CN113535408A - 边缘侧计算资源拍卖式优化方法 - Google Patents

边缘侧计算资源拍卖式优化方法 Download PDF

Info

Publication number
CN113535408A
CN113535408A CN202110882521.4A CN202110882521A CN113535408A CN 113535408 A CN113535408 A CN 113535408A CN 202110882521 A CN202110882521 A CN 202110882521A CN 113535408 A CN113535408 A CN 113535408A
Authority
CN
China
Prior art keywords
task
auction
server
tasks
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
Application number
CN202110882521.4A
Other languages
English (en)
Other versions
CN113535408B (zh
Inventor
张瑞友
任鹏
李祉佑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN202110882521.4A priority Critical patent/CN113535408B/zh
Publication of CN113535408A publication Critical patent/CN113535408A/zh
Application granted granted Critical
Publication of CN113535408B publication Critical patent/CN113535408B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • 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
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种边缘侧计算资源拍卖式优化方法，本方法将边缘计算的资源分配过程表示为一个拍卖过程。首先确定边缘计算任务的收集时间，然后记录拍卖过程开始的时刻，初始化待交易任务的集合与服务器的集合及任务与服务器的各项属性，然后依据出价规则得到每个服务器对每个任务的出价结果，依据成交规则确定每个任务的交易顺序，依次对任务进行出清。本发明通过设计密封式拍卖机制解决边缘计算服务器的资源调度问题，实现了资源的合理分配，提高了资源利用率，实现了负载均衡。

Description

边缘侧计算资源拍卖式优化方法
技术领域
本发明涉及任务调度技术领域，尤其涉及一种边缘侧计算资源拍卖式优化方法。
背景技术
随着工业现场设备的更新换代和物联网的飞速发展，工业现场分散分布的底层设备向计算平台提出了低时延、高带宽和数据私密性的要求，传统的云计算由于传输距离过长、计算任务过多已经不适用于现在的工业现场。
在工业需求与云计算的基础上，边缘计算逐渐受到了广泛的关注。边缘计算是指在云计算与工业现场设备的中间，即靠近现场设备的边缘侧，部署能够提供决策能力与计算能力的边缘服务器，用以解决工业现场的计算问题。边缘计算服务器由于更靠近工业现场，具有传输距离更短和传输时延更低的优点。因此边缘计算不仅能够缓解云计算平台的计算压力，而且能够提供更好的计算服务。
任务调度与资源分配是计算系统的重要研究问题之一，其解决方案关系到资源使用的有效性与现场设备的服务体验。工业现场设备与边缘服务器的异构性，服务器在地理位置上的分散性，对工业现场的任务调度优化形成了新的挑战。由于拍卖方式的分散性特征与边缘侧计算网络的分布性一致，采用拍卖机制提供的分布式解决方案能够对任务进行有效的分配，实现服务器资源的充分利用，提供低时延的服务。因此，拍卖机制为边缘计算的任务调度问题提供了新的研究思路。
然而，在基于拍卖机制的边缘计算现有研究中，多数研究关注移动边缘计算中云资源服务器与用户设备间的拍卖机制设计，少有研究关注工业场景中的边缘计算任务调度问题。此外，多数研究考虑边缘服务器为同构服务器，并没有考虑异构的边缘计算环境。
发明内容
针对上述现有技术的不足，本发明提供一种边缘侧计算资源拍卖式优化方法。
为解决上述技术问题，本发明所采取的技术方案是：一种边缘侧计算资源拍卖式优化方法，包括如下步骤：
步骤1：设置任务收集时间Δt，Δt时间内提出的边缘计算任务在Δt结束时统一进行拍卖调度；
步骤2：记录本次拍卖的开始时刻W；
步骤3：确定本次需要拍卖的所有任务，组成集合N，并获取集合N中所有任务的基本信息；所述集合N中所有任务的基本信息包括：任务i的数据量di、任务i的截止时刻Di、任务i需求的CPU处理速度Cfi、任务i需求的内存Mfi、任务i需求的硬盘容量Sfi以及任务i是否需要特定应用程序Ffi，i∈N。
步骤4：确定本次拍卖中所有可用的边缘服务器，组成集合M，并获取集合M中所有边缘服务器的基本信息；所述集合M中所有边缘服务器的基本信息包括：服务器j的CPU处理速度CFj、服务器j内存MFj、服务器j的硬盘容量SFj以及服务器j是否具备某种应用程序FFj，j∈M。
进一步的，所述服务器同时只能处理一个任务且服务器的数量不少于任务的数量。
步骤5：确定每个服务器对每个任务的出价，并确定每个任务的有效报价数量；
所述服务器对任务的出价公式为：
Figure BDA0003192583120000021
其中，pij为服务器j对任务i的出价，α，β和γ分别为基本信息中计算任务需求的CPU处理速度、内存与硬盘容量的权重值，且α+β+γ＝1。
所述每个任务的有效报价数量的计算过程为：
记Qi＝{j|pij＞0，j∈M}，即Qi中的元素为对任务i有效报价的服务器编号；
则|Qi|表示Qi的元素个数，即为任务i的有效报价数量。
步骤6：按照成交规则对所有任务N进行排序，以此顺序依次进行任务的出清。
所述成交规则分为下述两种：
成交规则1：根据任务的截止时刻、任务本身的数据量以及本次拍卖的开始时刻计算待交易任务的价值，并根据任务价值的大小安排成交顺序，以服务器对任务的出价大小为依据，在任务的有效报价集合中确定出价最大的为得到任务的服务器；
成交规则2：根据任务的有效报价数量的大小安排成交顺序，以服务器对任务的出价大小为依据，在任务的有效报价集合中确定出价最大的为得到任务的服务器。
所述成交规则1的具体过程如下：
S1：根据任务的截止时刻、任务本身的数据量以及本次拍卖的开始时刻计算待交易任务的价值vi，任务i∈N的价值函数定义为：
Figure BDA0003192583120000031
S2：选择集合N中价值最大的任务进行交易，记
Figure BDA0003192583120000032
当k的取值不唯一时在其中随机选择k的值；
S3：判断任务k的有效报价数量|Qk|是否大于零，若是，则任务k成交，执行S4；若否，则任务k在本次拍卖无法成交，执行S6；
S4：编号为
Figure BDA0003192583120000033
的服务器得到任务k，当
Figure BDA0003192583120000034
取值不唯一时令
Figure BDA0003192583120000035
取其中最小的值；
S5：获得任务的服务器
Figure BDA0003192583120000036
不允许继续参加本次拍卖后续任务交易，对于任意i∈N\{k}将
Figure BDA0003192583120000037
从Qi中移除；
S6：任务k不再参加本次拍卖的后续交易，将k从N中移除；
S7：判断N是否为空集，若是，则本次拍卖结束，所有未成交的任务流拍，进入下次拍卖流程；若否，则转置执行S2。
所述成交规则2的具体过程如下：
S1：选择集合N中有效报价数量最小的任务进行交易，记
Figure BDA0003192583120000038
当m的取值不唯一时在其中随机选择m的值；
S2：判断任务m的有效报价数量|Qm|是否大于零，若是，则任务m成交，执行S3；若否，则任务m在本次拍卖无法成交，执行S5；
S3：编号为
Figure BDA0003192583120000039
的服务器得到任务m，当
Figure BDA00031925831200000310
取值不唯一时令
Figure BDA00031925831200000311
取其中最小的值；
S4：获得任务的服务器
Figure BDA00031925831200000312
不允许继续参加本轮后续任务交易，对于任意i∈N\{m}将
Figure BDA00031925831200000313
从Qi中移除；
S5：任务m不再参加本次拍卖的后续交易，将m从N中移除；
S6：判断N是否为空集，若是，则本次拍卖结束，所有未成交的任务流拍，进入下次拍卖流程；若否，则转置执行S1。
采用上述技术方案所产生的有益效果在于：
1、本发明提供的方法以提升边缘计算任务调度问题的决策效率，提高边缘服务器的计算资源利用率，更好地实现服务器的负载均衡。
2、本发明提供的方法采用了分布式调度的方法，给出可直接计算的出价规则与成交规则，避免了集中式调度求解可行解的复杂性，减少了调度决策过程的时间。
3、本发明提供的方法给出的出价规则为基于任务与服务器匹配程度的函数，恰当地表示了服务器对于任务的匹配程度；提供了两种成交规则，从不同角度将任务与服务器建立合适的匹配关系，提高了服务器的资源利用率，同时避免了计算能力强的服务器任务过多的情况。
附图说明
图1为本发明实施例中提供的边缘侧计算资源拍卖式优化方法的流程图；
图2为本发明实施例中成交规则1的具体流程图；
图3为本发明实施例中成交规则2的具体流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，本实施例中边缘侧计算资源拍卖式优化方法如下所述：
步骤1：设置任务收集时间Δt，Δt时间内提出的边缘计算任务在Δt结束时统一进行拍卖调度；
本实施例中，设初始基准时刻为8:00:00，取Δt为3s。
步骤2：记录本次拍卖的开始时刻W；不用考虑整个拍卖过程所花费的时间，在距离初始时刻或上次拍卖开始时刻Δt时间后进行本次拍卖。
本实施例中，第一次拍卖的开始时刻为8:00:03。某工厂的某一生产线在8:00:03时有5台服务器可以提供计算服务，服务器编号依次为A～E。
步骤3：确定本次需要拍卖的所有任务，组成集合N，并获取集合N中所有任务的基本信息；所述集合N中所有任务的基本信息包括：任务i的数据量di、任务i的截止时刻Di、任务i需求的CPU处理速度Cfi、任务i需求的内存Mfi、任务i需求的硬盘容量Sfi以及任务i是否需要特定应用程序Ffi，i∈N。
本实施例中，生产线在8:00:00-8:00:03内产生了5个计算任务等待分配，任务编号依次为1～5，任务的基本信息包括：CPU处理速度，单位为MIPS；数据量，单位为M；内存容量，单位为M；硬盘容量，单位为M；截止时间；是否需要具备GPU。任务信息参数如表1所示。
表1任务参数设置
Figure BDA0003192583120000051
步骤4：确定本次拍卖中所有可用的边缘服务器，组成集合M，并获取集合M中所有边缘服务器的基本信息；所述集合M中所有边缘服务器的基本信息包括：服务器j的CPU处理速度CFj、服务器j内存MFj、服务器j的硬盘容量SFj以及服务器j是否具备某种应用程序FFj，j∈M。
本实施例中，服务器的信息包括：CPU剩余处理速度，单位为MIPS；内存，单位为M；硬盘容量，单位为G；是否具备GPU功能。GPU用来表示是否需要具备特定功能，用0-1变量来表示。各服务器的基本信息见表2。
表2服务器参数设置
Figure BDA0003192583120000052
进一步的，所述服务器同时只能处理一个任务且服务器的数量不少于任务的数量。
步骤5：确定每个服务器对每个任务的出价，并确定每个任务的有效报价数量；
所述服务器对任务的出价公式为：
Figure BDA0003192583120000053
其中，pij为服务器j对任务i的出价，α，β和γ分别为基本信息中计算任务需求的CPU处理速度、内存与硬盘容量的权重值，且α+β+γ＝1。
所述每个任务的有效报价数量的计算过程为：
记Qi＝{j|pij＞0，j∈M}，即Qi中的元素为对任务i有效报价的服务器编号；
则|Qi|表示Qi的元素个数，即为任务i的有效报价数量。
本实施例中，设定服务器出价公式中的CPU处理速度的权重系数为0.5，内存容量的权重系数为0.4，硬盘容量的权重系数为0.1。由表1与表2的参数可以计算出每个服务器对每个任务的出价，结果如表3所示。
表3服务器对任务的出价
Figure BDA0003192583120000061
步骤6：按照成交规则对所有任务N进行排序，以此顺序依次进行任务的出清。
所述成交规则分为下述两种：
成交规则1：根据任务的截止时刻、任务本身的数据量以及本次拍卖的开始时刻计算待交易任务的价值，并根据任务价值的大小安排成交顺序，以服务器对任务的出价大小为依据，在任务的有效报价集合中确定出价最大的为得到任务的服务器；
成交规则2：根据任务的有效报价数量的大小安排成交顺序，以服务器对任务的出价大小为依据，在任务的有效报价集合中确定出价最大的为得到任务的服务器。
所述成交规则1的流程图如图2所示，具体过程如下：
S1：根据任务的截止时刻、任务本身的数据量以及本次拍卖的开始时刻计算待交易任务的价值vi，任务i∈N的价值函数定义为：
Figure BDA0003192583120000062
S2：选择集合N中价值最大的任务进行交易，记
Figure BDA0003192583120000063
当k的取值不唯一时在其中随机选择k的值；
S3：判断任务k的有效报价数量|Qk|是否大于零，若是，则任务k成交，执行S4；若否，则任务k在本次拍卖无法成交，执行S6；
S4：编号为
Figure BDA0003192583120000064
的服务器得到任务k，当
Figure BDA0003192583120000065
取值不唯一时令
Figure BDA0003192583120000066
取其中最小的值；
S5：获得任务的服务器
Figure BDA0003192583120000067
不允许继续参加本次拍卖后续任务交易，对于任意i∈N\{k}将
Figure BDA0003192583120000068
从Qi中移除；
S6：任务k不再参加本次拍卖的后续交易，将k从N中移除；
S7：判断N是否为空集，若是，则本次拍卖结束，所有未成交的任务流拍，进入下次拍卖流程；若否，则转置执行S2。
本实施例中，由表1中的参数可计算得到各个任务的价值，结合表3得到采用成交规则1时，各个任务的交易顺序为2，1，3，5，4，可得任务具体交易过程如下：
(1)任务2，服务器D竞拍成功。
(2)任务1，服务器B竞拍成功。
(3)任务3，服务器A竞拍成功。
(5)任务5，服务器C竞拍成功。
(4)任务4，服务器E竞拍成功。
拍卖结果如表4所示。
表4采用成交规则1的拍卖结果
Figure BDA0003192583120000071
注：任务编号从上到下按照交易顺序排列。
无任务进入下轮拍卖，所有任务均能匹配到适合的服务器。
所述成交规则2的流程图如图3所示，具体过程如下：
S1：选择集合N中有效报价数量最小的任务进行交易，记
Figure BDA0003192583120000072
当m的取值不唯一时在其中随机选择m的值；
S2：判断任务m的有效报价数量|Qm|是否大于零，若是，则任务m成交，执行S3；若否，则任务m在本次拍卖无法成交，执行S5；
S3：编号为
Figure BDA0003192583120000073
的服务器得到任务m，当
Figure BDA0003192583120000074
取值不唯一时令
Figure BDA0003192583120000075
取其中最小的值；
S4：获得任务的服务器
Figure BDA0003192583120000076
不允许继续参加本轮后续任务交易，对于任意i∈N\{m}将
Figure BDA0003192583120000077
从Qi中移除；
S5：任务m不再参加本次拍卖的后续交易，将m从N中移除；
S6：判断N是否为空集，若是，则本次拍卖结束，所有未成交的任务流拍，进入下次拍卖流程；若否，则转置执行S1。
本实施例中，由表1与表3可得采用成交规则2时，各个任务的交易顺序为3,1,2,5,4，结合表3可得任务具体交易过程如下：
(1)任务3，服务器A竞拍成功。
(2)任务1，服务器B竞拍成功。
(3)任务2，服务器D竞拍成功。
(5)任务5，服务器C竞拍成功。
(4)任务4，服务器E竞拍成功。
拍卖结果如表5所示。
表5采用成交规则2的拍卖结果
Figure BDA0003192583120000081
注：任务编号从上到下按照交易顺序排列。
无任务进入下轮拍卖，所有任务均能匹配到适合的服务器。

Claims (9)

1.一种边缘侧计算资源拍卖式优化方法，其特征在于，包括如下步骤：
步骤1：设置任务收集时间Δt，Δt时间内提出的边缘计算任务在Δt结束时统一进行拍卖调度；
步骤2：记录本次拍卖的开始时刻W；
步骤3：确定本次需要拍卖的所有任务，组成集合N，并获取集合N中所有任务的基本信息；
步骤4：确定本次拍卖中所有可用的边缘服务器，组成集合M，并获取集合M中所有边缘服务器的基本信息；
步骤5：确定每个服务器对每个任务的出价，并确定每个任务的有效报价数量；
步骤6：按照成交规则对所有任务N进行排序，以此顺序依次进行任务的出清。
2.根据权利要求1所述的边缘侧计算资源拍卖式优化方法，其特征在于，所述集合N中所有任务的基本信息包括：任务i的数据量di、任务i的截止时刻Di、任务i需求的CPU处理速度Cfi、任务i需求的内存Mfi、任务i需求的硬盘容量Sfi以及任务i是否需要特定应用程序Ffi，i∈N。
3.根据权利要求1所述的边缘侧计算资源拍卖式优化方法，其特征在于，所述集合M中所有边缘服务器的基本信息包括：服务器j的CPU处理速度CFj、服务器j内存MFj、服务器j的硬盘容量SFj以及服务器j是否具备某种应用程序FFj，j∈M。
4.根据权利要求1所述的边缘侧计算资源拍卖式优化方法，其特征在于，所述服务器同时只能处理一个任务且服务器的数量不少于任务的数量。
5.根据权利要求1所述的边缘侧计算资源拍卖式优化方法，其特征在于，所述步骤5中服务器对任务的出价公式为：
Figure FDA0003192583110000011
其中，pij为服务器j对任务i的出价，α，β和γ分别为基本信息中计算任务需求的CPU处理速度、内存与硬盘容量的权重值，且a+β+γ＝1。
6.根据权利要求1所述的边缘侧计算资源拍卖式优化方法，其特征在于，所述步骤5中每个任务的有效报价数量的计算过程为：
记Qi＝{j|pij＞0，j∈M}，即Qi中的元素为对任务i有效报价的服务器编号；
则|Qi|表示Qi的元素个数，即为任务i的有效报价数量。
7.根据权利要求1所述的边缘侧计算资源拍卖式优化方法，其特征在于，所述成交规则选择下述两种中的一种进行使用：
成交规则1：根据任务的截止时刻、任务本身的数据量以及本次拍卖的开始时刻计算待交易任务的价值，并根据任务价值的大小安排成交顺序，以服务器对任务的出价大小为依据，在任务的有效报价集合中确定出价最大的为得到任务的服务器；
成交规则2：根据任务的有效报价数量的大小安排成交顺序，以服务器对任务的出价大小为依据，在任务的有效报价集合中确定出价最大的为得到任务的服务器。
8.根据权利要求7所述的边缘侧计算资源拍卖式优化方法，其特征在于，所述成交规则1的具体过程如下：
S1：根据任务的截止时刻、任务本身的数据量以及本次拍卖的开始时刻计算待交易任务的价值vi，任务i∈N的价值函数定义为：
Figure FDA0003192583110000021
S2：选择集合N中价值最大的任务进行交易，记
Figure FDA0003192583110000022
当k的取值不唯一时在其中随机选择k的值；
S3：判断任务k的有效报价数量|Qk|是否大于零，若是，则任务k成交，执行S4；若否，则任务k在本次拍卖无法成交，执行S6；
S4：编号为
Figure FDA0003192583110000023
的服务器得到任务k，当
Figure FDA0003192583110000024
取值不唯一时令
Figure FDA0003192583110000025
取其中最小的值；
S5：获得任务的服务器
Figure FDA0003192583110000026
不允许继续参加本次拍卖后续任务交易，对于任意i∈N\{k}将
Figure FDA0003192583110000027
从Qi中移除；
S6：任务k不再参加本次拍卖的后续交易，将k从N中移除；
S7：判断N是否为空集，若是，则本次拍卖结束，所有未成交的任务流拍，进入下次拍卖流程；若否，则转置执行S2。
9.根据权利要求7所述的边缘侧计算资源拍卖式优化方法，其特征在于，所述成交规则2的具体过程如下：
S1：选择集合N中有效报价数量最小的任务进行交易，记
Figure FDA0003192583110000031
当m的取值不唯一时在其中随机选择m的值；
S2：判断任务m的有效报价数量|Qm|是否大于零，若是，则任务m成交，执行S3；若否，则任务m在本次拍卖无法成交，执行S5；
S3：编号为
Figure FDA0003192583110000032
的服务器得到任务m，当
Figure FDA0003192583110000033
取值不唯一时令
Figure FDA0003192583110000034
取其中最小的值；
S4：获得任务的服务器
Figure FDA0003192583110000035
不允许继续参加本轮后续任务交易，对于任意i∈N\{m}将
Figure FDA0003192583110000036
从Qi中移除；
S5：任务m不再参加本次拍卖的后续交易，将m从N中移除；
S6：判断N是否为空集，若是，则本次拍卖结束，所有未成交的任务流拍，进入下次拍卖流程；若否，则转置执行S1。
CN202110882521.4A 2021-08-02 2021-08-02 边缘侧计算资源拍卖式优化方法 Active CN113535408B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110882521.4A CN113535408B (zh) 2021-08-02 2021-08-02 边缘侧计算资源拍卖式优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110882521.4A CN113535408B (zh) 2021-08-02 2021-08-02 边缘侧计算资源拍卖式优化方法

Publications (2)

Publication Number Publication Date
CN113535408A true CN113535408A (zh) 2021-10-22
CN113535408B CN113535408B (zh) 2023-10-20

Family

ID=78090164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110882521.4A Active CN113535408B (zh) 2021-08-02 2021-08-02 边缘侧计算资源拍卖式优化方法

Country Status (1)

Country Link
CN (1) CN113535408B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114047971A (zh) * 2021-11-09 2022-02-15 北京中电飞华通信有限公司 边缘计算资源分配方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150242947A1 (en) * 2015-05-10 2015-08-27 Kalyn A. Wilson Electronic auction for optimizing an event ticket sales parameter
CN108335182A (zh) * 2018-01-12 2018-07-27 武汉理工大学 一种基于双边拍卖机制的云平台Web服务交易系统及方法
CN109714797A (zh) * 2019-02-18 2019-05-03 南京邮电大学 一种基于拍卖理论的移动边缘网络资源分配方法
CN110012508A (zh) * 2019-04-10 2019-07-12 中南大学 一种面向超密集网络的边缘计算的资源分配方法及系统
CN110276670A (zh) * 2019-05-16 2019-09-24 广东工业大学 一种基于任务迁移的计算资源分配方法
CN110322149A (zh) * 2019-07-05 2019-10-11 东北大学 时间银行中基于多指标评价的一对多双边匹配方法
CN110544147A (zh) * 2019-08-05 2019-12-06 西北工业大学 一种mec中基于双向拍卖的多任务跨服务器资源分配方法
US20200007414A1 (en) * 2019-09-13 2020-01-02 Intel Corporation Multi-access edge computing (mec) service contract formation and workload execution
CN111026547A (zh) * 2019-11-28 2020-04-17 云南大学 基于拍卖机制的边缘计算服务器资源分配方法
CN112463371A (zh) * 2020-11-23 2021-03-09 南京邮电大学 一种面向异构移动边缘云的合作任务卸载拍卖方法
CN112948116A (zh) * 2021-03-05 2021-06-11 电子科技大学 一种基于在线激励的边缘计算合作计算资源分配方法
CN113077327A (zh) * 2021-04-09 2021-07-06 东华大学 一种去中心化群智感知系统中的分布式最优拍卖方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150242947A1 (en) * 2015-05-10 2015-08-27 Kalyn A. Wilson Electronic auction for optimizing an event ticket sales parameter
CN108335182A (zh) * 2018-01-12 2018-07-27 武汉理工大学 一种基于双边拍卖机制的云平台Web服务交易系统及方法
CN109714797A (zh) * 2019-02-18 2019-05-03 南京邮电大学 一种基于拍卖理论的移动边缘网络资源分配方法
CN110012508A (zh) * 2019-04-10 2019-07-12 中南大学 一种面向超密集网络的边缘计算的资源分配方法及系统
CN110276670A (zh) * 2019-05-16 2019-09-24 广东工业大学 一种基于任务迁移的计算资源分配方法
CN110322149A (zh) * 2019-07-05 2019-10-11 东北大学 时间银行中基于多指标评价的一对多双边匹配方法
CN110544147A (zh) * 2019-08-05 2019-12-06 西北工业大学 一种mec中基于双向拍卖的多任务跨服务器资源分配方法
US20200007414A1 (en) * 2019-09-13 2020-01-02 Intel Corporation Multi-access edge computing (mec) service contract formation and workload execution
CN111026547A (zh) * 2019-11-28 2020-04-17 云南大学 基于拍卖机制的边缘计算服务器资源分配方法
CN112463371A (zh) * 2020-11-23 2021-03-09 南京邮电大学 一种面向异构移动边缘云的合作任务卸载拍卖方法
CN112948116A (zh) * 2021-03-05 2021-06-11 电子科技大学 一种基于在线激励的边缘计算合作计算资源分配方法
CN113077327A (zh) * 2021-04-09 2021-07-06 东华大学 一种去中心化群智感知系统中的分布式最优拍卖方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANLIN YUE: ""A Double Auction-Based Approach for Multi-User Resource Allocation in Mobile Edge Computing"", 《2018 14TH INTERNATIONAL WIRELESS COMMUNICATIONS & MOBILE COMPUTING CONFERENCE (IWCMC)》 *
张智浩: ""基于拍卖算法的边缘计算资源分配策略研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114047971A (zh) * 2021-11-09 2022-02-15 北京中电飞华通信有限公司 边缘计算资源分配方法及装置
CN114047971B (zh) * 2021-11-09 2023-12-08 北京中电飞华通信有限公司 边缘计算资源分配方法及装置

Also Published As

Publication number Publication date
CN113535408B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
CN105721565B (zh) 基于博弈的云计算资源分配方法和系统
CN109714797B (zh) 一种基于拍卖理论的移动边缘网络资源分配方法
CN109039954B (zh) 多租户容器云平台虚拟计算资源自适应调度方法及系统
CN111026547B (zh) 基于拍卖机制的边缘计算服务器资源分配方法
CN106817401B (zh) 一种云环境中的资源配置方法
Wang et al. A reverse auction based allocation mechanism in the cloud computing environment
CN110111189B (zh) 基于双边拍卖的在线组合资源分配与支付方法
CN110505165B (zh) 一种基于双向拍卖机制的边缘计算任务卸载方法及装置
CN109040193B (zh) 基于无依赖子任务的移动设备云资源分配方法
Pourebrahimi et al. Market-based resource allocation in grids
Yi et al. Flexible instance: Meeting deadlines of delay tolerant jobs in the cloud with dynamic pricing
Zhao et al. Online procurement auctions for resource pooling in client-assisted cloud storage systems
CN110830390A (zh) 一种QoS驱动的移动边缘网络资源分配方法
CN105450707B (zh) 一种云媒体资源的分配方法及系统
CN113535408A (zh) 边缘侧计算资源拍卖式优化方法
CN113301158B (zh) 一种移动边缘计算环境下基于拍卖理论的资源分配方法
Vinothiyalakshmi et al. Efficient dynamic resource provisioning based on credibility in cloud computing
Lan et al. Multi-unit continuous double auction based resource allocation method
Zheng et al. An online mechanism for purchasing IaaS instances and scheduling pleasingly parallel jobs in cloud computing environments
CN112463371B (zh) 一种面向异构移动边缘云的合作任务卸载拍卖方法
Mao et al. Priority combinatorial double auction based resource allocation in the cloud
CN109559024B (zh) 一种面向电力系统无服务器架构下的资源动态调度方法
CN109040206B (zh) 一种基于移动设备云的计算资源长期分配方法
Farajian et al. Parallel Continuous Double Auction for Service Allocation in Cloud Computing
Zhao et al. Hypergraph-based task-bundle scheduling towards efficiency and fairness in heterogeneous distributed systems

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