CN112187534B - 一种工业物联网中基于多跳传输的任务卸载方法 - Google Patents
一种工业物联网中基于多跳传输的任务卸载方法 Download PDFInfo
- Publication number
- CN112187534B CN112187534B CN202010992896.1A CN202010992896A CN112187534B CN 112187534 B CN112187534 B CN 112187534B CN 202010992896 A CN202010992896 A CN 202010992896A CN 112187534 B CN112187534 B CN 112187534B
- Authority
- CN
- China
- Prior art keywords
- task
- computing
- industrial
- wireless access
- access node
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种工业物联网中基于多跳传输的任务卸载方法,涉及工业物联网领域,通过构建通信带宽分配、计算资源分配、路径决策模型、进行非线性优化,通过松弛处理将优化问题转化为凸优化问题并求解,求得近似最优策略。本发明能够在工业网络多跳任务卸载中求得近似最优策略,且复杂度较低,具有降低任务延迟,保证任务的服务质量的效果。
Description
技术领域
本发明涉及工业物联网领域,尤其涉及一种工业物联网中基于多跳传输的任务卸载方法。
背景技术
随着现代信息技术的快速发展,工业物联网在规模和智能化程度上都有了很大的提升。海量的工业设备被接入工业网络中,并且产生了密集的数据流量。同时,由于用户的需求,出现了一批工业应用,例如故障预测和诊断、数据分析、实时监控等,这些工业应用通常对计算量的需求较大,并且是时延敏感型的。然而,由于工业设备自身计算能力和能量供给的限制,在给定的时延要求内处理这些任务是比较困难的,因此亟需一种任务处理策略,来有效地处理工业应用的计算任务。
计算架构的革新为海量数据的处理提供了有力的支撑。从云计算到边缘计算,计算资源与用户的距离逐步拉近,而这不仅带来了更低的传输时延,同时将云计算的能力延伸到网络边缘,能够提供丰富的计算资源,这样就进一步减轻了网络负载的压力,给计算任务提供更高质量的服务。正是由于边缘计算高带宽、低时延、本地化的特点,解决了数据处理时延过大、数据流量过高的问题,使其适用于对实时性和计算能力要求较高的工业场景。同时,结合计算任务卸载技术,将任务从资源受限的工业设备传输到边缘服务器上进行处理。所以,采用基于边缘计算的任务卸载,可以为工业应用下的计算任务提供低时延和更加灵活的计算。
在一般的边缘计算系统中,终端用户可以把计算任务卸载到部署在网络边缘的边缘服务器上。然而,由于工业生产环境的复杂,对通信传输过程存在无法避免的干扰,工业设备和边缘服务器之间的通信质量可能会受到影响,甚至导致连接间断。因此,在这种场景下,单跳的计算任务卸载是不可靠的。通过在网络中部署无线接入节点,工业设备与无线接入节点之间进行合作,将任务数据通过多跳传输的方式卸载到边缘服务器上,这种卸载方式称为多跳任务卸载。在这一过程中,工业设备将任务传输到无线接入节点,由于不同工业设备产生的计算任务需求不同,需要对传输带宽进行分配;其次,任务在无线接入节点之间进行多跳传输时,需要选择合适的传输路径以减小传输过程中的时延;最后,当任务卸载到边缘服务器进行计算时,需要对每个任务分配合理的计算资源以提高计算的效率。
现有技术存在的问题在于,缺乏一种有效的优化策略,同时考虑这三个方面,联合优化通信资源、计算资源和多跳传输路径的决策,得到任务卸载的最优策略。
因此,本领域的技术人员致力于开发一种工业物联网中基于多跳传输的任务卸载方法,在工业物联网场景下,结合边缘计算和任务卸载技术,寻找一种有效的任务处理策略,优化网络资源的分配与任务传输路径的决策,以最大化系统的效用函数,从而满足工业应用的服务要求。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种工业物联网中通信资源、计算资源分配和多跳路径规划的任务卸载方法。该方法在满足设备通信资源以及计算能力约束的要求下,通过分配设备的通信带宽、边缘服务器的计算资源以及多跳路径决策等方式,实现系统效用函数的最大化。
为实现上述目的,本发明提供了一种工业物联网中基于多跳传输的任务卸载方法,在软件定义接入网络中包含M台工业设备、P个无线接入节点和N台SDN交换机,无线接入节点之间、无线接入节点与SDN交换机之间、无线接入节点与其覆盖范围内的工业设备之间通过无线方式进行通信;SDN交换机旁部署有边缘计算服务器;每个工业设备会产生一个计算任务,计算任务可在工业设备本身计算,也可以通过无线接入节点和SDN交换机卸载到边缘计算服务器进行计算;包括如下步骤:
步骤二:构建无线接入节点的通信带宽分配、边缘服务器的计算资源分配、计算任务的路由路径决策模型,构建混合整数非线性优化问题,优化系统总体的效用函数;
步骤三:处理步骤二中建立的优化问题,引入辅助变量代替优化问题中耦合的优化变量,利用线性化重构技术,用线性约束代替优化问题中包含耦合变量的约束;对优化问题中的二进制变量进行松弛处理,将优化问题转化为凸优化问题;
步骤四:求解所述步骤三中构建的凸优化问题,利用交替向量乘子法,定义优化变量的本地副本,构建增广拉格朗日函数,通过迭代更新本地变量、全局变量和对偶变量来求解问题,最后对松弛处理的二进制变量进行恢复,得到通信带宽分配、计算资源分配和路由路径的联合优化策略。
进一步地,在工业设备本身计算的模型为:
进一步地,工业设备将计算任务传输到无线接入节点的模型为:
与工业设备i相关联的无线接入节点为χ(i)=k,连接到无线接入节点k的设备的集合为Ωk={i:i∈M,χ(i)=k};无线接入节点k的无线带宽为Bk,采用时分多址技术实现工业设备与无线接入节点的多对一通信,集合Ωk中的设备i分配到的带宽为Bi,带宽分配满足
其中,工业设备与无线接入节点之间的无线通信速率ri为
计算任务Qi从工业设备i传输到无线接入节点k过程的效用函数为
进一步地,多跳路径中的单跳通信模型为:
出现传输块错误的块进行重传,出现k次块错误,则传输时延为
根据概率,传输时延为
进一步地,计算任务在边缘计算服务器计算的模型为:
计算任务Qi在边缘计算服务器j上的计算时间为
进一步地,步骤二的模型为:
采用路径向量路由机制,工业设备i需要将计算任务Qi传输到边缘计算服务器j进行处理,则从与工业设备i相关联的无线接入节点χ(i)到边缘计算服务器j有一组路由路径,定义为包含所有从无线接入节点χ(i)到边缘计算服务器j的路由路径;
定义工业设备i的一组计算选择变量,xi,来表示计算任务Qi在本地计算还是卸载计算;xi=1表示计算任务Qi在本地进行处理,表示计算任务Qi通过路径p卸载到边缘计算服务器j进行处理;计算选择变量的约束为
进一步地,所步骤三具体为:
利用线性化重构技术,用线性约束代替优化问题中包含耦合变量的约束c5和c6;
进一步地,对优化问题中的二进制变量进行松弛处理
将优化问题转化为凸优化问题
进一步地,步骤四具体为:
构建问题P4的增广拉格朗日函数:
通过迭代更新本地变量、全局变量和对偶变量来求解问题,最后对松弛处理的变量进行恢复,得到通信带宽分配、计算资源分配和路由路径选择的联合优化策略。
本发明还公开了一种工业物联网系统,包括工业设备、无线接入节点、SDN交换机、边缘计算服务器,按照上述的方法,得到通信带宽分配、计算资源分配和路由路径的联合优化策略,进行多跳传输的任务卸载。
本发明基于工业物联网中的多跳任务卸载,构建了工业网络中的多跳任务卸载模型,最大化系统的效用函数,以满足工业应用对计算密集型任务的低时延要求。本发明中考虑了通信带宽分配、边缘服务器计算资源分配和多跳路径选择问题,建立了混合整数非线性规划问题,为了求解该优化问题,首先引入辅助变量并利用线性化重构技术,松弛二进制变量,将问题转化为凸优化问题。而随着网络设备数量增大,变量维度会激烈增长,采用了基于交替向量乘子法的分布式求解方法,能够获得较大的系统效用收益,并且具有降低的时间复杂度。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的基于ADMM的分布式求解算法流程图;
图2是本发明的基于多跳传输的任务卸载模型示意图。
其中:1-工业设备,2-无线接入节点,3-SDN交换机,4-边缘计算服务器。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
如图2所示,为本发明的基于多跳传输的任务卸载模型示意图,包括工业设备1、无线接入节点2、SDN交换机3、边缘计算服务器4。
如图1所示,本发明一种工业物联网中基于多跳传输的任务卸载方法,包括以下步骤:
(1)系统建模:在软件定义接入网络中包含M台工业设备、P个无线接入节点和N台SDN交换机,无线接入节点之间、无线接入节点与SDN交换机之间通过无线方式进行通信;无线接入节点与工业设备通过无线方式进行通信,且有一定的无线通信范围,在所属的无线通信范围内,工业设备只能与无线接入节点进行通信。无线接入节点的通信范围之间没有覆盖。SDN交换机旁部署有一台边缘计算服务器,边缘计算服务器的计算能力为工业设备的计算能力为每个设备会产生一个计算任务Qi,计算任务Qi包含任务数据量大小di和任务计算量ci两个指标;设备上的计算任务有两个计算位置可以选择,设备本身和边缘计算服务器;设备可通过无线接入节点和SDN交换机将计算任务卸载到边缘计算服务器进行计算。
(2)构建无线接入节点的通信带宽分配、边缘服务器的计算资源分配、计算任务的路由路径决策模型,构建混合整数非线性优化问题,优化系统总体的效用函数。
(3)处理步骤(2)中建立的规划问题,构建的问题是一个涉及整数和二进制变量的非线性组合规划问题,并且是非凸的,难以在合理的时间内求解到最优值。卸载决策变量为整数,并且与带宽分配变量和计算资源分配变量相互耦合,因此引入辅助变量代替优化问题中耦合的优化变量,并进一步利用线性化重构技术,分别用一组线性约束来代替优化问题中包含耦合变量的两个约束。由于卸载决策变量为整数导致变量可行集非凸,对卸载决策变量进行松弛处理,松弛为[0,1]上的连续整数,将步骤(2)中建立的规划问题转化为凸优化问题。
(4)求解步骤(3)中构建的凸优化问题,利用交替向量乘子法,定义优化变量的本地副本,构建增广拉格朗日函数,通过迭代更新本地变量、全局变量和对偶变量来求解问题,最后对松弛处理的二进制变量进行恢复,得到通信带宽分配、计算资源分配和路由路径选择的联合优化策略。
步骤(1)具体为:
一个软件定义接入网络(Software defined access network),由M个工业设备(Industrial Device,ID),N个SDN交换机(SDN switch)和P个无线接入节点(WirelessAccess Point,WAP)组成。把工业设备的集合表示为把SDN交换机的集合表示为把无线接入节点的集合表示为每个无线接入节点有一定的无线通信范围,在通信范围内分布有若干工业设备,这些工业设备只能与该节点通过无线链路进行通信,不同节点的通信范围之间没有覆盖。无线接入节点之间、无线接入节点与SDN交换机之间按照一定的网络拓扑基于IEEE 802.3协议进行有线通信。每个SDN交换机旁部署有一个边缘计算服务器,边缘计算服务器的计算能力为工业设备的计算能力为设备i产生的任务可以用Qi=(ci,di)来表示,其中ci表示完成任务Qi需要的CPU周期数,di表示任务Qi的数据量大小。每个工业设备会产生一个计算任务,由于设备的计算能力有限,因此设备可以选择在本地处理任务,也可以选择将任务卸载到边缘服务器处理。若设备决定将任务卸载到边缘服务器处理,则设备先将任务传输到与之关联的接入节点,然后由无线接入节点通过多跳通信传输到边缘服务器,在边缘服务器处理完任务之后,再将计算结果返回。
(1)本地计算
任务Qi的处理时延为本地的计算时间
定义本地计算的效用函数为
(2)卸载计算
若设备i选择将任务卸载到边缘服务器处理,那么设备需要先将任务Qi传输到与其关联的接入节点χ(i),然后从χ(i)通过多跳通信的方式传输到SDN交换机,交予SDN交换机旁部署的边缘服务器,接着由边缘服务器处理任务,最后将处理完成的结果送回设备。由于返回的结果数据量很小,因此将数据传输回设备的时延忽略不计。
1)设备传输任务到无线接入节点
与设备i相关联的无线接入节点为χ(i)=k,无线接入节点k总的无线带宽为Bk。考虑采用时分多址(Time division multiple access,TDMA)技术实现设备与无线接入节点的多对一通信,通过把TDMA帧分割成若干个时隙,多个设备可以在各自的时隙中与无线接入节点进行通信,从而避免了通信干扰,能够有效地利用无线信道,保证数据传输的质量。一个TDMA帧能够分配的总带宽为Bk,集合Ωk中的设备i分配到的带宽为Bi,则带宽分配应满足约束
根据香农公式,设备i与节点k之间的无线通信速率ri可以得到
因此,定义任务Qi从设备i传输到节点k过程的效用函数为
2)无线接入节点多跳传输到SDN交换机
首先构建单跳通信模型,由于多径衰落和阴影效应,无线信道产生的波动可能会导致数据传输失败,因此通信设备调制和编码方案根据信道质量动态调整,以保持块错误率(BLER)恒定。无线接入节点的块错误率用η来表示,任务i的数据量大小为di,传输块大小定义为则单跳链路出错的概率为
则出现k个块错误的概率为
只有出现传输块错误的块需要进行重传,假设重传块的成功率为1。出现k次块错误,则传输时延为
根据概率,单跳传输时延为
分成两部分求和:
1.
2.
因此,单跳传输时延为
则任务Qi在路径p上多跳传输的效用函数为
3)任务在边缘服务器计算
任务通过多跳传输到达SDN交换机j,交予边缘服务器j计算。边缘服务器j的计算能力定义为(CPU cycles/s),卸载到边缘服务器j的任务能够分配得到一部分计算资源。定义任务Qi分配到边缘服务器j的计算资源为则任务Qi在边缘服务器j上的计算时间为
定义任务Qi在边缘服务器j上计算的效用函数为
同时任务Qi分配到的资源应该满足如下的约束
根据上述的公式,处理设备i上产生的任务Qi的效用函数为
步骤(2)具体为:
根据步骤(1)建立的通信和计算模型,构建任务卸载和资源分配优化问题以最大化处理任务的效用函数。定义任务的卸载决策向量为则全体任务的卸载决策为定义任务的带宽分配向量为定义边缘服务器的计算资源分配向量为因此任务卸载和资源分配优化问题为:
步骤(3)具体为:
在引入辅助变量后,问题P1的目标函数可以转化为
约束c2可以转化为
约束c3可以转化为
因此,问题P1可以转化为
然而,约束c5,c6还是使得问题难以求解,因此采用重构线性化技术,用一些线性约束来代替c5和c6。
其中,Bmin和fmin是无穷小量。
松弛的二进制决策变量可以解释为计算任务被部分卸载了,一部分在本地计算,另一部分在边缘服务器上计算。所以问题P2可以重新写为
问题P3是一个凸优化问题,现有很多凸优化方法可以用来处理线性规划问题,例如内点法、对偶分解等。然而针对这个问题设计集中式求解算法比较困难,随着网络设备数量增大,变量维度激烈增长,会给问题求解带来巨大的计算复杂度。因此,接下来提出一个基于分布式算法的求解方法。
步骤(4)具体为:
则设备i’的本地变量的可行集为
因此,问题P3的目标函数可以表示为
对于每一个设备,相关的本地效用函数可以表示为
因此,问题P3可以表示为:
定义问题P4的增广拉格朗日函数
在很多分析中,通过将增广拉格朗日函数中的线性项和二次项结合起来并缩放对偶变量,可以将ADMM写成带标度的形式,这种形式通常更加方便。
ADMM算法通过迭代更新本地变量、全局变量和对偶变量来求解问题,接下来分别给出求解的步骤。
a)本地变量更新
根据问题分解,问题P4被转化为M个子问题,可以用分布式方法求解。很显然,(4)是一个二次函数,并且本地变量的可行集是凸的。因此本地变量可以利用原始-对偶内点法或者凸优化工具,例如CPLEX求解。
b)全局变量更新
式(5),(6),(7),(8)是在无约束的情况下,求二次函数的最小值问题。因此,分别对x,y,u,v一阶导数可以得到
接下来,可得
c)乘子更新
根据已有的证明,原始残差和对偶残差随着迭代次数增加会收敛到零。因此,为了满足停止迭代的条件,原始残差应该足够小。
同样的,第t+1次迭代的对偶可行性条件残差也应该足够小,即满足如下条件:
二进制变量恢复:
为了将原问题转化为凸优化问题,在前面把二元变量x和y松弛为连续变量,所以在ADMM过程收敛后需要恢复二进制变量。以变量xi为例,给出恢复二进制变量的算法。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种工业物联网中基于多跳传输的任务卸载方法,其特征在于,在软件定义接入网络中包含M台工业设备、P个无线接入节点和N台SDN交换机,所述无线接入节点之间、所述无线接入节点与所述SDN交换机之间、所述无线接入节点与其覆盖范围内的所述工业设备之间通过无线方式进行通信;所述SDN交换机旁部署有边缘计算服务器;每个所述工业设备会产生一个计算任务,所述计算任务可在所述工业设备本身计算,也可以通过所述无线接入节点和所述SDN交换机卸载到所述边缘计算服务器进行计算;包括如下步骤:
步骤二:构建所述无线接入节点的通信带宽分配、所述边缘计算服务器的计算资源分配、所述计算任务的路由路径决策模型,构建混合整数非线性优化问题,优化系统总体的效用函数;
步骤三:处理所述步骤二中建立的优化问题,引入辅助变量代替所述优化问题中耦合的优化变量,利用线性化重构技术,用线性约束代替所述优化问题中包含耦合变量的约束;对所述优化问题中的二进制变量进行松弛处理,将所述优化问题转化为凸优化问题;
步骤四:求解所述步骤三中构建的凸优化问题,得到通信带宽分配、计算资源分配和路由路径的联合优化策略。
3.如权利要求1所述的工业物联网中基于多跳传输的任务卸载方法,其特征在于,所述工业设备将所述计算任务传输到所述无线接入节点的模型为:
与所述工业设备i相关联的所述无线接入节点为χ(i)=k,连接到无线接入节点k的设备的集合为Ωk={i:i∈M,χ(i)=k};所述无线接入节点k的无线带宽为Bk,采用时分多址技术实现所述工业设备与所述无线接入节点的多对一通信,集合Ωk中的设备i分配到的带宽为Bi,带宽分配满足
其中,所述工业设备与所述无线接入节点之间的无线通信速率ri为
所述计算任务Qi从所述工业设备i传输到所述无线接入节点k过程的效用函数为
6.如权利要求1所述的工业物联网中基于多跳传输的任务卸载方法,其特征在于,所述步骤二的模型为:
采用路径向量路由机制,所述工业设备i需要将所述计算任务Qi传输到所述边缘计算服务器j进行处理,则从与所述工业设备i相关联的所述无线接入节点χ(i)到所述边缘计算服务器j有一组路由路径,定义为包含所有从所述无线接入节点χ(i)到所述边缘计算服务器j的路由路径;
定义所述工业设备i的一组计算选择变量,来表示所述计算任务Qi在本地计算还是卸载计算;xi=1表示所述计算任务Qi在本地进行处理,表示所述计算任务Qi通过路径p卸载到所述边缘计算服务器j进行处理;计算选择变量的约束为
定义Ui为处理所述工业设备i上产生的所述计算任务Qi的效用函数;
10.一种工业物联网系统,其特征在于,包括工业设备、无线接入节点、SDN交换机、边缘计算服务器,按照如权利要求1-9所述的方法,得到通信带宽分配、计算资源分配和路由路径的联合优化策略,进行多跳传输的任务卸载。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010992896.1A CN112187534B (zh) | 2020-09-21 | 2020-09-21 | 一种工业物联网中基于多跳传输的任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010992896.1A CN112187534B (zh) | 2020-09-21 | 2020-09-21 | 一种工业物联网中基于多跳传输的任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112187534A CN112187534A (zh) | 2021-01-05 |
CN112187534B true CN112187534B (zh) | 2021-09-24 |
Family
ID=73955510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010992896.1A Active CN112187534B (zh) | 2020-09-21 | 2020-09-21 | 一种工业物联网中基于多跳传输的任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112187534B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113676357B (zh) * | 2021-08-30 | 2022-07-29 | 国网内蒙古东部电力有限公司 | 面向电力物联网中边缘数据处理的决策方法及其应用 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017100640A1 (en) * | 2015-12-11 | 2017-06-15 | Interdigital Patent Holdings, Inc. | Method and apparatus for enabling third party edge clouds at the mobile edge |
CN109240818A (zh) * | 2018-09-04 | 2019-01-18 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
CN109388492A (zh) * | 2018-10-09 | 2019-02-26 | 浙江工业大学 | 一种在多个边缘计算服务器场景下基于模拟退火的移动区块链优化算力分配方法 |
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 |
CN111148134A (zh) * | 2019-12-19 | 2020-05-12 | 南京大学 | 一种基于移动边缘计算的多用户多任务卸载方法 |
CN111245651A (zh) * | 2020-01-08 | 2020-06-05 | 上海交通大学 | 一种基于功率控制和资源分配的任务卸载方法 |
CN111405568A (zh) * | 2020-03-19 | 2020-07-10 | 三峡大学 | 基于q学习的计算卸载和资源分配方法及装置 |
CN111611076A (zh) * | 2020-05-20 | 2020-09-01 | 云南大学 | 任务部署约束下移动边缘计算共享资源公平分配方法 |
-
2020
- 2020-09-21 CN CN202010992896.1A patent/CN112187534B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017100640A1 (en) * | 2015-12-11 | 2017-06-15 | Interdigital Patent Holdings, Inc. | Method and apparatus for enabling third party edge clouds at the mobile edge |
CN109240818A (zh) * | 2018-09-04 | 2019-01-18 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
CN109388492A (zh) * | 2018-10-09 | 2019-02-26 | 浙江工业大学 | 一种在多个边缘计算服务器场景下基于模拟退火的移动区块链优化算力分配方法 |
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 |
CN111148134A (zh) * | 2019-12-19 | 2020-05-12 | 南京大学 | 一种基于移动边缘计算的多用户多任务卸载方法 |
CN111245651A (zh) * | 2020-01-08 | 2020-06-05 | 上海交通大学 | 一种基于功率控制和资源分配的任务卸载方法 |
CN111405568A (zh) * | 2020-03-19 | 2020-07-10 | 三峡大学 | 基于q学习的计算卸载和资源分配方法及装置 |
CN111611076A (zh) * | 2020-05-20 | 2020-09-01 | 云南大学 | 任务部署约束下移动边缘计算共享资源公平分配方法 |
Non-Patent Citations (1)
Title |
---|
移动边缘计算中的计算卸载策略研究综述;董思岐;《计算机科学》;20191130;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112187534A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111918311B (zh) | 基于5g移动边缘计算的车联网任务卸载和资源分配方法 | |
WO2021139537A1 (zh) | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 | |
CN110928654A (zh) | 一种边缘计算系统中分布式的在线任务卸载调度方法 | |
CN113939034A (zh) | 一种立体异构电力物联网云边端协同资源分配方法 | |
Duong et al. | From digital twin to metaverse: The role of 6G ultra-reliable and low-latency communications with multi-tier computing | |
Liu et al. | Full-duplex aided user virtualization for mobile edge computing in 5G networks | |
CN114051254A (zh) | 一种基于星地融合网络的绿色云边协同计算卸载方法 | |
CN113613301B (zh) | 一种基于dqn的空天地一体化网络智能切换方法 | |
CN112187534B (zh) | 一种工业物联网中基于多跳传输的任务卸载方法 | |
Bhandari et al. | Optimal Cache Resource Allocation Based on Deep Neural Networks for Fog Radio Access Networks | |
Tsukamoto et al. | Feedback control for adaptive function placement in uncertain traffic changes on an advanced 5G system | |
Van Truong et al. | System performance and optimization in NOMA mobile edge computing surveillance network using GA and PSO | |
Xu et al. | Joint task offloading and resource allocation for multihop industrial internet of things | |
Xu et al. | Cybertwin assisted wireless asynchronous federated learning mechanism for edge computing | |
CN117196014B (zh) | 基于联邦学习的模型训练方法、装置、计算机设备及介质 | |
CN116761218A (zh) | 一种云边端协同系统中的联合优化方法、系统及存储介质 | |
Farajzadeh et al. | FLSTRA: Federated learning in stratosphere | |
CN116600344A (zh) | 一种具有电力成本差异的多层mec资源卸载方法 | |
CN115276755B (zh) | 卫星网络通信的星间链路与功率分配方法 | |
Yuan et al. | Joint multi-ground-user edge caching resource allocation for cache-enabled high-low-altitude-platforms integrated network | |
WO2022231491A1 (en) | Determing allocation of unmanned aerial vehicle base stations in a wireless network | |
CN113411112A (zh) | 一种分布式鲁棒多小区协作波束成形admm网络的构建方法 | |
Luo et al. | Resource allocation and user-centric clustering in ultra-dense networks with wireless backhaul | |
CN117440135B (zh) | 基于北斗卫星通信的图像传输方法及系统 | |
Howe et al. | Robust and Efficient Quantum Communication |
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 |