CN112888002B - 一种基于博弈论的移动边缘计算任务卸载及资源分配方法 - Google Patents
一种基于博弈论的移动边缘计算任务卸载及资源分配方法 Download PDFInfo
- Publication number
- CN112888002B CN112888002B CN202110122147.8A CN202110122147A CN112888002B CN 112888002 B CN112888002 B CN 112888002B CN 202110122147 A CN202110122147 A CN 202110122147A CN 112888002 B CN112888002 B CN 112888002B
- Authority
- CN
- China
- Prior art keywords
- mec
- task
- server
- modeling
- utility function
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/20—Negotiating bandwidth
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
- Multi Processors (AREA)
Abstract
本发明涉及一种基于博弈论的移动边缘计算任务卸载及资源分配方法,属于无线通信领域,包括步骤:S1:建模博弈模型局中人:移动边缘计算MEC服务器及用户设备UE;S2:建模MEC服务器及UE策略;S3:建模MEC服务器效用函数;S4:建模UE效用函数;S5:建模博弈模型约束条件;S6:建模MEC服务器及UE效用函数优化模型;S7:基于双边匹配算法对博弈模型进行求解;S8:执行用户任务卸载及资源分配策略。本发明综合考虑MEC服务器效用及UE效用,为MEC服务器确定资源单价,为UE确定任务卸载策略及资源分配策略,实现了效用最大化。
Description
技术领域
本发明属于无线通信领域,涉及一种基于博弈论的移动边缘计算任务卸载及资源分配方法。
背景技术
随着移动互联网的发展及智能终端的普及,增强虚拟现实、远程医疗及自动驾驶等新型应用不断涌现。然而,各类新型应用的计算资源密集特性对智能终端任务处理能力提出严峻挑战。为解决上述问题,移动边缘计算(Mobile Edge Computing,MEC)技术应运而生。该技术通过将具备较强计算能力的MEC服务器部署至无线接入网络中,支持用户将任务卸载至MEC服务器执行计算,可有效降低终端任务执行时延及能耗,显著提升用户服务质量。在MEC系统中,综合考虑用户需求及系统可用资源,为用户设计高效的任务卸载机制。
目前已有研究中,有文献针对多用户卸载的场景设计卸载策略,在满足最大可允许执行时延的前提下实现用户时延优化,通过求解各用户最优功率分配及最优计算资源分配策略得到各用户的卸载机制。又例如,有文献研究了采用动态频率及电压调整及能量收集技术实现执行时延最小化,提出了一种基于李雅普诺夫优化的动态计算卸载算法,该算法首先以时隙为单位做出二元卸载决策,继而为本地执行的用户分配计算资源或为卸载的用户分配功率。
现有基于多任务卸载用户网络场景方案的研究较少考虑MEC服务器效用问题,然而对于有限的MEC服务器计算资源,当多用户请求卸载服务时会导致严重的资源竞争,从而严重影响用户性能。
发明内容
有鉴于此,本发明的目的在于综合考虑MEC服务器效用及UE效用,为MEC服务器确定资源单价,为UE确定任务卸载策略及资源分配策略,实现效用最大化,提供一种基于博弈论的移动边缘计算任务卸载及资源分配方法。
为达到上述目的,本发明提供如下技术方案:
一种基于博弈论的移动边缘计算任务卸载及资源分配方法,包括以下步骤:
S1:建模博弈模型局中人:移动边缘计算MEC服务器及用户设备UE;
S2:建模MEC服务器及UE策略;
S3:建模MEC服务器效用函数;
S4:建模UE效用函数;
S5:建模博弈模型约束条件;
S6:建模MEC服务器及UE效用函数优化模型;
S7:基于双边匹配算法对博弈模型进行求解;
S8:执行用户任务卸载及资源分配策略。
进一步,步骤S1中,建模博弈局中人为MEC服务器及UE,MECn表示第n个MEC服务器,1≤n≤N,N为MEC服务器的数量,表示MECn的计算能力;UEm表示第m个用户设备,1≤m≤M,M为UE的总数;UEm任务执行请求由三元组描述,其中,Im、Sm及分别表示UEm拟执行任务需输入数据量、待处理数据量及任务完成截止时间。
进一步,步骤S2中,局中人所选择策略为:UEm的任务在本地设备执行或卸载至MEC服务器MECn执行,xm,n={0,1}表示UEm的任务卸载至边缘服务器MECn的调度决策标识,xm,n=1表示UEm的任务卸载至边缘服务器MECn进行执行,否则,xm,n=0。
进一步,步骤S3中,建模博弈模型局中人MEC服务器效用函数其中,表示MECn的效用函数,建模为表示MECn执行UEm的任务对应的效用函数,建模为和分别表示MECn执行UEm任务的收益和成本;和分别表示MECn的收益函数和成本函数的权重因子;建模为qn表示MECn向UE提供计算卸载服务的单价;λm,n∈[0,1]表示MECn分配给UEm的计算资源的比例;建模为Bn表示系统为MECn分配的传输带宽,μm,n∈[0,1]表示MECn为UEm进行任务传输分配的带宽比例;和分别表示MECn提供的带宽和计算资源的权重因子,中,上标s、b、f仅为标识,非具体参数,s表示服务器,b、f分别表示带宽及计算能力。
进一步,步骤S4中,建模博弈模型局中人UE效用函数表示UEm的效用函数,建模为表示UEm任务卸载至MECn执行对应的效用函数,建模为和分别表示UEm任务卸载至MECn时的收益与成本,上标u表示用户UE;和表示UEm任务卸载至MECn时的收益与成本权重因子,上标r、c分别对应收益及成本的权值标识;建模为和Em,n分别表示UEm任务完全本地执行的能耗和卸载至MECn执行时的能耗;建模为δm表示与UEm性能有关的能耗系数,fm表示UEm的计算能力;Em,n建模为Pm,n表示UEm的任务传输至MECn时对应的发送功率,表示UEm的任务传输至MECn的传输时延,表示UEm的任务卸载至MECn对应的传输速率,其中,hm,n表示UEm与MECn之间链路的信道增益,σ2表示信道噪声功率;建模为其中,C0表示UEm采用卸载计算服务的初始成本;γ表示权重因子。
进一步,步骤S5中,建模如下约束条件:
(2)资源单价变量约束条件:qn≥0;
进一步,步骤S7中,基于双边匹配算法对MEC服务器及UE效用函数进行优化求解,具体步骤如下:
S71:双边匹配算法中匹配双方分别为MEC={MEC1,...,MECn,...,MECN}及UE={UE1,...,UEm,...,UEM};
S75:各未匹配UE查询本地偏好列表,确定位于其偏好列表第i位的MEC服务器(称为第i偏好服务器),向第i偏好MEC服务器发送任务卸载匹配请求;
S76:各MEC服务查询本地偏好列表,确定位于其偏好列表首位的UE(称为第一偏好UE);
S77:MEC服务器接收来自各UE的任务卸载请求,若接收到来自第一偏好UE的请求,则同意其请求,将该UE偏好标记为已匹配;
S78:验证是否所有UE都完成匹配;若是,转至步骤S710;否则,令i=i+1,转至步骤S75;
S79:根据任务卸载策略,优化确定λm,n,μm,n,qn,重复步骤S73~S79;
S710:确定任务卸载、资源分配及定价策略最优解,即:
进一步,步骤S8中,基于上述算法求解MEC服务器效用函数及UE效用函数,得对应策略,即其中,为UEm任务执行的最优卸载决策;为UEm任务卸载至MECn执行时,MECn为其分配的计算资源最优比例,为UEm任务卸载至MECn执行时,MECn为其分配的带宽资源最优比例,表示MECn最优定价策略。
本发明的有益效果在于:本发明综合考虑MEC服务器效用及UE效用,为MEC服务器确定资源单价,为UE确定任务卸载策略及资源分配策略,实现效用最大化。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为边缘服务器任务卸载网络示意图;
图2为本发明所述任务卸载方法流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明提出的一种基于边缘服务器协作的多任务卸载方法,假设用户需执行一定计算任务,边缘服务器及用户设备均具有一定的任务计算及处理能力,用户可采用全部本地执行及边缘服务器执行,且同时考虑MEC服务器效用及UE效用,建模最大化效用为优化目标,确定MEC服务器资源单价策略,确定用户任务卸载策略及资源分配策略,最大化效用。
如图1所示,网络中存在多个任务待执行用户,用户基于自身效用选择合适的MEC服务器,MEC服务器通过自身效用选择用户,得到最优MEC服务器资源合理单价,用户任务卸载策略及资源分配策略,最大化效用。
如图2所示,本发明所述基于博弈论任务卸载及资源分配方法具体包括以下步骤:
1)建模博弈模型局中人:MEC服务器及UE
建模博弈局中人为MEC服务器及UE,具体为,令MECn表示第n个MEC服务器,1≤n≤N,N为MEC服务器的数量,令表示MECn的计算能力;令UEm表示第m个用户设备,1≤m≤M,M为UE的总数;UEm任务执行请求由三元组描述,其中,Im、Sm及分别表示UEm拟执行任务所需输入数据量、待处理数据量及任务完成截止时间。
2)建模MEC服务器及UE策略
建模MEC服务器及UE策略,具体为,局中人所选择策略为:UEm的任务可在本地设备执行或卸载至MEC服务器MECn执行,令xm,n={0,1}表示UEm的任务卸载至边缘服务器MECn的调度决策标识,xm,n=1表示UEm的任务卸载至边缘服务器MECn进行执行,否则,xm,n=0。
3)建模MEC服务器效用函数
建模博弈模型局中人MEC服务器效用函数其中,表示MECn的效用函数,可建模为其中,表示MECn执行UEm的任务对应的效用函数,可建模为其中,和分别表示MECn执行UEm任务的收益和成本;和分别表示MECn的收益函数和成本函数的权重因子;建模为其中,qn表示MECn向UE提供计算卸载服务的单价;λm,n∈[0,1]表示MECn分配给UEm的计算资源的比例;建模为Bn表示系统为MECn分配的传输带宽,μm,n∈[0,1]表示MECn为UEm进行任务传输分配的带宽比例;和分别表示MECn提供的带宽和计算资源的权重因子。
4)建模UE效用函数
建模博弈模型局中人UE效用函数表示UEm的效用函数,建模为表示UEm任务卸载至MECn执行对应的效用函数,将其建模为和分别表示UEm任务卸载至MECn时的收益与成本;和表示UEm任务卸载至MECn时的收益与成本权重因子;将建模为其中,和Em,n分别表示UEm任务完全本地执行的能耗和卸载至MECn执行时的能耗;建模为其中,δm表示与UEm性能有关的能耗系数,fm表示UEm的计算能力;Em,n建模为其中,Pm,n表示UEm的任务传输至MECn时对应的发送功率,表示UEm的任务传输至MECn所需的传输时延,表示UEm的任务卸载至MECn对应的传输速率,其中,hm,n表示UEm与MECn之间链路的信道增益,σ2表示信道噪声功率;建模为其中,C0表示UEm采用卸载计算服务的初始成本;γ表示权重因子。
5)建模博弈模型约束条件
建模博弈模型约束条件,具体为,如下约束条件:
(2)资源单价变量约束条件:qn≥0;
6)建模MEC服务器及UE效用函数优化模型
7)基于双边匹配算法对博弈模型求解
基于双边匹配算法对MEC服务器及UE效用函数进行优化求解,具体步骤如下:
(1)双边匹配算法中匹配双方分别为MEC={MEC1,...,MECn,...,MECN}及UE={UE1,...,UEm,...,UEM};
(5)各未匹配UE查询本地偏好列表,确定位于其偏好列表第i位的MEC服务器(称为第i偏好服务器),向第i偏好MEC服务器发送任务卸载匹配请求;
(6)各MEC服务查询本地偏好列表,确定位于其偏好列表首位的UE(称为第一偏好UE);
(7)MEC服务器接收来自各UE的任务卸载请求,若接收到来自第一偏好UE的请求,则同意其请求,将该UE偏好标记为已匹配;
(8)验证是否所有UE都完成匹配;若是,转至步骤(10);否则,i=i+1,转至步骤(5);
(9)根据任务卸载策略,优化确定λm,n,μm,n,qn,重复步骤(3)-(9);
(10)确定任务卸载、资源分配及定价策略最优解,即:
8)执行用户任务卸载及资源分配策略
Claims (1)
1.一种基于博弈论的移动边缘计算任务卸载及资源分配方法,其特征在于:包括以下步骤:
S1:建模博弈模型局中人:移动边缘计算MEC服务器及用户设备UE;建模博弈局中人为MEC服务器及UE,MECn表示第n个MEC服务器,1≤n≤N,N为MEC服务器的数量,表示MECn的计算能力;UEm表示第m个用户设备,1≤m≤M,M为UE的总数;UEm任务执行请求由三元组描述,其中,Im、Sm及分别表示UEm拟执行任务需输入数据量、待处理数据量及任务完成截止时间;
S2:建模MEC服务器及UE策略;局中人所选择策略为:UEm的任务在本地设备执行或卸载至MEC服务器MECn执行,xm,n={0,1}表示UEm的任务卸载至边缘服务器MECn的调度决策标识,xm,n=1表示UEm的任务卸载至边缘服务器MECn进行执行,否则,xm,n=0;
S3:建模MEC服务器效用函数;建模博弈模型局中人MEC服务器效用函数其中,表示MECn的效用函数,建模为 表示MECn执行UEm的任务对应的效用函数,建模为 和分别表示MECn执行UEm任务的收益和成本;和分别表示MECn的收益函数和成本函数的权重因子;建模为qn表示MECn向UE提供计算卸载服务的单价;λm,n∈[0,1]表示MECn分配给UEm的计算资源的比例;建模为Bn表示系统为MECn分配的传输带宽,μm,n∈[0,1]表示MECn为UEm进行任务传输分配的带宽比例;和分别表示MECn提供的带宽和计算资源的权重因子,中,上标s、b、f仅为标识,非具体参数,s表示服务器,b、f分别表示带宽及计算能力;
S4:建模UE效用函数;建模博弈模型局中人UE效用函数 表示UEm的效用函数,建模为 表示UEm任务卸载至MECn执行对应的效用函数,建模为 和分别表示UEm任务卸载至MECn时的收益与成本,上标u表示用户UE;和表示UEm任务卸载至MECn时的收益与成本权重因子,上标r、c分别对应收益及成本的权值标识;建模为 和Em,n分别表示UEm任务完全本地执行的能耗和卸载至MECn执行时的能耗,上标u表示用户UE;建模为δm表示与UEm性能有关的能耗系数,fm表示UEm的计算能力;Em,n建模为Em,n=Pm,nDm,n,Pm,n表示UEm的任务传输至MECn时对应的发送功率,表示UEm的任务传输至MECn的传输时延,表示UEm的任务卸载至MECn对应的传输速率,其中,hm,n表示UEm与MECn之间链路的信道增益,σ2表示信道噪声功率;建模为其中,C0表示UEm采用卸载计算服务的初始成本;γ表示权重因子;
S5:建模博弈模型约束条件;建模如下约束条件:
(2)资源单价变量约束条件:qn≥0;
S7:基于双边匹配算法对博弈模型进行求解;包括:
S71:双边匹配算法中匹配双方分别为MEC={MEC1,...,MECn,...,MECN}及UE={UE1,...,UEm,...,UEM};
S75:各未匹配UE查询本地偏好列表,确定位于其偏好列表第i位的MEC服务器,称为第i偏好服务器,向第i偏好MEC服务器发送任务卸载匹配请求;
S76:各MEC服务查询本地偏好列表,确定位于其偏好列表首位的UE,称为第一偏好UE;
S77:MEC服务器接收来自各UE的任务卸载请求,若接收到来自第一偏好UE的请求,则同意其请求,将该UE偏好标记为已匹配;
S78:验证是否所有UE都完成匹配;若是,转至步骤S710;否则,令i=i+1,转至步骤S75;
S79:根据任务卸载策略,优化确定λm,n,μm,n,qn,重复步骤S73~S79;
S710:确定任务卸载、资源分配及定价策略最优解,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110122147.8A CN112888002B (zh) | 2021-01-26 | 2021-01-26 | 一种基于博弈论的移动边缘计算任务卸载及资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110122147.8A CN112888002B (zh) | 2021-01-26 | 2021-01-26 | 一种基于博弈论的移动边缘计算任务卸载及资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112888002A CN112888002A (zh) | 2021-06-01 |
CN112888002B true CN112888002B (zh) | 2022-04-15 |
Family
ID=76053332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110122147.8A Active CN112888002B (zh) | 2021-01-26 | 2021-01-26 | 一种基于博弈论的移动边缘计算任务卸载及资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112888002B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269461A (zh) * | 2021-06-09 | 2021-08-17 | 北京理工大学 | 一种基于博弈的边缘计算资源管理方法 |
CN113608848B (zh) * | 2021-07-28 | 2024-02-27 | 西北大学 | 云-边协同的边缘计算任务分配方法、系统及存储介质 |
CN113676420B (zh) * | 2021-07-28 | 2023-09-01 | 北京信息科技大学 | 移动边缘计算场景下的资源分配方法及装置 |
CN113613261B (zh) * | 2021-08-23 | 2022-07-01 | 南京航空航天大学 | 基于合作队列博弈的边缘计算网络中的任务卸载分配方法 |
CN114189521B (zh) * | 2021-12-15 | 2024-01-26 | 福州大学 | 在f-ran架构中协作计算卸载的方法 |
CN114363338B (zh) * | 2022-01-07 | 2023-01-31 | 山东大学 | 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法 |
CN116017573B (zh) * | 2022-12-27 | 2023-09-05 | 国网四川省电力公司电力科学研究院 | 一种基于移动边缘计算的资源卸载决策方法 |
CN116405978A (zh) * | 2023-04-25 | 2023-07-07 | 北京交通大学 | 移动边缘计算环境中用户设备的任务卸载和资源调度方法 |
CN116560839B (zh) * | 2023-05-06 | 2023-11-10 | 湖南师范大学 | 一种基于主从博弈的边缘计算任务卸载方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算系统中基于分层博弈的联合资源分配方法 |
CN109819047A (zh) * | 2019-02-26 | 2019-05-28 | 吉林大学 | 一种基于激励机制的移动边缘计算资源分配方法 |
CN110087318A (zh) * | 2019-04-24 | 2019-08-02 | 重庆邮电大学 | 基于5g移动边缘计算的任务卸载和资源分配联合优化方法 |
KR20190105539A (ko) * | 2019-08-26 | 2019-09-17 | 엘지전자 주식회사 | 자율주행시스템에서 mec 서버를 통한 데이터 공유 방법 및 이를 위한 장치 |
CN110336861A (zh) * | 2019-06-18 | 2019-10-15 | 西北工业大学 | 基于双层无人机的移动边缘计算系统的卸载任务分配方法 |
CN110351760A (zh) * | 2019-07-19 | 2019-10-18 | 重庆邮电大学 | 一种移动边缘计算系统动态任务卸载及资源分配方法 |
CN110888687A (zh) * | 2019-09-27 | 2020-03-17 | 华北水利水电大学 | 基于合约设计的移动边缘计算任务卸载最优合约设计方法 |
CN111200831A (zh) * | 2020-01-08 | 2020-05-26 | 中国科学院计算技术研究所 | 一种融合移动边缘计算的蜂窝网络计算卸载方法 |
-
2021
- 2021-01-26 CN CN202110122147.8A patent/CN112888002B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算系统中基于分层博弈的联合资源分配方法 |
CN109819047A (zh) * | 2019-02-26 | 2019-05-28 | 吉林大学 | 一种基于激励机制的移动边缘计算资源分配方法 |
CN110087318A (zh) * | 2019-04-24 | 2019-08-02 | 重庆邮电大学 | 基于5g移动边缘计算的任务卸载和资源分配联合优化方法 |
CN110336861A (zh) * | 2019-06-18 | 2019-10-15 | 西北工业大学 | 基于双层无人机的移动边缘计算系统的卸载任务分配方法 |
CN110351760A (zh) * | 2019-07-19 | 2019-10-18 | 重庆邮电大学 | 一种移动边缘计算系统动态任务卸载及资源分配方法 |
KR20190105539A (ko) * | 2019-08-26 | 2019-09-17 | 엘지전자 주식회사 | 자율주행시스템에서 mec 서버를 통한 데이터 공유 방법 및 이를 위한 장치 |
CN110888687A (zh) * | 2019-09-27 | 2020-03-17 | 华北水利水电大学 | 基于合约设计的移动边缘计算任务卸载最优合约设计方法 |
CN111200831A (zh) * | 2020-01-08 | 2020-05-26 | 中国科学院计算技术研究所 | 一种融合移动边缘计算的蜂窝网络计算卸载方法 |
Non-Patent Citations (4)
Title |
---|
Task Execution Latency Minimization-based Joint Computation Offloading and Cell Selection for MEC-Enabled HetNets;chai rong et al;《researchGate》;20190331;全文 * |
一种移动边缘云计算任务卸载算法;查易艺等;《计算机应用与软件》;20200612(第06期);全文 * |
基于深度强化学习的移动边缘计算任务卸载研究;卢海峰;《计算机研究与发展》;20201231;全文 * |
移动边缘计算卸载策略综述;吕洁娜等;《小型微型计算机系统》;20200904(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112888002A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112888002B (zh) | 一种基于博弈论的移动边缘计算任务卸载及资源分配方法 | |
WO2022121097A1 (zh) | 一种移动用户计算任务的卸载方法 | |
CN111132191B (zh) | 移动边缘计算服务器联合任务卸载、缓存及资源分配方法 | |
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 | |
CN111586696B (zh) | 一种基于多智能体架构强化学习的资源分配及卸载决策方法 | |
CN110087318B (zh) | 基于5g移动边缘计算的任务卸载和资源分配联合优化方法 | |
CN112512056B (zh) | 一种移动边缘计算网络中多目标优化的计算卸载方法 | |
CN110096362B (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
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 | |
CN110941667A (zh) | 一种移动边缘计算网络中的计算卸载方法及系统 | |
CN111163519A (zh) | 系统收益最大化的无线体域网资源分配与任务卸载算法 | |
CN111711962B (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN112231085B (zh) | 一种协同环境下基于时间感知的移动终端任务迁移方法 | |
CN111475274A (zh) | 云协同多任务调度方法及装置 | |
CN113286317B (zh) | 一种基于无线供能边缘网络的任务调度方法 | |
CN111836284B (zh) | 基于移动边缘计算的能耗优化计算、卸载方法和系统 | |
CN112689303A (zh) | 一种边云协同资源联合分配方法、系统及应用 | |
CN111565380B (zh) | 车联网中基于noma-mec混合卸载方法 | |
Tong et al. | Stackelberg game-based task offloading and pricing with computing capacity constraint in mobile edge computing | |
CN113992677A (zh) | 一种延迟与能耗联合优化的mec计算卸载方法 | |
Liao et al. | Joint multi-user DNN partitioning and task offloading in mobile edge computing | |
Pan et al. | Multi-user computation offloading algorithm for mobile edge computing | |
CN112822707B (zh) | 一种计算资源有限mec中任务卸载与资源分配方法 | |
CN111148155A (zh) | 一种基于移动边缘计算的任务卸载方法 | |
CN116916386A (zh) | 一种考虑用户竞争和负载的大模型辅助边缘任务卸载方法 |
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 |