CN112600921A - 一种面向异构移动边缘网络的动态任务卸载方法 - Google Patents
一种面向异构移动边缘网络的动态任务卸载方法 Download PDFInfo
- Publication number
- CN112600921A CN112600921A CN202011472512.XA CN202011472512A CN112600921A CN 112600921 A CN112600921 A CN 112600921A CN 202011472512 A CN202011472512 A CN 202011472512A CN 112600921 A CN112600921 A CN 112600921A
- Authority
- CN
- China
- Prior art keywords
- task
- time slot
- unloading
- base station
- amount
- 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及无线通信技术领域,具体涉及一种面向异构移动边缘网络的动态任务卸载方法,包括移动设备产生计算任务,根据计算任务的属性建立两个任务队列模型,并得出卸载任务的处理策略;计算卸载任务的卸载效用、通信成本以及通信与计算能耗成本;建立移动设备在进行任务卸载中的系统模型,并以最大化时间平均卸载收益为优化目标的任务卸载问题;根据李雅普诺夫优化理论将任务卸载优化问题转化为单时隙内的优化问题,通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程;根据计算任务卸载的属性请求,建立搜索树,进行快速的分支定界,得到移动设备最优的卸载策略和卸载的任务量;本发明能够保证系统的稳定性,最大化系统的时间平均卸载收益。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及一种面向异构移动边缘网络的动态任务卸载方法。
背景技术
在移动互联网和物联网(IoT)的驱动下,计算密集型和时延敏感型应用(如智能家居、智慧城市、无人驾驶、增强现实/虚拟现实)出现爆炸式增长,多种不同类型的终端设备连接以及多样化的需求日益增多,传统的高时延计算模型已无法满足密集型任务的需求,同时,用户对移动网络的需求不断提升,在数据速率要求越来越高的同时,需要毫秒级的端到端时延。移动边缘计算(Mobile Edge Computing,MEC)在靠近移动用户的网络边缘为用户提供服务和资源,是一种具有很大发展前景的计算范式。另外,MEC中边缘设备可部署在基站、无线接入点及路由器等位置上,使得用户可在无线网络范围内处理任务,能有效提升用户体验。
虽然越来越多的新兴应用受益于MEC技术,但是MEC服务器在面对海量的IoT设备接入,网络中用户行为和业务呈现出规律复杂,尺度多变的特征。在这种异构网络(Heterogeneous Networks,Het Nets)中会有计算量大且复杂的任务,如监视、人群感知和健康监测等,大量的IoT设备通信所产生的能耗会降低IoT设备的续航能力。在异构网络环境下考虑到任务卸载坏境的复杂性,这些用户的行为和业务往往是动态变化的,因此需要针对在异构移动边缘网络下的任务卸载和计算资源分配问题,研究出一种动态联合优化任务卸载和计算资源分配方法具有重要价值。
发明内容
为了能够在异构的移动边缘网络中,制定出一种最佳的任务卸载策略以及合适的卸载任务量,本发明提出一种面向异构移动边缘网络的动态任务卸载方法,如图1,该方法具体包括以下步骤:
S1、移动设备产生计算任务,根据计算任务的属性建立两个任务队列模型,若Im,ij(t)=1,则计算任务将卸载到宏基站处理,若Is,ij(t)=1,则计算任务将卸载到小基站处理,若Im,ij(t)=0且Is,ij(t)=0,则计算任务在本地处理;
S4、根据李雅普诺夫优化理论将任务卸载优化问题转化为单时隙内的优化问题,通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程;
S5、根据计算任务卸载的属性请求,建立搜索树,进行快速的分支定界,得到移动设备最优的卸载策略和卸载的任务量。
进一步的,处理移动设备本地任务的任务队列模型的更新规则为:
处理云端任务的任务队列模型的更新规则为:
其中,表示t时隙第j个小基站下第i个移动设备的本地任务队列的积压长度,表示t时隙第j个小基站下第i个移动设备的云端任务队列的积压长度;为时隙t本地处理的任务量;为时隙t上的卸载任务;ai(t)为本地处理的任务量;ci(t)为卸载到云端的任务量;为一个宏基站下的小基站的集合,为一个小基站下的移动设备的集合,为离散时隙的集合。
进一步的,卸载效用Uij(t)表示为:
其中,ζij为移动设备i的加权参数;bij(t)为时隙t本地处理的任务量和时隙t上的卸载任务量之和;ηs为移动设备将任务卸载到小基站的单位任务传输成本;为时隙t上的卸载任务;I{}为卸载策略,Is,ij(t)=1表示在时隙t计算任务被卸载到小基站执行,Im,ij(t)=1表示在时隙t计算任务被卸载到宏基站执行,且在t时隙Is,ij(t)+Im,ij(t)≤1;ηm为移动设备将任务卸载到宏基站的单位任务传输成本;为通信的单位能耗成本;为通信的能耗;为计算的单位能耗成本;为计算的能耗。
进一步的,以最大化时间平均卸载收益为优化目标的任务卸载问题表示为:
其中,为系统的平均卸载收益;bij(t)为时隙t本地处理的任务量和时隙t上的卸载任务量之和;rij(t)表示t时隙移动设备i的任务卸载收益;表示计算期望;Tij(t)为计算任务卸载到云端所花费的时间总和;τij,d为计算任务的最大截止时间;Ik,ij(t)表示t时隙宏基站或者小基站下的移动设备的卸载策略,当Imji,(t)=1表示在时隙t计算任务被卸载到宏基站执行,当Isji,(t)=1表示在时隙t计算任务被卸载到小基站执行,且在t时隙Is,ij(t)+Im,ij(t)≤1;表示小基站下移动设备的CPU周期频率,表示宏基站下移动设备的CPU周期频率;为小基站或宏基站下CPU周期频率的最大值;为小基站或宏基站下CPU周期频率的最小值;移动设备在单位时隙内卸载的最小任务量;为移动设备在单位时隙内卸载的最大任务量;表示本地任务队列的平均积压长度;表示云端任务队列的平均积压长度。
进一步的,通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程包括:
根据时隙t的处理移动设备本地任务的任务队列模型和处理云端任务的任务队列模型,构建时隙t的李雅普诺夫函数;
根据构建的李雅普诺夫函数计算李雅普诺夫漂移;
使用机会主义最小化期望的概念最小化构建的不等式方程,得到新的优化方程。
进一步的,构建的不等式方程表示为:
其中,为李雅普诺夫漂移;V为非负的可控参数;表示到达移动设备i的最大计算任务量,表示求所有移动用户的队列积压长度集合下的时隙t移动设备的任务卸载收益rij(t)的期望;表示本地移动设备在单位时隙的最大计算量;表示移动设备在单位时隙内卸载的最大任务量;为时隙t云端任务队列的积压长度,为时隙t本地任务队列的积压长度。
进一步的,使用机会主义最小化期望的概念最小化构建的不等式方程,得到的卸载策略表示为:
进一步的,建立一个搜索树,从根节点到叶节点的路径表示路径,对每个路径,得到的卸载策略表示为:
进一步的,构建一个基于优先级的卸载准则,包括:
其他移动设备属于Go组,对Go组移动设备建立搜索树,对于每一条路径,用凸优化方法求解最优的任务卸载量;
通过从根节点到叶节点的所有路径,得到优化目标集;
以最大化目标值作为最优解,得到最优卸载策略和计算资源分配决策;
本发明针对在异构的移动边缘网络中,提出一种动态的任务卸载方法,选择移动设备进行任务卸载的最优策略以及最佳的任务卸载量,同时能够保证系统的稳定性,最大化系统的时间平均卸载收益。
附图说明
图1为本发明一种面向异构移动边缘网络的动态任务卸载方法流程示意图;
图2为本发明一种面向异构移动边缘网络的动态任务卸载方法系统模型图;
图3为本发明的任务队列模型图;
图4位本发明的搜索树示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提出一种面向异构移动边缘网络的动态任务卸载方法,如图1,具体包括以下步骤:
S1、移动设备产生计算任务,根据计算任务的属性建立两个任务队列模型,若Im,ij(t)=1,则计算任务将卸载到宏基站处理,若Is,ij(t)=1,则计算任务将卸载到小基站处理,若Im,ij(t)=0且Is,ij(t)=0,则计算任务在本地处理;
S4、根据李雅普诺夫优化理论将任务卸载优化问题转化为单时隙内的优化问题,通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程;
S5、根据计算任务卸载的属性请求,建立搜索树,进行快速的分支定界,得到移动设备最优的卸载策略和卸载的任务量。
如图2所示是本发明实例的一种面向异构移动边缘网络的动态任务卸载方法的系统模型图,异构的移动边缘网络包括若干个小基站(Small Base Station,SBS)和一个宏基站(Macro Base Station,MBS),在这些SBS和MBS周围都部署了MEC服务器,所有的SBS都在MBS的覆盖范围之内,且每个SBS下都覆盖有一定数量的移动设备(Mobile Devices,MDs),受通信距离的限制,每个SBS只能为其覆盖范围内的MDs提供边缘计算服务,假设MBS下的SBS集合为nj表示第j个小基站,nj=0表示为MBS,否则为SBS,nj下的MDs集合为本系统中在离散时隙每个时隙的持续时间为τ。
图3所示为本发明实例的一种面向异构移动边缘网络的动态任务卸载方法的计算任务模型图,假设nj下的到达MDi的计算任务量为其中表示到达移动设备的最大任务量。假设单位时隙内nj下移动设备的任务到达率为若在本地处理的任务量为ai(t),则卸载到云端的任务量为ci(t),满足ci(t)=Ai(t)-ai(t)。
移动设备产生计算任务,并根据计算任务的属性建立两个任务队列模型,其中一个任务队列在移动设备本地处理,另一个任务队列在云端处理。对于这两个队列,可以用四个参数来描述其中和分别表示第j个小基站下第i个移动设备的本地任务队列和云端任务队列的积压长度;和分别是时隙t本地处理的任务量和时隙t上的卸载任务,为任务的最大截止时间,γij是计算密度(以周期/位为单位)。由此可以得出本地任务队列和云端任务队列的更新规则如下:
为了保证系统的稳定性,对本地任务队列和云端任务队列作出如下约束:
判断当前时隙t的计算任务是在本地处理还是在云端处理,假设表示nj下的MDi在时隙t的任务卸载策略,其中Is,ij(t)=1,Im,ij(t)=1分别表示nj下的MDi在时隙t计算任务被卸载到SBS执行或被卸载到MBS执行,为了便于分析,可以把nj下的所有MDs的任务卸载策略表示为由于计算任务在任意时隙内只能卸载到一个边缘服务器或一个远程服务器,因此在时隙t卸载策略必须满足不等式Is,ij(t)+Im,ij(t)≤1。建立本发明的系统模型,总体包括本地任务队列处理模型、卸载任务队列模型和卸载效用模型,而卸载任务队列模型又分为通信与计算时延模型,通信与计算能耗模型。
其中,κil是恒定的功率系数。
对于上述的卸载任务队列模型,由于将任务卸载到云端需要经过任务上传、云服务器计算及计算结果返回等过程,一般来说,计算结果的数据量远远小于上传量,数据下行传输速率远远高于上行,因此在分析通信模型时可以忽略计算结果返回产生的延迟。
其中,ηs和ηm分别是移动设备将任务卸载到SBS和MBS的单位任务传输成本。
对于卸载任务队列的云服务器计算时延,假设MDi将计算任务卸载到SBSj上执行,令SBS j分配给MD i的CPU周期频率为并满足约束条件其中和分别是CPU周期频率的最小值和最大值。进一步可以计算出SBSj的计算时延为:
其中,γij为计算密度(以周期/位为单位);同理若MDi将计算任务卸载到MBS上执行,可以计算出MBS的计算时延为:
对于所述的卸载效用Uij(t),可以由下式计算得到:
所有移动设备的收益为:
由此,为了使系统卸载收益最大化,优化问题可以表示为:
P1问题的约束条件有:
本发明的优化目标为最大化系统的平均卸载收益,故可以引用李雅普诺夫优化理论将此优化目标转化成在单一时隙内的优化问题,再通过最小化李雅普诺夫漂移加惩罚之和,求出移动设备的最佳卸载决策与最优的卸载任务量。
使用机会主义最小化期望的概念最小化不等式,将问题转化为:
s.t.C1-C5
根据李雅普诺夫优化理论,通过最小化李雅普诺夫漂移加惩罚项之和的上界进一步确定移动设备的最优卸载策略和最佳的卸载任务量,在保证系统稳定性的前提下最大化系统的平均卸载收益。
若任务到达过程是独立的同分布,任务到达率λj={λ0j,λ1j,...,λMjj}始终在网络容量Λ的范围内,即λj+ε1∈Λ,其中ε≥0表示速率向量λj与容量Λ区域之间的距离,1表示单位向量;系统已经运行了T个时隙,由此可以得到平均卸载收益界和平均队列积压边界分别满足以下不等式:
从问题P2的分析来看,MD在每个时隙的卸载策略Ik,ij(t)可看成是整数向量,卸载的任务量是连续的。因此,P2问题是一个混合整数非线性规划问题(MINLP)。此外,由于P2问题中的整数向量与连续向量耦合,很难求解最优卸载策略和计算资源分配决策。
作为一种求得最优解的实施方式,在此建立一个典型的搜索树,设计一种卸载优先级选择准则,进行快速的分支定界。在该搜索树中,从根节点到叶节点的路径表示路径,对每个路径,P2问题可以转化为P3,如下所示:
s.t.C1,C3-C5
求解上述搜索树的一个挑战是搜索树的数目会随着MD的个数呈指数增长,因此时间复杂度很高。为了降低系统的复杂度和不必要的通信开销,在上述求解过程的基础上设计了一个基于优先级的卸载准则,该准则将设备的与卸载到SBS的最大传输和计算时间之和、卸载到SBS上的最小传输和计算时间之和,与计算任务的最大截止时间进行比较,将MD分为Gm、Gs和Go三组,具体包括以下步骤:
Gm和Gs组的MD分别将任务卸载到MBS和SBS,对Go组移动设备建立搜索树,包括:
若基于OPSC的搜索树大小是|Ω|,对于每一条路径(P3),用凸优化方法求解最优的任务卸载量;
通过从根节点到叶节点的所有路径,得到优化目标集(I1(t),I2(t),...,IΩ(t)),每个优化目标值的解为(φ1(t),φ2(t),...,φΩ(t)|φ(t)∈{I,F});
以最大化目标值作为最优解,如下所示:
φ*(t)=argmax{I1(t),I2(t),...,IΩ(t)|φ1(t),φ2(t),...,φΩ(t)};
最后确定最优卸载策略和计算资源分配决策;
其中,F为计算资源分配集。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种面向异构移动边缘网络的动态任务卸载方法,其特征在于,具体包括以下步骤:
S1、移动设备产生计算任务,根据计算任务的属性建立两个任务队列模型,若Im,ij(t)=1,则计算任务将卸载到宏基站处理,若Is,ij(t)=1,则计算任务将卸载到小基站处理,若Im,ij(t)=0且Is,ij(t)=0,则计算任务在本地处理;
S4、根据李雅普诺夫优化理论将任务卸载优化问题转化为单时隙内的优化问题,通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程;
S5、根据计算任务卸载的属性请求,建立搜索树,进行快速的分支定界,得到移动设备最优的卸载策略和卸载的任务量。
3.根据权利要求1所述的一种面向异构移动边缘网络的动态任务卸载方法,其特征在于,卸载效用Uij(t)表示为:
4.根据权利要求1所述的一种面向异构移动边缘网络的动态任务卸载方法,其特征在于,以最大化时间平均卸载收益为优化目标的任务卸载问题表示为:
其中,为系统的平均卸载收益;bij(t)为时隙t本地处理的任务量和时隙t上的卸载任务量之和;rij(t)表示t时隙移动设备i的任务卸载收益;表示计算期望;Tij(t)为计算任务卸载到云端所花费的时间总和;τij,d为计算任务的最大截止时间;Ik,ij(t)表示t时隙宏基站或者小基站下的移动设备的卸载策略,k∈{m,s},当Imji,(t)=1表示在时隙t计算任务被卸载到宏基站执行,当Isji,(t)=1表示在时隙t计算任务被卸载到小基站执行,且在t时隙Is,ij(t)+Im,ij(t)≤1;表示小基站下移动设备的CPU周期频率,表示宏基站下移动设备的CPU周期频率;为小基站或宏基站下CPU周期频率的最大值;为小基站或宏基站下CPU周期频率的最小值;移动设备在单位时隙内卸载的最小任务量;为表示t时隙移动设备的任务量;为移动设备在单位时隙内卸载的最大任务量;表示本地任务队列的平均积压长度;表示云端任务队列的平均积压长度;为一个宏基站下的小基站的集合,N为集合中元素的数量;为一个小基站下的移动设备的集合,Mi为集合中元素的数量;为离散时隙的集合,T为集合中元素的数量。
9.根据权利要求8所述的一种面向异构移动边缘网络的动态任务卸载方法,其特征在于,构建一个基于优先级的卸载准则,包括:
其他移动设备属于Go组,对Go组移动设备建立搜索树,对于每一条路径,用凸优化方法求解最优的任务卸载量;
通过从根节点到叶节点的所有路径,得到优化目标集;
以最大化目标值作为最优解,得到最优卸载策略和计算资源分配决策;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472512.XA CN112600921B (zh) | 2020-12-15 | 2020-12-15 | 一种面向异构移动边缘网络的动态任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472512.XA CN112600921B (zh) | 2020-12-15 | 2020-12-15 | 一种面向异构移动边缘网络的动态任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112600921A true CN112600921A (zh) | 2021-04-02 |
CN112600921B CN112600921B (zh) | 2022-05-10 |
Family
ID=75195492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011472512.XA Active CN112600921B (zh) | 2020-12-15 | 2020-12-15 | 一种面向异构移动边缘网络的动态任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112600921B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113238847A (zh) * | 2021-05-20 | 2021-08-10 | 西安电子科技大学 | 基于分散式网络环境下可分任务的分发和调度方法 |
CN113382049A (zh) * | 2021-05-31 | 2021-09-10 | 山东英信计算机技术有限公司 | 一种模块化构建工具mbs的管理系统及装置 |
CN113394825A (zh) * | 2021-06-30 | 2021-09-14 | 四川大学 | 一种极弱电网下并网逆变器正交功率同步控制方法 |
CN113517920A (zh) * | 2021-04-20 | 2021-10-19 | 东方红卫星移动通信有限公司 | 超密集低轨星座中物联网模拟载荷的计算卸载方法及系统 |
CN113660303A (zh) * | 2021-07-02 | 2021-11-16 | 山东师范大学 | 一种端边网云协同的任务卸载方法及系统 |
CN113687924A (zh) * | 2021-05-11 | 2021-11-23 | 武汉理工大学 | 一种基于边缘计算系统的智能动态任务计算卸载方法 |
CN113794768A (zh) * | 2021-09-13 | 2021-12-14 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
CN114296814A (zh) * | 2021-12-10 | 2022-04-08 | 中国科学院深圳先进技术研究院 | 一种边云计算任务卸载方法、系统、终端以及存储介质 |
CN114374694A (zh) * | 2022-01-10 | 2022-04-19 | 杭州电子科技大学 | 一种基于优先级的任务卸载方法及系统 |
CN114375010A (zh) * | 2021-06-28 | 2022-04-19 | 山东华科信息技术有限公司 | 基于sdn和匹配理论的配电物联网 |
CN114697333A (zh) * | 2022-03-22 | 2022-07-01 | 重庆邮电大学 | 一种能量队列均衡的边缘计算方法 |
CN115022323A (zh) * | 2022-06-07 | 2022-09-06 | 电子科技大学 | 一种保证sla的mec任务卸载与资源调度方法 |
KR20230032754A (ko) * | 2021-08-31 | 2023-03-07 | 연세대학교 산학협력단 | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107708152A (zh) * | 2017-11-28 | 2018-02-16 | 重庆邮电大学 | 异构蜂窝网络的任务卸载方法 |
CN109857546A (zh) * | 2019-01-03 | 2019-06-07 | 武汉理工大学 | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 |
US20190220703A1 (en) * | 2019-03-28 | 2019-07-18 | Intel Corporation | Technologies for distributing iterative computations in heterogeneous computing environments |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN111163521A (zh) * | 2020-01-16 | 2020-05-15 | 重庆邮电大学 | 移动边缘计算中一种分布式异构环境下的资源分配方法 |
CN111258677A (zh) * | 2020-01-16 | 2020-06-09 | 重庆邮电大学 | 面向异构网络边缘计算的任务卸载方法 |
-
2020
- 2020-12-15 CN CN202011472512.XA patent/CN112600921B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107708152A (zh) * | 2017-11-28 | 2018-02-16 | 重庆邮电大学 | 异构蜂窝网络的任务卸载方法 |
CN109857546A (zh) * | 2019-01-03 | 2019-06-07 | 武汉理工大学 | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
US20190220703A1 (en) * | 2019-03-28 | 2019-07-18 | Intel Corporation | Technologies for distributing iterative computations in heterogeneous computing environments |
CN111163521A (zh) * | 2020-01-16 | 2020-05-15 | 重庆邮电大学 | 移动边缘计算中一种分布式异构环境下的资源分配方法 |
CN111258677A (zh) * | 2020-01-16 | 2020-06-09 | 重庆邮电大学 | 面向异构网络边缘计算的任务卸载方法 |
Non-Patent Citations (4)
Title |
---|
BIN CAO: "A Distributed Game Methodology for Crowdsensing in Uncertain Wireless Scenario", 《IEEE TRANSACTIONS ON MOBILE COMPUTING》 * |
SHICHAO XIA: "Dynamic Task Offloading and Resource Allocation for Heterogeneous MEC-enable IoT", 《2020 IEEE/CIC INTERNATIONAL CONFERENCE ON COMMUNICATIONS》 * |
XINCHEN LYU: "Optimal Schedule of Mobile Edge Computing for Internet of Things Using Partial Information", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》 * |
赵临东: "异构蜂窝网络中分层任务卸载:建模与优化", 《通信学报》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113517920A (zh) * | 2021-04-20 | 2021-10-19 | 东方红卫星移动通信有限公司 | 超密集低轨星座中物联网模拟载荷的计算卸载方法及系统 |
CN113687924B (zh) * | 2021-05-11 | 2023-10-20 | 武汉理工大学 | 一种基于边缘计算系统的智能动态任务计算卸载方法 |
CN113687924A (zh) * | 2021-05-11 | 2021-11-23 | 武汉理工大学 | 一种基于边缘计算系统的智能动态任务计算卸载方法 |
CN113238847B (zh) * | 2021-05-20 | 2022-12-06 | 西安电子科技大学 | 基于分散式网络环境下可分任务的分发和调度方法 |
CN113238847A (zh) * | 2021-05-20 | 2021-08-10 | 西安电子科技大学 | 基于分散式网络环境下可分任务的分发和调度方法 |
CN113382049A (zh) * | 2021-05-31 | 2021-09-10 | 山东英信计算机技术有限公司 | 一种模块化构建工具mbs的管理系统及装置 |
CN114375010A (zh) * | 2021-06-28 | 2022-04-19 | 山东华科信息技术有限公司 | 基于sdn和匹配理论的配电物联网 |
CN114375010B (zh) * | 2021-06-28 | 2022-10-14 | 山东华科信息技术有限公司 | 基于sdn和匹配理论的配电物联网系统 |
CN113394825A (zh) * | 2021-06-30 | 2021-09-14 | 四川大学 | 一种极弱电网下并网逆变器正交功率同步控制方法 |
CN113660303A (zh) * | 2021-07-02 | 2021-11-16 | 山东师范大学 | 一种端边网云协同的任务卸载方法及系统 |
CN113660303B (zh) * | 2021-07-02 | 2024-03-22 | 山东师范大学 | 一种端边网云协同的任务卸载方法及系统 |
KR20230032754A (ko) * | 2021-08-31 | 2023-03-07 | 연세대학교 산학협력단 | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 |
KR102562732B1 (ko) | 2021-08-31 | 2023-08-01 | 연세대학교 산학협력단 | Mec 기반 무선 네트워크의 태스크 오프로딩 장치 및 방법 |
CN113794768A (zh) * | 2021-09-13 | 2021-12-14 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
CN113794768B (zh) * | 2021-09-13 | 2024-01-23 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
CN114296814A (zh) * | 2021-12-10 | 2022-04-08 | 中国科学院深圳先进技术研究院 | 一种边云计算任务卸载方法、系统、终端以及存储介质 |
CN114374694A (zh) * | 2022-01-10 | 2022-04-19 | 杭州电子科技大学 | 一种基于优先级的任务卸载方法及系统 |
CN114374694B (zh) * | 2022-01-10 | 2024-02-06 | 杭州电子科技大学 | 一种基于优先级的任务卸载方法及系统 |
CN114697333A (zh) * | 2022-03-22 | 2022-07-01 | 重庆邮电大学 | 一种能量队列均衡的边缘计算方法 |
CN114697333B (zh) * | 2022-03-22 | 2023-05-26 | 重庆邮电大学 | 一种能量队列均衡的边缘计算方法 |
CN115022323A (zh) * | 2022-06-07 | 2022-09-06 | 电子科技大学 | 一种保证sla的mec任务卸载与资源调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112600921B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112600921B (zh) | 一种面向异构移动边缘网络的动态任务卸载方法 | |
Dai et al. | Joint load balancing and offloading in vehicular edge computing and networks | |
CN111786839B (zh) | 一种车载边缘计算网络中能效优化的计算卸载方法及系统 | |
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 | |
Sun et al. | Autonomous resource slicing for virtualized vehicular networks with D2D communications based on deep reinforcement learning | |
CN109151864B (zh) | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 | |
CN111538587B (zh) | 一种基于负载均衡的服务功能链重配置方法 | |
CN113810233B (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
CN111475274B (zh) | 云协同多任务调度方法及装置 | |
CN110493360A (zh) | 多服务器下降低系统能耗的移动边缘计算卸载方法 | |
CN110717300B (zh) | 面向电力物联实时在线监测业务的边缘计算任务分配方法 | |
CN107708152B (zh) | 异构蜂窝网络的任务卸载方法 | |
CN113286329B (zh) | 基于移动边缘计算的通信和计算资源联合优化方法 | |
CN113115459B (zh) | 一种面向电力物联网海量终端的多尺度多维资源分配方法 | |
CN112804728B (zh) | 一种基于上下文学习的电力物联网海量终端接入控制方法 | |
Mirzaei et al. | Towards optimal configuration in MEC Neural networks: deep learning-based optimal resource allocation | |
CN113950081A (zh) | 一种多单元移动边缘计算中面向微服务的动态服务迁移和请求路由方法 | |
Fan et al. | Joint task offloading and resource allocation for accuracy-aware machine-learning-based IIoT applications | |
CN114650228A (zh) | 一种异构网络中基于计算卸载的联邦学习调度方法 | |
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 | |
Tam et al. | Intelligent massive traffic handling scheme in 5G bottleneck backhaul networks | |
Huang | Quality of service optimization in wireless transmission of industrial Internet of Things for intelligent manufacturing | |
Hosseini et al. | Energy-efficient scheduling based on task prioritization in mobile fog computing | |
CN112235387B (zh) | 一种基于能量消耗最小化的多节点协作计算卸载方法 | |
CN111580943B (zh) | 一种面向低时延边缘计算中多跳卸载的任务调度方法 |
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 |