CN112511652A - 一种边缘计算下的合作计算任务分配方法 - Google Patents
一种边缘计算下的合作计算任务分配方法 Download PDFInfo
- Publication number
- CN112511652A CN112511652A CN202110145575.2A CN202110145575A CN112511652A CN 112511652 A CN112511652 A CN 112511652A CN 202110145575 A CN202110145575 A CN 202110145575A CN 112511652 A CN112511652 A CN 112511652A
- Authority
- CN
- China
- Prior art keywords
- task
- server
- computing
- time
- edge
- 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
Links
Images
Classifications
-
- 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
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
- H04L67/62—Establishing a time schedule for servicing the requests
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供一种边缘计算下的合作计算任务分配方法,属于边缘计算技术领域。本发明方法考虑边缘计算服务器和工业物联网设备计算资源的共享,同时促使各种异构设备参与合作,解决了任务时延问题,对比全部任务在主服务器上执行方法(非合作计算任务分配方法),在延迟方面有更好的性能,加快任务执行速度,并且有效提高了任务完成率和系统设备的资源利用率。
Description
技术领域
本发明属于边缘计算技术领域,具体涉及一种边缘计算下的合作计算任务分配方法。
背景技术
随着5G以及无线网络的发展,数十亿个工业物联网设备(如工业监控设备,工业自动化设备,机器人,传感器,执行器和终端设备)将连接到工业网络,将生成各种时延敏感、计算密集型任务。传统的解决方案是工业物联网设备将这些任务转移到云服务器。但是,针对时延敏感任务需要更快地执行才能满足低时延要求。工业物联网设备和云服务器之间的物理距离将导致传输延迟,网络拥塞等问题,这限制了云计算中对时延敏感的任务处理。
边缘计算通过在终端设备附近部署计算、存储和网络服务,并支持计算密集型和对时延敏感的任务以进行实时处理。然而,边缘计算环境中工业物联网设备众多且边缘计算服务器的资源有限,其中有效的方法是协同相邻的边缘计算服务器和工业物联网中有一定计算能力的终端设备合作计算任务。但是这一过程中,仍有两个方面的问题需要解决:其一,考虑到边缘计算服务器和工业物联网设备异构性,如何有效地共享计算资源进行任务的合作计算;其二,考虑任务的动态性和异构性,如何有效地进行任务合作计算分配,使任务更快地处理并减少服务延迟。
发明内容
针对背景技术所存在的问题,本发明的目的在于提供一种边缘计算下的合作计算任务分配方法。该方法建立基于边缘计算的工业物联网模型下任务重要性模型,对任务重要性进行划分,然后通过主边缘计算服务器、相邻边缘计算服务器和设备集群(工业物联网设备)三种合作计算方式进行任务最优的分配,从而实现了任务的加速处理并减少服务延迟,提高系统计算资源的利用率。
为实现上述目的,本发明的技术方案如下:
一种边缘计算下的合作计算任务分配方法,包括以下步骤:
S1. 构建边缘计算的工业物联网模型,包括一组边缘计算服务器
和工业物联网设备,其中,第个边缘计算服务器作为主边缘计算服务
器,其覆盖一组工业物联网设备表示为,;相邻的边缘计算服务
器集合表示为;第个主边缘计算服务器下的工业物联网设
备通过聚类形成多个集群,多个集群的集合表示为;
S2. 构建基于边缘计算的工业物联网模型下的任务重要性模型,主边缘计算服
务器在时间跨度内接收终端设备的任务,主边缘计算服务器收集任
务相应的参量属性,是数据量大小,是完成计算
任务所需要的计算资源,是最大可容忍的时间,表示任务到达边缘计算服务器的
时间;表示任务的重要程度;依据任务可容忍的时间、任务所需要的计算资源和任务的
数据量大小三个考量因素计算任务重要性,然后将任务分成三种等级:第一等级任务、第二
等级任务和第三等级任务,其中,第一等级任务的任务重要性值最大,第三等级任务的任务
重要性值最小;
S3. 基于S2构建的任务重要性模型建立合作计算任务分配方式,即:第一等级任务直接在主边缘计算服务器上处理;第二等级任务在主边缘计算服务器上处理,或卸载到相邻的边缘计算服务器上处理;第三等级任务在主边缘计算服务器上处理,也可以卸载到相邻的边缘计算服务器上处理或者主边缘计算服务器下的设备集群上处理;
S5. 计算任务在主边缘计算服务器、相邻边缘计算服务器和设备集群三种执行方式下的单独处理时间;
S6. 基于步骤S4任务对应的分配方案,根据约束条件判断,得到任务的可行执行方案,选择其中执行时间最短的执行方案作为最终的执行方案,实现更快的执行任务并减少服务延迟。
进一步地,S1中工业物联网设备通过聚类形成多个集群具体采用资源感知集群算法,其中,资源感知集群算法的具体过程为:
进一步地,步骤S2中依据任务可容忍的时间、任务所需要的计算资源和任务的数据大小三个考量因素计算任务重要性的具体计算过程为:
S21. 任务的重要性与数据量大小,所需要的计算资源,最大可容忍的
时间三个因素有关,使用表示影响的任务重要性的元素组,其中任
务可容忍的时间相比任务所需要的计算资源、任务的数据量大小更重要,任务所
需要的计算资源与任务的数据量大小相比重要;因此,在层次分析模型中,任务可
容忍的时间对于重要性的划分所占的权重最高;将同一层次两两元素进行比较,构造层次
分析矩阵如下,
进一步地,步骤S5任务在三种不同执行方式下单独处理所需的时间具体为:
其中,表示主边缘计算服务器和相邻边缘计算服务器之间的传输速率,
表示主边缘计算服务器和相邻边缘计算服务器之间的可用传输带宽,表
示信噪比,表示传输功率,表示信道增益,表示背景噪声,为任务数据量大
小,表示从任务从主边缘服务器卸载到相邻边缘服务器的传输时间,表示
相邻边缘服务器处理任务的计算时间;和分别表示任务从主边缘计算服务
器到相邻的边缘计算服务器开始传输和传输结束的时刻;和分
别表示任务在相邻的边缘计算服务器开始和结束计算的时刻;
其中,表示主边缘计算服务器和其覆盖的终端设备可用的下行传输
带宽,表示信噪比,表示传输功率,表示信道增益;表示任务
第个任务的数据量大小,和分别表示任务划分后的较小的计算任务主边
缘计算服务器到其覆盖下的终端设备开始传输和传输结束的时刻;
表示任务第个任务所需要的计算资源,表示工业物联网设备计算能力,和分别表示任务划分后的较小的计算任务在终端设备开始处理
和结束处理的时刻。
进一步地,步骤S6中的根据约束条件判断任务可行执行方式具体为:
假设相邻边缘计算服务器为任务可选分配方式,应满足以下三个条
件:一是任务在主服务器执行总时间;二是任务所需的计算资源,表示边缘计算服务器的计算资源容量;三是任务的计算通信带宽,表示主边缘计算服务器与相邻的边缘计算服务器的通信带宽;
假设主边缘计算服务器下的设备集群为任务可选分配方式,任务遍历每个集群,在集群选择最优的设备组合方式,应满足以下四个条件:一是任务
在主服务器执行总时间;二是任务所需的计算资源,表示工业物
联网设备的计算资源容量;三是任务的计算通信带宽,表示主边
缘计算服务器与工业物联网设备的通信带宽;四是由于工业物联网设备动态性,任务在工
业物联网设备开始执行的时间和结束的时间,其中,由于工业物联网
设备是动态移动的,表示终端设备到达主边缘计算服务器覆盖区域的
时间,表示终端设备离开主边缘计算服务器覆盖区域的时间。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明公开的一种边缘计算下的合作计算任务分配方法,考虑边缘计算服务器和工业物联网设备计算资源的共享,同时促使各种异构设备参与合作,解决了任务时延问题,对比全部任务在主服务器上执行方法(非合作计算任务分配方法),在延迟方面有更好的性能,加快任务执行速度,并且有效提高了任务完成率和系统设备的资源利用率。
附图说明
图1为合作计算方式与非合作计算下任务时延对比图;
其中,(a)为任务数量不同时的任务时延;(b)为终端数量不同时的任务时延。
图2为合作计算方式与非合作计算下任务完成率对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
一种边缘计算下的合作计算任务分配方法,该方法通过主边缘计算服务器、相邻边缘计算服务器和设备集群三种合作计算,进行任务最优的分配从而实现了任务的加速处理并减少服务延迟;
具体包括以下步骤:
S1. 构建边缘计算的工业物联网模型,包括一组边缘计算服务器和工业物联网设备,其中,第个边缘计算服务器作为
主边缘计算服务器,其覆盖一组工业物联网设备表示为,;相邻的边缘计算服务器集合表示为;第
个主边缘计算服务器下的工业物联网设备通过聚类形成多个集群,多个集群的集合表示为;和分别表示边缘计算服务器和工业物联网设备的计算能力,和分别表示边缘计算服务器和工业物联网设备的计算资源容量,和分别表示主边缘计算服务器与工业物联网设备、相
邻的边缘计算服务器的通信带宽;
工业物联网设备使用资源感知集群算法通过聚类形成多个集群,资源感知集群算法的具体过程为:
S2. 构建基于边缘计算的工业物联网模型下的任务重要性模型,主边缘计算服务
器在时间跨度内接收终端设备的任务,主边缘计算服务器收集任务相应的参量属性,是数据量大小,是完成计算
任务所需要的计算资源,是最大可容忍的时间,表示任务到达边缘计算服务器的
时间;表示任务的重要程度;依据任务可容忍的时间、任务所需要的计算资源和任务的
数据量大小三个考量因素计算任务重要性,然后将任务分成三种等级:第一等级任务、第二
等级任务和第三等级任务,其中,第一等级任务的任务重要性值最大,第三等级任务的任务
重要性值最小;
其中,任务重要性的具体计算过程为:
S21. 任务的重要性与数据量大小,所需要的计算资源,最大可容忍的
延迟三个因素有关,使用表示影响的任务重要性的元素组,其中
任务可容忍的时间相比任务所需要的计算资源、任务的数据量大小更重要,任务
所需要的计算资源与任务的数据量大小相比重要;因此,在层次分析模型中,任务
可容忍的时间对于重要性的划分所占的权重最高;将同一层次两两元素进行比较,构造层
次分析矩阵如下,
S3. 在S2构建的任务重要性模型的基础上建立合作计算任务分配方式,即:第一等级任务直接在主边缘计算服务器上处理;第二等级任务在主边缘计算服务器上处理,或卸载到相邻的边缘计算服务器上处理;第三等级任务在主边缘计算服务器上处理,也可以卸载到相邻的边缘计算服务器上处理或者主边缘计算服务器下的设备集群上处理;
S5. 计算任务在主边缘计算服务器、相邻边缘计算服务器和设备集群三种执行方式单独处理时间,具体计算过程如下:
其中,表示主边缘计算服务器和相邻边缘计算服务器之间的传输速率,
表示主边缘计算服务器和相邻边缘计算服务器之间的可用传输带宽,
表示信噪比,表示传输功率,表示信道增益,表示背景噪声,为任务数据
量大小,表示从任务从主边缘服务器卸载到相邻边缘服务器的传输时间,
表示相邻边缘服务器处理任务的计算时间;和分别表示任务从主边缘计算
服务器到相邻的边缘计算服务器开始传输和传输结束的时刻;和分别表示任务在相邻的边缘计算服务器开始和结束计算的时刻;
其中,表示主边缘计算服务器和其覆盖的终端设备可用的下行传输
带宽,表示信噪比,表示传输功率,表示信道增益;表示任务
第个任务的数据量大小,和分别表示任务划分后的较小的计算任务主边
缘计算服务器到其覆盖下的终端设备开始传输和传输结束的时刻;
表示任务第个任务所需要的计算资源,表示设备计算能力,和分
别表示任务划分后的较小的计算任务在终端设备开始处理和结束处理的
时刻;
S6. 基于步骤S4任务对应的分配方案,根据约束条件判断,得到任务的可行执行方案,选择其中执行时间最短的执行方案作为最终的执行方案,实现更快的执行任务并减少服务延迟,其中,判断执行方案是否可行的具体约束条件为:
假设主边缘计算服务器下的设备集群为任务可选分配方式,任务遍历每个集群,在集群选择最优的设备组合方式,应满足以下四个条件:一是任务
在主服务器执行总时间,二是任务所需的计算资源,三是任务的计算
通信带宽,四是由于工业物联网设备动态性,任务在工业物联网设备开始执行
的时间和结束的时间。
为了评估本发明公开的一种边缘计算下的合作计算任务分配方法在减少时延方面的性能,本实施例采用本发明合作计算任务分配方法,对比方案采用非合作计算方式(主服务器直接执行方式),两者具体的参数条件如表一所列。两种方法处理任务的平均时延图如图2所示。
图1展示了在工业物联网设备数量和任务数量不同的情况下合作计算任务分配方法与非合作计算任务分配方法的任务平均时延对比图。图1(a)显示了在任务数量不同的情况下,合作边缘计算和非合作边缘计算任务的平均执行延迟;其中,边缘计算服务器和工业物联网设备的数量分别设置为5,200。从图中可以看出,平均执行延迟随着任务数量增加而增加;但是,合作边缘计算的平均执行延迟总是低于非合作边缘计算,表明合作边缘计算具有优越的性能。
图1(b)显示了在终端数量不同的情况下,合作边缘计算和非合作边缘计算任务的平均执行延迟,其中,任务数量设置为200。从图中可以看出,平均执行延迟随着工业物联网设备数量的增加而降低,但合作边缘计算的执行延迟总是低于非合作边缘计算。原因是合作边缘计算中的设备集群方式可以通过更多的工业物联网设备来加速任务的执行速度;而非合作边缘计算是不变的,这是因为非合作边缘计算与工业物联网设备没有合作。
表一
图2为合作计算方式与非合作计算(主边缘计算服务器直接执行方式)下任务完成率对比图。图2展示了在工业物联网设备数量和任务数量不同的情况下合作计算任务分配方法与非合作计算任务分配方法的任务完成率对比图,其中,边缘计算服务器和工业物联网设备的数量分别设置为5,100。任务完成率的定义是,任务完成的数量为已完成的任务占已到达任务总数的比例。从图2中可以看出,当设备数量较少时, 两种方式的任务完成率相差无几;但随着设备数量的增加,合作边缘计算的任务完成率不断提高,而非合作的完成率基本不变,当设备数量较大时,合作方式的完成率远高于非合作方式,这是因为合作边缘计算拥有更多的任务执行模式来完成更多的任务;设备集群方式可以通过更多的工业物联网设备来完成更多的任务,而非合作边缘计算是不变的。
从以上实施例和对比方案的结果可得,每个任务可以通过主边缘计算服务器、相邻边缘计算服务器和设备集群三种合作计算方式进行任务最优的分配从而实现了任务的加速处理并减少服务延迟,并且每个任务执行的时间高于非合作计算方式(主边缘计算服务器直接执行方式)的时间。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (5)
1.一种边缘计算下的合作计算任务分配方法,其特征在于,包括以下步骤:
S1. 构建边缘计算的工业物联网模型,包括一组边缘计算服务器和
工业物联网设备,其中,第个边缘计算服务器作为主边缘计算服务器,其
覆盖一组工业物联网设备表示为,;相邻的边缘计算服务器
集合表示为;第个主边缘计算服务器下的工业物联网
设备通过聚类形成多个集群,多个集群的集合表示为;
S2. 构建基于边缘计算的工业物联网模型下的任务重要性模型,主边缘计算服务器在时间跨度内接收终端设备的任务,主边缘计算服务器收集任务相应的参量属性,是数据量大小,是完成计算任
务所需要的计算资源,是最大可容忍的时间,表示任务到达边缘计算服务器的时
间;表示任务的重要程度;依据任务可容忍的时间、任务所需要的计算资源和任务的数
据量大小三个考量因素计算任务重要性,然后将任务分成三种等级:第一等级任务、第二等
级任务和第三等级任务,其中,第一等级任务的任务重要性值最大,第三等级任务的任务重
要性值最小;
S3. 基于S2构建的任务重要性模型建立合作计算任务分配方式,即:第一等级任务直接在主边缘计算服务器上处理;第二等级任务在主边缘计算服务器上处理,或卸载到相邻的边缘计算服务器上处理;第三等级任务在主边缘计算服务器上处理,或卸载到相邻的边缘计算服务器上处理,或在主边缘计算服务器下的设备集群上处理;
S5. 计算任务在主边缘计算服务器、相邻边缘计算服务器和设备集群三种执行方式下的单独处理所需时间;
S6. 基于步骤S4任务对应的分配方案,根据约束条件判断,得到任务的可行执行方案,选择其中执行时间最短的执行方案作为最终的执行方案,实现更快的执行任务并减少服务延迟。
2.如权利要求1所述的边缘计算下的合作计算任务分配方法,其特征在于,S1中工业物联网设备通过聚类形成多个集群具体采用资源感知集群算法,其中,资源感知集群算法的具体过程为:
3.如权利要求1所述的边缘计算下的合作计算任务分配方法,其特征在于,步骤S2依据任务可容忍的时间、任务所需要的计算资源和任务的数据量大小三个考量因素计算任务重要性的具体计算过程为:
S21. 任务的重要性与数据量大小,所需要的计算资源,最大可容忍的时间三个因素有关,使用表示影响的任务重要性的元素组,其中任务可
容忍的时间相比任务所需要的计算资源、任务数据量大小更重要,任务所需要的
计算资源与任务数据量大小相比重要;因此,在层次分析模型中,任务可容忍的时
间对于重要性的划分所占的权重最高;将同一层次两两元素进行比较,构造层次分析矩阵如下,
4.如权利要求1所述的边缘计算下的合作计算任务分配方法,其特征在于,步骤S5中所述任务在主边缘计算服务器、相邻边缘计算服务器和设备集群三种执行方式下的单独处理所需时间具体为:
其中,表示主边缘计算服务器和相邻边缘计算服务器之间的传输速率,表示
主边缘计算服务器和相邻边缘计算服务器之间的可用传输带宽,表示信
噪比,表示传输功率,表示信道增益,表示背景噪声,为任务数据量大小,表示从任务从主边缘服务器卸载到相邻边缘服务器的传输时间,表示相
邻边缘服务器处理任务的计算时间;和分别表示任务从主边缘计算服务器到相邻的边缘计算服务器开始传输和传输结束的时刻;和分别表
示任务在相邻的边缘计算服务器开始和结束计算的时刻;
5.如权利要求1所述的边缘计算下的合作计算任务分配方法,其特征在于,步骤S6中所述根据约束条件判断,得到任务的可行执行方案具体过程为:
假设相邻边缘计算服务器为任务可选分配方式,应满足以下三个条件:一
是任务在主服务器执行总时间;二是任务所需的计算资源,表示
边缘计算服务器的计算资源容量;三是任务的计算通信带宽,表示
主边缘计算服务器与相邻的边缘计算服务器的通信带宽;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110145575.2A CN112511652B (zh) | 2021-02-03 | 2021-02-03 | 一种边缘计算下的合作计算任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110145575.2A CN112511652B (zh) | 2021-02-03 | 2021-02-03 | 一种边缘计算下的合作计算任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112511652A true CN112511652A (zh) | 2021-03-16 |
CN112511652B CN112511652B (zh) | 2021-04-30 |
Family
ID=74952515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110145575.2A Active CN112511652B (zh) | 2021-02-03 | 2021-02-03 | 一种边缘计算下的合作计算任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112511652B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534829A (zh) * | 2021-06-11 | 2021-10-22 | 南京邮电大学 | 一种基于边缘计算的无人机日常巡逻检测系统 |
CN113835878A (zh) * | 2021-08-24 | 2021-12-24 | 润联软件系统(深圳)有限公司 | 一种资源分配方法、装置、计算机设备及存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107241767A (zh) * | 2017-06-14 | 2017-10-10 | 广东工业大学 | 一种移动协同计算的方法及装置 |
CN108319502A (zh) * | 2018-02-06 | 2018-07-24 | 广东工业大学 | 一种基于移动边缘计算的d2d任务分配的方法及装置 |
US10110495B1 (en) * | 2017-11-22 | 2018-10-23 | Intel Corporation | Multi-access edge computing (MEC) service provision based on local cost measurements |
US10136351B2 (en) * | 2016-08-30 | 2018-11-20 | Huawei Technologies Co., Ltd. | Mobile edge computing for tele-operation |
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 |
CN109710336A (zh) * | 2019-01-11 | 2019-05-03 | 中南林业科技大学 | 联合能量和延迟优化的移动边缘计算任务调度方法 |
US20190208007A1 (en) * | 2018-01-03 | 2019-07-04 | Verizon Patent And Licensing Inc. | Edge Compute Systems and Methods |
CN110134507A (zh) * | 2019-07-11 | 2019-08-16 | 电子科技大学 | 一种边缘计算系统下的合作计算方法 |
CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
CN111045828A (zh) * | 2019-12-27 | 2020-04-21 | 广东电科院能源技术有限责任公司 | 基于配电网台区终端的分布式边缘计算方法和相关装置 |
US20200136978A1 (en) * | 2018-10-30 | 2020-04-30 | Verizon Patent And Licensing Inc. | Method and system for predictive edge resources |
CN111556516A (zh) * | 2020-05-25 | 2020-08-18 | 南京邮电大学 | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 |
CN111679904A (zh) * | 2020-03-27 | 2020-09-18 | 北京世纪互联宽带数据中心有限公司 | 一种基于边缘计算网络的任务调度方法及装置 |
CN111858054A (zh) * | 2020-07-22 | 2020-10-30 | 北京秒如科技有限公司 | 一种异构环境下基于边缘计算的资源调度系统及方法 |
CN111913723A (zh) * | 2020-06-15 | 2020-11-10 | 合肥工业大学 | 基于流水线的云-边-端协作卸载方法和系统 |
CN112004239A (zh) * | 2020-08-11 | 2020-11-27 | 中国科学院计算机网络信息中心 | 一种基于云边协同的计算卸载方法及系统 |
CN112148492A (zh) * | 2020-09-28 | 2020-12-29 | 南京大学 | 一种考虑多用户移动性的服务部署和资源分配方法 |
-
2021
- 2021-02-03 CN CN202110145575.2A patent/CN112511652B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10136351B2 (en) * | 2016-08-30 | 2018-11-20 | Huawei Technologies Co., Ltd. | Mobile edge computing for tele-operation |
CN107241767A (zh) * | 2017-06-14 | 2017-10-10 | 广东工业大学 | 一种移动协同计算的方法及装置 |
US10110495B1 (en) * | 2017-11-22 | 2018-10-23 | Intel Corporation | Multi-access edge computing (MEC) service provision based on local cost measurements |
US20190208007A1 (en) * | 2018-01-03 | 2019-07-04 | Verizon Patent And Licensing Inc. | Edge Compute Systems and Methods |
CN108319502A (zh) * | 2018-02-06 | 2018-07-24 | 广东工业大学 | 一种基于移动边缘计算的d2d任务分配的方法及装置 |
US20200136978A1 (en) * | 2018-10-30 | 2020-04-30 | Verizon Patent And Licensing Inc. | Method and system for predictive edge resources |
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 |
CN109710336A (zh) * | 2019-01-11 | 2019-05-03 | 中南林业科技大学 | 联合能量和延迟优化的移动边缘计算任务调度方法 |
CN110134507A (zh) * | 2019-07-11 | 2019-08-16 | 电子科技大学 | 一种边缘计算系统下的合作计算方法 |
CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
CN111045828A (zh) * | 2019-12-27 | 2020-04-21 | 广东电科院能源技术有限责任公司 | 基于配电网台区终端的分布式边缘计算方法和相关装置 |
CN111679904A (zh) * | 2020-03-27 | 2020-09-18 | 北京世纪互联宽带数据中心有限公司 | 一种基于边缘计算网络的任务调度方法及装置 |
CN111556516A (zh) * | 2020-05-25 | 2020-08-18 | 南京邮电大学 | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 |
CN111913723A (zh) * | 2020-06-15 | 2020-11-10 | 合肥工业大学 | 基于流水线的云-边-端协作卸载方法和系统 |
CN111858054A (zh) * | 2020-07-22 | 2020-10-30 | 北京秒如科技有限公司 | 一种异构环境下基于边缘计算的资源调度系统及方法 |
CN112004239A (zh) * | 2020-08-11 | 2020-11-27 | 中国科学院计算机网络信息中心 | 一种基于云边协同的计算卸载方法及系统 |
CN112148492A (zh) * | 2020-09-28 | 2020-12-29 | 南京大学 | 一种考虑多用户移动性的服务部署和资源分配方法 |
Non-Patent Citations (17)
Title |
---|
AIDONG XU;YIXIN JIANG;JINSONG WU;YUNAN ZHANG;WENJIN HOU ET AL.: "Efficiency and Security for Edge Computing Assisted Smart Grids", 《2019 IEEE GLOBECOM WORKSHOPS (GC WKSHPS)》 * |
FEI PAN;HONG WEN;XUESONG GAO;HAIBO PU;ZHIBO PANG: "Clone Detection Based on BPNN and Physical Layer Reputation for Industrial Wireless CPS", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 * |
FENG WANG; DINGDE JIANG; HONG WEN ET AL.: "Security level protection for intelligent terminals based on differential privacy", 《TELECOMMUNICATION SYSTEMS》 * |
SHU FU, NAN CHENG, NING ZHANG, XIN JIAN, FENG LYU, HONG WEN: "Virtualization Enabled Multi-Point Cooperation with Convergence of Communication, Caching, and Computing", 《IEEE NETWORK》 * |
SONGLIN CHEN ET AL.: "Internet of things based smart grids supported by intelligent edge computing", 《IEEE ACCESS》 * |
SONGLIN CHEN; YIXIN JIANG; HONG WEN ET AL.: "A Novel Terminal Security Access Method Based on Edge Computing for IoT", 《2018 INTERNATIONAL CONFERENCE ON NETWORKING AND NETWORK APPLICATIONS (NANA)》 * |
YI CHEN ET AL.: "Clustering based physical-layer authentication in edge computing systems with asymmetric resources", 《SENSORS》 * |
乔冠华: "基于移动边缘计算的物联网资源管理策略研究", 《万方》 * |
代振楠: "工业互联网中基于边缘计算的任务卸载策略研究", 《中国优秀硕士学位论文全文数据库》 * |
侯文静等: "基于边缘侧的BP神经网络终端安全等级分级模型", 《通信技术》 * |
张海波等: "车辆异构网中基于移动边缘计算的任务卸载与资源分配", 《物联网学报》 * |
朱彦荣: "面向移动边缘计算的多优先级任务调度算法研究", 《中国优秀硕士学位论文全文数据库》 * |
杨骏,侯文静,文红: "计量系统下基于边缘计算的电量预测", 《智能电网》 * |
王硕等: "应用于智能制造的边缘计算任务调度算法研究", 《制造业自动化》 * |
白昱阳等: "云边智能:电力系统运行控制的边缘计算方法及其应用现状与展望", 《自动化学报》 * |
罗斌: "MEC计算卸载策略的研究与应用", 《中国优秀硕士学位论文全文数据库》 * |
董思岐等: "移动边缘计算中的计算卸载策略研究综述", 《计算机科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534829A (zh) * | 2021-06-11 | 2021-10-22 | 南京邮电大学 | 一种基于边缘计算的无人机日常巡逻检测系统 |
CN113534829B (zh) * | 2021-06-11 | 2024-04-05 | 南京邮电大学 | 一种基于边缘计算的无人机日常巡逻检测系统 |
CN113835878A (zh) * | 2021-08-24 | 2021-12-24 | 润联软件系统(深圳)有限公司 | 一种资源分配方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112511652B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684075B (zh) | 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 | |
CN111586720B (zh) | 一种多小区场景下的任务卸载和资源分配的联合优化方法 | |
CN111240701B (zh) | 一种端-边-云协同计算的任务卸载优化方法 | |
CN107911478B (zh) | 基于化学反应优化算法的多用户计算卸载方法及装置 | |
CN107766135B (zh) | 移动朵云中基于粒子群和模拟退火优化的任务分配方法 | |
CN111132235B (zh) | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 | |
CN112511652B (zh) | 一种边缘计算下的合作计算任务分配方法 | |
CN110570075B (zh) | 一种电力业务边缘计算任务分配方法及装置 | |
CN111556518B (zh) | 用于提高多切片网络中网络质量的资源分配方法及系统 | |
CN110928691A (zh) | 一种面向交通数据的端边协同计算卸载方法 | |
CN112153145A (zh) | 5g边缘环境下面向车联网的计算任务卸载方法及装置 | |
CN115629865B (zh) | 一种基于边缘计算的深度学习推理任务调度方法 | |
CN113992677A (zh) | 一种延迟与能耗联合优化的mec计算卸载方法 | |
CN114567933A (zh) | 基于改进遗传算法的异构云雾协同网络中的资源分配方法 | |
CN112437449B (zh) | 联合资源分配方法 | |
CN113766037A (zh) | 面向大规模边缘计算系统的任务卸载控制方法及系统 | |
CN113315669A (zh) | 基于云边协同的吞吐量优化的机器学习推断任务部署方法 | |
CN111614735B (zh) | 基于加权轮转算法的新型雾计算架构及其任务调度方法 | |
CN111954230B (zh) | 基于mec与密集云接入网融合的计算迁移与资源分配方法 | |
CN111124439A (zh) | 一种云边协同的智能动态卸载算法 | |
CN115150893A (zh) | 基于任务划分与d2d的mec任务卸载策略方法 | |
CN115865930A (zh) | 一种基于5g电力物联网的mec动态调整方法 | |
CN108257077B (zh) | 基于gpu的聚类数据的处理方法、系统及计算设备 | |
CN113573280A (zh) | 一种车辆边缘计算成本效益优化方法、系统、设备、终端 | |
CN115051999B (zh) | 基于云边协同的能耗最优任务卸载方法、装置及系统 |
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 |