CN112148482A - 一种基于结合负载均衡的边缘计算任务调度方法 - Google Patents

一种基于结合负载均衡的边缘计算任务调度方法 Download PDF

Info

Publication number
CN112148482A
CN112148482A CN202010952638.0A CN202010952638A CN112148482A CN 112148482 A CN112148482 A CN 112148482A CN 202010952638 A CN202010952638 A CN 202010952638A CN 112148482 A CN112148482 A CN 112148482A
Authority
CN
China
Prior art keywords
edge
task
user terminal
load balancing
edge cloud
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
CN202010952638.0A
Other languages
English (en)
Other versions
CN112148482B (zh
Inventor
杨鲲
李沛峰
梅海波
车畅
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202010952638.0A priority Critical patent/CN112148482B/zh
Publication of CN112148482A publication Critical patent/CN112148482A/zh
Application granted granted Critical
Publication of CN112148482B publication Critical patent/CN112148482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • 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]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开一种基于结合负载均衡的边缘计算任务调度方法，涉及移动边缘计算领域，包括S1建立网络场景模型；S2收集用户终端信息，导入网络场景模型确定时间开销和能量开销；S3确定可以进行卸载的边缘云，调整网络场景模型；S4确定初始的禁忌表；S5选择一个用户终端进行卸载；S6该用户终端选择一个边缘云；S7如果存在还没有被选择的用户终端则返回S5，反之进入S8；S8判断本次的循环是否比当前循环能耗更低或者卸载成功数最多，是则将当前循环替代为本次循环，更新信息素；S9判断是否达到最大迭代次数，如果是则当前的方案就是任务的调度方案，反之则返回S4；使用蚁群算法与负载均衡特性，最大化利用边缘云计算资源，节省系统能耗，提高用户体验。

Description

一种基于结合负载均衡的边缘计算任务调度方法
技术领域
本发明涉及移动边缘计算领域，尤其涉及一种基于结合负载均衡的边缘计算任务调度方法。
背景技术
对当今用户的移动设备应用程序越来越多样，其中也不乏需要大量计算资源的应用程序，但是受移动设备的便携性约束，移动设备的计算能力和电池续航能力是有限的，于是移动设备把这类计算量大的任务卸载到辅助计算设备上来协助用户处理，但是传统云计算(例如：阿里云)距离用户太远，用户上传任务的时间开销会很大，对于一些对实时性要求较强的任务，这耗时太久。边缘计算相对于传统的云计算的优点在于：1.距离用户近，时间延迟小；2.客制化高，用户或者运营商可以根据实际情况布置不同规格的边缘云。但是边缘云的局限性在于它的计算能力也是有限的。因此产生了一个实际问题，用户卸载任务的过程包含两个：1.上传任务的过程；2.边缘云处理任务的过程。不同地点的用户传到不同地点的边缘云需要的时间不同，能耗也会不同，而且如果任务调度方法不当会似的一些边缘云过于繁忙，一些边缘云空闲，导致计算资源的浪费。所以如何分配任务，能够最大化利用边缘云的计算资源，以及节省整体系统的能耗，提高用户体验尤为重要。
发明内容
本发明的目的就在于为了解决上述问题设计了一种基于结合负载均衡的边缘计算任务调度方法。
本发明通过以下技术方案来实现上述目的：
一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，包括以下步骤：
S1、建立边缘计算的网络场景模型；
S2、收集当前区域内的用户终端信息，并导入网络场景模型确定每个用户终端到边缘云的时间开销和能量开销；
S3、根据用户的服务质量要求确定每个用户终端可以进行卸载的边缘云，并调整网络场景模型；
S4、通过调整后的网络场景模型确定初始的禁忌表；
S5、根据选择概率函数选择一个用户终端进行任务的卸载；
S6、根据转移概率函数让该用户终端选择一个边缘云；
S7、如果存在还没有被选择的用户终端，则返回S5，反之，进入S8；
S8、判断本次的循环是否比当前循环能耗更低或者卸载成功数最多，如果是，则将当前循环替代为本次循环，并且进行信息素更新；
S9、判断是否达到最大迭代次数，如果是，则当前的方案就是任务的调度方案，反之，则返回S4。
本发明的有益效果在于：使用蚁群算法结合着负载均衡的特性，利用蚁群算法的遗传特性与负载均衡的特点，防止某个边缘云接收过多的任务导致后序的任务卸载失败，最小化整个边缘计算系统中的能耗以及最大化卸载成功的任务数量。
附图说明
图1是本发明一种基于结合负载均衡的边缘计算任务调度方法的流程图；
图2是本发明一种基于结合负载均衡的边缘计算任务调度方法中调整后的网络场景模型图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图，对本发明的具体实施方式进行详细说明。
本发明提供了一种有效提高云计算系统性能的任务调度方法，由系统模型建立、模型转化，求解三个部分组成，如图1所示，具体包括以下步骤：
S1、确定一个边缘计算的网络场景模型。
考虑在一个方形的L*L有界区域内，分布着I个用户终端(User Equipments，UEs)随机分布在这个区域内，其中I≥1。假设所有设备都有一个需要卸载的任务
Figure RE-GDA0002736694540000041
其中Bi是上传任务的数据量大小，用比特(Bit)来计量；Di是任务的计算量，用机器周期(cycle)计量，
Figure RE-GDA0002736694540000042
是该任务 QoS，单位是秒(s)。同时在这个区域随机分布着J个边缘云(Mobile Edges,MEs)，如果一个任务卸载到边缘云j，那么它将分配计算资源
Figure RE-GDA0002736694540000043
(单位是Hz)来处理这个任务。
S2、收集当前区域内的用户终端信息，并导入网络场景模型确定每个用户终端到边缘云的时间开销和能量开销；具体为：
收集当前区域内的用户终端信息包括用户终端的发射功率
Figure RE-GDA0002736694540000044
用户终端与边缘云之间的距离dij、信道容量W和背景噪音wn；在这个模型中，时间有两个部分组成上传任务的时间
Figure RE-GDA0002736694540000045
和边缘云处理任务的时间
Figure RE-GDA0002736694540000046
在这个模型中，处理任务的时间可以由以下公式得到：
Figure RE-GDA0002736694540000047
上传任务的时间可以由下列公式得到：
Figure RE-GDA0002736694540000051
其中Rij代表上传速率：
Figure RE-GDA0002736694540000052
其中，
Figure RE-GDA0002736694540000053
Figure RE-GDA0002736694540000054
是UE的发射功率，dij是UEi与MECj的距离，W是信道容量，wn是背景噪音。
Figure RE-GDA0002736694540000055
系统能量开销包括两个部分，传输数据耗能以及计算耗能。其中计算耗能可以表示为：
Figure RE-GDA0002736694540000056
其中
Figure RE-GDA0002736694540000057
是计算功率可以表示为，
Figure RE-GDA0002736694540000058
我们取νC＝3，κC＝1。
S3、根据用户的服务质量要求得到每个用户可以进行卸载的边缘云，
Figure RE-GDA0002736694540000059
根据QoS的约束：
Figure RE-GDA00027366945400000510
对于每一个UE，我们将可以满足其QoS约束的ME称为这个UE的可选择的ME，根据上述得到的结果重新调整物理场景模型，我们将每一个UE和它可选择的ME连接起来，得到调整后的物理场景模型。
S4、初始化禁忌表。
我们根据调整后的物理场景模型中的连接关系，生成初始的禁忌表如下表示。
Figure RE-GDA0002736694540000061
其中，cij的取值是{0,1},如果值是0那么代表用户i和边缘云j之间禁止访问(任务卸载)，反之则代表可以进行访问(任务卸载)。禁忌表用来表示哪些用户设备和边缘云之间是能够进行任务卸载的，如果一个边缘云的计算资源被耗尽那么就应该更新禁忌表让后序的用户设备知道该边缘云是禁止访问的。
S5、根据选择概率函数选择一个用户终端进行任务的卸载，选择概率函数为
Figure RE-GDA0002736694540000062
其中H表示所有用户终端的潜在连接数目的非重复的有序数列，函数m＝H(n)表示在有序数列H中的第n个数字，同时函数m＝H-1(k) 是函数H(n)的反函数，代表n在有序数列H中的位置，|H|表示有序数列H中的元素个数。
S6、根据转移概率函数让该用户终端选择一个边缘云；我们将信息素、启发因子和负载均衡因子三个因素考虑在内，转移概率被三个因素共同影响。我们将启发因子ηij设置为能耗的倒数：
Figure RE-GDA0002736694540000063
我们制定将负载均衡因子θij用如下式子表示：
Figure RE-GDA0002736694540000071
其中，Oi表示UEi存在的潜在MEC连接的集合，oj表示MECj剩余的能够计算卸载任务的容量。最后我们用下式来表示转移函数：
Figure RE-GDA0002736694540000072
其中α，β，γ分别表示信息素、启发因子、负载均衡因子的加权参数。
S7、如果存在还没有被选择的用户终端，则返回S5，反之，进入S8。
S8、判断本次的循环是否比当前循环能耗更低或者卸载成功数最多，如果是，则将当前循环替代为本次循环，并且进行信息素更新；
我们在一轮之后做一个评判，判断本次的循环得到的最新调度方案对于上此循环来说是否是它的Pareto解，然后再来对信息素进行一次更新，这样的调整可以让算法的收敛更具有方向性，加快收敛。
在信息素更新上的优化除了上述措施之外，我们还额外加入了奖励：如果本次的解为上次循环解的Pareto解，我们将对两次的解进行一次比较，对于与上次解不同的路径，将增加额外的信息素。这样的做法是为了鼓励跳出局部最优的蚂蚁，相对于经典的蚁群算法的信息素更新策略更加具有针对性。经过这样的改进，我们将信息素更新的公式总结如下：
Figure RE-GDA0002736694540000081
其中Q和φ分别是信息素积累常数和信息素激励常数。
S9、判断是否达到最大迭代次数，如果是，则当前的方案就是任务的调度方案，反之，则返回S4。
本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (8)

1.一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，包括以下步骤：
S1、建立边缘计算的网络场景模型；
S2、收集当前区域内的用户终端信息，并导入网络场景模型确定每个用户终端到边缘云的时间开销和能量开销；
S3、根据用户的服务质量要求确定每个用户终端可以进行卸载的边缘云，并调整网络场景模型；
S4、通过调整后的网络场景模型确定初始的禁忌表；
S5、根据选择概率函数选择一个用户终端进行任务的卸载；
S6、根据转移概率函数让该用户终端选择一个边缘云；
S7、如果存在还没有被选择的用户终端，则返回S5，反之，进入S8；
S8、判断本次的循环是否比当前循环能耗更低或者卸载成功数最多，如果是，则将当前循环替代为本次循环，并且进行信息素更新；
S9、判断是否达到最大迭代次数，如果是，则当前的方案就是任务的调度方案，反之，则返回S4。
2.根据权利要求1所述的一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，在S1中，在一个方形的L*L的有界区域内，有I个用户终端随机分布在这个区域内，用
Figure RE-FDA0002736694530000015
表示，其中I≥1，假设所有设备都有一个需要卸载的任务
Figure RE-FDA0002736694530000011
其中Di是任务的计算量，用CPU执行时钟周期计量；Bi是卸载任务所需上传的数据量大小，用比特来计量；
Figure RE-FDA0002736694530000012
是该任务QoS，单位是秒，同时在这个区域随机分布着J个边缘云，用
Figure RE-FDA0002736694530000013
表示，如果一个任务卸载到边缘云j，那么它将分配计算资源
Figure RE-FDA0002736694530000014
来处理这个任务。
3.根据权利要求2所述的一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，在S2中包括：
S21、收集当前区域内的用户终端信息包括用户终端i的发射功率
Figure RE-FDA0002736694530000021
用户终端i与边缘云j之间的距离dij、信道容量W和背景噪音wn；
S22、通过用户终端信息确定上传速率Rij，表达式为
Figure RE-FDA0002736694530000022
其中Hij表示从终端i到边缘云j的新到增益，通过
Figure RE-FDA0002736694530000023
α＝4求得；
S23、根据上传速率Rij确定时间开销，在网络场景模型中，时间由两个部分组成，即上传任务的时间
Figure RE-FDA0002736694530000024
和边缘云处理任务的时间
Figure RE-FDA0002736694530000025
分别表达为
Figure RE-FDA0002736694530000026
S24、根据计算资源
Figure RE-FDA0002736694530000027
确定在j中虚拟机执行任务时的计算功率大小，表示为：
Figure RE-FDA0002736694530000028
式中κC为有效开关常数，νC是大于等于1的常数，在该场景下将κC和νC分别设置为1和3；
S25、根据计算功率表确定系统能量开销，系统能量开销包括传输数据耗能和计算耗能，其中计算耗能
Figure RE-FDA0002736694530000029
可以表示为：
Figure RE-FDA00027366945300000210
传输数据能耗
Figure RE-FDA00027366945300000211
可以表示为：
Figure RE-FDA00027366945300000212
式中，
Figure RE-FDA00027366945300000213
表示终端的传输功率，
Figure RE-FDA00027366945300000214
表示终端上传数据到边缘云所需时间。
4.根据权利要求3所述的一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，在S3中，根据用户的服务质量要求得到每个用户可以进行卸载的边缘云，
Figure RE-FDA00027366945300000215
其中κC和νC分别为1和3，根据QoS的约束：
Figure RE-FDA00027366945300000216
对于每个用户终端可以得到某几个边缘云是可以满足用户的质量要求约束的，然后将每个用户终端与满足要求的边缘云连接起来便得到调整后的网络场景模型。
5.根据权利要求4所述的一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，在S4中，根据调整后的网络场景模型中的连接关系生成初始禁忌表为
Figure RE-FDA0002736694530000031
其中cij的取值是{0,1},如果值是0那么代表用户i和边缘云j之间禁止访问，反之则代表可以进行访问，禁忌表用来表示哪些用户设备和边缘云之间是能够进行任务卸载的，如果一个边缘云的计算资源被耗尽那么就应该更新禁忌表让后序的用户设备知道该边缘云是禁止访问的。
6.根据权利要求5所述的一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，在S5中，选择概率函数为
Figure RE-FDA0002736694530000032
其中H表示所有用户终端的潜在连接数目的非重复的有序数列，函数m＝H(n)表示在有序数列H中的第n个数字，同时函数m＝H-1(k)是函数H(n)的反函数，代表n在有序数列H中的位置，|H|表示有序数列H中的元素个数。
7.根据权利要求6所述的一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，在S6中，转移概率受到信息素、启发因子和负载均衡因子的影响，信息素τij表示信息量的大小，启发因子ηij设置为能耗的倒数表示为：
Figure RE-FDA0002736694530000033
负载均衡因子θij表示为
Figure RE-FDA0002736694530000034
其中，Oi表示用户终端存在的潜在边缘云连接的集合，oj表示边缘云剩余的能够计算卸载任务的容量，
Figure RE-FDA0002736694530000041
其中α，β，γ分别表示信息素、启发因子、负载均衡因子的加权参数。
8.根据权利要求7所述的一种基于结合负载均衡的边缘计算任务调度方法，其特征在于，在S8中，我们在一轮循环之后，判断本次的循环得到的最新调度方案对于上此循环来说是否是它的Pareto解，然后再来对信息素进行一次更新，同时如果本次的结果为上次循环解的Pareto解，我们将对两次的结果进行一次比较，对于与上次结果不同的路径，将增加额外的信息素，因此我们将信息素更新的表达为
Figure RE-FDA0002736694530000042
其中Q和φ分别是信息素积累常数和信息素激励常数。
CN202010952638.0A 2020-09-11 2020-09-11 一种基于结合负载均衡的边缘计算任务调度方法 Active CN112148482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010952638.0A CN112148482B (zh) 2020-09-11 2020-09-11 一种基于结合负载均衡的边缘计算任务调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010952638.0A CN112148482B (zh) 2020-09-11 2020-09-11 一种基于结合负载均衡的边缘计算任务调度方法

Publications (2)

Publication Number Publication Date
CN112148482A true CN112148482A (zh) 2020-12-29
CN112148482B CN112148482B (zh) 2023-08-22

Family

ID=73890181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010952638.0A Active CN112148482B (zh) 2020-09-11 2020-09-11 一种基于结合负载均衡的边缘计算任务调度方法

Country Status (1)

Country Link
CN (1) CN112148482B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113010320A (zh) * 2021-04-02 2021-06-22 曲阜师范大学 一种网络数据卸载方法及装置、计算机存储介质
CN114500560A (zh) * 2022-01-06 2022-05-13 浙江鼎峰科技股份有限公司 一种最小化网络时延的边缘节点服务部署与负载均衡方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951059A (zh) * 2017-03-28 2017-07-14 中国石油大学(华东) 基于dvs与改进蚁群算法的云数据中心节能方法
CN107133095A (zh) * 2017-04-07 2017-09-05 北京科技大学 一种云环境下的任务调度方法
CN107948070A (zh) * 2017-11-27 2018-04-20 东北电力大学 一种基于QoS的移动P2P网络虚拟链路选取方法
US10037231B1 (en) * 2017-06-07 2018-07-31 Hong Kong Applied Science and Technology Research Institute Company Limited Method and system for jointly determining computational offloading and content prefetching in a cellular communication system
CN109167671A (zh) * 2018-07-11 2019-01-08 国网信通亿力科技有限责任公司 一种面向量子密钥分发业务的配用通信系统均衡负载调度算法
CN109743099A (zh) * 2019-01-10 2019-05-10 深圳市简智联信息科技有限公司 移动边缘计算系统及其资源分配方法
CN109800072A (zh) * 2019-01-22 2019-05-24 深圳市简智联信息科技有限公司 基于边缘计算的任务调度优化方法和装置
US20190243438A1 (en) * 2018-02-08 2019-08-08 Korea Advanced Institute Of Science And Technology Method and system for deploying dynamic virtual object for reducing power in mobile edge computing environment
CN110365753A (zh) * 2019-06-27 2019-10-22 北京邮电大学 基于边缘计算的物联网服务低时延负载分配方法及装置
CN110928295A (zh) * 2019-10-16 2020-03-27 重庆邮电大学 一种融合人工势场与对数蚁群算法的机器人路径规划方法
CN111324444A (zh) * 2020-03-24 2020-06-23 广东工业大学 一种云计算任务调度方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951059A (zh) * 2017-03-28 2017-07-14 中国石油大学(华东) 基于dvs与改进蚁群算法的云数据中心节能方法
CN107133095A (zh) * 2017-04-07 2017-09-05 北京科技大学 一种云环境下的任务调度方法
US10037231B1 (en) * 2017-06-07 2018-07-31 Hong Kong Applied Science and Technology Research Institute Company Limited Method and system for jointly determining computational offloading and content prefetching in a cellular communication system
CN107948070A (zh) * 2017-11-27 2018-04-20 东北电力大学 一种基于QoS的移动P2P网络虚拟链路选取方法
US20190243438A1 (en) * 2018-02-08 2019-08-08 Korea Advanced Institute Of Science And Technology Method and system for deploying dynamic virtual object for reducing power in mobile edge computing environment
CN109167671A (zh) * 2018-07-11 2019-01-08 国网信通亿力科技有限责任公司 一种面向量子密钥分发业务的配用通信系统均衡负载调度算法
CN109743099A (zh) * 2019-01-10 2019-05-10 深圳市简智联信息科技有限公司 移动边缘计算系统及其资源分配方法
CN109800072A (zh) * 2019-01-22 2019-05-24 深圳市简智联信息科技有限公司 基于边缘计算的任务调度优化方法和装置
CN110365753A (zh) * 2019-06-27 2019-10-22 北京邮电大学 基于边缘计算的物联网服务低时延负载分配方法及装置
CN110928295A (zh) * 2019-10-16 2020-03-27 重庆邮电大学 一种融合人工势场与对数蚁群算法的机器人路径规划方法
CN111324444A (zh) * 2020-03-24 2020-06-23 广东工业大学 一种云计算任务调度方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ARASH BOZORGCHENANI等: "Multi-Objective Computation Sharing in Energy and Delay Constrained Mobile Edge Computing Environments" *
ZAN ZHANG等: "UE Computation Offloading Based on Task and Channel Prediction of Single User" *
ZHONGLUN WANG等: "Task Offloading Scheduling in Mobile Edge Computing Networks" *
周浩;万旺根;: "边缘计算系统的任务调度策略" *
王汝言;聂轩;吴大鹏;李红霞;: "社会属性感知的边缘计算任务调度策略" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113010320A (zh) * 2021-04-02 2021-06-22 曲阜师范大学 一种网络数据卸载方法及装置、计算机存储介质
CN113010320B (zh) * 2021-04-02 2022-08-02 曲阜师范大学 一种网络数据卸载方法及装置、计算机存储介质
CN114500560A (zh) * 2022-01-06 2022-05-13 浙江鼎峰科技股份有限公司 一种最小化网络时延的边缘节点服务部署与负载均衡方法
CN114500560B (zh) * 2022-01-06 2024-04-26 浙江鼎峰科技股份有限公司 一种最小化网络时延的边缘节点服务部署与负载均衡方法

Also Published As

Publication number Publication date
CN112148482B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
JP6942397B2 (ja) モバイルエッジコンピューティングのシナリオでシングルタスクオフロード戦略を策定する方法
CN109947545B (zh) 一种基于用户移动性的任务卸载及迁移的决策方法
WO2021233053A1 (zh) 计算卸载的方法和通信装置
CN111586696B (zh) 一种基于多智能体架构强化学习的资源分配及卸载决策方法
Fan et al. Computation offloading based on cooperations of mobile edge computing-enabled base stations
CN110234127B (zh) 一种基于sdn的雾网络任务卸载方法
US11831708B2 (en) Distributed computation offloading method based on computation-network collaboration in stochastic network
CN111953758A (zh) 一种边缘网络计算卸载和任务迁移方法及装置
CN107708152B (zh) 异构蜂窝网络的任务卸载方法
CN113498508A (zh) 动态网络配置
CN112148482A (zh) 一种基于结合负载均衡的边缘计算任务调度方法
CN110851197A (zh) 一种边缘计算多服务器任务选择卸载方法和系统
CN110519175A (zh) 一种信息处理方法、设备及计算机可读存储介质
CN111263401A (zh) 一种基于移动边缘计算的多用户协作计算卸载方法
CN113132490A (zh) 一种基于强化学习的MQTT协议QoS机制选择方案
CN114173379A (zh) 一种基于5g专网分流器的多用户计算卸载方法
CN114168328B (zh) 一种基于联邦学习的移动边缘节点计算任务调度方法及其系统
CN114615705B (zh) 一种基于5g网络下单用户资源分配策略方法
CN102202344B (zh) 无线Mesh网中基于博弈论的跨层拥塞控制方法
CN109600432B (zh) 内容中心移动边缘网络用户动态接入方法
Wang et al. Offloading Strategies for Mobile Edge Computing Based on Multi-Attribute Preferences in Smart Grids
CN114281426A (zh) 任务卸载方法、装置、电子设备及可读存储介质
Wang et al. PSOGT: PSO and game theoretic based task allocation in mobile edge computing
Ren et al. Delay laxity-based scheduling with double-deep Q-learning for time-critical applications
CN114867123A (zh) 一种基于强化学习的5g物联网系统多用户调度方法与系统

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