CN112422169A - 复合链路节点协同方法、装置及系统 - Google Patents

复合链路节点协同方法、装置及系统 Download PDF

Info

Publication number
CN112422169A
CN112422169A CN202011214146.8A CN202011214146A CN112422169A CN 112422169 A CN112422169 A CN 112422169A CN 202011214146 A CN202011214146 A CN 202011214146A CN 112422169 A CN112422169 A CN 112422169A
Authority
CN
China
Prior art keywords
node
task
calculation
nodes
parent
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
CN202011214146.8A
Other languages
English (en)
Other versions
CN112422169B (zh
Inventor
刘乃金
陈清霞
王厚天
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.)
China Academy of Space Technology CAST
Original Assignee
China Academy of Space Technology CAST
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 China Academy of Space Technology CAST filed Critical China Academy of Space Technology CAST
Priority to CN202011214146.8A priority Critical patent/CN112422169B/zh
Publication of CN112422169A publication Critical patent/CN112422169A/zh
Application granted granted Critical
Publication of CN112422169B publication Critical patent/CN112422169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18519—Operations control, administration or maintenance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18521—Systems of inter linked satellites, i.e. inter satellite service

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种复合链路节点协同方法、装置及系统，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。

Description

复合链路节点协同方法、装置及系统
技术领域
本发明涉及通信技术领域，特别是涉及一种复合链路节点协同方法、装置及系统。
背景技术
卫星星座是指在轨且正常工作的卫星集合，一般是由一定数量的卫星按照一定的方式配置成一个卫星网，常见的卫星星座如北斗卫星星座、GPS卫星星座和伽利略卫星星座等。其中，以卫星运行轨道来划分，卫星星座包括地球静止轨道卫星(GEO GeosynchronousEarth Orbit)、倾斜轨道同步卫星(IGSO Inclined Geosynchronous Satellite Orbit)、中高轨卫星(MEO Medium Earth Orbit)和低轨卫星(LEO Low Earth Orbit)等。巨型星座的发展，对空间网络体系构建带来巨大变革，尤其是以低轨卫星构成的LEO通信卫星星座，具备了覆盖性广、部署灵活、产业拉动作用强等特点。未来新一代的通信、导航和遥感等典型应用，空间态势感知、空间攻防，在轨组装和维护等新型空间应用都对在轨计算提出了新需求。星座的自主管理，星上任务的自主执行是未来空间任务的一大趋势，如空间在轨协同目标观测任务中需要多颗卫星在不完全依赖于地面站的情况下实现自适应协调与任务分配，从而以最小的代价完成最多的观测任务。这要求空间网络能有效进行计算协同。
其中，空间网络化计算技术利用分散在空间网络中的计算资源共同完成空间计算任务，需要结合空间网络的高动态性和空间计算资源、空间任务的时空不确定性，具有独特的应用场景和设计需求。这需要有效的通信网络协同计算机制，但复合链路即星间链路和星地链路，与地面节点间的链路存在较大的物理差异，传统的地面协同计算机制即集中式调度方案不能满足空间网络中复合链路节点间协同的需要。
空间网络包括星上节点、空中节点和各类型地面节点。各节点的资源类型包括计算，存储和无线连接资源等。而空间网络的不确定性体现在：第一，星上节点的高移动性导致网络拓扑的高动态性；第二，空中和地面节点可见的卫星数量和卫星可接入时长具有时空动态变化特性；第三，星间链路的建立基于多种因素，包括天线数量，所用频段，链路时延，能耗，可见时长等。星间/星地之间的这种不确定性协作环境导致了空间网络化协同计算不适合采用集中式的调度方案，集中式调度方案在协作节点的选择和任务的分配过程中会存在多种问题，如交互信息量频繁导致占用大量无线链路资源，交互时间长导致不能及时响应突发的空间计算任务请求等。
由此可见，传统的集中式调度方案无法满足不确定性空间网络复合链路节点协同计算的需求，存在上述的诸多缺陷。
发明内容
基于此，有必要针对传统的集中式调度方案无法满足不确定性空间网络复合链路节点协同计算的需求，所存在的缺陷，提供一种复合链路节点协同方法、装置及系统。
一种复合链路节点协同方法，包括步骤：
在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色；节点角色包括父类节点和子类节点；
以父类节点为中心，构建包括父类节点和子类节点在内的空间协同计算组网；
向父类节点发送任务算例集合，以指示父类节点在子类节点上部署子算例并获取子算例的计算结果；
将各计算结果汇集至任务发起节点，以完成协同计算。
上述的复合链路节点协同方法，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
在其中一个实施例中，确定任务发起节点的周边算力节点集合的过程，包括步骤：
去除不符合任务对应约束条件的协同节点，获得初始的协同计算节点集合；其中，协同节点为可参与协同计算的节点；
获取任务算例集合对应的分配策略；
根据各协同节点间的交互参数和预设约束条件优化分配策略，得到最佳策略；
根据最佳策略选取协同节点构成周边算力节点集合。
在其中一个实施例中，确定任务发起节点与周边算力节点的节点角色的过程，包括步骤：
根据交互参数在周边算力节点集合中确定一周边算力节点为父类节点，除父类节点外的周边算力节点为子类节点。
在其中一个实施例中，在根据各协同节点间的交互参数和预设约束条件优化分配策略的过程之前，还包括步骤：
更新协同节点间的交互参数。
在其中一个实施例中，确定任务发起节点与周边算力节点的节点角色的过程，包括步骤：
将任务发起节点确定为父类节点，将周边算力节点集合内的周边算力节点确定为子类节点。
在其中一个实施例中，以父类节点为中心，构建包括父类节点和子类节点在内的空间协同计算组网的过程，包括步骤：
向子类节点发送父类信息，以指示子类节点根据父类信息访问父类节点，获取父类节点的反馈确认，以构建空间协同计算组网。
一种复合链路节点协同装置，包括：
角色确定模块，用于在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色；节点角色包括父类节点和子类节点；
协同组网模块，用于以父类节点为中心，构建包括父类节点和子类节点在内的空间协同计算组网；
算例部署模块，用于向父类节点发送任务算例集合，以指示父类节点在子类节点上部署子算例并获取子算例的计算结果；
结果汇集模块，用于将各计算结果汇集至任务发起节点，以完成协同计算。
上述的复合链路节点协同装置，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的复合链路节点协同方法。
上述的计算机存储介质，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的复合链路节点协同方法。
上述的计算机设备，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
一种复合链路节点协同系统，包括多个空间节点；
其中，各空间节点分别存储有算网参数、链路参数、本地任务信息和任务协同信息；
各空间节点包括角色选择模块、调度管理模块和计算维护模块；
角色选择模块用于在本地节点有任务发起时，根据算网参数、链路参数、本地任务信息和任务协同信息确定本地节点的周边算力节点集合，以及本地节点与周边算力节点的节点角色；或，角色模块用于在任务发起节点有任务发起时，确定本地节点的节点角色；
调度管理模块用于接收任务算例集合或子算例分配；
计算维护模块用于执行子算例并获取计算结果。
上述的复合链路节点协同系统，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
在其中一个实施例中，调度管理模块包括：
共享存储组件，用于存储子算例映像；
任务协调组件，用于协调发起的任务；
调度分析组件；用于进行资源配置和任务放置。
在其中一个实施例中，计算维护模块包括：
执行控制组件，用于提取子算例并将部署子算例；
计算单元，用于执行子算例；
本地数据库，用于存储子算例的计算结果。
附图说明
图1为空间信息网络示意图；
图2为一实施方式的复合链路节点协同系统模块结构示意图；
图3为一实施方式的协同计算网络拓扑示意图；
图4为另一实施方式的协同计算网络拓扑示意图；
图5为一实施方式的复合链路节点协同系统模块结构示意图；
图6为一实施方式的复合链路节点协同方法流程图；
图7为另一实施方式的复合链路节点协同方法流程图；
图8为又一实施方式的复合链路节点协同方法流程图；
图9为具体应用例一的协同计算流程示意图；
图10为具体应用例二的协同计算流程示意图；
图11为一实施方式的复合链路节点协同装置模块结构图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
本发明实施例提供一种复合链路节点协同系统。
图1为空间信息网络示意图，如图1所示，在空间信息网络中，包括混合星座网络节点、空中节点和地面节点在内的多类型空间节点，构成星间和星地的混合协同。传统的协同计算方式是，在不确定性协作环境下，各空间节点采用集中式调度，由固定的调度端或节点进行任务的分配和数据的交互。例如，如图1所示，由地面站进行集中式调度，分别调度一GEO节点、一空中节点和一舰船节点。各被调度节点均需通过地面站进行信息交互，需要消耗大量的链路资源。
基于此，本实施方式的复合链路节点协同系统引入邻近节点的概念，将一定的物理限制范围或通信限制范围内的节点视为邻近节点。以卫星为例，一般卫星的天线数量小于5，因此将通信上邻近一跳的节点作为邻近节点。需要注意的是，邻近节点的确定不限于上述举例，在满足信息维护的便利下，邻近节点包括多种开放的定义。
基于邻近节点的定义，以空间组网的任一节点为中心，该节点均包括一个或多个邻近节点。以此对本发明实施例的复合链路节点协同系统进行讲解说明。
图2为一实施方式的复合链路节点协同系统模块结构示意图，如图2所示，一实施方式的复合链路节点协同系统包括多个空间节点100；
其中，各空间节点100分别存储有算网参数、链路参数、本地任务信息和任务协同信息；
各空间节点100包括角色选择模块200、调度管理模块201和计算维护模块202；
角色选择模块200用于在本地节点有任务发起时，根据算网参数、链路参数、本地任务信息和任务协同信息确定本地节点的周边算力节点集合，以及本地节点与周边算力节点的节点角色；或，角色模块用于在任务发起节点有任务发起时，确定本地节点的节点角色；
调度管理模块201用于接收任务算例集合或子算例分配；
计算维护模块202用于执行子算例并获取计算结果。
在其中一个实施例中，各空间节点100存储有算网参数、链路参数、本地任务信息和任务协同信息，空间节点100存储的这部分信息由空间节点100的本地信息，以及该空间节点100与其邻近节点的交互信息。
在其中一个实施例中，如图2所示，一实施方式的复合链路节点协同系统还包括信息维护模块203。
信息维护模块203维护本地节点信息和邻近节点信息，通过自定义的资源和任务评估策略更新节点信息，为后续协同节点的节点角色确定提供依据。
作为一个较优的实施方式，信息维护模块203通过维护参数表来进行信息维护，参数表包括算网参数表和任务需求表，如下表1《t时刻算网参数表》和表2《t时刻任务需求表》所示：t时刻算网参数表
Figure BDA0002759764490000091
Figure BDA0002759764490000101
t时刻任务需求表
Figure BDA0002759764490000102
如上表所示，算网参数表里的参数包括链路参数，计算参数和其他参数。链路参数里包含空间节点100的ID信息，往返时延、天线速率和可见时长等。算力参数包含可用算力资源和算例资源，以及成为父类节点候选者的意愿或优先级。父类节点是指临时建立和管理空间协同计算网络的中心。其他参数包括空间节点100的可信概率、可用电量和用户偏好等。任务需求表参数记录与本地任务相关的信息，包含任务ID(按时间顺序排列)、任务所需的算例组合、时延约束、数据量、优先级、执行环境的安全等级和目前执行状态等。
在其中一个实施例中，信息维护模块203通过评估策略更新两个参数表内的信息。评估策略可以根据空间节点100本身的能耗、轨道运行情况和邻近节点的状态来设置更新时间。其中，评估策略包括计算资源评估和计算任务评估。作为一个较优的实施方式，信息维护模块203只维护邻近节点的空间节点100信息，相比较集中式资源状态维护，可有效地降低维护成本。基于此，通过信息维护模块203的信息维护，确定周边算力节点集合。
在其中一个实施例中，通过计算资源评估策略对算网参数表进行表项更新。计算评估策略包括“计算资源信息”交互报文信息的设计和具体参数的评估。“计算资源信息”交互报文信息是一个json格式的流对象，其中包括节点位置信息、节点可用传输速率、节点计算参数(可用算例，可用算力和是否可做父类节点候选者)和其他参数(功率参数、可用电量和节点偏好等)。算网参数表中对往返时延、可见时长和可信概率进行参数评估更新，其他参数都可以通过提取此类报文中的相关信息进行补充。往返时延的更新算法如下：RTT(t+1)＝(1-α)·RTTt+α·RTTsample,t，RTTsample,t是t时刻报文段发出到接收确认之间的时间量。可见时长通过综合计算本地节点和对方节点的位置和轨迹得出。可信概率参数是基于收到的计算结果确认信息进行累加，本地节点一旦成功利用邻近节点完成一次计算，并获取到正确结果，则该邻近节点的可信概率参数就相应增加，可通过下面的公式进行简单计算：PA,邻近节点1＝NA,邻近节点1/NA,out·100％，NA,out为A节点发送出去的总计算任务请求，NA,邻近节点1为邻近节点1完成的A节点的计算任务请求数量。
在其中一个实施例中，通过计算任务评估策略对任务需求表进行表项更新。计算任务评估是对t时刻的计算任务请求进行分析，得出任务需求表相关信息。计算任务评估策略首先从任务请求信息中获取任务数据量，以及时延约束、任务优先级和安全等级等其他任务偏好参数；然后分解计算任务，形成有向无环图(DAG)，有向无环图中的节点代表子任务，有向无环边代表子任务间的依赖关系，同时边属性中包含子任务间的输入输出数据量；另外，会根据返回的各子任务结果实时评估任务的执行状态。其中，子任务对应算例为子算例。
基于空间节点100维护的参数信息，角色选择模块200根据算网参数、链路参数、本地任务信息和任务协同信息确定本地节点的周边算力节点集合，以及本地节点与周边算力节点的节点角色，以完成多目标优化的任务分配和节点角色确定。在其中一个实施例中，角色选择模块200根据算网参数表和任务需求表执行任务决策算法，获得《任务协同表》的各项信息，任务协同表如下表：
t时刻任务协同表
Figure BDA0002759764490000121
其中，包括本地节点在内，节点角色包括父类节点和子类节点。在构成协同计算组网中，本地节点的节点角色包括父类节点或子类节点，或作为任务发起节点不参与协同计算。在其中一个实施例中，图3为一实施方式的协同计算网络拓扑示意图，如图3所示，本地节点作为任务发起方，在任务发起后，角色选择模块200根据自身功耗和资源，以及邻近节点的资源情况选择委托节点作为父类节点(leader)建立协同计算网络。同时，父类节点根据角色选择确定其多个邻近节点为协同计算节点，由协同计算节点承担子类节点角色。在另一个实施例中，图4为另一实施方式的协同计算网络拓扑示意图，如图4所示，本地节点作为任务发起方，在任务发起后，角色选择模块200根据自身功耗和资源，以自身作为父类节点，并确定自身的邻近节点为协同计算节点，由协同计算节点承担子类节点角色。
在其中一个实施例中，角色选择模块200用于将父类节点信息包括任务发起节点和其他可用子类节点的ID、端口号和位置信息发送至父类节点。并用于将子类节点信息包括父类节点的ID和端口号和位置信息发送至子类节点。
其中，在任务发起并确定节点角色后，由调度管理模块201完成任务算力集合或子算例分配。调度管理模块201监视协同计算节点信息，进行任务分配，同时操作协同计算节点。
在其中一个实施例中，图5为一实施方式的复合链路节点协同系统模块结构示意图，如图5所示，调度管理模块201包括：
共享存储组件300，用于存储子算例映像；
任务协调组件301，用于协调发起的任务；
调度分析组件302；用于进行资源配置和任务放置。
其中，共享存储组件300存储具体子算例的映像和协同计算节点的参数信息，这部分信息可以在任务发起节点和父类节点之间共享。调度分析组件302用于处理整个协同计算组网的资源配置和任务分配。任务协调组件301用于父类节点和任务发起节点之间的任务协调。
在其中一个实施例中，如图5所示，调度管理模块201还包括看门狗304，看门狗304用于监视各协同计算节点指标，并相应地触发事件，如过载(CPU>80％)。
计算维护模块202用于获取计算结果或发生计算结果，
在其中一个实施例中，如图5所示，计算维护模块202包括：
执行控制组件400，用于提取子算例并将部署子算例；
计算单元401，用于执行子算例；
本地数据库402，用于存储子算例的计算结果。
在其中一个实施例中，执行控制组件400从共享存储组件中提取具体子算例的映像，并部署到计算单元401中。本地数据库402存储收集到的计算参数信息和计算结果。计算单元401是用于处理算例，包含与其他空间节点100的通信和完整的数据处理。
在其中一个实施例中，如图5所示，计算维护模块202还包括监测组件403，监测组件403用于监视计算单元。
上述任一实施例的复合链路节点协同系统，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点100的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点100间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
基于任务发起节点的任务发起，本发明实施例还提供一种复合链路节点协同方法。
图6为一实施方式的复合链路节点协同方法流程图，如图6所示，一实施方式的复合链路节点协同方法包括步骤S100至步骤S103：
S100，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色；节点角色包括父类节点和子类节点；
其中，作为任务发起节点的节点有任务发起时，即需要进行计算任务分配时，确定任务发起节点的可作为委托节点或协同计算节点的邻近节，并确定包括任务发起节点和周边算力节点的角色。
在其中一个实施例中，图7为另一实施方式的复合链路节点协同方法流程图，如图7所示，步骤S100中确定任务发起节点的周边算力节点集合的过程，包括步骤S200至步骤S203：
S200，去除不符合任务对应约束条件的协同节点，获得初始的协同计算节点集合；其中，协同节点为可参与协同计算的节点；
在其中一个实施例中，根据任务需求表象中具体任务的时延约束、算例组成约束和其他任务偏好参数，去除不符合约束条件的协同节点，形成初始的协同计算节点集合S＝[S1，S2，…，Sn，…，SN]。其中，偏好参数包括安全等级或优先级等。不符合约束条件表征为空间节点约束不符合要求、不具备任务所需的算例或可信概率没有超过设定安全阈值等。
S201，获取任务算例集合对应的分配策略；
在其中一个实施例中，基于步骤S200得到的协同计算节点集合，结合当前任务T的算例集合T＝{t1,t2,…,tm,…,tM}，形成分配策略A＝{a1,1,…an,m,…aN,M}，an,m∈{0,1}(取值为1，表示子任务tm由空间节点sn服务，为0则表示空间节点sn不服务子任务tm)，策略空间Φ＝{A1,A2,…,AL}，L＝2N·M(策略空间大小为2N·M)。
S202，根据各协同节点间的交互参数和预设约束条件优化分配策略，得到最佳策略；
在其中一个实施例中，根据算网参数表中的邻近节点的可用算例，可以得出某些空间节点不具备子任务对应的子算例，则对应的an,m＝0，同时分配策略Al需要满足
Figure BDA0002759764490000151
(表示不存在两个空间节点同时服务子任务tm)；
Figure BDA0002759764490000152
(表示分配给协同节点的计算任务量必须小于可用计算总量，cm为算例tm的计算量，Cn为空间节点sn的可用计算总量)；
Figure BDA0002759764490000161
(表示流向协同节点的数据通信量必须小于可用链路容量，Im为算例tm的数据通信量，bn为任务发起节点与邻近节点sn的用于协同计算的数据通信量)，通过上述约束，优化分配策略的空间。
进一步的，分别计算策略空间内的满足前面条件的每一个策略的目标值，然后选取满足目标的最佳策略。以最小化任务处理时延为例，则最佳策略
Figure BDA0002759764490000162
其中Ec,n表示邻近节点sn处理单位计算量所需要的处理时延的数学期望值，EI,n表示将单位数据量传输到邻近节点sn所需的传输时间的数学期望值。
S203，根据最佳策略选取协同节点构成周边算力节点集合。
在其中一个实施例中，如图7所示，在步骤S202中根据各协同节点间的交互参数和预设约束条件优化分配策略的过程之前，还包括步骤S300：
S300，更新协同节点间的交互参数。
通过算网参数表和任务需求表的维护完成协同节点间的交互参数的更新。
在其中一个实施例中，如图7所示，步骤S100中确定任务发起节点与周边算力节点的节点角色的过程，包括步骤S400：
S400，根据交互参数在周边算力节点集合中确定一周边算力节点为父类节点，除父类节点外的周边算力节点为子类节点。
其中，任务发起节点也可作为父类节点。
在其中一个实施例中，通过最佳分配策略A*即可获得当前任务的最佳的周边算力节点集合。作为一个较优的实施方式，默认任务发起节点作为父类节点，若任务发起节点无法作为父类节点，则会结合算网参数表信息和上面的周边算力节点，选取其中愿意成为父类节点的空间节点当父类节点，其他空间节点自动作为子类节点，即完成各空间节点的角色分配。算网参数表信息包括交互参数。
S101，以父类节点为中心，构建包括父类节点和子类节点在内的空间协同计算组网；
在其中一个实施例中，图8为又一实施方式的复合链路节点协同方法流程图，如图8所示，步骤S100中确定任务发起节点与周边算力节点的节点角色的过程，包括步骤S500：
S500，将任务发起节点确定为父类节点，将周边算力节点集合内的周边算力节点确定为子类节点。
在其中一个实施例中，如图8所示，步骤S101中以父类节点为中心，构建包括父类节点和子类节点在内的空间协同计算组网的过程，包括步骤S600：
S600，向子类节点发送父类信息，以指示子类节点根据父类信息访问父类节点，获取父类节点的反馈确认，以构建空间协同计算组网。
其中，任务发起节点进行任务分配并传递完相关角色信息后，各协同节点基于收到的角色信息和自身信息进行协同计算信息配置。首先各空间节点将收到的角色信息写入到角色项目的配置文件中；然后各角色项目在启动过程中，项目代码默认从配置文件中获取相关角色信息，并加载到本地与项目关联的Redis数据库进行保存；最后角色项目根据Redis数据库中的角色信息去访问其他空间节点。例如，子类节点根据数据库中的父类信息去访问父类节点，收到父类节点的反馈消息后完成角色配对确认，父类节点收到子类节点的访问信息并确认存在后，将该子类节点信息加入协同计算节点集，并存放在本地数据库，后续通过定期发送心跳包来维护协同计算节点集。基于此，完成空间协同计算组网。
S102，向父类节点发送任务算例集合，以指示父类节点在子类节点上部署子算例并获取子算例的计算结果；
其中，父类节点获取任务算例集合，在若干子类节点上部署相关子算例，各子类节点可以直接通过本地预置的算例映像来启动算例，也可以通过接收服务密钥用来访问父类节点，并获取共享数据库的算例映像，然后启动子算例。
子算例启动后，父类节点将任务数据发给子类节点对应的子算例，数据处理完后返回给任务发起节点，由任务发起节点进行结果聚合。
其中，任务算例结合是先由当前各子类节点共同处理完。在其中一个实施例中，若空间协同计算组网的当前可用算力不满足条件，则父类节点会等待与地面云中心有连接后，将任务传送到云中心，由地面云来处理部分或全部相关子算例。
S103，将各计算结果汇集至任务发起节点，以完成协同计算。
其中，在完成协同计算后，父类节点根据子类节点集合波动情况可以选择解散空间协同计算组网或者通过定期的信息交互来维护空间协同计算组网。如父类节点根据集合中各子类节点的位置和运动轨迹计算得出通信开销成本超过某个阈值，或者计算得出子类节点集合中的总体可用计算资源低于某个阈值，则直接停止角色项目，关闭相应的端口。当子类节点无法访问其父类节点端口时，也会关闭对应角色项目，则完成协同解散。若没有触发相关条件，则父类节点继续进行协同维护，维护更新操作包括新增或删除等。对于收到的新增子类节点的角色配对请求会将其添加进集合并进行注册，对于集合中已注册的子类节点，会定期发送心跳包遍历的去访问，判断其是不是正常运行。
为了更好地解释本发明实施例，以两个具体应用例来对本发明实施例进行解释。
具体应用例一
图9为具体应用例一的协同计算流程示意图，如图9所示，完成复合链路节点协同方法包括步骤：初始化和表项更新——协同节点集确认——协同计算组网——算例部署和计算处理——协同维护/解散。如图9所示，任务发起方即任务发起节点发起任务，委托父类节点即委托节点(leader)进行算例部署，父类节点的子类节点作为协同计算节点(follower)进行子算例处理并完成结果回传。
具体应用例二
图10为具体应用例二的协同计算流程示意图，如图10所示，完成复合链路节点协同方法包括步骤：初始化和表项更新——协同节点集确认——协同计算组网——算例部署和计算处理——协同维护/解散。如图10所示，任务发起方即任务发起节点发起任务作为父类节点(leader)，向各作为协同计算节点的子类节点(follower)进行算例部署，子类节点处理后完成结果回传。
需要注意的是，在初始化和表项更新中，各空间节点是平等的，由邻近节点完成交互，更新算网参数表。而节点角色的确定由任务发起方通过角色信息依次传递完成。
上述任一实施例的复合链路节点协同装置，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
本发明实施例还提供一种复合链路节点协同装置。
图11为一实施方式的复合链路节点协同装置模块结构图，如图11所示，一实施方式的复合链路节点协同装置包括模块1000、模块1001、模块1002和模块1003：
角色确定模块1000，用于在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色；节点角色包括父类节点和子类节点；
协同组网模块1001，用于以父类节点为中心，构建包括父类节点和子类节点在内的空间协同计算组网；
算例部署模块1002，用于向父类节点发送任务算例集合，以指示父类节点在子类节点上部署子算例并获取子算例的计算结果；
结果汇集模块1003，用于将各计算结果汇集至任务发起节点，以完成协同计算。
上述的复合链路节点协同装置，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的复合链路节点协同方法。
本领域的技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、随机存取存储器(RAM，Random Access Memory)、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种复合链路节点协同方法。
上述计算机设备，在任务发起节点有任务发起时，确定任务发起节点的周边算力节点集合，以及任务发起节点与周边算力节点的节点角色，通过构建以父类节点为中心的协同计算组网，由父类节点在子类节点上完成子算例部署并收集计算结果，反馈给任务发起节点，完成协同计算。基于此，在星间或星地的不确定性协作环境下，根据各空间节点的资源和算力进行合理的任务调配，在提升算力能力的同时降低各空间节点间的交互信息量，降低无线链路资源占用和交互时长，有效地提高协同计算效率。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种复合链路节点协同方法，其特征在于，包括步骤：
在任务发起节点有任务发起时，确定所述任务发起节点的周边算力节点集合，以及所述任务发起节点与所述周边算力节点的节点角色；所述节点角色包括父类节点和子类节点；
以所述父类节点为中心，构建包括所述父类节点和所述子类节点在内的空间协同计算组网；
向所述父类节点发送任务算例集合，以指示所述父类节点在所述子类节点上部署子算例并获取所述子算例的计算结果；
将各所述计算结果汇集至所述任务发起节点，以完成协同计算。
2.根据权利要求1所述的复合链路节点协同方法，其特征在于，所述确定所述任务发起节点的周边算力节点集合的过程，包括步骤：
去除不符合所述任务对应约束条件的协同节点，获得初始的协同计算节点集合；其中，所述协同节点为可参与协同计算的节点；
获取所述任务算例集合对应的分配策略；
根据各协同节点间的交互参数和预设约束条件优化所述分配策略，得到最佳策略；
根据所述最佳策略选取协同节点构成所述周边算力节点集合。
3.根据权利要求2所述的复合链路节点协同方法，其特征在于，所述确定所述任务发起节点与所述周边算力节点的节点角色的过程，包括步骤：
根据所述交互参数在所述周边算力节点集合中确定一周边算力节点为父类节点，除所述父类节点外的周边算力节点为子类节点。
4.根据权利要求2所述的复合链路节点协同方法，其特征在于，在根据各协同节点间的交互参数和预设约束条件优化所述分配策略的过程之前，还包括步骤：
更新所述协同节点间的交互参数。
5.根据权利要求1所述的复合链路节点协同方法，其特征在于，所述确定所述任务发起节点与所述周边算力节点的节点角色的过程，包括步骤：
将所述任务发起节点确定为父类节点，将所述周边算力节点集合内的周边算力节点确定为子类节点。
6.根据权利要求1至5所述的复合链路节点协同方法，其特征在于，所述以所述父类节点为中心，构建包括所述父类节点和所述子类节点在内的空间协同计算组网的过程，包括步骤：
向所述子类节点发送父类信息，以指示所述子类节点根据所述父类信息访问父类节点，获取所述父类节点的反馈确认，以构建所述空间协同计算组网。
7.一种复合链路节点协同装置，其特征在于，包括：
角色确定模块，用于在任务发起节点有任务发起时，确定所述任务发起节点的周边算力节点集合，以及所述任务发起节点与所述周边算力节点的节点角色；所述节点角色包括父类节点和子类节点；
协同组网模块，用于以所述父类节点为中心，构建包括所述父类节点和所述子类节点在内的空间协同计算组网；
算例部署模块，用于向所述父类节点发送任务算例集合，以指示所述父类节点在所述子类节点上部署子算例并获取所述子算例的计算结果；
结果汇集模块，用于将各所述计算结果汇集至所述任务发起节点，以完成协同计算。
8.一种复合链路节点协同系统，其特征在于，包括多个空间节点；
其中，各空间节点分别存储有算网参数、链路参数、本地任务信息和任务协同信息；
各所述空间节点包括角色选择模块、调度管理模块和计算维护模块；
所述角色选择模块用于在本地节点有任务发起时，根据所述算网参数、链路参数、本地任务信息和任务协同信息确定所述本地节点的周边算力节点集合，以及所述本地节点与所述周边算力节点的节点角色；或，所述角色模块用于在任务发起节点有任务发起时，确定所述本地节点的节点角色；
所述调度管理模块用于接收任务算例集合或子算例分配；
所述计算维护模块用于执行所述子算例并获取计算结果。
9.根据权利要求8所述的复合链路节点协同系统，其特征在于，所述调度管理模块包括：
共享存储组件，用于存储所述子算例映像；
任务协调组件，用于协调发起的任务；
调度分析组件；用于进行资源配置和任务放置。
10.根据权利要求8所述的复合链路节点协同系统，其特征在于，所述计算维护模块包括：
执行控制组件，用于提取所述子算例并将部署所述子算例；
计算单元，用于执行所述子算例；
本地数据库，用于存储所述子算例的计算结果。
CN202011214146.8A 2020-11-04 2020-11-04 复合链路节点协同方法、装置及系统 Active CN112422169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011214146.8A CN112422169B (zh) 2020-11-04 2020-11-04 复合链路节点协同方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011214146.8A CN112422169B (zh) 2020-11-04 2020-11-04 复合链路节点协同方法、装置及系统

Publications (2)

Publication Number Publication Date
CN112422169A true CN112422169A (zh) 2021-02-26
CN112422169B CN112422169B (zh) 2022-07-26

Family

ID=74827908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011214146.8A Active CN112422169B (zh) 2020-11-04 2020-11-04 复合链路节点协同方法、装置及系统

Country Status (1)

Country Link
CN (1) CN112422169B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113141394A (zh) * 2021-03-25 2021-07-20 北京邮电大学 一种资源分配方法、装置、电子设备及存储介质
CN115086230A (zh) * 2022-06-15 2022-09-20 中国联合网络通信集团有限公司 算网路由的确定方法、装置、设备及存储介质

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719842A (zh) * 2009-11-20 2010-06-02 中国科学院软件研究所 一种基于云计算环境的分布式网络安全预警方法
CN102404817A (zh) * 2011-10-25 2012-04-04 中国科学院计算技术研究所 多汇聚节点无线传感器网络组网方法及其系统
US20160098410A1 (en) * 2013-04-17 2016-04-07 Tomtom Navigation B.V. Methods, devices and computer software for facilitating searching and display of locations relevant to a digital map
CN108491255A (zh) * 2018-02-08 2018-09-04 昆仑智汇数据科技(北京)有限公司 自助式MapReduce数据优化分配方法及系统
CN108985937A (zh) * 2018-07-10 2018-12-11 陈曦 一种基于区块链技术的计算资源共享方法及区块链系统
CN109460345A (zh) * 2018-09-28 2019-03-12 北京赛博贝斯数据科技有限责任公司 实时数据的计算方法及系统
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN109889575A (zh) * 2019-01-15 2019-06-14 北京航空航天大学 一种边缘环境下的协同计算平台系统及方法
CN109981163A (zh) * 2019-04-10 2019-07-05 大连大学 一种基于资源表征的卫星网络资源管理方法
CN110324286A (zh) * 2018-03-30 2019-10-11 北京视联动力国际信息技术有限公司 一种会议控制系统和方法
WO2020026820A1 (en) * 2018-08-02 2020-02-06 Mitsubishi Electric Corporation Method and apparatus for managing network
CN110851531A (zh) * 2019-11-08 2020-02-28 咪咕文化科技有限公司 协作边缘计算方法、区块链和协作边缘计算系统
CN111077851A (zh) * 2018-10-22 2020-04-28 中国科学院沈阳自动化研究所 一种基于气相色谱雾计算框架的化工过程故障诊断系统
CN111263303A (zh) * 2020-01-15 2020-06-09 北京交通大学 一种基于移动ip的雾节点自组织协作的方法
CN111459670A (zh) * 2020-03-30 2020-07-28 中科边缘智慧信息科技（苏州）有限公司 一种在边缘计算不同层次进行协同处理的方法
CN111711962A (zh) * 2020-06-15 2020-09-25 重庆邮电大学 一种移动边缘计算系统子任务协同调度方法
CN111752246A (zh) * 2020-07-02 2020-10-09 中国科学技术大学 基于区块链和人工智能驱动的无人机蜂群协同工作平台
CN111880911A (zh) * 2020-06-19 2020-11-03 浪潮电子信息产业股份有限公司 一种任务负载调度方法、装置、设备及可读存储介质

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719842A (zh) * 2009-11-20 2010-06-02 中国科学院软件研究所 一种基于云计算环境的分布式网络安全预警方法
CN102404817A (zh) * 2011-10-25 2012-04-04 中国科学院计算技术研究所 多汇聚节点无线传感器网络组网方法及其系统
US20160098410A1 (en) * 2013-04-17 2016-04-07 Tomtom Navigation B.V. Methods, devices and computer software for facilitating searching and display of locations relevant to a digital map
CN108491255A (zh) * 2018-02-08 2018-09-04 昆仑智汇数据科技(北京)有限公司 自助式MapReduce数据优化分配方法及系统
CN110324286A (zh) * 2018-03-30 2019-10-11 北京视联动力国际信息技术有限公司 一种会议控制系统和方法
CN108985937A (zh) * 2018-07-10 2018-12-11 陈曦 一种基于区块链技术的计算资源共享方法及区块链系统
WO2020026820A1 (en) * 2018-08-02 2020-02-06 Mitsubishi Electric Corporation Method and apparatus for managing network
CN109460345A (zh) * 2018-09-28 2019-03-12 北京赛博贝斯数据科技有限责任公司 实时数据的计算方法及系统
CN111077851A (zh) * 2018-10-22 2020-04-28 中国科学院沈阳自动化研究所 一种基于气相色谱雾计算框架的化工过程故障诊断系统
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN109889575A (zh) * 2019-01-15 2019-06-14 北京航空航天大学 一种边缘环境下的协同计算平台系统及方法
CN109981163A (zh) * 2019-04-10 2019-07-05 大连大学 一种基于资源表征的卫星网络资源管理方法
CN110851531A (zh) * 2019-11-08 2020-02-28 咪咕文化科技有限公司 协作边缘计算方法、区块链和协作边缘计算系统
CN111263303A (zh) * 2020-01-15 2020-06-09 北京交通大学 一种基于移动ip的雾节点自组织协作的方法
CN111459670A (zh) * 2020-03-30 2020-07-28 中科边缘智慧信息科技（苏州）有限公司 一种在边缘计算不同层次进行协同处理的方法
CN111711962A (zh) * 2020-06-15 2020-09-25 重庆邮电大学 一种移动边缘计算系统子任务协同调度方法
CN111880911A (zh) * 2020-06-19 2020-11-03 浪潮电子信息产业股份有限公司 一种任务负载调度方法、装置、设备及可读存储介质
CN111752246A (zh) * 2020-07-02 2020-10-09 中国科学技术大学 基于区块链和人工智能驱动的无人机蜂群协同工作平台

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHAOLIN WU: "Study of task managing strategy in remote sensing information analysis and service grid node", 《2005 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 *
王厚天: "空间智能信息网络发展构想", 《空间电子技术》 *
陈清霞: "网络、存储和计算一体化关键技术研究", 《中国博士学位论文全文数据库-》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113141394A (zh) * 2021-03-25 2021-07-20 北京邮电大学 一种资源分配方法、装置、电子设备及存储介质
CN113141394B (zh) * 2021-03-25 2022-04-01 北京邮电大学 一种资源分配方法、装置、电子设备及存储介质
CN115086230A (zh) * 2022-06-15 2022-09-20 中国联合网络通信集团有限公司 算网路由的确定方法、装置、设备及存储介质
CN115086230B (zh) * 2022-06-15 2023-06-30 中国联合网络通信集团有限公司 算网路由的确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112422169B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
Cui et al. Joint offloading and resource allocation for satellite assisted vehicle-to-vehicle communication
US11323886B2 (en) Cooperative target execution system for unmanned aerial vehicle networks
e Silva et al. STFANET: SDN-based topology management for flying ad hoc network
CN112422169B (zh) 复合链路节点协同方法、装置及系统
CN108023637B (zh) 一种同构多星在线协同方法
He et al. Dynamic scheduling of hybrid tasks with time windows in data relay satellite networks
Cassará et al. Orbital edge offloading on mega-LEO satellite constellations for equal access to computing
US11223674B2 (en) Extended mobile grid
CN109347536B (zh) 一种基于态势知识的空间网络资源状态监控系统
CN110825510A (zh) 任务驱动的多星协同任务分配方法及系统
Geng et al. An agent-based clustering framework for reliable satellite networks
CN113346938A (zh) 一种面向空天地一体化网络的边缘计算资源融合管理方法
Sinha et al. Multi-satellite task allocation algorithm for earth observation
Kumaresan et al. RETRACTED ARTICLE: Energy Efficient Cluster based Multilevel Hierarchical Routing for multi-hop Wireless Sensor Network
Yang et al. Onboard coordination and scheduling of multiple autonomous satellites in an uncertain environment
Sardouk et al. Multi-agent system based wireless sensor network for crisis management
Nguyen et al. Reinforcement learning-based deadline and battery-aware offloading in smart farm IoT-UAV networks
Huda et al. Deep reinforcement learning-based computation offloading in uav swarm-enabled edge computing for surveillance applications
Zhou et al. Adaptive routing strategy based on improved double Q-learning for satellite Internet of Things
Grasso et al. H-HOME: A learning framework of federated FANETs to provide edge computing to future delay-constrained IoT systems
Mestoukirdi et al. UAV-aided multi-community federated learning
CN108377163B (zh) 一种基于异步通信的多星在线协同方法
CN109728845B (zh) 一种卫星高效调度星座及调度方法
Rigas et al. Scheduling a fleet of drones for monitoring missions with spatial, temporal, and energy constraints
Cappello et al. Optimizing FANET lifetime for 5G softwarized network provisioning

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