CN112181658B - 一种异构网络中最大化网络收益的计算任务分配方法 - Google Patents
一种异构网络中最大化网络收益的计算任务分配方法 Download PDFInfo
- Publication number
- CN112181658B CN112181658B CN202011069216.5A CN202011069216A CN112181658B CN 112181658 B CN112181658 B CN 112181658B CN 202011069216 A CN202011069216 A CN 202011069216A CN 112181658 B CN112181658 B CN 112181658B
- Authority
- CN
- China
- Prior art keywords
- computing
- layer
- task
- network
- allocation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004891 communication Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种异构网络中最大化网络收益的计算任务分配方法,包括:S1:对系统初始化之后,建立待分配计算任务集合;S2:首先针对每一层计算资源,解决计算任务最优分配问题;S3:检查是否存在重复分配的计算任务,若没有,则结束分配;若有,则针对S2中重复分配的计算任务,以最大化网络收益为目标,确定其最终分配在哪一层;S4:检查计算任务集合中是否还有剩余未分配的计算任务,若有,且与本轮次S1的待分配计算任务集合不同,则更新计算任务集合,更新每层计算资源数量,重复S1。若没有剩余未分配的计算任务,或与本轮次S1的待分配计算任务集合相同,结束分配。通过这种方法能获得最大化网络收益的计算任务分配方法,提高网络整体性能。
Description
技术领域
本发明属于异构网络、边缘计算、车联网、无线通信、通信系统、网络资源分配等领域,具体涉及一种异构网络中最大化网络收益的计算任务分配方法。
背景技术
近年来,由于车联网等各种智能技术的兴起,依靠网络进行通信和计算的应用场景越来越多,网络为了适应这种变化,也逐渐发展成为包含不同层次的异构网络,比如常见的异构网络,包含远端的云中心,距离终端用户稍近一些的小型云中心和距离终端用户最近的雾结点。这些通信性能和计算性能各异的网络层次,构成了异构网络。为了使车联网、边缘计算等驱动6G的使能技术顺利发展,有必要对异构网络中计算任务的分配进行研究。本专利就是考虑了各层计算资源具备的计算能力,以及每层计算资源具备的通信资源的差异性,提出了一种最大化网络收益的计算任务分配方法。
发明内容
本发明针对现有技术中的不足,提供一种异构网络中最大化网络收益的计算任务分配方法,目的在于填补异构网络中计算任务分配的空白,进一步提高异构网络的性能。
为实现上述目的,本发明采用以下技术方案:
一种异构网络中最大化网络收益的计算任务分配方法,其特征在于,包括如下步骤:
S1:在对系统初始化之后,建立一个待分配计算任务集合;
S2:首先针对每一层计算资源层,解决一个计算任务最优分配问题;
S3:检查是否存在重复分配的计算任务,若没有,则结束分配;若有,则针对步骤S2中重复分配的计算任务,以最大化网络收益为目标,确定其最终分配在哪一层计算资源层;
S4:检查计算任务集合中是否还有剩余未分配的计算任务,若有,且与本轮次步骤S1使用的待分配计算任务集合不同,则更新待分配计算任务集合,更新每层计算资源数量,重复步骤S1;若没有剩余未分配的计算任务,或与本轮次步骤S1使用的待分配计算任务集合相同,结束分配。
为优化上述技术方案,采取的具体措施还包括:
进一步地,步骤S1中,初始化系统参数,获得待分配计算任务集合A,每完成一个计算任务ai,异构网络获得的收益是pi,i表示计算任务编号,ai∈A;异构网络第一层为用户层,第二层为用户接入层,第三层开始都是计算资源层,每一层计算资源层的总通信资源和总计算资源分别为rj和mj,其中下标j=3,…,N表示计算资源层的编号,N表示计算资源层的最大编号,每个计算任务需要消耗每一层计算资源层的通信资源和计算资源分别为和
进一步地,步骤S2中,将异构网络中的计算任务分配问题,分成若干个独立的计算任务分配问题,对每一层计算资源层分别解最优分配问题;
针对第j层计算资源层,解决如下问题:
通过穷搜法,获得分配到第j层计算资源的计算任务Aj;
其中,二元变量xi,j表示每个计算任务被分配到哪一层,xi,j=0时,表示计算任务ai没有被分配到第j层计算资源层;当xi,j=1时,表示计算任务ai被分配到第j层计算资源层;计算任务至多可以被分配到一层计算资源层。
进一步地,步骤S3中,判断{Aj},j=3,…,N中两两之间的交集是否为空集,若不为空集,以最大化网络收益为目标,确定重复分配的计算任务分配在哪一层,并获得这一轮分配的计算任务集合上标1表示计算轮次;若为空集,则结束分配。
进一步地,步骤S3中,判断{Aj},j=3,…,N中两两之间的交集是否为空集时,通过将Ak依次与Ak+1,…,AN进行两两比较,找出两者之间重复分配的计算任务;其中,k=3,…,N-1,Ak从A3开始,按照计算资源层的编号顺序递增,直至最后将AN-1与AN进行比较;每次比较后,对于重复分配的计算任务先以最大化网络收益为目标进行分配,再进行下一次比较。
进一步地,步骤S4中,剩余的未被分配的计算任务序号为检查计算任务集合中是否还有剩余未分配的计算任务,若有,且与本轮次步骤S1使用的待分配计算任务集A不同,则更新待分配计算任务集合,更新每层计算资源数量,重复步骤S1,计算轮次加1;若没有剩余未分配的计算任务,或与本轮次步骤S1使用的待分配计算任务集相同,则结束分配。
本发明的有益效果是:最大化网络收益,提高异构网络中计算任务分配的性能。
附图说明
图1为本发明提出的一种异构网络中最大化网络收益的计算任务分配方法的流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
假设某异构网络,由五层结构组成,最下面的第一层为用户层,第二层为用户接入层,第三层到第五层均为计算资源层,分别是第三层的边缘计算资源层,包含小基站等单独的计算资源,第四层的小型云计算资源层,比如单位或运营商建立小型云中心,和第五层的云计算资源层,比如专业云计算运营商建设的大型云计算中心。在该异构网络中,若用户的计算资源无法及时处理计算任务,那么用户层的用户需要将计算任务通过第二层用户接入层分配到三层计算资源进行处理,假设待分配的计算任务的编号集合为A。因为计算资源分配,牵涉到通信资源和计算资源的分配,下面,我们分别给出定义。第三层的边缘计算资源层的总通信资源为r3,总计算资源为m3;第四层的小型云计算资源层的总通信资源为r4,总计算资源为m4;第五层的云计算资源层的总通信资源为r5,总计算资源为m5。每个计算任务需要消耗每一层的通信资源和计算资源分别为和/>其中下标j=3,4,5表示计算资源层的编号,i表示计算任务编号,ai∈A。每完成一个计算任务ai,该异构网络能获得的收益是pi。假设每个任务被分配到哪一层,用一个二元变量xi,j表示,其中xi,j=0时,表示计算任务ai,没有被分配到计算资源第j层;当xi,j=1时,表示计算任务ai,被分配到计算资源第j层。计算任务至多可以被分配到一层计算资源层。
图1为一种异构网络中最大化网络收益的计算任务分配方法的流程图,具体步骤如下:
第一步,初始化系统参数,首先获得待分配的计算任务的编号集合A,每完成一个计算任务ai,该异构网络能获得的收益是pi,ai∈A;每一层计算资源层的总通信资源rj和总计算资源mj,其中下标j=3,4,5表示计算资源层的编号,以及每个计算任务需要消耗每一层的通信资源和计算资源分别为和/>其中下标j=3,4,5表示计算资源层的编号,i表示计算任务编号,ai∈A。
第二步,初始化之后,我们把网络中的计算任务分配问题,分成三个独立的计算任务分配问题,分别解计算任务最优分配问题。针对第三层计算资源层,解决如下问题:
通过穷搜法,可以获得分配到第三层计算资源的计算任务A3。对第四层和第五层建立同样的问题,分别为:
和
进而获得分配到第四和第五层的计算任务A4和A5。
第三步,检查是否有重复分配的计算任务,也就是A3,A4和A5两两之间的交集是否为空集,若不为空集,则按照如下顺序处理重复分配的计算任务,先处理A3和A4,然后处理A3和A5,A4和A5。确定重复分配的计算任务分配在哪一层的主要依据,是最大化网络收益。获得这一轮分配的计算任务集合,分别为和/>上标1表示计算轮次。
第四步,剩余的未被分配的计算任务序号为检查计算任务集合中是否还有剩余未分配的计算任务,若有,且与本轮次步骤S1使用的待分配计算任务集合不同,则更新计算任务集合,更新每层计算资源数量,重复步骤S1,计算轮次加1。若没有剩余未分配的计算任务,或与本轮次步骤S1使用的待分配计算任务集合相同,结束分配。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (3)
1.一种异构网络中最大化网络收益的计算任务分配方法,其特征在于,包括如下步骤:
S1:在对系统初始化之后,建立一个待分配计算任务集合;
S2:首先针对每一层计算资源层,解决一个计算任务最优分配问题;
S3:检查是否存在重复分配的计算任务,若没有,则结束分配;若有,则针对步骤S2中重复分配的计算任务,以最大化网络收益为目标,确定其最终分配在哪一层计算资源层;
S4:检查计算任务集合中是否还有剩余未分配的计算任务,若有,且与本轮次步骤S1使用的待分配计算任务集合不同,则更新待分配计算任务集合,更新每层计算资源数量,重复步骤S1;若没有剩余未分配的计算任务,或与本轮次步骤S1使用的待分配计算任务集合相同,结束分配;
步骤S1中,初始化系统参数,获得待分配计算任务集合A,每完成一个计算任务ai,异构网络获得的收益是pi,i表示计算任务编号,ai∈A;异构网络第一层为用户层,第二层为用户接入层,第三层开始都是计算资源层,每一层计算资源层的总通信资源和总计算资源分别为rj和mj,其中下标j=3,…,N表示计算资源层的编号,N表示计算资源层的最大编号,每个计算任务需要消耗每一层计算资源层的通信资源和计算资源分别为和/>
步骤S2中,将异构网络中的计算任务分配问题,分成若干个独立的计算任务分配问题,对每一层计算资源层分别解最优分配问题;
针对第j层计算资源层,解决如下问题:
通过穷搜法,获得分配到第j层计算资源的计算任务Aj;
其中,二元变量xi,j表示每个计算任务被分配到哪一层,xi,j=0时,表示计算任务ai没有被分配到第j层计算资源层;当xi,j=1时,表示计算任务ai被分配到第j层计算资源层;计算任务至多可以被分配到一层计算资源层;
步骤S3中,判断{Aj},j=3,…,N中两两之间的交集是否为空集,若不为空集,以最大化网络收益为目标,确定重复分配的计算任务分配在哪一层,并获得这一轮分配的计算任务集合上标1表示计算轮次;若为空集,则结束分配。
2.如权利要求1所述的一种异构网络中最大化网络收益的计算任务分配方法,其特征在于:步骤S3中,判断{Aj},j=3,…,N中两两之间的交集是否为空集时,通过将Ak依次与Ak+1,…,AN进行两两比较,找出两者之间重复分配的计算任务;其中,k=3,…,N-1,Ak从A3开始,按照计算资源层的编号顺序递增,直至最后将AN-1与AN进行比较;每次比较后,对于重复分配的计算任务先以最大化网络收益为目标进行分配,再进行下一次比较。
3.如权利要求1所述的一种异构网络中最大化网络收益的计算任务分配方法,其特征在于:步骤S4中,剩余的未被分配的计算任务序号为检查计算任务集合中是否还有剩余未分配的计算任务,若有,且与本轮次步骤S1使用的待分配计算任务集A不同,则更新待分配计算任务集合,更新每层计算资源数量,重复步骤S1,计算轮次加1;若没有剩余未分配的计算任务,或与本轮次步骤S1使用的待分配计算任务集相同,则结束分配。/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011069216.5A CN112181658B (zh) | 2020-09-30 | 2020-09-30 | 一种异构网络中最大化网络收益的计算任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011069216.5A CN112181658B (zh) | 2020-09-30 | 2020-09-30 | 一种异构网络中最大化网络收益的计算任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112181658A CN112181658A (zh) | 2021-01-05 |
CN112181658B true CN112181658B (zh) | 2024-04-05 |
Family
ID=73948641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011069216.5A Active CN112181658B (zh) | 2020-09-30 | 2020-09-30 | 一种异构网络中最大化网络收益的计算任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112181658B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010026391A1 (en) * | 2008-09-05 | 2010-03-11 | British Telecommunications Plc | Load balancing in a data network |
CN102946641A (zh) * | 2012-11-27 | 2013-02-27 | 重庆邮电大学 | 异构融合网络带宽资源优化分配方法 |
CN103533037A (zh) * | 2013-09-29 | 2014-01-22 | 浙江工商大学 | 基于经济模型的转发和控制分离网络中的资源调度方法 |
CN104331321A (zh) * | 2014-10-09 | 2015-02-04 | 冷明 | 基于禁忌搜索和负载均衡的云计算任务调度方法 |
CN106304307A (zh) * | 2016-08-16 | 2017-01-04 | 上海交通大学 | 一种异构网络融合下的资源分配方法 |
CN107197045A (zh) * | 2017-07-19 | 2017-09-22 | 湖南大学 | 云计算环境下虚拟机资源的分配方法及分配系统 |
CN107333301A (zh) * | 2017-08-16 | 2017-11-07 | 哈尔滨工业大学 | 多属异构网络中的一种基于认知的联合资源再分配方法 |
KR20170126390A (ko) * | 2016-05-09 | 2017-11-17 | 한국전자통신연구원 | 기여 이익률 기반 최적 자원 할당 방법 및 장치 |
CN107864512A (zh) * | 2017-11-01 | 2018-03-30 | 南京邮电大学 | 一种基于博弈论的蜂窝异构网络资源分配方法 |
CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算系统中基于分层博弈的联合资源分配方法 |
CN109413724A (zh) * | 2018-10-11 | 2019-03-01 | 重庆邮电大学 | 一种基于mec的任务卸载和资源分配方案 |
CN109409773A (zh) * | 2018-11-14 | 2019-03-01 | 中南大学 | 一种基于合同网机制的对地观测资源动态规划方法 |
CN110058928A (zh) * | 2019-03-25 | 2019-07-26 | 南京工程学院 | 异构车联网中基于鞅理论的计算任务分配方法 |
CN110557838A (zh) * | 2019-09-02 | 2019-12-10 | 南京工程学院 | 无线内容分发网络中基于契约理论的缓冲资源分配方法 |
CN110830390A (zh) * | 2019-11-11 | 2020-02-21 | 南京邮电大学 | 一种QoS驱动的移动边缘网络资源分配方法 |
CN111694655A (zh) * | 2020-03-12 | 2020-09-22 | 武汉大学 | 一种面向多任务的边缘计算资源分配方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020087473A1 (en) * | 2000-12-29 | 2002-07-04 | Shlomi Harif | System, method and program for creating an authenticatable, non-repudiatable transactional identity in a heterogeneous network |
US20030217129A1 (en) * | 2002-05-15 | 2003-11-20 | Lucent Technologies Inc. | Self-organizing intelligent network architecture and methodology |
US11244242B2 (en) * | 2018-09-07 | 2022-02-08 | Intel Corporation | Technologies for distributing gradient descent computation in a heterogeneous multi-access edge computing (MEC) networks |
-
2020
- 2020-09-30 CN CN202011069216.5A patent/CN112181658B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010026391A1 (en) * | 2008-09-05 | 2010-03-11 | British Telecommunications Plc | Load balancing in a data network |
CN102946641A (zh) * | 2012-11-27 | 2013-02-27 | 重庆邮电大学 | 异构融合网络带宽资源优化分配方法 |
CN103533037A (zh) * | 2013-09-29 | 2014-01-22 | 浙江工商大学 | 基于经济模型的转发和控制分离网络中的资源调度方法 |
CN104331321A (zh) * | 2014-10-09 | 2015-02-04 | 冷明 | 基于禁忌搜索和负载均衡的云计算任务调度方法 |
KR20170126390A (ko) * | 2016-05-09 | 2017-11-17 | 한국전자통신연구원 | 기여 이익률 기반 최적 자원 할당 방법 및 장치 |
CN106304307A (zh) * | 2016-08-16 | 2017-01-04 | 上海交通大学 | 一种异构网络融合下的资源分配方法 |
CN107197045A (zh) * | 2017-07-19 | 2017-09-22 | 湖南大学 | 云计算环境下虚拟机资源的分配方法及分配系统 |
CN107333301A (zh) * | 2017-08-16 | 2017-11-07 | 哈尔滨工业大学 | 多属异构网络中的一种基于认知的联合资源再分配方法 |
CN107864512A (zh) * | 2017-11-01 | 2018-03-30 | 南京邮电大学 | 一种基于博弈论的蜂窝异构网络资源分配方法 |
CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算系统中基于分层博弈的联合资源分配方法 |
CN109413724A (zh) * | 2018-10-11 | 2019-03-01 | 重庆邮电大学 | 一种基于mec的任务卸载和资源分配方案 |
CN109409773A (zh) * | 2018-11-14 | 2019-03-01 | 中南大学 | 一种基于合同网机制的对地观测资源动态规划方法 |
CN110058928A (zh) * | 2019-03-25 | 2019-07-26 | 南京工程学院 | 异构车联网中基于鞅理论的计算任务分配方法 |
CN110557838A (zh) * | 2019-09-02 | 2019-12-10 | 南京工程学院 | 无线内容分发网络中基于契约理论的缓冲资源分配方法 |
CN110830390A (zh) * | 2019-11-11 | 2020-02-21 | 南京邮电大学 | 一种QoS驱动的移动边缘网络资源分配方法 |
CN111694655A (zh) * | 2020-03-12 | 2020-09-22 | 武汉大学 | 一种面向多任务的边缘计算资源分配方法 |
Non-Patent Citations (3)
Title |
---|
"Constraint aware profit maximization scheduling of tasks in heterogeneous datacenters";Chinmaya Kumar Swain;《springer link》;全文 * |
王朝 ; 高岭 ; 高全力 ; 牛秀娟 ; 马景超."边缘计算中基于博弈论的数据协作缓存策略研究".《计算机应用研究》.2020,全文. * |
黄冬艳 ; 付中卫 ; 王波."计算资源受限的移动边缘计算服务器收益优化策略".《计算机应用》.2019,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112181658A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107995660B (zh) | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 | |
CN109492774B (zh) | 一种基于深度学习的云资源调度方法 | |
CN110505644B (zh) | 用户任务卸载与资源分配联合优化方法 | |
CN111182570B (zh) | 提高运营商效用的用户关联和边缘计算卸载方法 | |
Xu et al. | Cnn partitioning and offloading for vehicular edge networks in web3 | |
CN111182495B (zh) | 一种5g车联网部分计算卸载方法 | |
CN110519370B (zh) | 一种基于设施选址问题的边缘计算资源分配方法 | |
CN112000481B (zh) | 一种d2d-mec系统计算能力最大化的任务卸载方法 | |
CN111711666B (zh) | 一种基于强化学习的车联网云计算资源优化方法 | |
CN110519090B (zh) | 一种fpga云平台的加速卡分配方法、系统及相关组件 | |
CN111901145B (zh) | 一种电力物联网异构共享资源分配系统和方法 | |
CN109495565B (zh) | 基于分布式泛在计算的高并发服务请求处理方法和设备 | |
CN112187535B (zh) | 雾计算环境下服务器部署方法及装置 | |
CN111917818A (zh) | 一种个性化服务需求的动态匹配方法 | |
CN111611076B (zh) | 任务部署约束下移动边缘计算共享资源公平分配方法 | |
CN113992677A (zh) | 一种延迟与能耗联合优化的mec计算卸载方法 | |
CN110167031B (zh) | 一种面向集中式基站的资源分配方法、设备及存储介质 | |
Yuan et al. | An energy-efficient computing offloading framework for blockchain-enabled video streaming systems | |
CN112437449B (zh) | 联合资源分配方法 | |
CN112181658B (zh) | 一种异构网络中最大化网络收益的计算任务分配方法 | |
CN111626354B (zh) | 应用于车联网中的基于任务依赖性的聚类方法 | |
CN112162862B (zh) | 一种异构网络中简单的计算任务分配方法 | |
CN112882805A (zh) | 一种任务资源约束的利润优化调度方法 | |
CN109089323B (zh) | 一种低开销的工业无线传感器选择方法 | |
CN111372216A (zh) | 一种面向智能网联汽车的资源调度方法、系统及存储介质 |
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 |