CN113056007B - 基于正交频分多址的并行移动边缘计算网络资源分配方法 - Google Patents
基于正交频分多址的并行移动边缘计算网络资源分配方法 Download PDFInfo
- Publication number
- CN113056007B CN113056007B CN202110165759.5A CN202110165759A CN113056007B CN 113056007 B CN113056007 B CN 113056007B CN 202110165759 A CN202110165759 A CN 202110165759A CN 113056007 B CN113056007 B CN 113056007B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- resource allocation
- user
- total energy
- task
- 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
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及基于正交频分多址的并行移动边缘计算网络资源分配方法,其包括以下步骤:步骤一:建立一个基于正交频分多址的单MEC服务器、多用户的场景模型;步骤二:建立远端计算模型,在满足传输和时延的约束条件下,通过系统的总能耗数学表达式,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;步骤三:引入简化变量,改变系统的总能耗数学表达式,以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;步骤四:通过使用基于连续松弛和基于罚凹凸算法,分别获得一种使系统总能耗最小的资源分配结果。本发明相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源,实现系统能耗最小化。
Description
技术领域
本发明属于无线通信和边缘计算领域,涉基于正交频分多址的并行移动边缘计算网络资源分配方法。
背景技术
全球移动互联网的持续繁荣推动了各种新型移动应用的出现,如AR、VR、网游等。这些移动应用通常对计算能力和时延有较高要求,这无疑给计算能力和电池容量有限的移动用户带来了巨大的挑战。通过在无线边缘提供计算服务,移动边缘计算被认为是解决上述挑战的理想技术。在边缘计算系统中,移动用户可以将自己的计算任务提交给边缘节点执行,如基站和接入点,然后从边缘节点下载计算结果。通信和计算资源的分配问题对边缘计算系统来说尤为重要,其中前者影响数据传输速率和系统能耗,后者影响任务的计算时延,因而需要发明在保证时延的前提下,能有效降低整个系统能耗的资源分配方案。
已有的关于资源分配方案的研究大多是集中在串行边缘计算系统上,即不同任务的传输和执行操作不能同时执行,这会导致在功率(或时间)约束下需要更多的任务处理时间(或能耗),一些作者进一步研究了并行边缘计算系统,即它允许一个任务可以在另一任务的传输期间执行,然而他们文章中提出的资源分配方案是基于时分多址技术,由于正交频分多址(OFDMA)是目前4GLTE网络的主流无线接入技术,并可能在未来的无线网络(如5G)中发挥关键作用,因此需要发明基于正交频分多址的并行移动边缘计算网络资源分配方法。
发明内容
本发明的目的是提供在满足时延的前提下,能有效降低系统总能耗的基于正交频分多址的并行移动边缘计算网络资源分配方法。
为实现上述目的,本发明提供如下技术方案:
基于正交频分多址的并行移动边缘计算网络资源分配方法,包括以下步骤:
S1.建立一个基于正交频分多址的单MEC服务器、多用户的场景模型;
S2.建立远端计算模型,在满足传输和时延的约束条件下,通过系统的总能耗数学表达式,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;
S3.引入简化变量,改变系统的总能耗数学表达式,以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;
S4.通过使用基于连续松弛和基于罚凹凸算法,分别获得一种对应的使系统总能耗最小的资源分配结果。
进一步地,所述S1具体包括:
建立的场景模型包括一个边缘节点和K个移动用户,用表示,其中,边缘节点和移动用户都配备一根天线,并且在边缘节点处配备MEC服务器,用F表示该服务器的CPU频率,假设边缘节点有很强的计算能力,每个用户k需要上传它的计算任务到边缘节点去执行,对于每个计算任务k,用表示,其中,Ak为用户的任务输入数据量,Rk为用户的任务计算量,Ck为用户的计算结果量。
进一步地,所述S2具体包括以下步骤:
B1.建立远端计算模型,其中,远端计算流程如下:
上传阶段:移动用户k通过上行链路将任务数据上传到边缘节点;
执行阶段:边缘节点处理任务数据;
下载阶段:边缘节点通过下行链路将任务计算结果返回给用户;
移动用户将分配的任务数据上传到边缘节点的上传速率为:
B2.得出用户k通过上行链路将计算任务数据上传到边缘节点的能源消耗为:
同理,边缘节点通过下行链路将任务计算结果返回给用户k的能源消耗为:
其中,ck,n表示用户k在子信道n上下载的计算结果位数;
B4.在满足传输和时延的约束条件下,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型:
其中,约束C1说明是一个二元变量,约束C2表明每个子信道最多只能被一个用户使用,C3表示用户上传和下载阶段的时延约束条件,Dk表示用户的时延要求,C4和C5反映用户计算任务传输和执行的并行操作,C6确保用户远端计算的总时延不超过它的最大时延,C7确保卸载的计算任务能够在边缘节点上成功执行,C8和C9是分配的输入数据位数和计算结果位数的约束条件。
进一步地,所述S3具体包括:
将上式进行转化,得到如下简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型:
s.t.C1—C9,
进一步地,所述S4具体包括以下步骤:
D1.将上述的优化问题拆分为P1和P2两个子问题,P1用于获得上传、执行和下载阶段开始时间的分配方案,P2用于获得上下行子信道、数据位数和时间的分配方案;
D2.通过使用基于连续松弛和基于罚凹凸算法,分别获得一种对应的使系统总能耗最小的资源分配结果。
进一步地,所述D2中基于连续松弛算法,获得使系统总能耗最小的资源分配结果的具体内容如下:
通过上式的转化,可得到经连续化处理后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P3:
s.t.C2,C3,C8—C12,
进一步地,所述D2中基于罚凹凸算法,获得使系统总能耗最小的资源分配结果的具体内容如下:
约束条件C1的另一种数学表达形式可写为C12和如下的表达式:
通过上式的转化,可得到等价转化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P4:
s.t.C2,C3,C8—C14,
s.t.C2,C3,C8—C13,
存在一个λmax>0,当满足λ>λmax时该该松弛后的数学模型P5与P4等价,通过罚凹凸法求解模型P5来代替P4。将约束条件C15做线性化处理,用i=0,1,2,…表示罚凹凸法迭代的次数,在第i+1次迭代时如下的线性化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P6被求得最优解:
s.t.C2,C3,C8—C13,
F1.内点法求解P6;
F2.更新参数λ(i+1)={ηλ(i),λmax}及i=i+1,当P6收敛时,迭代停止,获得使系统总能耗最小的资源分配结果。
通过上述技术方案的实施,本发明的有益效果是:
本发明提出的基于正交频分多址的并行移动边缘计算网络资源分配方法,考虑到不同计算任务传输和执行的并行操作,相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源,减少用户的等待时间,从而降低移动边缘计算系统的时延,且保证在传输和时延的约束条件下,对上传、执行和下载阶段开始时间,上下行子信道,数据位数及时间等参数进行联合优化设计,实现系统能耗最小化。
附图说明
图1为本发明提供的基于基于正交频分多址的并行移动边缘计算网络资源分配方法的流程示意图;
图2为本发明中系统总能耗与时延之间的关系图;
图3为本发明中系统总能耗与子信道数之间的关系图;
图4为本发明中系统总能耗与用户数之间的关系图。
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明:
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
如图1-4所示,所述的基于正交频分多址的并行移动边缘计算网络资源分配方法,包括以下步骤:
S1.建立一个基于正交频分多址的单MEC服务器、多用户的场景模型;
S2.建立远端计算模型,在满足传输和时延的约束条件下,通过系统的总能耗数学表达式,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;
S3.引入简化变量,改变系统的总能耗数学表达式,以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;
S4.通过使用基于连续松弛和基于罚凹凸算法,分别获得一种对应的使系统总能耗最小的资源分配结果。
S1中一个基于正交频分多址的单MEC服务器、多用户的场景模型包括一个边缘节点和K个移动用户,用表示。其中,边缘节点和移动用户都配备一根天线,并且在边缘节点处配备MEC服务器,用F表示该服务器的CPU频率。假设边缘节点有很强的计算能力,每个用户k需要上传它的计算任务到边缘节点去执行,对于每个计算任务k,用表示,其中,Ak为用户的任务输入数据量,Rk为用户的任务计算量,Ck为用户的计算结果量。
S2中建立远端计算模型,在满足传输和时延的约束条件下,通过系统的总能耗数学表达式,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型,其内容包括以下步骤:
B1.建立远端计算模型,其中,典型的远端计算流程如下:
上传阶段:移动用户k通过上行链路将任务数据上传到边缘节点;
执行阶段:边缘节点处理任务数据;
下载阶段:边缘节点通过下行链路将任务计算结果返回给用户。
移动用户将分配的任务数据上传到边缘节点的上传速率为:
B2.得出用户k通过上行链路将计算任务数据上传到边缘节点的能源消耗为:
同理,边缘节点通过下行链路将任务计算结果返回给用户k的能源消耗为:
其中,ck,n表示用户k在子信道n上下载的计算结果位数。
B4.在满足传输和时延的约束条件下,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型:
其中,约束C1说明是一个二元变量,约束C2表明每个子信道最多只能被一个用户使用,C3表示用户上传和下载阶段的时延约束条件,Dk表示用户的时延要求,C4和C5反映用户计算任务传输和执行的并行操作,C6确保用户远端计算的总时延不超过它的最大时延,C7确保卸载的计算任务能够在边缘节点上成功执行,C8和C9是分配的输入数据位数和计算结果位数的约束条件。
将上式进行转化,得到如下简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型:
s.t.C1—C9,
S4中通过使用基于连续松弛和基于罚凹凸算法,分别获得一种对应的使系统总能耗最小的资源分配结果,具体包括以下步骤:
D1.将上述的优化问题拆分为P1和P2两个子问题,P1用于获得上传、执行和下载阶段开始时间的分配方案,P2用于获得上下行子信道、数据位数和时间的分配方案;
D2.通过使用基于连续松弛和基于罚凹凸算法,分别获得一种对应的使系统总能耗最小的资源分配结果。
D2中基于连续松弛算法,获得使系统总能耗最小的资源分配结果的具体内容如下:
通过上式的转化,可得到经连续化处理后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P3:
s.t.C2,C3,C8—C12,
D2中基于罚凹凸算法,获得使系统总能耗最小的资源分配结果的具体内容如下:
约束条件C1的另一种数学表达形式可写为C12和如下的表达式:
通过上式的转化,可得到等价转化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P4:
s.t.C2,C3,C8—C14,
s.t.C2,C3,C8—C13,
存在一个λmax>0,当满足λ>λmax时该该松弛后的数学模型P5与P4等价,通过罚凹凸法求解模型P5来代替P4。将约束条件C15做线性化处理,用i=0,1,2,…表示罚凹凸法迭代的次数,在第i+1次迭代时如下的线性化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P6被求得最优解:
s.t.C2,C3,C8—C13,
F1.内点法求解P6;
F2.更新参数λ(i+1)={ηλ(i),λmax}及i=i+1,当P6收敛时,迭代停止,获得使系统总能耗最小的资源分配结果。
如图2、3、4所示,本发明给出了系统总能耗与时延、子信道数、用户数的关系。从三个图中可以看出,我们提出的算法(算法1和算法2)的性能是接近最优性能,并且优于现有的资源分配方案(基线1:将子信道分配给有最大信道功率增益的用户、基线2:将子信道随机分配给用户)。随着D和N的增加,所有方案的能耗都会减少,这是因为在无线边缘有更多的通信资源可用,此外,我们还看到能耗随着K的增加而增加,这是因为有更多的用户竞争资源。
本发明提出的基于正交频分多址的并行移动边缘计算网络资源分配方法,考虑到不同计算任务传输和执行的并行操作,相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源,减少用户的等待时间,从而降低移动边缘计算系统的时延,且保证在传输和时延的约束条件下,对上传、执行和下载阶段开始时间,上下行子信道,数据位数及时间等参数进行联合优化设计,实现系统能耗最小化。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (5)
1.基于正交频分多址的并行移动边缘计算网络资源分配方法,其特征在于:包括以下步骤:
S1.建立一个基于正交频分多址的单MEC服务器、多用户的场景模型;
S2.建立远端计算模型,在满足传输和时延的约束条件下,通过系统的总能耗数学表达式,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;
S3.引入简化变量,改变系统的总能耗数学表达式,以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;
S4.通过使用基于连续松弛和基于罚凹凸算法,分别获得一种对应的使系统总能耗最小的资源分配结果;
所述S2具体包括以下步骤:
B1.建立远端计算模型,其中,远端计算流程如下:
上传阶段:移动用户k通过上行链路将任务数据上传到边缘节点;
执行阶段:边缘节点处理任务数据;
下载阶段:边缘节点通过下行链路将任务计算结果返回给用户;
移动用户将分配的任务数据上传到边缘节点的上传速率为:
B2.得出用户k通过上行链路将计算任务数据上传到边缘节点的能源消耗为:
同理,边缘节点通过下行链路将任务计算结果返回给用户k的能源消耗为:
其中,ck,n表示用户k在子信道n上下载的计算结果位数;
B4.在满足传输和时延的约束条件下,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型:
其中,约束C1说明是一个二元变量,约束C2表明每个子信道最多只能被一个用户使用,C3表示用户上传和下载阶段的时延约束条件,Dk表示用户的时延要求,C4和C5反映用户计算任务传输和执行的并行操作,C6确保用户远端计算的总时延不超过它的最大时延,C7确保卸载的计算任务能够在边缘节点上成功执行,C8和C9是分配的输入数据位数和计算结果位数的约束条件;
所述S3具体包括:
将上式进行转化,得到如下简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型:
s.t.C1—C9,
3.根据权利要求1所述的基于正交频分多址的并行移动边缘计算网络资源分配方法,其特征在于,所述S4具体包括以下步骤:
D1.将上述的优化问题拆分为P1和P2两个子问题,P1用于获得上传、执行和下载阶段开始时间的分配方案,P2用于获得上下行子信道、数据位数和时间的分配方案;
D2.通过使用基于连续松弛和基于罚凹凸算法,分别获得一种对应的使系统总能耗最小的资源分配结果。
4.根据权利要求3所述的基于正交频分多址的并行移动边缘计算网络资源分配方法,其特征在于,所述D2中基于连续松弛算法,获得使系统总能耗最小的资源分配结果的具体内容如下:将二元整数变量进行连续化处理,则约束条件C1可写为:
通过上式的转化,可得到经连续化处理后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P3:
s.t.C2,C3,C8—C12,
5.根据权利要求3所述的基于正交频分多址的并行移动边缘计算网络资源分配方法,其特征在于,所述D2中基于罚凹凸算法,获得使系统总能耗最小的资源分配结果的具体内容如下:
约束条件C1的另一种数学表达形式可写为C12和如下的表达式:
通过上式的转化,可得到等价转化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P4:
s.t.C2,C3,C8—C14,
s.t.C2,C3,C8—C13,
存在一个λmax>0,当满足λ>λmax时该该松弛后的数学模型P5与P4等价,通过罚凹凸法求解模型P5来代替P4,将约束条件C15做线性化处理,用i=0,1,2,…表示罚凹凸法迭代的次数,在第i+1次迭代时如下的线性化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型P6被求得最优解:
s.t.C2,C3,C8—C13,
F1.内点法求解P6;
F2.更新参数λ(i+1)={ηλ(i),λmax}及i=i+1,当P6收敛时,迭代停止,获得使系统总能耗最小的资源分配结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110165759.5A CN113056007B (zh) | 2021-02-06 | 2021-02-06 | 基于正交频分多址的并行移动边缘计算网络资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110165759.5A CN113056007B (zh) | 2021-02-06 | 2021-02-06 | 基于正交频分多址的并行移动边缘计算网络资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113056007A CN113056007A (zh) | 2021-06-29 |
CN113056007B true CN113056007B (zh) | 2022-04-08 |
Family
ID=76508778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110165759.5A Active CN113056007B (zh) | 2021-02-06 | 2021-02-06 | 基于正交频分多址的并行移动边缘计算网络资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113056007B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113507519B (zh) * | 2021-07-08 | 2022-10-04 | 燕山大学 | 一种面向智能家居的边缘计算带宽资源分配方法及系统 |
CN114928612B (zh) * | 2022-06-01 | 2024-04-12 | 南京浮点智算数字科技有限公司 | 移动边缘计算中协同卸载的激励机制与资源分配方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109413615A (zh) * | 2018-09-14 | 2019-03-01 | 重庆邮电大学 | 车联网下基于mec的能量感知卸载的能量延迟折衷方案 |
CN109814951A (zh) * | 2019-01-22 | 2019-05-28 | 南京邮电大学 | 移动边缘计算网络中任务卸载及资源分配的联合优化方法 |
CN111132077A (zh) * | 2020-02-25 | 2020-05-08 | 华南理工大学 | 车联网环境下基于d2d的多接入边缘计算任务卸载方法 |
CN111372314A (zh) * | 2020-03-12 | 2020-07-03 | 湖南大学 | 基于移动边缘计算场景下的任务卸载方法及任务卸载装置 |
CN111836283A (zh) * | 2020-07-03 | 2020-10-27 | 重庆邮电大学 | 一种基于mec多服务器的车联网资源分配方法 |
CN111884696A (zh) * | 2020-07-01 | 2020-11-03 | 广州大学 | 一种基于多载波的中继协作移动边缘计算方法 |
CN111954230A (zh) * | 2019-05-14 | 2020-11-17 | 上海交通大学 | 基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法 |
CN111988806A (zh) * | 2020-09-01 | 2020-11-24 | 重庆邮电大学 | 一种基于全双工中继的移动边缘计算网络资源分配方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190159238A1 (en) * | 2017-11-21 | 2019-05-23 | Electronics And Telecommunications Research Institute | Method for providing low latency service in communication system and apparatus for the same |
CN111630936A (zh) * | 2017-12-30 | 2020-09-04 | 英特尔公司 | 用于无线通信的方法和设备 |
US11412052B2 (en) * | 2018-12-28 | 2022-08-09 | Intel Corporation | Quality of service (QoS) management in edge computing environments |
-
2021
- 2021-02-06 CN CN202110165759.5A patent/CN113056007B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109413615A (zh) * | 2018-09-14 | 2019-03-01 | 重庆邮电大学 | 车联网下基于mec的能量感知卸载的能量延迟折衷方案 |
CN109814951A (zh) * | 2019-01-22 | 2019-05-28 | 南京邮电大学 | 移动边缘计算网络中任务卸载及资源分配的联合优化方法 |
CN111954230A (zh) * | 2019-05-14 | 2020-11-17 | 上海交通大学 | 基于移动边缘计算与密集云接入网融合的计算迁移与资源分配方法 |
CN111132077A (zh) * | 2020-02-25 | 2020-05-08 | 华南理工大学 | 车联网环境下基于d2d的多接入边缘计算任务卸载方法 |
CN111372314A (zh) * | 2020-03-12 | 2020-07-03 | 湖南大学 | 基于移动边缘计算场景下的任务卸载方法及任务卸载装置 |
CN111884696A (zh) * | 2020-07-01 | 2020-11-03 | 广州大学 | 一种基于多载波的中继协作移动边缘计算方法 |
CN111836283A (zh) * | 2020-07-03 | 2020-10-27 | 重庆邮电大学 | 一种基于mec多服务器的车联网资源分配方法 |
CN111988806A (zh) * | 2020-09-01 | 2020-11-24 | 重庆邮电大学 | 一种基于全双工中继的移动边缘计算网络资源分配方法 |
Non-Patent Citations (6)
Title |
---|
Efficient Energy Joint Computation Offloading and Resource Optimization in Multi-Access MEC Systems;Xiaotong Yang等;《2019 IEEE 2nd International Conference on Electronic Information and Communication Technology (ICEICT)》;20191104;全文 * |
Energy Efficiency Based Joint Computation Offloading and Resource Allocation in Multi-Access MEC Systems;Xiaotong Yang等;《Xiaotong Yang等》;20190820;全文 * |
Joint Uplink/Downlink Sub-Channel, Bit and Time Allocation for Multi-Access Edge Computing;Wanli Wen等;《IEEE Communications Letters》;20190709;全文 * |
MEC多服务器启发式联合任务卸载和资源分配策略;路亚;《计算机应用与软件》;20201012(第10期);全文 * |
基于综合信任的边缘计算资源协同研究;邓晓衡等;《计算机研究与发展》;20180315(第03期);全文 * |
基于边-端协同的任务卸载资源分配联合优化算法;吴柳青等;《电信科学》;20200320(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113056007A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109814951B (zh) | 移动边缘计算网络中任务卸载及资源分配的联合优化方法 | |
Bi et al. | Joint optimization of service caching placement and computation offloading in mobile edge computing systems | |
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 | |
CN111010684B (zh) | 一种基于mec缓存服务的车联网资源分配方法 | |
CN113056007B (zh) | 基于正交频分多址的并行移动边缘计算网络资源分配方法 | |
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 | |
CN109343904B (zh) | 一种基于Lyapunov优化的雾计算动态卸载方法 | |
CN114189892B (zh) | 一种基于区块链和集体强化学习的云边协同物联网系统资源分配方法 | |
CN109756912B (zh) | 一种多用户多基站联合任务卸载及资源分配方法 | |
CN113064665B (zh) | 一种基于李雅普诺夫优化的多服务器计算卸载方法 | |
Wan et al. | Joint computation offloading and resource allocation for NOMA-based multi-access mobile edge computing systems | |
CN112000481B (zh) | 一种d2d-mec系统计算能力最大化的任务卸载方法 | |
CN110233755B (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN113377447A (zh) | 一种基于李雅普诺夫优化的多用户计算卸载方法 | |
Saleem et al. | Performance guaranteed partial offloading for mobile edge computing | |
Tang et al. | Joint resource allocation and caching placement for network slicing in fog radio access networks | |
CN114189936A (zh) | 一种基于深度强化学习的协作边缘计算任务卸载方法 | |
CN111615129A (zh) | 基于noma的多用户移动边缘计算系统中的资源分配方法 | |
CN112073978B (zh) | 一种多载波noma的移动边缘计算系统中计算效率优化方法 | |
Zu et al. | SMETO: Stable matching for energy-minimized task offloading in cloud-fog networks | |
CN103888234A (zh) | 一种多无线电系统中基于公平性和精细化带宽分配的资源分配方法 | |
Chen et al. | Dynamic task caching and computation offloading for mobile edge computing | |
Zheng et al. | Service caching based task offloading and resource allocation in multi-UAV assisted MEC networks | |
Xu et al. | Accelerating split federated learning over wireless communication networks | |
CN116761218A (zh) | 一种云边端协同系统中的联合优化方法、系统及存储介质 |
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 |