CN113613261A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113613261A CN113613261A CN202110969300.0A CN202110969300A CN113613261A CN 113613261 A CN113613261 A CN 113613261A CN 202110969300 A CN202110969300 A CN 202110969300A CN 113613261 A CN113613261 A CN 113613261A
- Authority
- CN
- China
- Prior art keywords
- edge
- edge server
- cost
- server
- queue
- 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
-
- 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
- H04W28/09—Management thereof
- H04W28/0925—Management thereof using policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Multi Processors (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种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,该方法基于边缘服务器之间的合作队列博弈,包括建立边缘服务器网络平台,以每个边缘服务器在最小化其期望成本时达到均衡为目标,将移动用户的计算密集型任务被动态地集中卸载到与其关联的边缘服务器上,随后每个边缘服务器可以决定是否参与边缘服务器协作来实现负载的再分配。本发明构建了一种联合优化来确定边缘服务器所承担的负载、向其他边缘服务器收取的补偿代价、转移不想处理的任务的意愿以及采用的计算速度。
Description
技术领域
本发明属于网络资源管理技术,具体涉及边缘计算网络中的计算任务的卸载,尤其涉及一种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。
背景技术
边缘计算在支持移动用户运行虚拟现实、交互性娱乐、群智感知等计算密集、低延迟的工业互联网方面具有良好的发展前景。不同于传统的云计算技术将公共云服务器设置在离移动用户较远的地方且需要通过广域网连接,边缘计算可以利用分布广泛的无线接入点进行计算。所以当移动用户的计算负担较大时,边缘计算可以提供灵活便捷的计算服务。尽管边缘计算可以提升计算和通信的效率,它也有内在的局限性。由于部署成本较高,边缘服务器的计算资源不能和云服务器一样丰富,并且它的通信范围会受到当地的无线设施的影响。所以,为了更好地利用边缘计算的优势、促进它的应用,应该实施相应的资源管理。边缘计算仍存在着一些关键的问题待解决,特别是在多服务器资源管理方面尚存在许多不足。需要克服的问题有以下几点:
1)由于关联移动用户的密度、忙碌-空闲周期和应用需求的差异,不同的边缘服务器之间的计算负载可能会很不平衡。一方面,大负载下的边缘服务器的服务质量会降低,而另一方面,轻负载下的边缘服务器资源利用不充分。
2)在实际应用中,边缘服务器往往会被各方调用,并且它们的配置各不相同。例如,边缘缓存服务器被网页内容提供者用来加快客户机的网页浏览速度,而边缘计算驱动的路边系统往往是为了智能交通开发的。所以,同一个计算任务在不同的服务器上执行所需的代价可能不同。因此,边缘服务器更愿意去处理那些与它们自身配置相符的任务,将那些“高难度”的任务转移给其他更合适的服务器。
3)在物联网的应用,如医疗监护和自动驾驶中,移动用户的计算任务在一段时间内会被随机地集中卸载到边缘服务器上。这就要求理想的计算资源管理应该保证长期的性能表现。
值得注意的是,只有当集中服务器的资源是有益的并且每个服务器都能从中获利,服务器之间的协作实际才有效。
然而,如果考虑到上述所有的因素,边缘计算的边缘端管理问题将会遇到一定的困难,原因如下:
a.由于边缘服务器可能位于分散在各地的无线接入点,并与不同的订阅用户关联,它们的协作需要多重计算的联合优化以及多种通信服务系统,很难被数学描述;
b.边缘服务器的行为可能受更高级别的智能设备限制和影响。考虑到将服务器联合起来以便任务交换可能会提高收益或降低单个边缘服务器的能量消耗,为了提供有效的激励,对于多服务器之间的相互影响(包括竞争和合作)必须进行准确的分析。这将会导致一个有着多维度策略的复杂博弈。
c.为了更好地描述在任务处理过程中网络动态和相应边缘计算系统的服务质量之间的关系,我们需要一个任务层次队列模型。另外,边缘服务器的表现显然不仅决定于它们的负载分配策略,还受到它产生的队列影响。所以我们需要一个结合了队列博弈的优化队列,这让问题变得更加复杂。
发明内容
发明目的:针对上述现有技术中存在的边缘服务器的计算资源利用、资源优化不足问题,本发明提供面向多服务器协作的边缘计算网络中工作负载再分配方法。
技术方案:一种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,所述方法基于列队博弈,面向多边缘服务器协作,以每个边缘服务器的最小化期望成本达到均衡,边缘计算网络中的总体成本最小为目标,基于列队博弈,将每个边缘服务器的计算任务在协作的边缘服务器之间进行任务卸载分配;
所述方法包括如下步骤:
(1)组建边缘服务器联合群组以构成边缘计算网络,根据边缘计算网络建立边缘服务器工作负载再分配模型;
(3)基于每个边缘服务器长期的期望成本Ck最小化函数,构建初始的队列博弈,初始的队列博弈的表达式如下:
其中rk表示任务再分配比率,πk表示分担任务时向其他服务器收取的单价,ηk表示边缘服务器转移负载的意愿;
根据上式将边缘服务器联合群组之间的工作负载的卸载再分配问题转化为合作队列博弈求解问题;
(5)基于合作队列博弈,构建边缘计算网络的成本最小化函数,基于合作队列博弈的边缘计算网络的最优负载再分配问题的函数表示如下:
式中,rij表示移动用户从与其关联的边缘服务器转移到边缘服务器的工作量的比率,πk为一单价,用来表示边缘服务器分享计算资源导致的成本,ηi表示关联移动用户的任务带给边缘服务器的压力,即将不合适的任务转移给其他服务器的意愿;
进一步的,步骤(1)中每个边缘服务器与需要运行计算密集型应用的移动用户关联,边缘服务器部署在边缘计算网络的无线接入点上。
步骤(1)边缘计算网络中,移动用户将计算任务卸载到关联边缘服务器上的动态过程视为泊松过程,平均任务到达率为λi;
边缘服务器将工作负载进行分配后的负载总和表示为:
进一步的,步骤(2)中,边缘计算网络中每个边缘服务器长期的期望成本Ck和效用的数学表达是分别表示如下:
边缘服务器参与工作负载再分配的成本表达式为:
其中,μk表示边缘服务器k的常规计算速度,ξk>0和αk≥2是功耗模型的定标参数,设定允许每个边缘服务器确定一单价πk≥0来边缘服务器分享计算资源导致的成本,φi,j≥0表示单位传送成本,ηi≥0来描述关联用户的任务带给边缘服务器的压力。
上述,所述方法的步骤中综合考虑如下三种策略因素:
b)边缘服务器k在任务处理中向其他边缘服务器收取的单价πj;
更进一步的,步骤(5)所述的最优负载再分配问题对应的特征函数的最优解为边缘服务器集合中的边缘服务器的最优负载再分配决策表示为其中ri,k表示从移动用户i到边缘服务器k的负载再分配比率,λi表示移动用户i上的计算任务到达率。
有益效果:与现有技术相比,本发明实质性的进步和显著的效果如下:
1)基于队列博弈的管理架构,应用于多服务器的边缘计算网络,使其对于每个边缘服务器都能够产生长期的最优负载分配决策,最终实现边缘服务器定价策略、合作意愿及计算速度控制方面的平衡;
2)本发明综合考虑了移动用户计算任务卸载到关联边缘服务器上的影响因素,包括对于随机到达的任务,根据所承担的工作负载、任务转移需要付出或收取的补偿费用、转移不想处理的任务的意愿以及采用的计算速度,每个边缘服务器可以决定是否参与服务器协作;
3)本发明所述方法可实现基于队列博弈对边缘计算网络的任务层次管理进行建模,形成一个有着多维策略的博弈系统,其中每个边缘服务器都是一个以降低预期代价为目标的局中人,通过分析所研究问题的特性,采用合作队列博弈方法进行等价问题转化,由凸优化、核心成本分担方案和映射规则构成,实现边缘服务器资源有效利用。
附图说明
图1是本发明所述方法所构建的边缘服务器群组结构示意图;
图2所示是实施例中某区域边缘服务器计算网络的服务拓扑图;
图3是实施例中边缘服务器k的负载重分配比例图。
具体实施方式
为了详细的说明本发明所公开的技术方案,下面结合说明书附图及具体实施例做进一步的阐述。
针对云服务计算成本过高和现有的边缘服务器无法有效的利用自身和周边服务器的处理计算任务的优势,导致边缘服务器在卸载计算工作负载再分配中作用无法发挥最大化,其服务器本身也无法实现最优化的问题,本发明提供一种面向多服务器协作的边缘计算网络中工作负载再分配方法,该方法基于边缘服务器之间的合作队列博弈,包括建立边缘服务器网络平台,以每个服务器在最小化其期望成本时达到均衡为目标,将移动用户的计算密集型任务被动态地集中卸载到与其关联的边缘服务器上,随后每个服务器可以决定是否参与服务器协作来实现负载的再分配。
在本发明所述的方法中,该方法是基于合作队列博弈实现面向多服务器协作的边缘计算网络工作负载再分配。与现有技术及边缘服务器计算工作不同的是,该方法同时考虑了分享计算资源时服务器之间的竞争与合作。为了让每个服务器在最小化它的期望成本时达到均衡,本发明所述方法包括构建一种联合优化的方案来综合确定服务器所承担的负载、向其他服务器收取的补偿代价、转移不想处理的任务的意愿以及采用的计算速度。为了解决这个问题,本发明建立一种新的合作队列博弈方法,使其结合了凸优化、“核心”成本分担方案和映射规则。
本发明所述方法最初考虑在为每个服务器都设置一个固定的计算速度,然后再扩展到根据整体情况作出相应的计算速度调整。在上述的技术方案内容和本领域技术人员应熟知的现有技术的基础上,更进一步的,结合图1,下面详细阐述本发明所述的方法实施过程如下。
步骤1:组建边缘服务器联合群组,构建该系统的函数模型。
该步骤将面向多服务器协作的边缘计算网络工作中的负载再分配方法所解决的实际问题数学化分析。
根据实际的应用场景和边缘服务器的布置,将不同的边缘服务器组成建立边缘服务器的联合群组,该边缘服务器群组包括交通系统计算服务、网页浏览、导航路径规划等在内的用于处理不同类型计算任务的边缘服务器。用集合表示,集合的基数
在集合中,每个边缘服务器都被部署在一个无线接入点上,并且与集合中的需要运行计算密集型应用的移动用户相关联。所有关联的移动用户都可以将它们需要计算资源的任务卸载,从而减轻计算负担。其中集合表示与边缘服务器k关联的所有移动用户。
对于每个边缘服务器本发明将与其关联的移动用户的计算任务的动态到达近似为泊松过程,平均任务到达率为λi。因此每个边缘服务器的负载总和为经过负载再分配后的负载总和为其中,ri,j∈[0,1]代表移动用户从与其关联的边缘服务器转移到边缘服务器的工作量的比率。当j=k时,rk表示仍在原边缘服务器 上的负载比率。
其中,μk表示边缘服务器k的常规计算速度,ξk>0和αk≥2是功耗模型的定标参数。
进一步的,在进行负载再分配时需要建立通信线路。因此,传送成本也要被考虑在内。它不仅与负载量有关,还与通信质量有关,表示如下:
其中φi,j≥0表示单位传送成本。
另外,减轻处理“困难”任务的压力也是边缘服务器参与负载再分配的动力之一。用ηi≥0来描述关联用户的任务带给边缘服务器的压力。在负载再分配后,因为配置不合适而处理这些剩下的任务所带来的成本可以表示为:
将以上表达式代入总的期望成本,可得:
有了最小化成本函数Ck的目标,每个边缘服务器可以做出相应的决策,包括如下几点:
b)边缘服务器k在任务处理中向其他边缘服务器收取的单价πj;
πk≥0,
在队列调度框架中,考虑到每个边缘服务器都要遵循一个服务等级协议,并且要满足一个稳定性约束:
Λk<μk.
上式中:ζk表示边缘服务器k所遵循的服务等级协议,μk表示边缘服务器k的常规计算速度。
步骤2:问题转化。
构建边缘计算网络的成本函数,且计算每个边缘服务器的工作成本和边缘服务器联合群组的工作成本总和,所述工作成本包括处理成本、定价成本、通信成本和剩余工作量成本。
该步骤处理的是个体优化问题(IOP)。并且由于协作的边缘服务器之间的内在联系,该问题不能再每个边缘服务器上独立地解决。因此,所有集合中的边缘服务器必须在考虑到负载再分配过程中的竞争以及队列系统管理中复杂的平衡的基础之上作出决策。基于此,该问题可以被当作一个服务器协作的队列博弈,即构建了一个初始的队列博弈,其表达式如下:
其中集合中的边缘服务器作为局中人;表示的联合策略集合;Ck是边缘服务器k的关于rk,πk,ηk的成本函数,为其他所有的服务器提供策略。然而,想要直接求解这个问题比较困难,因为每个个体都有多维策略,并且它们之间的关系不明确。接下来将分析队列博弈的内在特征和均衡的性质,并提出一种创新的合作队列博弈方法来求解这个问题。
步骤3:通过合作队列博弈方法求解
为了进一步的以服务器之间的合作队列博弈来解决上述问题,首先确定它们的最优负载再分配,再设计一种成本分担方案作为核心。
根据合作博弈理论的惯例,定义为特征函数来描述一个边缘服务器集合在负载再分配中取得的最小系统成本,为一个成本分担方案,其中ψk是边缘服务器k所承担的成本比率。如果则这个成本分担方案是有效的,且当时,它建立的大联合是稳定的。有了特征函数f,可以定义同时满足效率和稳定性的的成本分担方案作为核心:
显然,当ψ作为核心时,总的系统成本可以完全的被大联合中的所有边缘服务器分担,并且不会有任何边缘服务器形成更小的联合,因为这么做机会导致一个更高的系统成本。可以证明,本发明提出的方法也属于这一类问题,因而有
接下来,考虑一个系统范围内的成本最小化函数,并附加所有的相关的限制条件。最终可以构建一个在合作队列博弈系统下的最优负载再分配问题(WRP):
可以证明,WRP问题总是有唯一最优解。
如图2所示,我们考虑一个在1000*1000的地理区域内的多服务器边缘计算系统。共有N=32个边缘服务器被部署在低功率小基站中,它们各自位于一个六角网格的中心处。200个移动用户随机分布并且根据其所处的位置与不同的边缘服务器关联。
结合图3所示,检验了所述合作队列博弈的均衡性能,展示了不同的负载比率下的边缘服务器k的成本。从图3中的曲线趋势来看,我们可以看到随着负载比率的上升,边缘服务器k的成本下降后上升。这是由于更大的负载代表了更小的计算负担,从而导致了更低的处理成本和“压力”成本。然而,到达某一点后,定价和传送成本占据主导地位,因此边缘服务器的总成本增加。
Claims (6)
1.一种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,其特征在于:所述方法基于列队博弈,面向多边缘服务器协作,以每个边缘服务器的最小化期望成本达到均衡,边缘计算网络中的总体成本最小为目标,基于列队博弈,将每个边缘服务器的计算任务在协作的边缘服务器之间进行任务卸载分配;
所述方法包括如下步骤:
(1)组建边缘服务器联合群组以构成边缘计算网络,根据边缘计算网络建立边缘服务器工作负载再分配模型;
(3)基于每个边缘服务器长期的期望成本Ck最小化函数,构建初始的队列博弈,初始的队列博弈的表达式如下:
其中rk表示任务再分配比率,πk表示分担任务时向其他服务器收取的单价,ηk表示边缘服务器转移负载的意愿;
根据上式将边缘服务器联合群组之间的工作负载的卸载再分配问题转化为合作队列博弈求解问题;
(5)基于合作队列博弈,构建边缘计算网络的成本最小化函数,基于合作队列博弈的边缘计算网络的最优负载再分配问题的函数表示如下:
式中,ri,j表示移动用户从与其关联的边缘服务器转移到边缘服务器的工作量的比率,πk为一单价,用来表示边缘服务器分享计算资源导致的成本,ηi表示关联移动用户的任务带给边缘服务器的压力,即将不合适的任务转移给其他服务器的意愿;
2.根据权利要求1所述的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,其特征在于:步骤(1)中每个边缘服务器与需要运行计算密集型应用的移动用户关联,边缘服务器部署在边缘计算网络的无线接入点上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110969300.0A CN113613261B (zh) | 2021-08-23 | 2021-08-23 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110969300.0A CN113613261B (zh) | 2021-08-23 | 2021-08-23 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113613261A true CN113613261A (zh) | 2021-11-05 |
CN113613261B CN113613261B (zh) | 2022-07-01 |
Family
ID=78309182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110969300.0A Active CN113613261B (zh) | 2021-08-23 | 2021-08-23 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113613261B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363338A (zh) * | 2022-01-07 | 2022-04-15 | 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 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170257452A1 (en) * | 2016-03-02 | 2017-09-07 | Huawei Technologies Canada Co., Ltd. | Systems and methods for data caching in a communications network |
EP3457664A1 (en) * | 2017-09-14 | 2019-03-20 | Deutsche Telekom AG | Method and system for finding a next edge cloud for a mobile user |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110377353A (zh) * | 2019-05-21 | 2019-10-25 | 湖南大学 | 计算任务卸载系统与方法 |
CN111182495A (zh) * | 2019-12-25 | 2020-05-19 | 大连理工大学 | 一种5g车联网部分计算卸载方法 |
CN111401744A (zh) * | 2020-03-17 | 2020-07-10 | 重庆邮电大学 | 一种移动边缘计算中不确定性环境下的动态任务卸载方法 |
CN112888002A (zh) * | 2021-01-26 | 2021-06-01 | 重庆邮电大学 | 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 |
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 |
-
2021
- 2021-08-23 CN CN202110969300.0A patent/CN113613261B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170257452A1 (en) * | 2016-03-02 | 2017-09-07 | Huawei Technologies Canada Co., Ltd. | Systems and methods for data caching in a communications network |
EP3457664A1 (en) * | 2017-09-14 | 2019-03-20 | Deutsche Telekom AG | Method and system for finding a next edge cloud for a mobile user |
CN110062026A (zh) * | 2019-03-15 | 2019-07-26 | 重庆邮电大学 | 移动边缘计算网络中资源分配和计算卸载联合优化方案 |
CN110377353A (zh) * | 2019-05-21 | 2019-10-25 | 湖南大学 | 计算任务卸载系统与方法 |
CN111182495A (zh) * | 2019-12-25 | 2020-05-19 | 大连理工大学 | 一种5g车联网部分计算卸载方法 |
CN111401744A (zh) * | 2020-03-17 | 2020-07-10 | 重庆邮电大学 | 一种移动边缘计算中不确定性环境下的动态任务卸载方法 |
CN112888002A (zh) * | 2021-01-26 | 2021-06-01 | 重庆邮电大学 | 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 |
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 |
Non-Patent Citations (3)
Title |
---|
CHANGYAN YI: ""A Queueing Game Approach for Fog Computing with Strategic Computing Speed Control"", 《2019 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM)》, 27 February 2020 (2020-02-27) * |
张龙: ""Ad-hoc移动云环境下采取随机规划和买卖博弈的任务卸载方法"", 《电子与信息学报》, 8 April 2018 (2018-04-08) * |
黄丽湾: ""基于队列博弈的认知无线电网络信道定价与选择优化"", 《电子测量技术》, 15 May 2017 (2017-05-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363338A (zh) * | 2022-01-07 | 2022-04-15 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN113613261B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Edge cloud offloading algorithms: Issues, methods, and perspectives | |
Priya et al. | Resource scheduling algorithm with load balancing for cloud service provisioning | |
Penmatsa et al. | Game-theoretic static load balancing for distributed systems | |
Sun et al. | Contract-based resource sharing for time effective task scheduling in fog-cloud environment | |
CN105491138B (zh) | 一种基于负载率分级触发的分布式负载调度方法 | |
CN108170530B (zh) | 一种基于混合元启发式算法的Hadoop负载均衡任务调度方法 | |
Chhabra et al. | A probabilistic model for finding an optimal host framework and load distribution in cloud environment | |
Wang et al. | Dynamic tasks scheduling based on weighted bi-graph in mobile cloud computing | |
Zhang | Incorporating energy and load balance into virtual network embedding process | |
CN113992677A (zh) | 一种延迟与能耗联合优化的mec计算卸载方法 | |
Fan et al. | Game balanced multi-factor multicast routing in sensor grid networks | |
CN113613261B (zh) | 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 | |
Yao et al. | Cost-efficient tasks scheduling for smart grid communication network with edge computing system | |
Vera-Rivera et al. | Blockchain-based collaborative task offloading in MEC: A hyperledger fabric framework | |
Wang et al. | Joint service caching, resource allocation and computation offloading in three-tier cooperative mobile edge computing system | |
CN117493020A (zh) | 一种数据网格的计算资源调度实现方法 | |
CN110971707B (zh) | 一种在移动边缘网络中的分布式服务缓存方法 | |
CN113032146A (zh) | 一种面向多接入边缘计算环境的健壮性服务供应方法 | |
Melnik et al. | A workload distribution problem model and online constraint forming technique for the control systems in the fog-computing environment | |
Kadhim et al. | Hybrid load-balancing algorithm for distributed fog computing in internet of things environment | |
Kella et al. | VM Live Migration Algorithm Based on Stable Matching Model to Improve Energy Consumption and Quality of Service. | |
Xin et al. | Online node cooperation strategy design for hierarchical federated learning | |
Sterz et al. | Multi-stakeholder service placement via iterative bargaining with incomplete information | |
Wen et al. | Load balancing consideration of both transmission and process responding time for multi-task assignment | |
Zhu et al. | Load balancing algorithm for web server based on weighted minimal connections |
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 |