CN112188631A - 基于梯度估计的海洋雾节点资源管理方法 - Google Patents
基于梯度估计的海洋雾节点资源管理方法 Download PDFInfo
- Publication number
- CN112188631A CN112188631A CN202011073231.7A CN202011073231A CN112188631A CN 112188631 A CN112188631 A CN 112188631A CN 202011073231 A CN202011073231 A CN 202011073231A CN 112188631 A CN112188631 A CN 112188631A
- Authority
- CN
- China
- Prior art keywords
- resource allocation
- fog node
- allocation period
- computing
- data
- 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.)
- Withdrawn
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
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
本发明涉及一种基于梯度估计的海洋雾节点资源管理方法。实现步骤为:数据初始化;雾节点在资源分配周期获取资源分配动作;雾节点在资源分配周期获取资源分配动作对应的成本值和约束值;雾节点为下一个资源分配周期更新对偶变量;雾节点为下一个资源分配周期更新计算资源分配动作,根据计算资源分配动作决定在资源分配周期对收集到的数据实时分配雾节点的计算资源。本发明不需要成本函数和约束函数的显示表达,雾节点利用先前资源分配周期的资源信息,在当前资源分配周期对收集到的数据实时分配雾节点的计算资源,数据利用分配到的计算资源进行预处理从而节省用于传输数据的通信资源提高海上通信效率,并满足不同海洋应用的通信服务质量需求。
Description
技术领域
本发明涉及通信技术领域,涉及一种基于梯度估计的海洋雾节点资源管理方法。
背景技术
随着人类海洋活动的不断增加,部署了越来越多的水下设备,用于海洋鱼类活动检测、海洋环境检测和海洋船舶保障等。这些设备产生了大量数据,装备在船舶,浮标上的雾节点收集数据,处理收集到的数据并进行传输,基站,卫星接收来自于雾节点传输的数据,并将数据传输到数据中心和用户,从而实现对数据的应用需求。与地面通信不同,海上通信环境恶劣,海上通信资源有限且缺乏基础通信设施。如何高效利用有限的通信资源传输数据提高海上通信效率,这成为急需解决的问题。针对这一问题,现有的资源管理方法解决效果不显著,未考虑在雾节点处对数据实时分配雾节点的计算资源,数据利用分配到的计算资源进行预处理从而节省用于传输数据的通信资源提高海上通信效率,也未考虑满足不同海洋应用的服务质量需求。
发明内容
本发明提供一种基于梯度估计的海洋雾节点资源管理方法,该方法不需要成本函数和约束函数的显示表达,雾节点利用先前资源分配周期的资源信息,在当前资源分配周期对收集到的数据实时分配雾节点的计算资源,数据利用分配到的计算资源进行预处理从而节省用于传输数据的通信资源提高海上通信效率,并满足不同海洋应用的通信服务质量需求。
本发明通过以下技术方案来实现:
基于梯度估计的海洋雾节点资源管理方法,其特征在于包括以下步骤:
S1、对λ1,δ和β,α和μ进行初始化,t=1,其中,xt表示雾节点在第t个资源分配周期的资源分配动作,这里资源分配动作包含雾节点在资源分配周期可以给数据分配的计算资源,Pi(t)表示雾节点在第t个资源分配周期可以给第i个应用数据分配的计算资源,计算资源是虚拟化的,没有单位,现实中可以是算力,可以是内存大小,频率的函数,λt表示在第t个资源分配周期的对偶变量,β∈[0,1)是取决于δ的预选常数,δ表示大于0的预选常数,α和μ表示用于调整步长的预定义常数;
则约束的梯度表示为:
ΦβX(y)=arg minx∈βX||x-y||2表示为投影算子,X表示设定的可行集合,而βX表示X的一个子集,u是随机单位向量,d表示维度,un,t表示独立于单位球的表面,
从步骤S2到步骤S5循环进行,每循环一次t加1;
S3、雾节点在第t个资源分配周期获取资源分配动作xt和xt+δun,t对应的成本值ft(xt)Hz/bit,ft(xt+δun,t)Hz/bit,和约束值gt(xt)Hz,gt(xt+δun,t)Hz;
S5、雾节点通过公式为下一个资源分配周期更新计算资源分配动作Pt+1,根据计算资源分配动作Pt决定在资源分配周期对收集到的数据实时分配雾节点的计算资源,其中,使用公式评估是否满足服务质量约束,VT越小,服务质量要求越能够满足。
本发明的有益效果是:不需要成本函数和约束函数的显示表达,雾节点利用先前资源分配周期的资源信息,在当前资源分配周期对收集到的数据实时分配雾节点的计算资源,数据利用分配到的计算资源进行预处理从而节省用于传输数据的通信资源提高海上通信效率,并满足不同海洋应用的通信服务质量需求。
附图说明
图1为本发明基于梯度估计的海洋雾节点资源管理方法的流程图;
图2为本发明基于梯度估计的海洋雾节点资源管理方法的不同资源管理方案在资源分配周期通过通信资源传输数据的平均成本比较。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
本发明提供一种基于梯度估计的海洋雾节点资源管理方法。图1所示,基于梯度估计的海洋雾节点资源管理方法的流程图,其特征在于包括以下步骤:
1.基于梯度估计的海洋雾节点资源管理方法,其特征在于包括以下步骤:
S1、对λ1,δ和β,α和μ进行初始化,t=1,其中,xt表示雾节点在第t个资源分配周期的资源分配动作,这里资源分配动作包含雾节点在资源分配周期可以给数据分配的计算资源,Pi(t)表示雾节点在第t个资源分配周期可以给第i个应用数据分配的计算资源,计算资源是虚拟化的,没有单位,现实中可以是算力,可以是内存大小,频率的函数,λt表示在第t个资源分配周期的对偶变量,β∈[0,1)是取决于δ的预选常数,δ表示大于0的预选常数,α和μ表示用于调整步长的预定义常数;
则约束的梯度表示为:
ΦβX(y)=arg minx∈βX||x-y||2表示为投影算子,X表示设定的可行集合,而βX表示X的一个子集,u是随机单位向量,d表示维度,un,t表示独立于单位球的表面,
从步骤S2到步骤S5循环进行,每循环一次t加1;
S3、雾节点在第t个资源分配周期获取资源分配动作xt和xt+δun,t对应的成本值ft(xt)Hz/bit,ft(xt+δun,t)Hz/bit,和约束值gt(xt)Hz,gt(xt+δun,t)Hz;
S5、雾节点通过公式为下一个资源分配周期更新计算资源分配动作Pt+1,根据计算资源分配动作Pt决定在资源分配周期对收集到的数据实时分配雾节点的计算资源,其中,使用公式评估是否满足服务质量约束,VT越小,服务质量要求越能够满足。
以下通过相应的实验数据进一步证明本发明的有益效果:
为了评估提出的方案,采用五个具有不同延迟约束的应用数据。由于海洋应用程序数据生成速率较低,海上数据传输速率是kbps级别,因此将第i应用数据到达速率设置γi=1000*i。雾节点可用的总计算资源为P=8000,计算资源是虚拟化的,没有单位,现实中可以是算力,可以是内存大小,频率的函数,资源分配周期用T表示,T=2000ms,步长μ=α=0.05/T。在此模拟中,雾节点的观测时间,资源以及计算能力仅作为本次实例,这些都可以针对不同场景进行调整。
如图2所示为不同资源管理方案在资源分配周期通过通信资源传输数据的平均成本比较。横轴表示资源分配周期,把整个资源分配周期划分为多个时隙,纵轴表示该时隙的平均成本Hz/bit。对于提出方案,雾节点利用先前资源分配周期的资源信息,在当前资源分配周期对收集到的数据实时分配雾节点的计算资源,数据利用分配到的计算资源进行预处理从而节省用于传输数据的通信资源,对于统一方案,是在资源分配周期将通信资源平均分配给每个数据用于传输,对于随机方案,是在资源分配周期将通信资源随机分配给每个数据用于传输。可以明显看出,拟议方案比其余两种方案大大降低在资源分配周期通过通信资源传输数据的平均成本。
以上所述,仅为本发明的实施实例而已,并不用于限制本发明。任何熟悉本技术领域的工作人员都应当清楚,可轻易想到各种等效的修改、同等替换,改进等都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (1)
1.基于梯度估计的海洋雾节点资源管理方法,其特征在于包括以下步骤:
S1、对λ1,δ和β,α和μ进行初始化,t=1,其中,xt表示雾节点在第t个资源分配周期的资源分配动作,这里资源分配动作包含雾节点在资源分配周期可以给数据分配的计算资源,Pi(t)表示雾节点在第t个资源分配周期可以给第i个应用数据分配的计算资源,计算资源是虚拟化的,没有单位,现实中可以是算力,可以是内存大小,频率的函数,λt表示在第t个资源分配周期的对偶变量,β∈[0,1)是取决于δ的预选常数,δ表示大于0的预选常数,α和μ表示用于调整步长的预定义常数;
则成本的梯度表示为:
则约束的梯度表示为:
ΦβX(y)=arg minx∈βX||x-y||2表示为投影算子,X表示设定的可行集合,而βX表示X的一个子集,u是随机单位向量,d表示维度,un,t表示独立于单位球的表面,
从步骤S2到步骤S5循环进行,每循环一次t加1;
S3、雾节点在第t个资源分配周期获取资源分配动作xt和xt+δun,t对应的成本值ft(xt)Hz/bit,ft(xt+δun,t)Hz/bit,和约束值gt(xt)Hz,gt(xt+δun,t)Hz;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011073231.7A CN112188631A (zh) | 2020-10-09 | 2020-10-09 | 基于梯度估计的海洋雾节点资源管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011073231.7A CN112188631A (zh) | 2020-10-09 | 2020-10-09 | 基于梯度估计的海洋雾节点资源管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112188631A true CN112188631A (zh) | 2021-01-05 |
Family
ID=73949019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011073231.7A Withdrawn CN112188631A (zh) | 2020-10-09 | 2020-10-09 | 基于梯度估计的海洋雾节点资源管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112188631A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190138934A1 (en) * | 2018-09-07 | 2019-05-09 | Saurav Prakash | Technologies for distributing gradient descent computation in a heterogeneous multi-access edge computing (mec) networks |
CN109951869A (zh) * | 2019-03-01 | 2019-06-28 | 重庆邮电大学 | 一种基于云雾混合计算的车联网资源分配方法 |
CN110177055A (zh) * | 2019-05-29 | 2019-08-27 | 电子科技大学 | 一种边缘计算场景下边缘域资源的预分配方法 |
CN110493826A (zh) * | 2019-08-28 | 2019-11-22 | 重庆邮电大学 | 一种基于深度强化学习的异构云无线接入网资源分配方法 |
CN110519776A (zh) * | 2019-08-07 | 2019-11-29 | 东南大学 | 一种雾计算系统中的均衡聚类和联合资源分配方法 |
CN110798849A (zh) * | 2019-10-10 | 2020-02-14 | 西北工业大学 | 一种超密网边缘计算的计算资源分配与任务卸载方法 |
EP3709708A1 (en) * | 2019-03-15 | 2020-09-16 | Nokia Solutions and Networks Oy | Method and apparatus for configuring a communication network |
-
2020
- 2020-10-09 CN CN202011073231.7A patent/CN112188631A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190138934A1 (en) * | 2018-09-07 | 2019-05-09 | Saurav Prakash | Technologies for distributing gradient descent computation in a heterogeneous multi-access edge computing (mec) networks |
CN109951869A (zh) * | 2019-03-01 | 2019-06-28 | 重庆邮电大学 | 一种基于云雾混合计算的车联网资源分配方法 |
EP3709708A1 (en) * | 2019-03-15 | 2020-09-16 | Nokia Solutions and Networks Oy | Method and apparatus for configuring a communication network |
CN110177055A (zh) * | 2019-05-29 | 2019-08-27 | 电子科技大学 | 一种边缘计算场景下边缘域资源的预分配方法 |
CN110519776A (zh) * | 2019-08-07 | 2019-11-29 | 东南大学 | 一种雾计算系统中的均衡聚类和联合资源分配方法 |
CN110493826A (zh) * | 2019-08-28 | 2019-11-22 | 重庆邮电大学 | 一种基于深度强化学习的异构云无线接入网资源分配方法 |
CN110798849A (zh) * | 2019-10-10 | 2020-02-14 | 西北工业大学 | 一种超密网边缘计算的计算资源分配与任务卸载方法 |
Non-Patent Citations (4)
Title |
---|
JIACHEN YANG: "Fog-based marine environmental information monitoring toward ocean of things", 《IEEE INTERNET OF THINGS JOURNAL》 * |
YANLI XU: "Quality of service provisions for maritime communications based on cellular networks", 《IEEE ACCESS》 * |
乔冠华: "基于移动边缘计算的物联网资源管理策略研究", 《中国优秀博士论文电子期刊网》 * |
谢人超: "认知无线网络资源管理算法研究", 《中国优秀博士论文电子期刊网》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947545B (zh) | 一种基于用户移动性的任务卸载及迁移的决策方法 | |
WO2021128805A1 (zh) | 一种基于生成对抗强化学习的无线网络资源分配方法 | |
KR100943620B1 (ko) | 다중 반송파 기반의 통신 시스템에서의 자원 할당 방법 | |
Liu et al. | Task scheduling in fog enabled Internet of Things for smart cities | |
CN113407249B (zh) | 一种面向位置隐私保护的任务卸载方法 | |
CN114885420A (zh) | 一种noma-mec系统中的用户分组和资源分配方法及装置 | |
KR20180080122A (ko) | 무선 전송 장치 | |
CN112188631A (zh) | 基于梯度估计的海洋雾节点资源管理方法 | |
CN114599117A (zh) | 低轨卫星网络随机接入中回退资源的动态配置方法 | |
Hassan et al. | Seamless and intelligent resource allocation in 6g maritime networks framework via deep reinforcement learning | |
Chen et al. | Latency-optimal pyramid-based joint communication and computation scheduling for distributed edge computing | |
CN117115326A (zh) | 三维场景模型的渲染方法、装置及分布式渲染服务器 | |
CN112188632A (zh) | 一种基于二阶梯度估计的海洋雾节点在线资源管理方法 | |
CN114979027B (zh) | 基于能量采集的海上边缘计算网络任务卸载与资源分配方法 | |
CN115174397A (zh) | 联合梯度量化与带宽分配的联邦边缘学习训练方法及系统 | |
CN113518112B (zh) | 基于多智能体强化学习的无线充电设备协作任务卸载策略 | |
Medeiros et al. | Service chaining graph: Latency-and energy-aware mobile vr deployment over mec infrastructures | |
CN115499876A (zh) | Msde场景下基于dqn算法的计算卸载策略 | |
Xu | Gradient-free scheduling of fog computation for marine data feedback | |
CN110475230B (zh) | 蜂窝网络中d2d用户的资源分配方法、存储介质和终端 | |
EP3096227A1 (en) | Resource allocation method in distributed clouds | |
Fang et al. | MEC Communication Resource Allocation Optimization Algorithm Based on NOMA | |
CN110636137A (zh) | 一种海洋观监测网络中基于集群的nfv服务链优化方法 | |
Pan et al. | Energy-efficient multiuser and multitask computation offloading optimization method | |
Bahcebasi et al. | Performance analysis of different modulation schemes for underwater acoustic communications |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210105 |