CN113032120A - 一种基于边缘计算的工业现场大数据任务协调度方法 - Google Patents
一种基于边缘计算的工业现场大数据任务协调度方法 Download PDFInfo
- Publication number
- CN113032120A CN113032120A CN202110327253.XA CN202110327253A CN113032120A CN 113032120 A CN113032120 A CN 113032120A CN 202110327253 A CN202110327253 A CN 202110327253A CN 113032120 A CN113032120 A CN 113032120A
- Authority
- CN
- China
- Prior art keywords
- task
- tasks
- delay
- terminal
- 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
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
Abstract
本发明公开一种基于边缘计算的工业现场大数据任务协调度方法,S1:调度器获取任务量Ni、时延Ti;S2:对每个任务的优先级进行评定;S3:获取网络剩余带宽R和任务的上传速率Li,Li表示第i个任务的上传速率,按照优先级进行任务排队等待,并记录延时Wi;S4:获取调度器的任务调度阈值α,以及每台边缘服务器的计算信息,任务排队处理的数量l,排队等待延时S5:根据系统资源状态、当前业务任务量和时延要求对任务进行协同调度。本发明通过边缘计算实现任务在终端与边缘服务器间的资源调度,实现工业现场任务在终端设备和边缘服务器的合理调度,充分考虑系统的计算资源,提高系统处理任务的能力,也能最小化系统的资源消耗量,提高任务调度的实时性。
Description
技术领域
本发明涉及大数据技术领域,特别涉及一种基于边缘计算的工业现场大数据任务协调度方法。
背景技术
随着工业互联网和移动通信技术的快速发展,人脸识别、短视频流量、自动驾驶、无人机作业、工业检测等应用对计算量提出了更高需求,仅仅依靠目前的集中式云计算架构模型提供业务的计算能力是不够的,迫切需要以云为核心的计算架构向分布式计算服务架构拓展,而其中最具代表的就是以边缘计算,雾计算的模式。
随着大数据的产生,移动终端的计算能力也开始成上升趋势。根据数据的类型和业务质量需求对计算速度、处理能力提出更高的要求,对时延要求高的任务适合分布式处理机制,依靠云端处理,在网络负载很大的情况下,实时性得不到满足。因此需要依靠边缘计算将计算能力下沉,根据任务与实时性动态分配计算资源。
在工业现场环境下,存在各种传感器的数据,及其产生的相应指令要求和服务处理,在一定的程度上现场设备的计算能力是不足的,而数据量又呈现出复杂,庞大的趋势,很难仅依靠边缘终端设备计算来实现业务的逻辑;与此同时,复杂的工业现场,各种服务的响应需求是不一致的,对系统的响应能力、处理能力、吞吐能力都有着巨大的考验。
因此在工业互联网大数据场景下,任务的协同、资源的分配、数据的高效处理吸引许多学者的目光。传统研究点在于思考边缘节点的资源分配和利用,以及边缘和云端的协同调度,或者关注的是任务优先级问题。而这些方法存在弊端,要么只考虑到节点间的资源分配问题,要么就是只考虑任务优先级问题,并没有协同考虑,与此同时网路链路带宽对系统的影响也是存在的。
发明内容
针对现有技术中工业现场大数据任务协同调度实时性较低的问题,本发明提出一种基于边缘计算的工业现场大数据任务协调度方法,通过边缘计算实现任务在终端与边缘服务器间的资源调度,在满足资源最小的情况下,也能保证用户满意度,以满足多种工业生产过程中产生的实时性任务处理。
为了实现上述目的,本发明提供以下技术方案:
一种基于边缘计算的工业现场大数据任务协调度方法,具体包括以下步骤:
S1:调度器获取任务信息,任务信息包括任务量Ni、时延Ti,Ti表示第i个任务的时延要求;
S2:根据任务信息对每个任务的优先级进行评定LEVEL(i)(i∈1,2,3···N);
S3:获取目前的网络链路信息,网络链路信息包括网络剩余带宽R和任务的上传速率Li,Li表示第i个任务的上传速率,按照优先级LEVEL(i)进行任务排队等待,即优先级高的优先上传,并记录延时Wi,Wi表示第i个任务的延时;
S5:根据系统资源状态、当前业务任务量和时延要求对任务进行协同调度。
优选的,所述S3中,任务的上传速率Li<网络剩余带宽R。
优选的,所述S5具体包括以下步骤:
公式(1)中,costmin表示所有任务的最小消耗,Ni表示第i个任务的任务量,θ={0,1}表示终端计算力是否能在给定的时延下完成处理任务,Cuz、Cus分别表示单位时间在终端、服务器上任务执行所消耗的设备资源,即运行cpu数量、内存占据量和消耗电量;Ni/CZ表示任务在终端的执行时延,Ni/CS表示任务在边缘服务器的执行时延;
S5-3:计算在终端运行的所有任务的计算资源总消耗COST(Z)和在边缘服务器上运行的所有任务的计算资源总消耗COST(S):
优选的,所述S5-2中,构建的损失函数为:
优选的,所述S4中,所述边缘服务器的计算信息包括cpu核数和内存容量。
优选的,所述S2中,优先级LEVEL(i)(i∈1,2,3···N)包括时延要求越小,任务上传优先级越高;反之时延要求越大,任务上传优先级越低。
综上所述,由于采用了上述技术方案,与现有技术相比,本发明至少具有以下有益效果:
本发明通过边缘计算实现任务在终端与边缘服务器间的资源调度,实现工业现场任务在终端设备和边缘服务器的合理调度,充分考虑系统的计算资源,提高系统处理任务的能力,也能最小化系统的资源消耗量,避免资源分配不均衡而产生的计算等待行为;进行任务调度的时候考虑系统的执行状态和任务计算量,时延要求来进行最优调度,降低计算量从而提高任务调度的实时性;综合考虑构建新的优化目标,以实现系统的资源利用效率和用户满意度。
附图说明:
图1为根据本发明示例性实施例的一种基于边缘计算的工业现场大数据任务协调度方法示意图。
具体实施方式
下面结合实施例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”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,因此不能理解为对本发明的限制。
如图1所示,本发明提供一种基于边缘计算的工业现场大数据任务协调度方法,具体包括以下步骤:
S1:终端发布任务{S=S1,S2,...,SN},SN表示第N个任务,则调度器获取任务信息,任务信息包括任务量Ni、时延要求{T=T1,T2,...,TN}等,TN表示第N个任务的时延要求。即终端发布任务,最后分配到终端或边缘服务器。
S2:根据任务信息中的时延要求对每个任务的优先级进行评定LEVEL(i)(i∈1,2,3···N),即时延要求越小,任务上传优先级越高;反之时延要求越大,任务上传优先级越低。这对后续的任务调度有影响,进一步体现用户的满意度。
S3:获取目前的网络链路信息,网络链路信息包括网络剩余带宽R和任务的上传速率Li(任务上传速率需要满足Li<R),Li表示第i个任务的上传速率;当剩余带宽R不能满足所有任务的上传速率,则任务按照优先级LEVEL(i)进行排队等待即优先级高的优先上传,记录等待延时Wi,Wi表示第i个任务的等待延时。
S4:获取调度器的任务调度阈值α(即缓存队列中最大等待调度任务序列数,优先级高的任务在队首,调度命令开启时被优先调度),以及每台边缘服务器的计算信息(计算信息包括cpu核数,内存容量),目前服务器上正在排队等待处理的任务数量排队等待延时即任务从调度器分配到相应服务器后排队等待到处理执行任务的延时。
S5:根据系统资源状态、当前业务任务量和时延要求对任务进行协同调度。
本实施例中,具体地,S5包括以下步骤:
S5-1:考虑所有终端的计算能力均为CZ,边缘服务器的计算能力为CS,且每个任务只能在终端和边缘服务器其中一个上面运行,因此任务在终端的执行时延为Ni/CZ,在边缘服务器上的执行时延为Ni/CS。
把边缘服务器看成一个资源池,获取其剩余计算资源为LS,终端剩余计算资源LZ,任务分配到终端所需计算总时延为在5G应用场景下下任务上传时间可以忽略不计,任务分配到边缘服务器计算总时延为以及本身的任务时延要求Ti,计算所有任务的最小消耗为costmin。
公式(1)中,costmin表示所有任务的最小消耗,Ni表示第i个任务的任务量,θ={0,1}表示终端计算力是否能在给定的时延下完成处理任务,Cuz、Cus分别表示单位时间在终端、服务器上任务执行所消耗的设备资源,即运行cpu数量、内存占据量和消耗电量;Ni/CZ表示任务在终端的执行时延,Ni/CS表示任务在边缘服务器的执行时延。
S5-2:构建损失函数,并进行网络训练,通过梯度更新算法,分别计算出任务分配到终端概率pi和边缘服务器上的概率1-pi,通过对比pi和1-pi的大小,前者大,就把任务分配到终端执行,否则就将任务分配服务器上执行,具体表示为1表示分配到终端,0表示分配到服务器上。
本实施例中,构建的损失函数为:
S5-3:计算在终端运行的所有任务的计算资源总消耗COST(Z)和在边缘服务器上运行的所有任务的计算资源总消耗COST(S)。
本发明通过对网络的训练,更新网络参数,利用训练好的网络对调度器中等待被调度的任务序列获取每个任务进行前传计算出对应分配到终端和服务器的概率,调度器开始对调度队列依次分配到对应的位置上,即终端或者是服务器上。
本发明中,当每个任务从发起到执行完毕总共的时延(总任务的时延)超过预设时延的时候,就需要对其在损失计算中乘上对应的损失权重来进行约束,即当总时延超过了预定时延,就会放大时延损失,优先级越高,对应的时延损失权重也就越大,其数值(即每个任务等待延时Wi)成指数级增长,从而约束网络寻求最优的分配策略。
本发明实现工业现场任务在终端设备和边缘服务器的合理调度,充分考虑系统的计算资源,提高系统处理任务的能力,也能最小化系统的资源消耗量,避免资源分配不均衡而产生的计算等待行为;进行任务调度的时候考虑系统的执行状态和任务计算量,时延要求来进行最优调度;综合考虑构建新的优化目标,以实现系统的资源利用效率和用户满意度。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (6)
1.一种基于边缘计算的工业现场大数据任务协调度方法,其特征在于,具体包括以下步骤:
S1:调度器获取任务信息,任务信息包括任务量Ni、时延Ti,Ti表示第i个任务的时延要求;
S2:根据任务信息对每个任务的优先级进行评定LEVEL(i);
S3:获取目前的网络链路信息,网络链路信息包括网络剩余带宽R和任务的上传速率Li,Li表示第i个任务的上传速率,按照优先级LEVEL(i)进行任务排队等待,即优先级高的优先上传,并记录延时Wi,Wi表示第i个任务的延时;
S5:根据系统资源状态、当前业务任务量和时延要求对任务进行协同调度。
2.如权利要求1所述的一种基于边缘计算的工业现场大数据任务协调度方法,其特征在于,所述S3中,任务的上传速率Li<网络剩余带宽R。
3.如权利要求1所述的一种基于边缘计算的工业现场大数据任务协调度方法,其特征在于,所述S5具体包括以下步骤:
公式(1)中,costmin表示所有任务的最小消耗,Ni表示第i个任务的任务量,θ={0,1}表示终端计算力是否能在给定的时延下完成处理任务,Cuz、Cus分别表示单位时间在终端、服务器上任务执行所消耗的设备资源,即运行cpu数量、内存占据量和消耗电量;Ni/CZ表示任务在终端的执行时延,Ni/CS表示任务在边缘服务器的执行时延;
S5-3:计算在终端运行的所有任务的计算资源总消耗COST(Z)和在边缘服务器上运行的所有任务的计算资源总消耗COST(S):
5.如权利要求1所述的一种基于边缘计算的工业现场大数据任务协调度方法,其特征在于,所述S4中,所述边缘服务器的计算信息包括cpu核数和内存容量。
6.如权利要求1所述的一种基于边缘计算的工业现场大数据任务协调度方法,其特征在于,所述S2中,优先级LEVEL(i)包括时延要求越小,任务上传优先级越高;反之时延要求越大,任务上传优先级越低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327253.XA CN113032120B (zh) | 2021-03-26 | 2021-03-26 | 一种基于边缘计算的工业现场大数据任务协同调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327253.XA CN113032120B (zh) | 2021-03-26 | 2021-03-26 | 一种基于边缘计算的工业现场大数据任务协同调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113032120A true CN113032120A (zh) | 2021-06-25 |
CN113032120B CN113032120B (zh) | 2023-06-30 |
Family
ID=76474277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110327253.XA Active CN113032120B (zh) | 2021-03-26 | 2021-03-26 | 一种基于边缘计算的工业现场大数据任务协同调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032120B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742048A (zh) * | 2021-11-03 | 2021-12-03 | 北京中科金马科技股份有限公司 | 一种酒店云服务系统及其服务方法 |
CN114048040A (zh) * | 2021-11-29 | 2022-02-15 | 中南大学 | 基于内存与图像分类模型时延关系的任务调度方法 |
CN114153613A (zh) * | 2021-12-07 | 2022-03-08 | 杭州电子科技大学 | 一种面向边缘计算与协同的分布式通信调度方法 |
CN114885028A (zh) * | 2022-05-25 | 2022-08-09 | 国网北京市电力公司 | 业务调度方法、装置及计算机可读存储介质 |
CN115237606A (zh) * | 2022-09-21 | 2022-10-25 | 亿咖通(北京)科技有限公司 | 一种边缘计算控制系统 |
CN116170846A (zh) * | 2023-04-25 | 2023-05-26 | 天津市工业和信息化研究院(天津市节能中心、天津市工业和信息化局教育中心) | 一种用于数据通信的分布式边缘计算系统及边缘计算方法 |
CN116827389A (zh) * | 2023-08-30 | 2023-09-29 | 北京前景无忧电子科技股份有限公司 | 一种基于边缘计算深度融合的中压载波通信系统 |
CN117785488A (zh) * | 2024-02-27 | 2024-03-29 | 矩阵起源(深圳)信息科技有限公司 | 查询调度方法、装置、设备及计算机可读存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109164780A (zh) * | 2018-11-22 | 2019-01-08 | 北京八分量信息科技有限公司 | 一种基于边缘计算的工业现场设备控制方法、装置及系统 |
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 |
CN109802998A (zh) * | 2018-12-28 | 2019-05-24 | 上海无线通信研究中心 | 一种基于博弈的雾网络协同调度激励方法及系统 |
CN110049130A (zh) * | 2019-04-22 | 2019-07-23 | 北京邮电大学 | 一种基于边缘计算的服务部署和任务调度方法及装置 |
CN110099384A (zh) * | 2019-04-25 | 2019-08-06 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
CN111241975A (zh) * | 2020-01-07 | 2020-06-05 | 华南理工大学 | 一种基于移动端边缘计算的人脸识别检测方法及系统 |
CN111278132A (zh) * | 2020-01-19 | 2020-06-12 | 重庆邮电大学 | 移动边缘计算中面向低时延高可靠业务的资源分配方法 |
CN111400040A (zh) * | 2020-03-12 | 2020-07-10 | 重庆大学 | 基于深度学习和边缘计算的工业互联网系统及工作方法 |
CN111694655A (zh) * | 2020-03-12 | 2020-09-22 | 武汉大学 | 一种面向多任务的边缘计算资源分配方法 |
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 |
CN112231097A (zh) * | 2020-09-27 | 2021-01-15 | 沈阳中科博微科技股份有限公司 | 电容型压力变送器边缘计算工作系统和工作方法 |
CN112486686A (zh) * | 2020-11-30 | 2021-03-12 | 之江实验室 | 基于云边协同的定制化深度神经网络模型压缩方法及系统 |
-
2021
- 2021-03-26 CN CN202110327253.XA patent/CN113032120B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109164780A (zh) * | 2018-11-22 | 2019-01-08 | 北京八分量信息科技有限公司 | 一种基于边缘计算的工业现场设备控制方法、装置及系统 |
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 |
CN109802998A (zh) * | 2018-12-28 | 2019-05-24 | 上海无线通信研究中心 | 一种基于博弈的雾网络协同调度激励方法及系统 |
CN110049130A (zh) * | 2019-04-22 | 2019-07-23 | 北京邮电大学 | 一种基于边缘计算的服务部署和任务调度方法及装置 |
CN110099384A (zh) * | 2019-04-25 | 2019-08-06 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
CN111241975A (zh) * | 2020-01-07 | 2020-06-05 | 华南理工大学 | 一种基于移动端边缘计算的人脸识别检测方法及系统 |
CN111278132A (zh) * | 2020-01-19 | 2020-06-12 | 重庆邮电大学 | 移动边缘计算中面向低时延高可靠业务的资源分配方法 |
CN111400040A (zh) * | 2020-03-12 | 2020-07-10 | 重庆大学 | 基于深度学习和边缘计算的工业互联网系统及工作方法 |
CN111694655A (zh) * | 2020-03-12 | 2020-09-22 | 武汉大学 | 一种面向多任务的边缘计算资源分配方法 |
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 |
CN112231097A (zh) * | 2020-09-27 | 2021-01-15 | 沈阳中科博微科技股份有限公司 | 电容型压力变送器边缘计算工作系统和工作方法 |
CN112486686A (zh) * | 2020-11-30 | 2021-03-12 | 之江实验室 | 基于云边协同的定制化深度神经网络模型压缩方法及系统 |
Non-Patent Citations (5)
Title |
---|
JIN WANG: "A Probability Preferred Priori Offloading Mechanism in Mobile Edge Computing", 《IEEE ACCESS ( VOLUME: 8)》 * |
唐朝伟: "一种稀疏度自适应分段正交匹配追踪算法", 《中南大学学报(自然科学版)》 * |
徐小龙;李硕;顾厉淼;王新珩;: "基于Cloud-P2P网络平台的泛知识云模型", 计算机应用研究, no. 02 * |
李雨晴: "移动边缘计算网络中任务调度与资源配置的协同优化研究", 《中国优秀硕士论文全文数据库》 * |
石文玉;张蕊;: "边云协同计算中安全感知的工作流任务调度策略", 长春师范大学学报, no. 08 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742048B (zh) * | 2021-11-03 | 2022-08-02 | 北京中科金马科技股份有限公司 | 一种酒店云服务系统及其服务方法 |
CN113742048A (zh) * | 2021-11-03 | 2021-12-03 | 北京中科金马科技股份有限公司 | 一种酒店云服务系统及其服务方法 |
CN114048040A (zh) * | 2021-11-29 | 2022-02-15 | 中南大学 | 基于内存与图像分类模型时延关系的任务调度方法 |
CN114048040B (zh) * | 2021-11-29 | 2022-05-13 | 中南大学 | 基于内存与图像分类模型时延关系的任务调度方法 |
CN114153613A (zh) * | 2021-12-07 | 2022-03-08 | 杭州电子科技大学 | 一种面向边缘计算与协同的分布式通信调度方法 |
CN114885028B (zh) * | 2022-05-25 | 2024-01-23 | 国网北京市电力公司 | 业务调度方法、装置及计算机可读存储介质 |
CN114885028A (zh) * | 2022-05-25 | 2022-08-09 | 国网北京市电力公司 | 业务调度方法、装置及计算机可读存储介质 |
CN115237606A (zh) * | 2022-09-21 | 2022-10-25 | 亿咖通(北京)科技有限公司 | 一种边缘计算控制系统 |
CN116170846B (zh) * | 2023-04-25 | 2023-07-14 | 天津市工业和信息化研究院(天津市节能中心、天津市工业和信息化局教育中心) | 一种用于数据通信的分布式边缘计算系统及边缘计算方法 |
CN116170846A (zh) * | 2023-04-25 | 2023-05-26 | 天津市工业和信息化研究院(天津市节能中心、天津市工业和信息化局教育中心) | 一种用于数据通信的分布式边缘计算系统及边缘计算方法 |
CN116827389A (zh) * | 2023-08-30 | 2023-09-29 | 北京前景无忧电子科技股份有限公司 | 一种基于边缘计算深度融合的中压载波通信系统 |
CN116827389B (zh) * | 2023-08-30 | 2023-11-10 | 北京前景无忧电子科技股份有限公司 | 一种基于边缘计算深度融合的中压载波通信系统 |
CN117785488A (zh) * | 2024-02-27 | 2024-03-29 | 矩阵起源(深圳)信息科技有限公司 | 查询调度方法、装置、设备及计算机可读存储介质 |
CN117785488B (zh) * | 2024-02-27 | 2024-04-26 | 矩阵起源(深圳)信息科技有限公司 | 查询调度方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113032120B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113032120A (zh) | 一种基于边缘计算的工业现场大数据任务协调度方法 | |
CN111835827B (zh) | 物联网边缘计算任务卸载方法及系统 | |
CN113950066B (zh) | 移动边缘环境下单服务器部分计算卸载方法、系统、设备 | |
CN113254197B (zh) | 一种基于深度强化学习的网络资源调度方法及系统 | |
CN109669768B (zh) | 一种面向边云结合架构的资源分配和任务调度方法 | |
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 | |
CN111930436A (zh) | 一种基于边缘计算的随机型任务排队卸载优化方法 | |
CN104168318A (zh) | 一种资源服务系统及其资源分配方法 | |
CN113254192B (zh) | 资源分配方法、资源分配装置、电子设备及存储介质 | |
CN111813506A (zh) | 一种基于粒子群算法资源感知计算迁移方法、装置及介质 | |
CN113626104B (zh) | 边云架构下基于深度强化学习的多目标优化卸载策略 | |
CN110471621B (zh) | 一种面向实时数据处理应用的边缘协同存储方法 | |
CN114205353B (zh) | 一种基于混合动作空间强化学习算法的计算卸载方法 | |
CN115237581A (zh) | 一种面向异构算力的多策略智能调度方法和装置 | |
CN108170523B (zh) | 一种移动云计算的随机任务序列调度方法 | |
CN114546608A (zh) | 一种基于边缘计算的任务调度方法 | |
CN112799823A (zh) | 边缘计算任务的在线分派调度方法和系统 | |
CN114172558B (zh) | 一种车辆网络中基于边缘计算和无人机集群协同的任务卸载方法 | |
CN114691372A (zh) | 一种多媒体端边云系统的群体智能控制方法 | |
CN112911618B (zh) | 一种基于资源退出场景的无人机服务器任务卸载调度方法 | |
CN117555683A (zh) | 基于深度强化学习的云集群资源调度方法 | |
CN116204319A (zh) | 基于sac算法与任务依赖关系的云边端协同卸载方法及系统 | |
CN116886703A (zh) | 一种基于优先级和强化学习的云边端协作计算卸载方法 | |
CN112887347B (zh) | 一种工业互联网中边缘计算动态迁移方法和装置 | |
CN114980160A (zh) | 一种无人机辅助的太赫兹通信网络联合优化方法和装置 |
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 |