CN113051046B - 一种车载云环境下基于动态优先级的任务调度方法 - Google Patents
一种车载云环境下基于动态优先级的任务调度方法 Download PDFInfo
- Publication number
- CN113051046B CN113051046B CN202011448437.3A CN202011448437A CN113051046B CN 113051046 B CN113051046 B CN 113051046B CN 202011448437 A CN202011448437 A CN 202011448437A CN 113051046 B CN113051046 B CN 113051046B
- Authority
- CN
- China
- Prior art keywords
- task
- vehicle
- node
- time
- tasks
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种车载云环境下基于动态优先级的任务调度方法,该方法综合分析任务的传输时间、执行时间,任务剩余时间,通过一种加权求和的方式计算各个任务的优先级以生成初始的任务调度序列,即调度结果。本发明提出了一种重调度策略,该策略判断当前的调度结果能否满足所有任务的截止时间要求,以触发对当前调度结果的调整。如果需要调整,则搜索可用车载节点并对当前车载节点进行替换,替换后重新计算各个任务的优先级。本方法通过迭代判断任务完成时间和迭代计算优先级以完成调度结果的优化,从而提高车载云的服务成功率。
Description
技术领域
本发明涉及云计算和无线网络领域,特别是涉及一种车载云环境下基于动态优先级的任务调度方法。
背景技术
随着智能移动终端的发展,大量的移动应用应运而生,如计算密集型应用、数据密集型应用等。然而,由于处理器性能、电池容量和存储容量的限制,现有的智能移动终端仍然不能满足一些计算密集型实时应用的延迟需求。车载云计算的出现帮助智能移动终端解决了这些问题。近年来,随着车载存储设备的出现、计算资源、通信能力的日益强大,车辆的功能也越来越强大。车辆现在被视为高计算能力的拥有者,数据收集和存储等服务的提供者。车载云是基于一组协作车辆而构成的的本地云。车辆将自己闲置的计算和存储资源贡献给其他车载终端或智能移动终端,以加快移动应用的运行速度。与蜂窝移动网络和其他云节点相比,车载云的优点是部署迅速、扩展灵活,成本非常低。通过使用车载云,移动应用的计算和数据存储被从移动设备卸载到云端。这突破了移动终端计算能力、存储空间和电池容量等资源限制,为移动用户提供了更加丰富的应用,减少了用户的响应时间,提高了用户体验。因此,为了提高服务质量,增加用户满意度,设计出一个车载云环境下的任务调度方案至关重要。
发明内容
有鉴于此,本发明的目的在于提供一种车载云环境下基于动态优先级的任务调度方法,本发明通过迭代判断任务完成时间和迭代计算优先级以完成调度结果的优化,从而提高车载云的服务成功率。
目前车载云技术已经得到广泛应用,然而现有研究通常只考虑数据传输过程的调度或只考虑任务执行过程的调度,如round-robin算法和min-min算法;但是车载云的服务过程包含多个步骤:首先进行数据传输,接着处理数据即执行任务,最后把结果返回给用户;因此联合优化任务传输和任务执行是提升车载云服务质量的重要手段。
不同于现有技术,本发明综合考虑数据传输过程和任务执行过程,提出一种车载云环境下基于动态优先级的任务调度方法,合理利用车载云资源,提高云服务质量。
基于上述发明目的,本发明提出一种车载云环境下基于动态优先级的任务调度方法,包括如下步骤:
步骤S1、构建系统模型,通过系统模型计算任务的完成时间;
步骤S2、计算每个任务的优先级,选择优先级最高的任务并且为其分配车载节点进行处理,将被分配了车载节点的任务放入第一任务调度序列;
步骤S3、重复步骤S2直到所有的任务都能够到分配车载节点并且完成处理,然后形成第二任务调度序列或者出现某一任务无法完成的情形时,停止循环;
步骤S4、对出现某一任务无法完成的情形进行重调度处理。
进一步的,所述步骤S1具体为:
假设在单向且笔直的高速公路上有多辆从左至右匀速行驶的车辆,行驶速度记作v,车辆上设有车载节点,定义车载节点集N={n1,n2,…,nm},表示为高速公路有m个车载节点;
高速公路划分成k个路段,记作Sj(j=1,2…k),每个路段的长度记作Lj(j=1,2…k);
高速公路的中心设有RSU,定义ni表示车载节点在路段Si上,ni到Si右边界的距离用ci表示,在RSU通信范围内的车辆构成车载云,当多个移动用户同时向RSU提出任务处理的请求时,形成任务集T={t1,t2,…,tn},表示为有n个任务需要处理;
RSU从任务集T中选择一个任务,再从车载节点集N中选择一个车载节点处理该任务, RSU将移动用户所需的数据传输到该车载节点,数据传输完成后该车载节点开始执行任务,最终得到执行结果返回给移动用户;
若任务完成时间小于任务的截止时间,则视任务能够完成,否则,任务失败,
任务完成时间Tcom的表达式为:
Tcom=Tdat+Twait+Texc (1)
公式(1)中,Tdat为数据传输时间、Texc为任务执行时间,Twait为任务等待时间。
进一步的,所述数据传输时间Tdad的具体计算为:
步骤S101、计算路段Si所能传输的最大数据量Di:
公式(2)中,ri表示路段Si内的数据传输速率,Li表示路段Si的长度,V表示车辆的速度;
步骤S102、计算车载节点ni在整个高速公路上所能传输的最大数据量
公式(3)中,Di表示路段Si所能传输的最大数据量,Lj表示路段Si+1的长度,V表示车辆的速度,rj表示路段Si+1内的数据传输速率;
步骤S103、假设任务集T中任务tj所需要的数据量用表示,任务tj的数据传输时间Tdat计算如下:
如果说明车载节点ni无法完成数据传输任务,该任务失败;
如果说明任务tj的数据传输活动在路段Si内即可完成,此时Tdat表达式为:
如果说明任务tj的数据传输活动需要在路段Si+1内完成,此时Tdat表达式为:
基于以上的方法,判断任务tj具体在哪个路段完成,最后得出Tdat;
所述任务执行时间的表达式为:
公式(6)Uexc表示任务ti的计算负载,spj表示车载节点ni的计算速度;
所述任务等待时间Twait具体为:
车载节点ni在执行任务tj之前,判断是否还有其他任务正在执行,若无其他任务,Twait=0,若有其他任务,Twait=其他任务的剩余执行时间。
进一步的,所述步骤S2,具体为:
步骤S201、随机从任务集中T选择一个任务ti作为第一个处理的任务;
步骤S202、计算任务ti的可用节点集Vi={n1,n2,…,nm},所述可用节点集Vi表示为能够处理任务ti的车载节点的集合;
步骤S203、在可用节点集Vi中找到完成任务ti时间最短的车载节点和完成任务ti时间最长的车载节点,比较在这两种不同情况下得到的结果,选择其中最优车载节点分配给任务ti;
步骤S204、根据步骤S203中得到的最优车载节点计算任务ti的优先级,所述优先级的表达式为:
在公式(7)中,依次表示为通过最优车载节点进行任务处理时,所耗费的数据传输时间、任务等待时间、任务执行时间,S'表示未分配优先级的任务集合,α为权重系数,/>表示任务tj的剩余时间,表达式为:
在公式(8)中,tj表示任务,S等于任务集合T,表示为任务i的数据传输时间;
步骤S205、将任务ti放入第一任务调度序列中,并且记录任务ti被分配的最优车载节点,以及任务ti的任务完成时间,同时更新系统中其他车载节点的位置以及其他任务的状态。
进一步的,在所述步骤S202中,计算任务ti的可用节点集Vi具体为:
步骤S2021、随机从车载节点集N中选择一个车载节点ns,根据ns的位置和任务ti的传输数据量计算负载/>计算出任务ti在车载节点ns上的数据传输时间Tdat,任务执行时间Texc,以及任务等待时间Twait,最终得到通过车载节点ns处理任务ti的任务完成时间Tcom;
步骤S2022、定义di为任务ti的截止时间,判断若任务完成时间Tcom>di或者ns已经驶离 RSU的通信范围,则该车载节点ns不是可用节点,否则将车载节点ns加入可用节点集Vi;
步骤S2023、重复步骤S2021-步骤S2022直到车载节点集N中所有的车载节点均被遍历,得到任务ti的可用节点集Vi。
进一步的,在所述步骤S4中,所述重调度处理具体为:
步骤S401、遍历第一任务调度序列,查找第一任务调度序列中每个任务被分配的车载节点和可用节点集;
步骤S402、在每个任务对应的可用节点集中查找离高速公路右边界最接近的车载节点,判断该车载节点是否为被分配的车载节点;
步骤S403、若判断结果为是,将该任务放入第二任务调度序列,继续遍历第一任务调度序列中的其他任务;
若判断结果为否,则将离高速公路右边界最接近的车载节点分配给该任务,将该任务放入第二任务调度序列,同时更新系统状态,将第一任务调度序列清空,再重新执行步骤S2,直到任务集T所有任务完成调度或者无法完成。
本发明的有益效果是:
1、现有技术仅考虑车载网络中的数据传输过程或任务执行过程,本发明综合考虑数据传输过程和执行过程,并设计出适合车载云服务的任务调度方法。
2、本发明提出了一种车载云环境下基于动态优先级的多用户任务调度策略(PMTS),充分利用车载云资源节省移动设备的电量,减少任务完成时间,节约用户成本,本发明和现有方案相比,本发明具有较高的服务成功率并能有效减少服务响应时间。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面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。
在正式说明实施例之前,先介绍本发明提出的PMTS算法,PMTS算法是一种基于动态优先级的多用户任务调度算法,该算法首先计算每个任务的优先级,然后选择优先级最高的任务并为该任务分配相应节点,接着重复这一步骤直到所有任务都完成。
当某个任务tq不能在截止时间内完成或所有车载节点都无法成功完成该任务,重调度方案被触发,PMTS算法对tq和其他相关任务进行重调度,以提高车载云服务质量。
算法中使用到符号定义如表1所示:
表1:算法符号表
PMTS算法的伪代码如下所示:
实施例1
本实施例1提供了一种车载云环境下基于动态优先级的任务调度方法,包括如下步骤:
步骤S1、构建系统模型,通过系统模型计算任务的完成时间;
具体的说,步骤S1为:
假设在单向且笔直的高速公路上有多辆从左至右匀速行驶的车辆,行驶速度记作v,车辆上设有车载节点,定义车载节点集N={n1,n2,…,nm},表示为高速公路有m个车载节点;
高速公路划分成k个路段,记作Sj(j=1,2…k),每个路段的长度记作Lj(j=1,2…k);
高速公路的中心设有RSU,定义ni表示车载节点在路段Si上,ni到Si右边界的距离用ci表示,在RSU通信范围内的车辆构成车载云,当多个移动用户同时向RSU提出任务处理的请求时,形成任务集T={t1,t2,…,tn},表示为有n个任务需要处理;
RSU从任务集T中选择一个任务,再从车载节点集N中选择一个车载节点处理该任务,RSU将移动用户所需的数据传输到该车载节点,数据传输完成后该车载节点开始执行任务,最终得到执行结果返回给移动用户;
若任务完成时间小于任务的截止时间,则视任务能够完成,否则,任务失败,
任务完成时间Tcom的表达式为:
Tcom=Tdat+Twait+Texc (1)
公式(1)中,Tdat为数据传输时间、Texc为任务执行时间,Twait为任务等待时间。
更具体的说,数据传输时间Tdat的具体计算为:
步骤S101、计算路段Si所能传输的最大数据量Di:
公式(2)中,ri表示路段Si内的数据传输速率,Li表示路段Si的长度,V表示车辆的速度;
步骤S102、计算车载节点ni在整个高速公路上所能传输的最大数据量
公式(3)中,Di表示路段Si所能传输的最大数据量,Lj表示路段Si+1的长度,V表示车辆的速度,rj表示路段Si+1内的数据传输速率;
步骤S103、假设任务集T中任务tj所需要的数据量用表示,任务tj的数据传输时间Tdat计算如下:
如果说明车载节点ni无法完成数据传输任务,该任务失败;
如果说明任务tj的数据传输活动在路段Si内即可完成,此时Tdat表达式为:
公式(4)中,表示任务tj所需要的数据量,ri表示路段Si内的数据传输速率;
如果说明任务tj的数据传输活动需要在路段Si+1内完成,此时Tdat表达式为:
公式(5)中,ci表示为车载节点ni到Si右边界的距离,表示任务tj所需要的数据量,Di表示路段Si所能传输的最大数据量,V表示车辆的速度;
基于以上的方法,判断任务tj具体在哪个路段完成,最后得出Vdat;
所述任务执行时间的表达式为:
公式(6)Uexc表示任务ti的计算负载,spj表示车载节点ni的计算速度;
所述任务等待时间Twait具体为:
车载节点ni在执行任务tj之前,判断是否还有其他任务正在执行,若无其他任务,Twait=0,若有其他任务,Twait=其他任务的剩余执行时间。
步骤S2、计算每个任务的优先级,选择优先级最高的任务并且为其分配车载节点进行处理,将被分配了车载节点的任务放入第一任务调度序列;
具体的说,在所述步骤S2中,具体为:
步骤S201、随机从任务集中T选择一个任务ti作为第一个处理的任务;
步骤S202、计算任务ti的可用节点集Vi={n1,n2,…,nm},所述可用节点集Vi表示为能够处理任务ti的车载节点的集合;
步骤S203、在可用节点集Vi中找到完成任务ti时间最短的车载节点和完成任务ti时间最长的车载节点,比较在这两种不同情况下得到的结果,选择其中最优车载节点分配给任务ti;
步骤S204、根据步骤S203中得到的最优车载节点计算任务ti的优先级,所述优先级的表达式为:
在公式(7)中,依次表示为通过最优车载节点进行任务处理时,所耗费的数据传输时间、任务等待时间、任务执行时间,S'表示未分配优先级的任务集合,α为权重系数,/>表示任务tj的剩余时间,表达式为:
在公式(8)中,tj表示任务,S等于任务集合T,表示为任务i的数据传输时间;
步骤S205、将任务ti放入第一任务调度序列中,并且记录任务ti被分配的最优车载节点,以及任务ti的任务完成时间,同时更新系统中其他车载节点的位置以及其他任务的状态。
更具体的说,在所述步骤S202中,计算任务ti的可用节点集Vi具体为:
步骤S2021、随机从车载节点集N中选择一个车载节点ns,根据ns的位置和任务ti的传输数据量计算负载/>计算出任务ti在车载节点ns上的数据传输时间Tdat,任务执行时间Texc,以及任务等待时间Twait,最终得到通过车载节点ns处理任务ti的任务完成时间Tcom;
步骤S2022、定义di为任务ti的截止时间,判断若任务完成时间Tcom>di或者ns已经驶离 RSU的通信范围,则该车载节点ns不是可用节点,否则将车载节点ns加入可用节点集Vi;
步骤S2023、重复步骤S2021-步骤S2022直到车载节点集N中所有的车载节点均被历遍,得到任务ti的可用节点集Vi。
步骤S3、重复步骤S2直到所有的任务都能够到分配车载节点并且完成处理,然后形成第二任务调度序列或者出现某一任务无法完成的情形时,停止循环;
步骤S4、对出现某一任务无法完成的情形进行重调度处理。
具体的说,包括如下步骤:
步骤S401、遍历第一任务调度序列,查找第一任务调度序列中每个任务被分配的车载节点和可用节点集;
步骤S402、在每个任务对应的可用节点集中查找离高速公路右边界最接近的车载节点,判断该车载节点是否为被分配的车载节点;
步骤S403、若判断结果为是,将该任务放入第二任务调度序列,继续遍历第一任务调度序列中的其他任务;
若判断结果为否,则将离高速公路右边界最接近的车载节点分配给该任务,将该任务放入第二任务调度序列,同时更新系统状态,将第一任务调度序列清空,再重新执行步骤S2,直到任务集T所有任务完成调度或者无法完成。
通过重调度操作,对当前任务以及之前一部分任务进行重新调度,以充分利用车载云资源并提高服务成功率。
本发明的特点在于评估方案性能时保持车载节点的数量不变,不断增加任务数量,以测试节点负载不断增大时的性能。当节点负载不断增大时,如果服务率依然维持在一个较高水平,则说明该方案性能较优。
本发明未详述之处,均为本领域技术人员的公知技术。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (3)
1.一种车载云环境下基于动态优先级的任务调度方法,其特征在于,包括如下步骤:
步骤S1、构建系统模型,通过系统模型计算任务的完成时间;
步骤S2、计算每个任务的优先级,选择优先级最高的任务并且为其分配车载节点进行处理,将被分配了车载节点的任务放入第一任务调度序列;
步骤S3、重复步骤S2直到所有的任务都能够到分配车载节点并且完成处理,然后形成第二任务调度序列或者出现某一任务无法完成的情形时,停止循环;
步骤S4、对出现某一任务无法完成的情形进行重调度处理;
所述步骤S1具体为:
假设在单向且笔直的高速公路上有多辆从左至右匀速行驶的车辆,行驶速度记作V,车辆上设有车载节点,定义车载节点集N={n1,n2,…,nm},表示为高速公路有m个车载节点;
高速公路划分成k个路段,每个路段记作Sj,每个路段的长度记作Lj,j的取值范围为1,2,……,k;
高速公路的中心设有RSU,定义表示车载节点ni在路段Sj上,/>到Sj右边界的距离用/>表示,在RSU通信范围内的车辆构成车载云,当多个移动用户同时向RSU提出任务处理的请求时,形成任务集T={t1,t2,…,tn},表示为有n个任务需要处理;
RSU从任务集T中选择一个任务,再从车载节点集N中选择一个车载节点处理该任务,RSU将移动用户所需的数据传输到该车载节点,数据传输完成后该车载节点开始执行任务,最终得到执行结果返回给移动用户;
若任务完成时间小于任务的截止时间,则视任务能够完成,否则,任务失败,
任务完成时间Tcom的表达式为:
Tcom=Tdat+Twait+Texc (1)
公式(1)中,Tdat为数据传输时间、Texc为任务执行时间,Twait为任务等待时间;
所述数据传输时间Tdat的具体计算为:
步骤S101、计算路段Sj所能传输的最大数据量Dj:
公式(2)中,rj表示路段Sj内的数据传输速率,Lj表示路段Sj的长度;
步骤S102、计算在整个高速公路上所能传输的最大数据量/>
公式(3)中,Dj表示路段Sj所能传输的最大数据量,Lh表示路段Sh的长度,V表示车辆的速度,rh表示路段Sh内的数据传输速率;
步骤S103、假设任务集T中任务tg所需要的数据量用表示,任务tg的数据传输时间Tdat计算如下:
如果说明/>无法完成数据传输任务,该任务失败;
如果说明任务tg的数据传输活动在路段Sj内即可完成,此时Tdat表达式为:
如果说明任务tg的数据传输活动需要在路段Sh内完成,此时Tdat表达式为:
h≤k;
基于以上的方法,判断任务tg具体在哪个路段完成,最后得出Tdat;
所述任务执行时间的表达式为:
公式(6)表示任务tg的计算负载,spi表示/>的计算速度;
所述任务等待时间Twait具体为:
在执行任务tg之前,判断是否还有其他任务正在执行,若无其他任务,Twait=0,若有其他任务,Twait=其他任务的剩余执行时间;
所述步骤S2,具体为:
步骤S201、随机从任务集中T选择一个任务tf作为第一个处理的任务;
步骤S202、计算任务tf的可用节点集Vf,所述可用节点集Vf表示为能够处理任务tf的车载节点的集合;
步骤S203、在可用节点集Vf中找到完成任务tf时间最短的车载节点和完成任务tf时间最长的车载节点,比较在这两种不同情况下得到的结果,选择其中最优车载节点分配给任务tf;
步骤S204、根据步骤S203中得到的最优车载节点计算任务tf的优先级,所述优先级的表达式为:
在公式(7)中,依次表示为通过最优车载节点进行任务处理时,所耗费的数据传输时间、任务等待时间、任务执行时间,S'表示未分配优先级的任务集合,α为权重系数,/>表示任务tu的剩余时间,表达式为:
在公式(8)中,tu表示任务,S等于任务集合T,表示为任务tb的数据传输时间;
步骤S205、将任务tf放入第一任务调度序列中,并且记录任务tf被分配的最优车载节点,以及任务tf的任务完成时间,同时更新系统中其他车载节点的位置以及其他任务的状态。
2.根据权利要求1所述的一种车载云环境下基于动态优先级的任务调度方法,其特征在于,在所述步骤S202中,计算任务tf的可用节点集Vf具体为:
步骤S2021、随机从车载节点集N中选择一个车载节点ns,根据ns的位置和任务tf的传输数据量计算负载/>计算出任务tf在车载节点ns上的数据传输时间/>任务执行时间以及任务等待时间/>最终得到通过车载节点ns处理任务tf的任务完成时间/>
步骤S2022、定义df为任务tf的截止时间,判断若任务完成时间或者ns已经驶离RSU的通信范围,则该车载节点ns不是可用节点,否则将车载节点ns加入可用节点集Vf;
步骤S2023、重复步骤S2021-步骤S2022直到车载节点集N中所有的车载节点均被遍历,得到任务tf的可用节点集Vf。
3.根据权利要求2所述的一种车载云环境下基于动态优先级的任务调度方法,其特征在于,在所述步骤S4中,所述重调度处理具体为:
步骤S401、遍历第一任务调度序列,查找第一任务调度序列中每个任务被分配的车载节点和可用节点集;
步骤S402、在每个任务对应的可用节点集中查找离高速公路右边界最接近的车载节点,判断该车载节点是否为被分配的车载节点;
步骤S403、若判断结果为是,将该任务放入第二任务调度序列,继续遍历第一任务调度序列中的其他任务;
若判断结果为否,则将离高速公路右边界最接近的车载节点分配给该任务,将该任务放入第二任务调度序列,同时更新系统状态,将第一任务调度序列清空,再重新执行步骤S2,直到任务集T所有任务完成调度或者无法完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011448437.3A CN113051046B (zh) | 2020-12-09 | 2020-12-09 | 一种车载云环境下基于动态优先级的任务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011448437.3A CN113051046B (zh) | 2020-12-09 | 2020-12-09 | 一种车载云环境下基于动态优先级的任务调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113051046A CN113051046A (zh) | 2021-06-29 |
CN113051046B true CN113051046B (zh) | 2024-05-24 |
Family
ID=76508103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011448437.3A Active CN113051046B (zh) | 2020-12-09 | 2020-12-09 | 一种车载云环境下基于动态优先级的任务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113051046B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114546617B (zh) * | 2022-02-23 | 2024-06-11 | 南京航空航天大学 | 一种车载云环境下低服务成本的任务调度方法 |
CN116069478B (zh) * | 2023-03-07 | 2023-06-02 | 湖南师范大学 | 基于图神经网络的车载系统安全感知设计优化方法及设备 |
CN117896780B (zh) * | 2024-03-15 | 2024-06-18 | 深圳市车葫芦科技有限公司 | 基于tbox的车载移动wifi数据处理方法、装置和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045211A1 (zh) * | 2015-09-16 | 2017-03-23 | 国云科技股份有限公司 | 一种多服务质量约束的云计算任务调度方法 |
CN106648831A (zh) * | 2016-12-08 | 2017-05-10 | 杭州电子科技大学 | 基于萤火虫算法和动态优先级的云工作流调度方法 |
CN108921437A (zh) * | 2018-07-10 | 2018-11-30 | 电子科技大学 | 一种基于雾计算的多车辆间多计算任务调度方法 |
CN110198278A (zh) * | 2019-04-15 | 2019-09-03 | 湖南大学 | 一种车联网云端和边缘联合任务调度的Lyapunov优化方法 |
CN110530369A (zh) * | 2019-08-22 | 2019-12-03 | 北京交通大学 | 基于时间窗的agv任务调度方法 |
CN111026519A (zh) * | 2018-10-10 | 2020-04-17 | 上海宝信软件股份有限公司 | 基于分布式的任务优先级调度方法和系统及存储介质 |
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 |
-
2020
- 2020-12-09 CN CN202011448437.3A patent/CN113051046B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045211A1 (zh) * | 2015-09-16 | 2017-03-23 | 国云科技股份有限公司 | 一种多服务质量约束的云计算任务调度方法 |
CN106648831A (zh) * | 2016-12-08 | 2017-05-10 | 杭州电子科技大学 | 基于萤火虫算法和动态优先级的云工作流调度方法 |
CN108921437A (zh) * | 2018-07-10 | 2018-11-30 | 电子科技大学 | 一种基于雾计算的多车辆间多计算任务调度方法 |
CN111026519A (zh) * | 2018-10-10 | 2020-04-17 | 上海宝信软件股份有限公司 | 基于分布式的任务优先级调度方法和系统及存储介质 |
CN110198278A (zh) * | 2019-04-15 | 2019-09-03 | 湖南大学 | 一种车联网云端和边缘联合任务调度的Lyapunov优化方法 |
CN110530369A (zh) * | 2019-08-22 | 2019-12-03 | 北京交通大学 | 基于时间窗的agv任务调度方法 |
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 |
Non-Patent Citations (1)
Title |
---|
基于动态优先级和萤火虫行为的云任务调度算法;刘亚秋等;《计算机应用研究》;第1-4页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113051046A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113051046B (zh) | 一种车载云环境下基于动态优先级的任务调度方法 | |
CN111835827B (zh) | 物联网边缘计算任务卸载方法及系统 | |
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 | |
CN112714178B (zh) | 一种基于车载边缘计算的任务卸载方法及装置 | |
CN109756378A (zh) | 一种车载网络下的智能计算卸载方法 | |
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 | |
CN111163178B (zh) | 一种边缘计算中基于博弈论的服务部署及任务卸载方法 | |
CN113641417B (zh) | 一种基于分支定界法的车辆安全任务卸载方法 | |
CN114143346A (zh) | 一种车联网任务卸载和服务缓存的联合优化方法及系统 | |
Peng et al. | Deep reinforcement learning for shared offloading strategy in vehicle edge computing | |
CN115562756A (zh) | 一种多接入边缘计算的车辆任务卸载方法及系统 | |
CN115297171A (zh) | 一种蜂窝车联网分级决策的边缘计算卸载方法及系统 | |
Gong et al. | Computation offloading-based task scheduling in the vehicular communication environment for computation-intensive vehicular tasks | |
CN113343437B (zh) | 电动汽车快速充电引导方法、系统、终端及介质 | |
CN112231117B (zh) | 基于动态向量混合遗传算法的云机器人服务选择方法及系统 | |
CN116781144A (zh) | 无人机搭载边缘服务器的方法、装置及存储介质 | |
CN116916272A (zh) | 基于自动驾驶汽车网络的资源分配和任务卸载方法及系统 | |
CN116744367A (zh) | 车联网下基于双层卸载机制和多智能体算法的卸载方法 | |
Wang et al. | Bus-based cloudlet cooperation strategy in vehicular networks | |
CN115065683A (zh) | 基于车辆聚类的车辆边缘网络任务分配卸载方法 | |
CN116069498A (zh) | 一种分布式算力调度方法、装置、电子设备及存储介质 | |
CN112613663B (zh) | 共享车辆调度方法、计算设备和计算机可读存储介质 | |
CN114637552A (zh) | 一种基于模糊逻辑策略的雾计算任务卸载方法 | |
CN113448707A (zh) | 在边缘计算中在线批并行任务调度方法 | |
CN117648172B (zh) | 一种车载边缘计算调度优化方法及系统 |
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 |