别表示MCTi在时间维度下任务上传和边缘层任务处理时的敏感程度；/>分别表示MCTi在能量维度下任务上传和边缘层任务处理时的敏感程度。
进一步的，所述步骤S3中建立了基于动态规划理论MCT的调度机制，具体为：
B1.在调节系数的作用下，将MCT进行排序，确定MCT处理的先后顺序；
B2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成任务所花费的通信成本集SETCOST；
B3.考虑以通信成本最低为第一目标，若多个边缘节点的通信成本相同，将边缘节点总利用率最高为第二目标，将MCT依次分配给能满足所需计算总消耗的边缘服务器；
B4.更新各集合状态；
B5.重复过程B3、B4，直至所有制造任务分配结束。
进一步的，所述步骤S3中建立了MAX法则MCT的调度机制，具体为：
C1.根据调节系数的大小，将各MCT排序，确定MCT处理的先后顺序；
C2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成MCT所花费的通信成本集SETCOST；
C3.考虑以均衡边缘节点负载为目标，若当前具有最大计算能力的边缘节点不唯一，将调度至通信成本较低的一方，以使均衡边缘节点负载；
C4.更新各集合状态；
C5.重复过程C3、C4，直至所有制造任务分配结束。
进一步的，所述步骤S3中建立了基于MIN法则MCT的调度机制，具体为：
D1.在调节系数的作用下，将MCT进行排序，确定MCT处理的先后顺序；
D2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成任务所花费的通信成本集SETCOST；
D3.考虑以最大化边缘节点利用率为目标，若多个边缘节点计算能力均为最小值，将调度至通信成本较低的一方；
D4.更新各集合状态；
D5.重复过程D3、D4，直至所有制造任务分配结束。
与现有技术相比，本发明在智能制造背景下，面向边缘计算架构层中处于边缘平台层的MCT，提出多目标下具有调节系数效应的MCT调度机制。该机制考虑了制造任务本身的紧急度、重要程度、任务复杂度对调度结果的影响，利用熵权法建立智能制造MCT的调节系数，从而确定MCT处理的优先顺序；再通过各个MCT所需的计算资源(需求方)和边缘节点的计算能力(供求方)之间的供需关系，以及通信产生的成本费用，分别建立具优先级的以调度成本最小、系统负载均衡、边缘平台计算资源总利用率最高为目标的调度机制，并比较分析了调节系数在不同调度机制中的作用。
附图说明
图1是实施例一提供的一种基于边缘平台层调节系数的MCT调度方法流程图；
图2是实施例一提供的调节系数的指标体系架构示意图；
图3是实施例一提供的任务时间数轴示意图；
图4是实施例一提供的边缘计算网络架构示意图；
图5是实施例一提供的边缘层任务调度简示意图；
图6是实施例二提供的调度机制初始状态示意图；
图7是实施例二提供的基于ADJ-动态规划理论的调度结果示意图；
图8是实施例二提供的基于ADJ-MAX法则的调度结果示意图；
图9是实施例二提供的基于ADJ-MIN法则的调度结果示意图；
图10是实施例二提供的三种调度机制的调度结果的统计示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
本发明的目的是针对现有技术的缺陷，提供了一种基于边缘平台层调节系数的MCT调度方法。
实施例一
本实施例提供一种基于边缘平台层调节系数的MCT调度方法，如图1所示，包括：
S11.根据MCT的紧急重要度、复杂度，建立MCT调度的调节系数模型；
S12.根据MCT上传和处理过程中消耗的时间和能量，确定MCT的总消耗；
S13.基于建立MCT调度的调节系数模型以及确定MCT的总消耗，建立了基于动态规划理论、MAX法则、MIN法则的MCT的调度机制。
MCT：制造计算任务(Manufacturing Computing Task，简称MCT)。
在步骤S11中，根据MCT的紧急重要度、复杂度，建立MCT调度的调节系数模型。
本实施例采用基于改进熵权法确定调节系数，具体为：
本实施例结合主观赋权法和客观赋权法，使用基于改进熵权TOPSIS的组合赋权法确定多级指标的权重，不需要确定隶属函数等主观性参数，使评价结果更具客观性。边缘平台层MCT，并非按照单个计算任务先到先处理的调度机制，而是经过一定的时间周期后对任务流成批量处理，构建边缘平台层MCT调度的调节系数，调整MCT处理的先后顺序，有利于确保特殊MCT对延迟时间及资源的需求，降低系统的响应时间。
调节系数的建立主要分为三个阶段，第一阶段，依据MCT的时间紧迫程度及重要程度，得到任务紧急重要度；第二阶段，对排序后的MCT所需的制造计算资源包进行无量纲化处理，根据MCT所需的制造计算资源包的种类、数量和等级，确定任务复杂度；第三阶段，考虑MCT的复杂度和紧急重要度，采用熵权法建立MCT的调节系数。调节系数指标体系如图2所示。
任务紧急重要度：
因部分MCT具备特殊性，如延迟时间受限明显、时效性强，或对任务调度具有重大影响等，故构建边缘平台层MCT调度机制时，需将任务紧急重要度考虑在内。第i个MCTi的紧急重要度包含任务紧急度URGi和重要度IMPi。
在本实施例中，MCT的紧急度，具体为：
任务紧急度URG用来表示任务完成的紧急程度，主要影响因素是剩余交付时间Ti-fin，即MCTi最晚完成时间和任务截止期间的差值。时间轴上以任务截止期为基准，来表示MCTi的最晚完成时间。如图3所示。
规定：当Ti-fin>0时，MCTi距离任务截止期的剩余时间越少，其紧急度越高；当Ti-fin<0时，MCTi距离任务截止期的时间绝对值越大，其紧急度越高。而且，规定优先处理超期MCTi。
(1)定义任务排序函数CONi，将MCTi按照最晚完成时间和任务截止期间的差值Ti-fin的大小排序；
T1-fin≤T2-fin≤T3-fin≤…≤Tn-fin
(2)定义编号函数NUMi，来表示Ti-fin排序后的编码值；
(3)MCTi任务紧急度URGi定义为：
其中，URGi表示任务完成的紧急度；Ti-fin表示MCTi最晚完成时间和任务截止期间的差值；MCTi表示第i个MCT；
在本实施例中，MCT的重要度，具体为：
任务重要度IMPi为MCTi相较于任务集合中其他任务的重要程度，根据MCTi发布的部门及岗位级别，将MCTi对应的重要度系数CIMPi设置为9、7、5、3、1。且任务集合中各任务重要度和为1。
MCTi的任务重要度IMPi，表示为：
其中，IMPi表示MCTi的重要度；CIMPi表示MCTi相对于其他MCT的重要度系数。
在本实施例中，MCT的紧急重要度，具体为：
为统一标准，降低量纲对结果的影响，对URGi和IMPi进行最小-最大规范化处理，
URGi′、IMPi′∈(0,1)
MCTi的紧急重要度URG&IMPi为：
URG&IMPi∈[0,1]
其中，URGi′表示规范化处理后的URGi；IMPi′表示规范化处理后的IMPi；URGmax和IMPmax分别表示本周期内MCT集合中的紧急度和重要度的最大值；URGmin和IMPmin分别表示本周期内MCT集合中的紧急度和重要度的最小值；URG&IMPi表示MCTi的紧急重要度。
在本实施例中，MCT的复杂度，具体为：
因MCTi具备多样性，所消耗的制造计算资源不同，导致了MCTi的复杂度不一，故构建边缘层MCTi调度机制时，需要考虑MCTi的复杂度。MCTi不同，其所需制造计算资源的种类、数量和质量均不相同。因此，主要从三个维度来研究MCTi的复杂度，即所需制造计算资源五大模块的种类TYPi、所需制造计算资源各模块数量QUAi、所需制造计算资源各模块的等级LEVi。
MCTi的复杂程度COMi Δ(TYPi，QUAi，LEVi)，TYPi表示MCTi所需制造计算资源五大模块的种类个数，QUAi表示MCTi所需制造计算资源各模块数量，LEVi表示MCTi所需制造计算资源各模块的等级，TYPi’、QUAi’、LEVi’分别为经规范化处理后的TYPi、QUAi、LEVi，建立任务复杂度COMi模型如下：
COMi∈[0,1]
TYPi′、QUAi′、LEVi′∈[0,1]
QUAi≥0
TYPi＝{0,1,2,3,4,5}
LEVi＝{1,2,3,4,5,6,7,8,9,10}
其中，COMi表示MCTi的复杂度；TYPi′表示规范化处理后的TYPi；QUAi′表示规范化处理后的QUAi；LEVi′表示规范化处理后的LEVi；TYPi表示MCTi所需制造计算资源五大模块的种类个数；QUAi表示MCTi所需制造计算资源各模块数量；LEVi表示MCTi所需制造计算资源各模块的等级。
在本实施例中，建立MCT调度的调节系数模型，具体为：
A1.构建调节系数矩阵ADJ2×3：
MCT的调节系数ADJ1表示一级评价指标任务紧急重要度URG&IMP，ADJ2表示一级评价指标任务复杂度COM。ADJ1具有紧急度ADJ11、重要度ADJ13两个二级评价指标，ADJ2具有种类ADJ21、数量ADJ22、等级ADJ23三个二级评价指标。因二级指标个数不相等，需对TOPSIS熵权法进行改进，即在评价矩阵中采用中间值法进行填充，令矩阵空缺值ADJ12＝(ADJ11+ADJ13)/2。二级指标评价矩阵A为：
需要说明的是，ADJ11表示MCT的紧急度URG；ADJ12表示矩阵空缺值，采用中值法进行填充；ADJ13表示MCT的重要度IMP；ADJ21表示MCT所需制造计算资源五大模块的种类个数TYP；ADJ22表示MCT所需制造计算资源各模块数量QUA；ADJ23表示MCT所需制造计算资源各模块的等级LEV。
建立MCT调度的调节系数模型具体包括：
A2.对数据进行标准化处理，其中标准化处理包括同趋化处理和无量纲处理；
对数据进行标准化处理。因各指标量纲不同，数据无可比性，为消除量纲对研究内容的影响，也为了正确反映指标价值，需对评价矩阵进行标准化处理，主要包括同趋化处理和无量纲处理。
标准偏差反映出数值相对于平均值(mean)的离散程度，可观察到数值的分布态势，对数据进行同趋化处理后，得到矩阵a：
s＝{1,2}
t＝{1,2,3}
其中，s表示矩阵第几行；t表示矩阵第几列；ADJsti表示MCTi的ADJst数值；表示ADJsti的平均值；
再经无量纲化处理，得标准化后的评价矩阵b：
A3.计算信息熵d，表示为：
A4.计算指标变异度e，表示为：
A5.计算各二级指标权重w，表示为：
利用熵权法获得的各二级指标客观权重αj，构造加权后的决策矩阵c，表示为：
MCTi的紧急重要度权重χ1-i，可表示为：
χ1-i＝c11+c12+c13＝w11b11+w12b12+w13b13
MCTi的复杂度权重χ2-i，可表示为：
χ2-i＝c21+c22+c23＝w21b21+w22b22+w23b23
MCTi的调节系数，可表示为：
ADJi＝χ1-i·URG&IMPi+χ2-i·COMi
其中，ADJi表示MCTi的调节系数。
在步骤S12中，根据任务上传和处理过程中消耗的时间和能量，确定MCT的总消耗。
由多类型终端设备产生的大规模数据流有多层处理方式，任务实时性要求较高，且所需计算能力、存储能力要求不高时，终端用户可以通过基站将部分MCT卸载到附近边缘节点进行处理，有利于提升系统响应速度，降低系统响应时间。边缘平台层MCT的计算总消耗分任务上传和任务处理两个阶段，具体包含任务上传时间及能量消耗、任务处理时间及能量消耗。因边缘平台层节点的发射功率很大，故可忽略边缘节点将处理后的数据回传至本地终端层的时间。边缘计算网络架构图如图4所示。
在本实施例中，根据任务上传和处理过程中消耗的时间和能量，具体为：
任务上传过程中消耗的时间和能量：
终端用户即时产生的MCTi Δ(Di,Ti)，Di表示终端用户上传的MCTi的数据量，Ti表示完成MCTi所需的CPU运算循环周期。
在被高斯白噪声干扰的信道中，香农频谱公式提出并证明了最大信息传送速率，即说明了终端用户将MCTi传送到边缘层过程中的数据上行传输速率。
Ci＝W log2(1+S/N)
其中，Ci表示MCTi的最大数据上传速率，W表示信道带宽(赫兹)，S表示信道内所传信号的平均功率(瓦)，N表示信道内的高斯噪声功率(瓦)。从中可发现，最大信道传送速率Ci与信道带宽W成正比，同时，也取决于系统信噪比S/N以及编码技术种类。
用户从本地通过无线信道将MCTi上传到边缘平台层的过程中，所需的时间ti-tra为：
其中，Di表示终端用户上传MCTi的数据量，Ci表示终端用户上传MCTi的最大传输速率；
终端用户上传MCTi至边缘平台层消耗的能量Ei-tra为：
其中，ei表示终端用户与基站通信中单位时间内的发射功率；
任务处理过程中消耗的时间和能量：
终端用户将MCTi成功迁移至边缘平台层后，原本地产生的MCTi将由边缘平台层具备处理能力的边缘节点处理。边缘节点处理MCTi所需的时间ti-exc为：
其中，Di表示终端用户上传的MCTi的数据量，Si表示边缘服务器CPU运行的时钟频率；
边缘节点处理MCT所消耗的能量Ei-exc为：
Ei-exc＝ηi·Ti
Ti·Si＝1
其中，ηi表示边缘服务器CPU每时钟周期的功耗，Ti表示完成MCTi所需的边缘节点CPU运算循环周期。
在本实施例中，确定MCT的总消耗，具体为：
综合考虑了终端用户上传MCTi所需的时间和能量、边缘平台层上处理MCTi所需的时间及能量，定义MCTi的计算总消耗SCOMPi为
其中，SCOMPi表示MCTi的总消耗；分别表示MCTi对时间窗口和能量窗口的重要程度；/>分别表示MCTi在时间维度下任务上传和边缘层任务处理时的敏感程度；/>分别表示MCTi在能量维度下任务上传和边缘层任务处理时的敏感程度。
在步骤S13中，基于建立MCT调度的调节系数模型以及确定MCT的总消耗，建立了基于动态规划理论、MAX法则、MIN法则的MCT调度机制，分别实现了以通信成本最低、均衡系统负载、最大化边缘平台计算资源利用率的调度目标。
确定了MCTi的调节系数ADJi后，任务管理器根据调节系数的大小，对每周期内时序流MCT进行排序，确定MCT处理的先后顺序。在此前提下，以MCT通信成本最低和边缘节点计算资源总利用率最高为目标，基于动态规划理论建立MCT的调度机制；以均衡负载为目标，基于MAX法则(调度至当前最大计算能力的边缘节点)建立MCT的调度机制；以最大化发挥边缘节点计算能力为目标，基于MIN法则(调度至当前最小计算能力的边缘节点)建立MCT的调度机制。三种调度机制均满足假设条件如下：
(1)单个MCT不可分割，只能在一个边缘节点进行处理，不考虑计算任务协同处理机制。
(2)边缘节点的计算能力在用尽之前，均持续性提供不超过其本身的计算能力，而不是断断续续提供计算资源，即不考虑某边缘节点间断性“消失”。
(3)不考虑边缘节点的卸载能力，即各边缘节点的计算能力随着任务的完成呈递减趋势。
(4)假设边缘节点可提供的计算资源不随时间改变，不考虑其老化现象。
(5)假设通信协议被广泛满足，边缘节点与MCT之间可实现互联互通。
(6)假设网络信号强度十分稳定，因而传输速率的波动较小，可忽略不计。
(7)假设某MCT传输失败，将保留原有优先级，立即重新上传，成功后方正常处理后续任务。
在本实施例中，建立了基于ADJ-动态规划理论的MCT调度机制，具体为：
在调节系数ADJ作用下，以通信成本最低为第一目标，通信成本相同时，将以最大化边缘节点计算资源总利用率为第二目标，提出了基于动态规划理论的边缘平台层MCT调度机制。由于调度过程的特殊性，可将调度过程分为若干具有先后顺序的决策过程，逐步寻优，当前状态的调度会影响之后的决策。各个阶段的决策需慎重考虑，因为它既依赖于当前系统状态，也会影响任务调度器之后的决策。该调度机制使用范围较为广泛，且调度过程实现了成本占优，costij表示MCTi调度至边缘节点j的通信成本。
情况一：任一边缘节点的计算资源可满足计算任务的需求时，即MCTi的处理节点不受限制，调度至任意边缘节点均可进行处理。在此前提条件下，制定边缘层MCTi的调度机制。如图5所示，调度机制如下：
B1.在调节系数的作用下，将MCT进行排序，确定MCT处理的先后顺序；
B2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成任务所花费的通信成本集SETCOST；
B3.首先考虑以通信成本最低为第一目标，若多个边缘节点的通信成本相同，将边缘节点总利用率最高为第二目标，将MCTi依次分配给能满足所需计算总消耗的边缘服务器即可。调度费用相同时倾向于选择满足需求的原计算能力较小的边缘节点，以使边缘平台获得较大的利用率，有效平衡系统负载；
B4.更新各集合状态；
B5.重复过程B3、B4，直至所有制造任务分配结束。
情况二：因部分边缘节点具备非完全公开性，或因设备故障原因，部分MCT访问计算资源时将会受限，称边缘节点j的计算资源受限，此时该MCTi将不能在此边缘节点进行处理。边缘平台层MCT调度过程中，需将MCTi使用边缘节点资源受限转化为MCTi使用边缘节点资源通信费用无穷大，重新建立完成MCT所花费的通信成本集SETCOST，调度策略中涉及的假设条件同上，然后执行上文的调度机制。
在本实施例中，建立了基于MAX法则的MCT调度机制，具体为：
在调节系数ADJ作用下，以均衡边缘节点负载能力为目标，提出基于MAX法则的边缘平台层MCT的调度机制，即忽略通信成本对调度过程产生的影响，不断缩小边缘节点计算能力之间的差异，尽可能使更多的边缘节点同时进行处理MCT，减少了MCT的等待处理时间，尽量在最短时间内完成MCT的处理。该调度机制尤其适用于任务超期，MCTi急需在较短时间内完成的场景。
情况一：MCTi的处理节点不受限制，调度至任意边缘节点均可进行处理。基于ADJ-MAX法则，建立MCTi在边缘平台的调度机制如下：
C1.根据调节系数的大小，将各MCT排序，确定MCT处理的先后顺序；
C2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成MCT所花费的通信成本集SETCOST；
C3.考虑以均衡边缘节点负载为目标，若当前具有最大计算能力的边缘节点不唯一，将调度至通信成本较低的一方，以使均衡边缘节点负载；
C4.更新各集合状态；
C5.重复过程C3、C4，直至所有制造任务分配结束。
情况二：MCTi不能在某边缘节点进行处理。若依据上述调度策略，该MCTi恰好需调度至该边缘节点进行处理，此时规定调度至当前计算能力次大的边缘节点进行处理。如果依据当前调度机制，处理MCTi的边缘节点和受限节点不一致，即MCTi虽然受限于某边缘节点，但依据调度机制，该边缘节点并不影响MCTi调度。之后，继续执行上文的调度机制。
在本实施例中，建立了基于MIN法则MCT的调度机制，具体为：
在调节系数ADJ作用下，以最大化发挥边缘节点计算能力为目标，提出基于MIN法则的边缘平台层MCT的调度机制，不计通信成本的影响，尽可能使得MCTi在较少的边缘节点处即可完成处理。该调度机制提升了边缘节点的利用率外，也减少了使用边缘节点的数量和成本。该调度机制适用于MCTi距离交付期时间较长，任务紧急度较低的场景。
情况一：MCTi在满足所需计算能力的边缘节点均可得到处理。基于ADJ-MIN法则，建立了MCTi在边缘平台的调度机制。
D1.在调节系数的作用下，将MCT进行排序，确定MCT处理的先后顺序；
D2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成任务所花费的通信成本集SETCOST；
D3.考虑以最大化边缘节点利用率为目标，若多个边缘节点计算能力均为最小值，将调度至通信成本较低的一方；
D4.更新各集合状态；
D5.重复过程D3、D4，直至所有制造任务分配结束。
情况二：MCTi处理所在的边缘节点受限。若上述调度策略显示，该MCTi恰需调度至该边缘节点进行处理，则限定调度至当前计算能力次小的边缘节点进行处理。若当前调度机制中，MCTi的处理边缘节点和受限边缘节点不一致，该边缘节点并不影响MCTi的实际调度。之后，继续运行上文的调度机制。
与现有技术相比，本实施例在智能制造背景下，面向边缘计算架构层中处于边缘平台层的MCT，提出多目标下具有调节系数效应的MCT调度机制。该机制考虑了制造任务本身的紧急度、重要程度、任务复杂度对调度结果的影响，利用熵权法建立智能制造MCT的调节系数，从而确定MCT处理的优先顺序；再通过各个MCT所需的计算资源(需求方)和边缘节点的计算能力(供求方)之间的供需关系，以及通信产生的成本费用，分别建立具优先级的以调度成本最小、系统负载均衡、边缘平台计算资源总利用率最高为目标的调度机制，并比较分析了调节系数在不同调度机制中的作用。
实施例二
本实施提供的一种基于边缘平台层调节系数的MCT调度方法与实施例一的不同之处在于：
本实施例在仿真试验环境中进行试验，验证本申请的方案。
在仿真试验环境中，相关参数设置如下:
(1)边缘服务器设置：边缘服务器个数为8，一个边缘服务器仅包含1个处理器，计算能力范围为[100,500]，通信带宽为[100,300]，且CPU运行的时钟频率和循环周期乘积为1。
(2)MCT设置：针对处于边缘平台层处理的MCT，MCT数据量用任务长度表示，区间分布在[10000,30000]。
(3)其他：信噪比S/N为[10，60]，移动终端单位时间的发射功率ei为[0,1]。
仿真实验某瞬时数据如图6所示，将其作为调度初始状态。
调节队列确定任务的处理顺序。已知任务i＝20的各MCT计算总消耗，可将其抽象成需求方；边缘节点j＝8的各边缘服务器的计算能力，可抽象成供应方。同时，因MCT本身自带调节系数，所以该问题可抽象为具有优先级处理顺序的供需不相等的MCT调度机制研究。基于ADJ-动态规划理论的调度结果如图7所示。基于ADJ-MAX法则的调度结果如图8所示。基于ADJ-MIN法则的调度结果如图9所示。
其中：
灰色方块所在行列表示调度策略，字体修改为方正粗黑宋简体型，以加强区分度。
(1)MCTi所在行仅包含一个灰色小方块，小方块所在行列即为将MCTi调度至边缘节点j
(2)MCTi所在行仅包含一个灰色小方块和若干带斜纹灰色方块，说明MCTi调度过程中存在费用相等，为使得资源利用率最大化、平衡负载，最终选择计算能力较小的边缘节点。
(3)MCTi所在行仅包含灰色小方块和带“*”灰色方块，说明费用最小的边缘节点计算能力不足，即带“*”灰色方块列表示的边缘节点无法满足任务所需的计算资源，因MCTi具有不可分割性，因此MCTi将调度至灰色方块所在列的边缘节点处理，且计算能力不足处字体前加“*”符号。
(4)调度过程边缘计算节点的计算能力所在行处，表格中第一个数字被加粗，该数字表示边缘节点的初始计算能力。
(5)横线：为任务调度过程产生的删除标记。
依照上述设定的调度机制，各机制下的调度结果统计信息如图10所示。从中可以发现，基于ADJ—动态规划理论建立的调度机制在通信成本处明显占优，且边缘节点的平均利用率较高；基于ADJ—MAX法则建立的调度机制有效的均衡了边缘节点的负载，即多个边缘节点剩余的计算能力较为接近，为后续处理重复并发型任务提供了快速的边缘计算平台；基于ADJ—MIN法则建立的调度机制优先使用计算能力较小的边缘节点，提高了边缘节点的平均利用率，且为处理大型计算任务预留了更多的计算空间。
智能制造背景下，面向边缘计算架构层中处于边缘平台层的MCT，提出多目标下具有调节系数效应的MCT调度机制。该机制考虑了MCT本身的紧急度、重要程度、任务复杂度对调度结果的影响，利用熵权法建立MCT的调节系数，从而确定MCT处理的优先顺序；再通过各个MCT所需的计算资源(需求方)和边缘节点的计算能力(供求方)之间的供需关系，以及通信产生的成本费用，分别建立具优先级的以调度成本最小、系统负载均衡、边缘平台计算资源总利用率最高为目标的调度机制，并比较分析了调节系数在不同调度机制中的作用。但本文仅对任务不可分割时的调度机制进行了研究，之后，将进一步研究任务可分割时的任务调度与迁移机制。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (3)

1.一种基于边缘平台层调节系数的MCT调度方法，其特征在于，包括：
S1.根据制造计算任务MCT的紧急重要度、复杂度，建立MCT调度的调节系数模型；
S2.根据MCT上传和处理过程中消耗的时间和能量，确定MCT的总消耗；
S3.基于建立MCT调度的调节系数模型以及确定MCT的总消耗，建立了基于动态规划理论、MAX法则或MIN法则的MCT调度机制；
步骤S1中，MCT的紧急重要度包括MCT的紧急度和MCT的重要度；
MCT的紧急度，具体为：
定义任务排序函数CONi，将MCTi按照最晚完成时间和任务截止期间的差值Ti-fin的大小排序；
T1-fin≤T2-fin≤T3-fin≤…≤Tn-fin
定义编号函数NUMi，来表示Ti-fin排序后的编码值；
MCTi任务紧急度URGi定义为：
其中，URGi表示任务完成的紧急度；Ti-fin表示MCT最晚完成时间和任务截止期间的差值；MCTi表示第i个MCT；
MCT的重要度，表示为：
其中，IMPi表示MCTi的重要度；CIMPi表示MCTi相对于MCT的重要度系数；
步骤S1中，MCT的紧急重要度，表示为：
URGi′、IMPi′∈(0,1)
URG&IMPi∈[0,1]
其中，URGi′表示规范化处理后的URGi；IMPi′表示规范化处理后的IMPi；URGmax和IMPmax分别表示本周期内MCT集合中的紧急度和重要度的最大值；URGmin和IMPmin分别表示本周期内MCT集合中的紧急度和重要度的最小值；URG&IMPi表示MCT的紧急重要度；
步骤S1中，MCT的复杂度，表示为：
COMi∈[0,1]
TYPi′、QUAi′、LEVi′∈[0,1]
QUAi≥0
TYPi∈{0,1,2,3,4,5}
LEVi∈{1,2,3,4,5,6,7,8,9,10}
其中，COMi表示MCTi的复杂度；TYPi′表示规范化处理后的TYPi；QUAi′表示规范化处理后的QUAi；LEVi′表示规范化处理后的LEVi；TYPi表示MCTi所需制造计算资源五大模块的种类个数；QUAi表示MCTi所需制造计算资源各模块数量；LEVi表示MCTi所需制造计算资源各模块的等级；
步骤S1中，建立MCT调度的调节系数模型，具体包括：
A1.构建调节系数矩阵ADJ2×3：
ADJ12＝(ADJ11+ADJ13)/2
其中，ADJ11表示MCT的紧急度URG；ADJ12表示矩阵空缺值，采用中值法进行填充；ADJ13表示MCT的重要度IMP；ADJ21表示MCT所需制造计算资源五大模块的种类个数TYP；ADJ22表示MCT所需制造计算资源各模块数量QUA；ADJ23表示MCT所需制造计算资源各模块的等级LEV；
A2.对数据进行标准化处理，其中，标准化处理包括同趋化处理和无量纲处理；
对数据进行同趋化处理后，得到矩阵a：
s∈{1,2}
t∈{1,2,3}
其中，s表示矩阵第几行；t表示矩阵第几列；表示MCTi的/>数值；/>表示/>的平均值；
再经无量纲化处理，得标准化后的评价矩阵b：
A3.计算信息熵d，表示为：
A4.计算指标变异度e，表示为：
A5.计算各二级指标权重w，表示为：
利用熵权法获得的各二级指标客观权重，构造加权后的决策矩阵c，表示为：
MCTi紧急重要度权重χ1-i，表示为：
χ1-i＝c11+c12+c13＝w11b11+w12b12+w13b13
MCTi复杂度权重χ2-i，表示为：
χ2-i＝c21+c22+c23＝w21b21+w22b22+w23b23
MCTi的调节系数，表示为：
ADJi＝χ1-i·URG&IMPi+χ2-i·COMi
其中，ADJi表示MCTi的调节系数；
步骤S3中，建立基于动态规划理论MCT的调度机制，具体为：
B1.在调节系数的作用下，将MCT进行排序，确定MCT处理的先后顺序；
B2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成任务所花费的通信成本集SETCOST；
B3.考虑以通信成本最低为第一目标，若多个边缘节点的通信成本相同，将边缘节点总利用率最高为第二目标，将MCT依次分配给能满足所需计算总消耗的边缘服务器；
B4.更新各集合状态；
B5.重复过程B3、B4，直至所有制造任务分配结束；
步骤S3中，建立MAX法则MCT的调度机制，具体为：
C1.根据调节系数的大小，将各MCT排序，确定MCT处理的先后顺序；
C2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成MCT所花费的通信成本集SETCOST；
C3.考虑以均衡边缘节点负载为目标，若当前具有最大计算能力的边缘节点不唯一，将调度至通信成本较低的一方，以使均衡边缘节点负载；
C4.更新各集合状态；
C5.重复过程C3、C4，直至所有制造任务分配结束；
步骤S3中，建立基于MIN法则MCT的调度机制，具体为：
D1.在调节系数的作用下，将MCT进行排序，确定MCT处理的先后顺序；
D2.建立MCT集SETMCT、计算总消耗集SETSCOMP、边缘节点集SETEDG、完成任务所花费的通信成本集SETCOST；
D3.考虑以最大化边缘节点利用率为目标，若多个边缘节点计算能力均为最小值，将调度至通信成本较低的一方；
D4.更新各集合状态；
D5.重复过程D3、D4，直至所有MCT分配结束。
2.根据权利要求1所述的一种基于边缘平台层调节系数的MCT调度方法，其特征在于，步骤S2中，根据任务上传和处理过程中消耗的时间和能量，具体为：
任务上传过程中消耗的时间和能量：
用户从本地通过无线信道将MCTi上传到边缘平台层的过程中，所需的时间ti-tra为：
其中，Di表示终端用户上传MCTi的数据量，Ci表示终端用户上传MCTi的最大传输速率；
终端用户上传MCTi至边缘平台层消耗的能量Ei-tra为：
其中，ei表示终端用户与基站通信中单位时间内的发射功率；
任务处理过程中消耗的时间和能量：
边缘节点处理MCT所需的时间ti-exc为：
其中，Di表示终端用户上传的MCTi的数据量，Si表示边缘服务器CPU运行的时钟频率；
边缘节点处理MCT所消耗的能量Ei-exc为：
Ei-exc＝ηi·Ti
Ti·Si＝1
其中，ηi表示边缘服务器CPU每时钟周期的功耗，Ti表示完成MCTi所需的边缘节点CPU运算循环周期。
3.根据权利要求2所述的一种基于边缘平台层调节系数的MCT调度方法，其特征在于，步骤S2中，确定MCTi的总消耗，表示为：
其中，SCOMPi表示MCTi的总消耗；分别表示MCTi对时间窗口和能量窗口的重要程度；/>分别表示MCTi在时间维度下任务上传和边缘层任务处理时的敏感程度；分别表示MCTi在能量维度下任务上传和边缘层任务处理时的敏感程度。
CN202010985157.XA 2020-09-18 2020-09-18 一种基于边缘平台层调节系数的mct调度方法 Active CN112084034B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010985157.XA CN112084034B (zh) 2020-09-18 2020-09-18 一种基于边缘平台层调节系数的mct调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010985157.XA CN112084034B (zh) 2020-09-18 2020-09-18 一种基于边缘平台层调节系数的mct调度方法

Publications (2)

Publication Number Publication Date
CN112084034A CN112084034A (zh) 2020-12-15
CN112084034B true CN112084034B (zh) 2024-05-24

Family

ID=73737734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010985157.XA Active CN112084034B (zh) 2020-09-18 2020-09-18 一种基于边缘平台层调节系数的mct调度方法

Country Status (1)

Country Link
CN (1) CN112084034B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114756360A (zh) * 2021-01-12 2022-07-15 华为技术有限公司 节点调度方法以及装置
CN115396515A (zh) * 2022-08-19 2022-11-25 中国联合网络通信集团有限公司 资源调度方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016045515A1 (zh) * 2014-09-23 2016-03-31 同济大学 基于用户满意度的云任务调度算法
CN109104464A (zh) * 2018-07-23 2018-12-28 东南大学 一种边缘计算环境下面向协同存储的分布式数据更新方法
CN109299550A (zh) * 2018-09-29 2019-02-01 长安大学 一种钢结构桥梁制造决策评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016045515A1 (zh) * 2014-09-23 2016-03-31 同济大学 基于用户满意度的云任务调度算法
CN109104464A (zh) * 2018-07-23 2018-12-28 东南大学 一种边缘计算环境下面向协同存储的分布式数据更新方法
CN109299550A (zh) * 2018-09-29 2019-02-01 长安大学 一种钢结构桥梁制造决策评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Time-Minimized Offloading for Mobile Edge Computing Systems;Xinyu Qiu等;《IEEE Access》;20190916;全文 *
移动边缘计算中的低能耗任务卸载决策算法;张文杰等;《合肥工业大学学报（自然科学版）》;20200720;全文 *

Also Published As

Publication number Publication date
CN112084034A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN108541027B (zh) 一种基于边缘云网络的通信计算资源置换方法
Abedin et al. Resource allocation for ultra-reliable and enhanced mobile broadband IoT applications in fog network
CN111093203B (zh) 一种基于环境感知的服务功能链低成本智能部署方法
CN110493360B (zh) 多服务器下降低系统能耗的移动边缘计算卸载方法
Sun et al. Autonomous resource slicing for virtualized vehicular networks with D2D communications based on deep reinforcement learning
CN111372314A (zh) 基于移动边缘计算场景下的任务卸载方法及任务卸载装置
CN112084034B (zh) 一种基于边缘平台层调节系数的mct调度方法
CN106534333A (zh) 一种基于mec和mcc的双向选择计算卸载方法
CN108901075B (zh) 一种基于gs算法的资源分配方法
US11831708B2 (en) Distributed computation offloading method based on computation-network collaboration in stochastic network
CN111182570A (zh) 提高运营商效用的用户关联和边缘计算卸载方法
CN111614754B (zh) 面向雾计算的成本效率优化的动态自适应任务调度方法
CN111711962A (zh) 一种移动边缘计算系统子任务协同调度方法
CN114173379A (zh) 一种基于5g专网分流器的多用户计算卸载方法
CN111526526B (zh) 基于服务混搭的移动边缘计算中的任务卸载方法
Xing et al. Task classification unloading algorithm for mobile edge computing in smart grid
CN115967990A (zh) 一种基于分类和预测的边端协同业务卸载方法
CN113139639B (zh) 一种基于mombi面向智慧城市应用多目标计算迁移方法和装置
CN114222371A (zh) 一种eMBB和uRLLC设备共存的流量调度方法
CN111542091B (zh) 网络切片的无线与计算资源联合分配方法
WO2023222061A1 (zh) 意图驱动的无线网络资源冲突解决方法及其装置
CN114615705B (zh) 一种基于5g网络下单用户资源分配策略方法
CN107105505A (zh) 基于qci的多业务动态调度方法
CN114884957B (zh) 空天地网络中的计算任务卸载方法、装置和电子设备
CN111148155A (zh) 一种基于移动边缘计算的任务卸载方法

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