CN113641417A - 一种基于分支定界法的车辆安全任务卸载方法 - Google Patents
一种基于分支定界法的车辆安全任务卸载方法 Download PDFInfo
- Publication number
- CN113641417A CN113641417A CN202110724308.0A CN202110724308A CN113641417A CN 113641417 A CN113641417 A CN 113641417A CN 202110724308 A CN202110724308 A CN 202110724308A CN 113641417 A CN113641417 A CN 113641417A
- Authority
- CN
- China
- Prior art keywords
- task
- vehicle
- safety
- user
- branch
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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
-
- 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)
- 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
本发明公开了一种基于分支定界法的车辆安全任务卸载方法,应用在车辆自组织网络中。S1:获取车辆自组织网络的用户层的车辆用户集合,以及数据层中沿道路均匀分布的MEC服务器的集合,收集车辆用户安全消息任务;S2:根据车辆用户每个安全消息任务的最大时延容忍对安全消息任务进行排序,确定卸载的优先级顺序;S3:基于最优计算能力分配策略,以系统开销最小化为目标构建模型,利用分支定界法求解每个计算任务,确定任务卸载决策;S4:依据KKT条件,通过拉格朗日乘数法计算资源分配的最优解,通过该资源分配最优解完成车辆安全任务的卸载。本发明方法运用分支定界法解决得到最佳的卸载决策,可以降低安全消息的处理时延。
Description
技术领域
本发明涉及车联网通信技术领域,尤其涉及一种基于分支定界法的车辆安全任务卸载方法。
背景技术
随着智能交通行业的快速发展以及车辆用户的不断增加,道路上的交通安全问题日益突出,这对于车联网中的移动车辆终端的安全消息类服务提出更高的要求。为减少交通事故的发生,安全消息类业务例如防碰撞及时刹车、交通事故预警、违规行车等需要得到及时有效的处理,因此此类任务需要更低的时延。一方面,移动车辆终端自身的计算资源量有限,一旦任务量增加,本地计算将会耗费更多的时间等待,从而增加时延;另一方面,若全部卸载到云端,传输的时延又将大大增加。
发明内容
发明目的:针对以上问题,本发明提出一种基于分支定界法的车辆安全任务卸载方法,通过运用移动边缘计算,将一部分的任务卸载到MEC服务器进行计算;为实现任务的统一管理,利用SDN网络中将控制数据平面分开的特性,实现网络虚拟化和智能卸载。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种基于分支定界法的车辆安全任务卸载方法,包括以下步骤:
S1:获取车辆自组织网络的用户层的车辆用户集合,以及数据层中沿道路均匀分布的MEC服务器的集合,收集车辆用户安全消息任务;
S2:根据车辆用户每个安全消息任务的最大时延容忍对安全消息任务进行排序,确定卸载的优先级顺序;
S3:基于最优计算能力分配策略,以系统开销最小化为目标构建模型,利用分支定界法求解每个计算任务,确定任务卸载决策;
S4:依据KKT条件,通过拉格朗日乘数法计算资源分配的最优解,通过该资源分配最优解完成车辆安全任务的卸载。
进一步的,在S2中,根据车辆用户每个安全消息任务的最大时延容忍对安全消息任务进行排序,确定卸载的优先级顺序,具体为:
定义用户层的车辆用户集合为V={v1,v2,…vN},N为车辆用户数量;数据层中沿道路均匀分布的MEC服务器的集合为S={s1,s2,…sM},M为MEC服务器数量;
计算分类优先级的边界值η1、η2,公式如下:
计算完所有车辆用户安全消息任务优先级后,得到任务处理优先级数组comp。
进一步的,在S3中,基于最优计算能力分配策略,以系统开销最小化为目标构建模型,具体为:
系统的总开销Z计算公式如下:Z=λ1T+λ2E;
其中T为安全消息任务总时延,E为安全消息任务总耗能,λ1和λ2是延迟和能耗的权重,0≤λ1≤1,0≤λ2≤1,且λ1+λ2=1;
其中卸载决策变量anm∈{0,1}表示车辆用户n是选择本地计算还是边缘卸载,anm=1表示车辆用户的安全消息任务卸载到边缘进行计算,anm=0表示车辆用户的安全消息任务进行本地计算;为安全消息任务在本地计算的时延,为车辆用户vn的计算能力;为安全消息任务在边缘卸载的总时延,分别为任务的传输时延、消息任务分配给对应的边缘服务器的等待时间、计算时延;为安全消息任务在本地计算的能耗,fn为单位CPU内能耗功率;为车辆用户通过任务上传到MEC服务器的能耗,Pnm为车辆用户到边缘服务器bm的传输功率,为车辆用户的闲置功率;
以系统开销最小化为目标,建模目标函数如下:
其中A为卸载决策向量,表示为A={a1,a2,…aN},aN为用户vN的卸载决策变量;F为MEC服务器的计算资源分配向量,表示为F={f1,f2,…fN},fN为用户vN的资源分配系数;C1表示任务在本地以及MEC服务器处理时延要小于该任务最大时延容忍度;C2表示卸载决策是0-1选择的问题;C3表示车辆用户的任务只能选择在1个MEC服务器执行;C4表示分配给用户的计算资源大于0;C5表示若卸载到MEC服务器执行,所分配给车辆用户的总资源不超过该MEC服务器的最大值fnm为MEC服务器分配给车辆用户vn的计算资源,为安全消息任务在本地计算的时延最大值。
进一步的,设安全信息任务In分为M个子任务Inm,每个任务大小为dnm,放置在M服务器上;
其中dn为子任务总负载;tnm为Inm相关执行时间,θmn为服务器执行任务的效率;
子任务的开销Z=χnmdnm,其中χnm为功耗权重;
则子优化目标函数P1-1为:
使用分支定界法基于对目标函数P1-1的求解,获取目标函数P1的最优解。
进一步的,在S3中,利用分支定界法求解每个计算任务,具体为:
P1表示为子优化目标函数P1-2:
s.t.C1,C3
P1-1表示为子优化目标函数P1-3:
s.t.C6,C7,C8
定义Г为分支问题的集合,Z*是目标函数P1最优解,分支定界法求解每个计算任务,确定任务卸载决策,具体包括:
2)根据选择的分支,计算子问题下界,当两个分支问题的下限小于当前的最优值Z*时,则将其存储在集合Г中进行下一步的分支;如果找到新的可行解,并且可行解小于当前的最优值Z*时,则更新当前的最优解;如果下限大于当前的最优值Z*时,删除其中的存储分支。
s.t.C4,C5
依据KKT条件,通过拉格朗日乘数法得出P2最优解,计算资源分配的最优解,通过该资源分配最优解完成车辆安全任务的卸载。
有益效果:与现有技术相比,本发明的技术方案具有以下有益的技术效果:
本发明提出的一种基于分支定界法的车辆安全任务卸载方法,引入SDN对全局变量统一调度,采用拉格朗日乘数法公式化求解计算资源分配问题,任务卸载问题则以安全消息任务的最大容忍时延为优先级进行排序,运用分支定界法解决得到最佳的卸载决策,可以降低安全消息的处理时延。
附图说明
图1为本发明方法的流程示意图;
图2为本发明方法中实施例的系统模型示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1和图2所示,本发明所述的一种基于分支定界法的车辆安全任务卸载方法,应用于车辆自组织网络中,车辆自组织网络包括控制层、数据层和用户层;控制层由控制基站组成,主要是进行车联网中各类信息的采集,对于所收集到的信息任务进行统一资源分配;数据层由部署在移动车辆终端边缘的路边单元和MEC服务器构成,主要是对移动车辆终端卸载到此层的任务进行计算;用户层由移动车辆终端构成。
S1:获取车辆自组织网络的用户层的车辆用户集合,以及数据层中沿道路均匀分布的MEC服务器的集合,收集车辆用户安全消息任务。
定义用户层的车辆用户集合为V={v1,v2,…vN},N为车辆用户数量,可以将其任务转移到数据层进行计算;
数据层中沿道路均匀分布的MEC服务器的集合为S={s1,s2,…sM},M为MEC服务器数量;
控制层中主要通过SDN服务器来管理数据层中的所有车辆和RSU信息,通过存储和处理收集的车辆信息进行卸载决策;
S2:为了优先处理时延容忍度较低的安全消息以减少车辆用户交通事故的发生,根据车辆用户每个安全消息任务的最大时延容忍对安全消息任务进行排序,确定卸载的优先级顺序;具体为:
计算分类优先级的边界值η1、η2,公式如下:
计算完所有车辆用户安全消息任务优先级后,得到任务处理优先级数组comp。
S3:计算任务卸载问题,是一个0-1整数规划问题;基于最优计算能力分配策略,以系统开销最小化为目标构建模型,利用分支定界法求解每个计算任务,确定任务卸载决策。
系统的总开销Z计算公式如下:Z=λ1T+λ2E;
其中T为安全消息任务总时延,E为安全消息任务总耗能,λ1和λ2是延迟和能耗的权重,0≤λ1≤1,0≤λ2≤1,且λ1+λ2=1;车联网中任务种类繁多,有的任务对时延较为敏感,有的任务对能耗要求较高,针对不同类型的任务可以设定不同的权重值,对于时延较为敏感的业务,如本发明的车辆安全消息,则可以设置λ1>λ2,表示更多考虑的目标是最小化系统总时延,反之对于能耗要求较高的任务,则可设置λ1<λ2,表示更多考虑的目标是最小化系统总能耗;
考虑安全消息任务的两种计算卸载情况,一种是本地计算,另一种是边缘卸载,安全消息任务总时延T,安全消息任务总耗能E表示为:
其中卸载决策变量anm∈{0,1}表示车辆用户n是选择本地计算还是边缘卸载;为安全消息任务在本地计算的能耗,fn为单位CPU内能耗功率(对于本地计算,车辆终端在任务执行期间将会产生一定的能耗);为车辆用户通过任务上传到MEC服务器的能耗,为车辆用户的闲置功率;
anm=1表示车辆用户的安全消息任务卸载到边缘(路边的MEC服务器)进行计算,其时延由三部分组成:传输时延、等待时延、计算时延;为安全消息任务在边缘卸载的总时延,分别为任务的传输时延、消息任务分配给对应的边缘服务器的等待时间、计算时延;其中传输时延又分为任务数据上传的时间和结果回传的时间,通常情况下,MEC服务器将计算结果发送到车辆用户vn的时间可以忽略;rnm为数据上行传输速率,fnm为MEC服务器分配给车辆用户vn的计算资源,B为信道带宽,σ2为数据传输时高斯白噪声的功率谱密度,hnm为信道增益,Inm为车辆用户与边缘服务器之间的干扰功率,Pnm为车辆用户到边缘服务器bm的传输功率;
假设边缘节点在处理卸载到边缘的任务时采用M/M/s的排队模型,其中s表示在该车联网系统中所有MEC服务器的数量,ρnm为M/M/s系统的服务强度;
每一个MEC服务器计算能力大小为μm(m=1,2,...,s)的指数分布,移动车辆终端的安全消息任务的平均到达率为λn的泊松分布;
为了保持系统稳定性,ρnm必须小于或等于1,相应的平衡分布为
以系统开销最小化为目标,建模目标函数如下:
其中A为卸载决策向量,表示为A={a1,a2,…aN},aN为用户vN的卸载决策变量;F为MEC服务器的计算资源分配向量,表示为F={f1,f2,…fN},fN为用户vN的资源分配系数;C1表示任务在本地以及MEC服务器处理时延要小于该任务最大时延容忍度;C2表示卸载决策是0-1选择的问题;C3表示车辆用户的任务只能选择在1个MEC服务器执行;C4表示分配给用户的计算资源大于0;C5表示若卸载到MEC服务器执行,所分配给车辆用户的总资源不超过该MEC服务器的最大值fnm为MEC服务器分配给车辆用户vn的计算资源,为安全消息任务在本地计算的时延最大值。
设安全信息任务In分为M个子任务Inm,每个任务大小为dnm,放置在M服务器上;该假设是将实数变量anm,不考虑其整数条件,即重新定义anm∈[0,1],则
其中dn为子任务总负载;tnm为Inm相关执行时间,θmn为服务器执行任务的效率;
子任务的开销Z=χnmdnm,其中χnm为功耗权重;
则子优化目标函数P1-1为:
C6,C7,C8是线性的,则可以求出P1-1的解,但P1-1确定的解通常不是P1的最优解,接下来使用分支定界法算法,以基于对P1-1的解找P1的最优解:
根据以上的集合定义,P1可表示为子优化目标函数P1-2:
s.t.C1,C3
同样,可将P1-1问题表示为子优化目标函数P1-3:
s.t.C6,C7,C8
定义Г为分支问题的集合,Z*是目标函数P1最优解,分支定界法求解每个计算任务,确定任务卸载决策,具体包括:
2)根据选择的分支,计算子问题下界,当两个分支问题的下限小于当前的最优值Z*时,则将其存储在集合Г中进行下一步的分支;如果找到新的可行解,并且可行解小于当前的最优值Z*时,则更新当前的最优解;如果下限大于当前的最优值Z*时,删除其中的存储分支。
s.t.C4,C5
由于λ1+λ2=1,Z的Hessian矩阵是正定矩阵,因此函数Z是凸函数,并且C4,C5是线性的,所以优化问题P2是凸优化问题,因此依据KKT条件,可以通过拉格朗日乘数法得出它的最优解,计算资源分配的最优解借助该资源分配最优解可以完成车辆安全任务的卸载,即可完成本发明的一种基于分支定界法的车辆安全任务卸载方法。
本发明方法依据低开销的效用函数,运用分支定界法进行卸载决策,充分利用本地资源和服务器资源,保证资源有效利用,从而保持较小的时延增长;该方法相比随机卸载、统一卸载算法有更低的任务卸载能耗,但是在任务卸载能量消耗方面高于能量最优卸载算法,主要使由于能量最优卸载算法是优化任务卸载的能耗,而时延在目标函数中只是作为约束条件,因此其卸载能耗保持最低,而本发明方法考虑了系统的总开销以及安全消息的优先级;该方法所提出的在时延方面要优于能量最优卸载算法,这是因为能量最优卸载算法更多地考虑了任务卸载能量消耗最小化,而本发明方法一方面能够及时地将时延最敏感的任务进行优先处理,另一方面引入SDN进行任务的合理的管理和分配。本发明方法引入SDN对全局变量统一调度,采用拉格朗日乘数法公式化求解计算资源分配问题,任务卸载问题则以安全消息任务的最大容忍时延为优先级进行排序,运用分支定界法解决得到最佳的卸载决策,可以降低安全消息的处理时延。
以上仅为本发明的较佳实施例,但并不限制本发明的专利范围,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本发明专利保护范围之内。
Claims (6)
1.一种基于分支定界法的车辆安全任务卸载方法,其特征在于:步骤如下:
S1:获取车辆自组织网络的用户层的车辆用户集合,以及数据层中沿道路均匀分布的MEC服务器的集合,收集车辆用户安全消息任务;
S2:根据车辆用户每个安全消息任务的最大时延容忍对安全消息任务进行排序,确定卸载的优先级顺序;
S3:基于最优计算能力分配策略,以系统开销最小化为目标构建模型,利用分支定界法求解每个计算任务,确定任务卸载决策;
S4:依据KKT条件,通过拉格朗日乘数法计算资源分配的最优解,通过该资源分配最优解完成车辆安全任务的卸载。
2.根据权利要求1所述的车辆安全任务卸载方法,其特征在于:在S2中,根据车辆用户每个安全消息任务的最大时延容忍对安全消息任务进行排序,确定卸载的优先级顺序,具体为:
定义用户层的车辆用户集合为V={v1,v2,…vN},N为车辆用户数量;数据层中沿道路均匀分布的MEC服务器的集合为S={s1,s2,…sM},M为MEC服务器数量;
计算分类优先级的边界值η1、η2,公式如下:
计算完所有车辆用户安全消息任务优先级后,得到任务处理优先级数组comp。
3.根据权利要求2所述的车辆安全任务卸载方法,其特征在于:在S3中,基于最优计算能力分配策略,以系统开销最小化为目标构建模型,具体为:
系统的总开销Z计算公式如下:Z=λ1T+λ2E;
其中T为安全消息任务总时延,E为安全消息任务总耗能,λ1和λ2是延迟和能耗的权重,0≤λ1≤1,0≤λ2≤1,且λ1+λ2=1;
其中卸载决策变量anm∈{0,1}表示车辆用户n是选择本地计算还是边缘卸载,anm=1表示车辆用户的安全消息任务卸载到边缘进行计算,anm=0表示车辆用户的安全消息任务进行本地计算;为安全消息任务在本地计算的时延,为车辆用户vn的计算能力;为安全消息任务在边缘卸载的总时延,分别为任务的传输时延、消息任务分配给对应的边缘服务器的等待时间、计算时延;为安全消息任务在本地计算的能耗,fn为单位CPU内能耗功率;为车辆用户通过任务上传到MEC服务器的能耗,Pnm为车辆用户到边缘服务器bm的传输功率,为车辆用户的闲置功率;
以系统开销最小化为目标,建模目标函数如下:
5.根据权利要求4所述的车辆安全任务卸载方法,其特征在于:在S3中,利用分支定界法求解每个计算任务,具体为:
P1表示为子优化目标函数P1-2:
s.t.C1,C3
P1-1表示为子优化目标函数P1-3:
s.t.C6,C7,C8
定义Г为分支问题的集合,Z*是目标函数P1最优解,分支定界法求解每个计算任务,确定任务卸载决策,具体包括:
2)根据选择的分支,计算子问题下界,当两个分支问题的下限小于当前的最优值Z*时,则将其存储在集合Г中进行下一步的分支;如果找到新的可行解,并且可行解小于当前的最优值Z*时,则更新当前的最优解;如果下限大于当前的最优值Z*时,删除其中的存储分支。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724308.0A CN113641417B (zh) | 2021-06-29 | 2021-06-29 | 一种基于分支定界法的车辆安全任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724308.0A CN113641417B (zh) | 2021-06-29 | 2021-06-29 | 一种基于分支定界法的车辆安全任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113641417A true CN113641417A (zh) | 2021-11-12 |
CN113641417B CN113641417B (zh) | 2023-08-22 |
Family
ID=78416267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110724308.0A Active CN113641417B (zh) | 2021-06-29 | 2021-06-29 | 一种基于分支定界法的车辆安全任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113641417B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595641A (zh) * | 2022-05-09 | 2022-06-07 | 支付宝(杭州)信息技术有限公司 | 组合优化问题的求解方法和系统 |
CN114884953A (zh) * | 2022-05-31 | 2022-08-09 | 山东大学 | 一种基于mec协作的车联网资源分配方法 |
CN114928611A (zh) * | 2022-05-16 | 2022-08-19 | 重庆邮电大学 | 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111124647A (zh) * | 2019-12-25 | 2020-05-08 | 大连理工大学 | 一种车联网中的智能边缘计算方法 |
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 |
CN111918311A (zh) * | 2020-08-12 | 2020-11-10 | 重庆邮电大学 | 基于5g移动边缘计算的车联网任务卸载和资源分配方法 |
US20210160888A1 (en) * | 2019-11-25 | 2021-05-27 | University-Industry Cooperation Group Of Kyung Hee University | Apparatus for constructing energy-efficient communication and computation resource allocation framework for multiple communication service and method thereof |
-
2021
- 2021-06-29 CN CN202110724308.0A patent/CN113641417B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210160888A1 (en) * | 2019-11-25 | 2021-05-27 | University-Industry Cooperation Group Of Kyung Hee University | Apparatus for constructing energy-efficient communication and computation resource allocation framework for multiple communication service and method thereof |
CN111124647A (zh) * | 2019-12-25 | 2020-05-08 | 大连理工大学 | 一种车联网中的智能边缘计算方法 |
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 |
CN111918311A (zh) * | 2020-08-12 | 2020-11-10 | 重庆邮电大学 | 基于5g移动边缘计算的车联网任务卸载和资源分配方法 |
Non-Patent Citations (1)
Title |
---|
赵海涛等: "车联网中基于移动边缘计算的内容感知分类卸载算法研究", 电子与信息学报, vol. 42, no. 1 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595641A (zh) * | 2022-05-09 | 2022-06-07 | 支付宝(杭州)信息技术有限公司 | 组合优化问题的求解方法和系统 |
CN114928611A (zh) * | 2022-05-16 | 2022-08-19 | 重庆邮电大学 | 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 |
CN114928611B (zh) * | 2022-05-16 | 2023-07-25 | 重庆邮电大学 | 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 |
CN114884953A (zh) * | 2022-05-31 | 2022-08-09 | 山东大学 | 一种基于mec协作的车联网资源分配方法 |
CN114884953B (zh) * | 2022-05-31 | 2023-02-28 | 山东大学 | 一种基于mec协作的车联网资源分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113641417B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113641417B (zh) | 一种基于分支定界法的车辆安全任务卸载方法 | |
CN110109745B (zh) | 一种针对边缘计算环境的任务协同在线调度方法 | |
CN110493360B (zh) | 多服务器下降低系统能耗的移动边缘计算卸载方法 | |
CN110717300B (zh) | 面向电力物联实时在线监测业务的边缘计算任务分配方法 | |
CN111278132A (zh) | 移动边缘计算中面向低时延高可靠业务的资源分配方法 | |
CN110570075B (zh) | 一种电力业务边缘计算任务分配方法及装置 | |
CN111132191A (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 | |
CN112911016B (zh) | 边端协同计算卸载方法及系统、电子设备和存储介质 | |
Huang et al. | Vehicle speed aware computing task offloading and resource allocation based on multi-agent reinforcement learning in a vehicular edge computing network | |
CN111711962B (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN113904947A (zh) | 车路协同分布式边缘计算任务卸载与资源分配方法和系统 | |
CN112995289A (zh) | 一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法 | |
CN115297171B (zh) | 一种蜂窝车联网分级决策的边缘计算卸载方法及系统 | |
CN113535393B (zh) | 异构边缘计算中卸载dag任务的计算资源分配方法 | |
CN113918240A (zh) | 任务卸载方法及装置 | |
CN112905327A (zh) | 一种任务调度方法、边缘服务器、计算机介质及边云协同计算系统 | |
CN115629873A (zh) | 车路云协同任务卸载与任务队列稳定性控制系统和方法 | |
Yang et al. | A novel distributed task scheduling framework for supporting vehicular edge intelligence | |
CN114928611A (zh) | 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 | |
CN112398917A (zh) | 面向多站融合架构的实时任务调度方法和装置 | |
CN115065683B (zh) | 基于车辆聚类的车辆边缘网络任务分配卸载方法 | |
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 | |
Hao et al. | Energy allocation and task scheduling in edge devices based on forecast solar energy with meteorological information | |
Midya et al. | Pso based optimized resource allocation in three tier cloud architecture for vanet | |
Cui et al. | Online container scheduling for low-latency iot services in edge cluster upgrade: A reinforcement learning approach |
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 |