CN113660325A - 一种基于边缘计算的工业互联网任务卸载策略 - Google Patents
一种基于边缘计算的工业互联网任务卸载策略 Download PDFInfo
- Publication number
- CN113660325A CN113660325A CN202110912365.1A CN202110912365A CN113660325A CN 113660325 A CN113660325 A CN 113660325A CN 202110912365 A CN202110912365 A CN 202110912365A CN 113660325 A CN113660325 A CN 113660325A
- Authority
- CN
- China
- Prior art keywords
- edge
- task
- layer
- computing
- time delay
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 43
- 239000002245 particle Substances 0.000 claims abstract description 51
- 238000004891 communication Methods 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种基于边缘计算的工业互联网任务卸载策略,包括以下步骤:构建一种三层计算节点的集成计算架构,所述工业设备层只和边缘计算层进行数据通信,所述边缘计算层分别与工业设备层、云计算层进行数据通信;构建任务卸载时延计算模型,对于所述边缘计算层接收的任务进行任务总响应时延进行计算;构建带有约束优化的粒子群时延优化算法模型,对于边缘计算层接收的任务计算最优卸载策略。这样在靠近工业设备的一端的边缘服务器,大量的数据及任务尤其是一些时延敏感的任务,将在边缘服务器上得到快速的处理,网络的负载将会显著降低,网络云服务器的拥堵情况改善,在此基础上进一步降低数据处理的延迟。
Description
技术领域
本发明涉及工业互联网领域,涉及边缘计算及其任务卸载,具体地涉及一种基于边缘计算的工业互联网任务卸载策略。
背景技术
随着接入互联网的工业设备越来越多,仅仅依靠传统的云计算模式,难以同时满足工业应用在时延和经济性方面的需求。边缘计算作为一种最新兴起的计算模式,通过将计算和存储等服务放在靠近设备的一端,能够提供更快的服务响应并降低网络开销。但相较云计算模式,随着任务数量和复杂性的增加,仅仅依靠边缘计算模式则会面临资源受限而无法满足任务需求的问题。在设备和云平台之间加入边缘平台可以增强对时延敏感性任务的处理能力,根据任务需求不同,将其卸载到云服务器或者边缘服务器。
云服务器拥有充足的资源,可以处理非常复杂的任务,并且支持超大规模的访问。但是由于云服务中心在地域上距离工业设备较远,数据的上传可能会导致延迟,这对于工业生产场景是不可容忍的,并且随着工业设备的增加,工业设备产生的数据也会随着增加,再将数据上传到云服务器,会对网络造成很大的压力,时延可能会进一步增加。而低延迟是边缘计算最大的优势,在靠近工业设备的一端加上边缘服务器,大量的数据及任务尤其是一些时延敏感的任务,将在边缘服务器上得到快速的处理。通过这种方式,网络的负载将会显著降低,拥堵情况也会得到明显的改善,在此基础上进一步降低数据处理的延迟。此外,由于边缘计算靠近设备端,所以能够更加有效的减少数据隐私的泄漏,保障敏感数据的安全。边缘计算的使用决定了工业设备不会将所有的数据都存储在云上,这在减少云上存储成本的同时,也降低了对云的依赖,降低了因为云服务器可能出现的故障造成更大巨大损失的可能性。
将任务卸载到边缘计算或者云计算平台可以有效的保证工业应用的服务质量(Quality of Service,QoS),但是任务卸载往往是非常复杂的,所以在任务卸载时需要充分考虑任务时延从而找到优化的卸载方案。
发明内容
本发明目的在于提供一种一种基于边缘计算的工业互联网任务卸载策略,能够在任务卸载时需要充分考虑任务时延从而提供最优化的卸载方案。
为达成上述目的,本发明提出如下技术方案:
一种基于边缘计算的工业互联网任务卸载策略,包括以下步骤:
S1、构建一种三层计算节点的集成计算架构:
第一层计算节点为工业设备层,负责执行具体生产任务;
第二层计算节点为边缘计算层,负责处理部分来自工业设备层卸载的任务;
第三层为云计算层,负责处理来自边缘计算层卸载的任务;
所述工业设备层只和边缘计算层进行数据通信,所述边缘计算层分别与工业设备层、云计算层进行数据通信;
S2、构建任务卸载时延计算模型,对于所述边缘计算层接收的任务进行任务总响应时延进行计算;
S3、构建带有约束优化的粒子群时延优化算法模型,对于边缘计算层接收的任务计算最优卸载策略。
进一步的,所述步骤S2中所述的构建任务卸载时延计算模型为:
将任务划分为若干个子任务{D1,D2,…,Di,…,Dk,Dcl},子任务被卸载所有的边缘计算层的边缘设备和云计算层的云服务器上分布式协作执行,完成计算任务的总响应时延T为:
其中,表示边缘设备ei处理其上子任务Di的计算时延,表示设备ei和ej之间的通信时延,表示边缘设备vi和vj之间是否存在任务分配关系,表示分配关系存在,表示分配关系不存在,表示在云服务器C上处理子任务Dcl的计算时延,表示边缘设备ej和云服务器C之间是否存在子任务分配关系,表示分配关系存在,表示分配关系不存在。
其中,Di是边缘主设备ej发送给其他边缘设备ei的子任务,L代表数据包的长度,Pei代表边缘设备ei,ej间通信链路的丢包率,Ts表示一个数据包成功传输的时延,设每条通信链路的数据传输速率为ri,则一个数据包成功传输的时延Ts为:
同理,边缘设备ej和云服务器C之间的通信时延为:
其中,Dcl是边缘主设备ej发送给云服务器C的子任务,rc为边缘设备ej与云服务器C之间通信链路的数据传输速率,Pec代表通信链路的丢包率。
进一步的,所述步骤S3中所述的对于边缘计算层接收的任务计算最优卸载策略,计算任务响应时延T最小,计算最小任务响应时延的模型为:
0≤Di,Dcl≤D
进一步的,采用带有约束优化的粒子群时延优化算法来对所述计算最小任务响应时延的模型的优化问题进行求解:
其中,H表示搜索空间S中的可行域,也就是满足所述计算最小任务响应时延的模型中约束的搜索空间,S-H是非可行域,σ为惩罚系数,是对第j代约束违背测度,是表示算法执行到第I代时,对非可行粒子的附加启发值,即手动添加惩罚项使非可行粒子的适应度函数比可行粒子的差,和为:
其中,Worst(I)表示算法迭代到第I代时所记录的可行粒子最大适应度值。
另一方面,本申请还提供一种存储器,用于存储软件,其中,所述软件用于执行上述的策略。
另一方面,本申请还提供一种处理器,用于执行软件,其中,所述软件用于执行上述的策略。
有益效果:
由以上技术方案可知,本发明的技术方案提供了一种基于边缘计算的工业互联网任务卸载策略,通过构建带有约束优化的粒子群时延优化算法模型,对于边缘计算层接收的任务计算最优卸载策略,在靠近工业设备的一端的边缘服务器,大量的数据及任务尤其是一些时延敏感的任务,将在边缘服务器上得到快速的处理。通过这种方式,网络的负载将会显著降低,网络云服务器的拥堵情况也会得到明显的改善,在此基础上进一步降低数据处理的延迟。与此同时,由于边缘计算靠近设备端,所以能够更加有效的减少数据隐私的泄漏,保障敏感数据的安全。工业设备不会将所有的数据都存储在云上,这在减少云上存储成本的同时,也降低了对云的依赖,降低了因为云服务器可能出现的故障造成更大巨大损失的可能性。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1一种工业设备、边缘和云资源的集成计算架构图;
图2集成计算架构下工业设备任务卸载的流程图;
图3集成计算架构下求解优化模型的算法流程图。
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,下面将结合本发明实施例的附图,对本发明实施例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的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的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。除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,除非上下文清楚地指明其它情况,否则单数形式的“一个”“一”或者“该”等类似词语也不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件,并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例
本发明提供了一种基于边缘计算的工业互联网任务卸载策略,图1为所提出的一种融合工业设备、边缘和云资源的集成计算架构图,包括:
工业设备层:主要由传感器节点、生产设备、传送带系统、智能工业机器人、机械臂及智能终端等工业设备组成。该层的主要功能是执行具体的生产任务,这些设备自身具备一定的计算和存储能力,可以支持简单的工业生产需要,所以工业设备可以视自身的负载情况,以及所产生的数据量的大小决定是否将计算任务卸载到边缘计算层或是云计算层。同时,为了保证数据隐私和安全,工业设备只和边缘计算层进行数据交换,而不和云服务器直接进行通信。
边缘计算层:主要由边缘服务器和边缘交换机等网络设备组成,靠近工业设备一端,可以处理来自工业设备卸载的计算任务。为了方便部署节点并考虑到边缘网络的扩展性,边缘设备之间以及边缘设备与工业设备之间通过无线链路进行通信。边缘设备集群执行分布式计算降低时延,利用计算卸载策略可以合理地将子任务分配到边缘设备,并将数据体量大、对时延要求相对降低的计算任务进一步卸载到云服务器进行处理。
云计算层:主要是云计算平台,包含大量的云服务器,拥有最多的计算和存储资源。云计算层主要用来处理来自边缘计算层卸载的任务,借助于其庞大的计算和存储资源,云计算可以并行化的处理被卸载到此层的任务。同时,由于云计算层一般在地域上距离边缘计算层较远,所以将两层之间的带宽设置为较小的值,而边缘计算层与工业设备层较近,所以带宽设置为较大的值。
图2为集成计算架构下工业设备任务卸载的流程图,包括:
工业设备产生计算任务,根据任务所产生的数据量、自身的计算能力、完成任务所需的时延以及传输时延,决定该计算任务是否需要卸载,如果不需卸载则该计算任务在本地工业设备中完成;如果需要卸载,则将该任务分别卸载到所有的边缘设备以及云服务器完成计算。
基于该流程图,建立以下通信时延计算模型:
工业设备层的智能终端及用户首先将需求低时延高可靠的业务请求发送至边缘设备,接收到响应后终端发送需要处理的计算任务D到边缘设备,接收此任务的边缘设备则被视为是主边缘设备。随后该计算任务被划分为若干个子任务{D1,D2,…,Di,…,Dk,Dcl},这些子任务被卸载至所有的边缘设备和云服务器分布式协作执行。所以完成计算任务的总响应时延T可表示为:
其中,表示边缘设备ei处理其上子任务Di的计算时延,表示设备ei和ej之间的通信时延。表示边缘设备vi和vj之间是否存在任务分配关系,表示分配关系存在,表示分配关系不存在。表示在云服务器C上处理子任务Dcl的计算时延,表示边缘设备ej和云服务器C之间是否存在子任务分配关系,表示分配关系存在,表示分配关系不存在。
其中,Di是边缘主设备ej发送给其他边缘设备ei的子任务,L代表数据包的长度,Ts表示一个数据包成功传输的时延,Pei代表边缘设备ei,ej间通信链路的丢包率。设每条通信链路的数据传输速率为ri,则一个数据包成功传输的时延Ts计算如下:
同理,边缘设备ej和云服务器C之间的通信时延计算公式如下:
其中,Dcl是边缘主设备ej发送给云服务器C的子任务,rc为边缘设备ej与云服务器C之间通信链路的数据传输速率,Pec代表通信链路的丢包率。
为了尽可能的降低公式(1)中所示的计算任务响应时延,需要综合考虑边缘设备与云服务器的通信和计算能力,从而寻找到一组最优的任务分配方式{D1,D2,…,Di,…,Dk,Dcl}来进行任务卸载,使得计算任务响应时延T最小,故计算最小任务响应时延的模型如下:
0≤Di,Dcl≤D
为解决上述公式(6)(7)所示的优化问题,在本发明中采用带有约束优化的粒子群时延优化算法来对该优化问题进行求解。对于有n个粒子的粒子群,粒子i的位置是公式(6)的一个解,其中I表示算法的迭代次数。粒子的位置粒子的适应度函数用来评价每个粒子位置的好坏,定义适应度函数f(X)如下:
其中,H表示搜索空间S中的可行域,也就是满足公式(6)(7)中约束的搜索空间。S-H是非可行域。σ为惩罚系数。是对第j代约束违背测度。是表示算法执行到第I代时,对非可行粒子的附加启发值,即手动添加惩罚项使非可行粒子的适应度函数比可行粒子的差。和可表示如下:
其中,Worst(I)表示算法迭代到第I代时所记录的可行粒子最大适应度值。
图3为所提出的带有约束优化的粒子群延时优化算法的流程图,包括:
S301,进行种群的初始化。
其中,第i维的位置变化范围限定在[ximin,ximax]内,也就是[0,1]内。第i维速度变化范围限定在[-vimax,vimax]内,vmax决定了粒子当前位置和最好位置之间的搜索精度,取值越小搜索精度越高,取值越大搜索范围越大,通常将vmax限制在除了位置和速度之外,每个粒子还维护这自身最佳的位置可表示为:
其中,w是惯性因子,表示对前次速度的继承。φ1和φ2是学习因子,φ1表示“自我认知”部分,是对自身最好位置的学习因子;φ2表示“社会经验”部分,是对全局最佳位置的学习因子,r1和r2是两个均匀分布在0和1之间的随机数。
具体的,在进行种群初始化时,设置粒子个数u,惯性因子w,最大迭代次数MaxG,以及φ1、φ2、r1、r2、Worst(0)等变量值,在可行域中随机初始化粒子i的位置设置速度为0,个体最佳位置全局最佳位置Gb0为最小值所对应的位置。
S302,根据公式(8),(9),(10),(11)计算每个粒子的适应度值f(Xi)。
S303,比较每个粒子i的适应度值f(Xi)与其个体最佳位置的适应度值f(Bi)。如果当前位置适应度值更小,则将个体最佳位置更新为Xi。
S304,比较每个粒子i的适应度值f(Xi)与其全局最佳位置的适应度值f(Gb)。如果当前适应度值更小,则将全局最佳位置更新为Xi。
S305,根据公式(12)(13)更新粒子的速度和位置。如果更新后的速度和位置超过了限定范围边界,则用边界值进行代替。
S306,在达到最大迭代次数MaxG后,算法输出全局最佳位置GbMaxG,该位置就是最优卸载策略,包括了卸载系数和各边缘节点上的任务分配比例,最低时延为f(GbMaxG)。如果没有达到最大迭代次数,则迭代次数加1,并将更新后的粒子返回代入到S302继续进行算法迭代。
在本实施例中,提供一种电子装置,包括存储器和处理器,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行以上实施例中的方法。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (7)
1.一种基于边缘计算的工业互联网任务卸载策略,其特征在于:包括以下步骤:
S1、构建一种三层计算节点的集成计算架构:
第一层计算节点为工业设备层,负责执行具体生产任务;
第二层计算节点为边缘计算层,负责处理部分来自工业设备层卸载的任务;
第三层为云计算层,负责处理来自边缘计算层卸载的任务;
所述工业设备层只和边缘计算层进行数据通信,所述边缘计算层分别与工业设备层、云计算层进行数据通信;
S2、构建任务卸载时延计算模型,对于所述边缘计算层接收的任务进行任务总响应时延进行计算;
S3、构建带有约束优化的粒子群时延优化算法模型,对于边缘计算层接收的任务计算最优卸载策略。
2.根据权利要求1所述的基于边缘计算的工业互联网任务卸载策略,其特征在于:
所述步骤S2中所述的构建任务卸载时延计算模型为:
将任务划分为若干个子任务{D1,D2,…,Di,…,Dk,Dcl},子任务被卸载所有的边缘计算层的边缘设备和云计算层的云服务器上分布式协作执行,完成计算任务的总响应时延T为:
3.根据权利要求2所述的基于边缘计算的工业互联网任务卸载策略,其特征在于:
其中,Di是边缘主设备ej发送给其他边缘设备ei的子任务,L代表数据包的长度,Pei代表边缘设备ei,ej间通信链路的丢包率,Ts表示一个数据包成功传输的时延,设每条通信链路的数据传输速率为ri,则一个数据包成功传输的时延Ts为:
同理,边缘设备ej和云服务器C之间的通信时延为:
其中,Dcl是边缘主设备ej发送给云服务器C的子任务,rc为边缘设备ej与云服务器C之间通信链路的数据传输速率,Pec代表通信链路的丢包率。
5.根据权利要求4所述的基于边缘计算的工业互联网任务卸载策略,其特征在于:
采用带有约束优化的粒子群时延优化算法来对所述计算最小任务响应时延的模型的优化问题进行求解:
其中,H表示搜索空间S中的可行域,也就是满足所述计算最小任务响应时延的模型中约束的搜索空间,S-H是非可行域,σ为惩罚系数,是对第j代约束违背测度,是表示算法执行到第I代时,对非可行粒子的附加启发值,即手动添加惩罚项使非可行粒子的适应度函数比可行粒子的差,和为:
其中,Worst(I)表示算法迭代到第I代时所记录的可行粒子最大适应度值。
6.一种存储器,其特征在于,用于存储软件,其中,所述软件用于执行权利要求1至5中任一项所述的策略。
7.一种处理器,其特征在于,用于执行软件,其中,所述软件用于执行权利要求1至5中任一项所述的策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912365.1A CN113660325B (zh) | 2021-08-10 | 2021-08-10 | 一种基于边缘计算的工业互联网任务卸载策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912365.1A CN113660325B (zh) | 2021-08-10 | 2021-08-10 | 一种基于边缘计算的工业互联网任务卸载策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113660325A true CN113660325A (zh) | 2021-11-16 |
CN113660325B CN113660325B (zh) | 2023-11-07 |
Family
ID=78491125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110912365.1A Active CN113660325B (zh) | 2021-08-10 | 2021-08-10 | 一种基于边缘计算的工业互联网任务卸载策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113660325B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357743A (zh) * | 2021-12-22 | 2022-04-15 | 天津大学 | 一种区域能源互联网的边云协同优化方法及装置 |
CN114745725A (zh) * | 2022-03-16 | 2022-07-12 | 云南升玥信息技术有限公司 | 一种基于边缘计算工业物联网的资源分配管理系统 |
CN115022322A (zh) * | 2022-06-02 | 2022-09-06 | 湖南商务职业技术学院 | 一种车联网中基于群智进化的边云协作任务卸载方法 |
CN115103369A (zh) * | 2022-06-15 | 2022-09-23 | 唐尚禹 | 轻量级工业应用的边缘分布式mec的接入方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109992419A (zh) * | 2019-03-29 | 2019-07-09 | 长沙理工大学 | 一种优化的协同边缘计算低延迟任务分配卸载方法 |
CN110035410A (zh) * | 2019-03-07 | 2019-07-19 | 中南大学 | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统 |
CN111913723A (zh) * | 2020-06-15 | 2020-11-10 | 合肥工业大学 | 基于流水线的云-边-端协作卸载方法和系统 |
CN112084025A (zh) * | 2020-09-01 | 2020-12-15 | 河海大学 | 一种基于改进粒子群算法的雾计算任务卸载时延优化方法 |
CN112995023A (zh) * | 2021-03-02 | 2021-06-18 | 北京邮电大学 | 一种多接入边缘计算网络计算卸载系统及其计算卸载方法 |
CN113114738A (zh) * | 2021-03-25 | 2021-07-13 | 华南理工大学 | 基于sdn的车联网任务卸载的优化方法 |
CN113163004A (zh) * | 2021-04-09 | 2021-07-23 | 北京易华录信息技术股份有限公司 | 一种工业互联网边缘任务卸载决策方法、装置及存储介质 |
-
2021
- 2021-08-10 CN CN202110912365.1A patent/CN113660325B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110035410A (zh) * | 2019-03-07 | 2019-07-19 | 中南大学 | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统 |
CN109992419A (zh) * | 2019-03-29 | 2019-07-09 | 长沙理工大学 | 一种优化的协同边缘计算低延迟任务分配卸载方法 |
CN111913723A (zh) * | 2020-06-15 | 2020-11-10 | 合肥工业大学 | 基于流水线的云-边-端协作卸载方法和系统 |
CN112084025A (zh) * | 2020-09-01 | 2020-12-15 | 河海大学 | 一种基于改进粒子群算法的雾计算任务卸载时延优化方法 |
CN112995023A (zh) * | 2021-03-02 | 2021-06-18 | 北京邮电大学 | 一种多接入边缘计算网络计算卸载系统及其计算卸载方法 |
CN113114738A (zh) * | 2021-03-25 | 2021-07-13 | 华南理工大学 | 基于sdn的车联网任务卸载的优化方法 |
CN113163004A (zh) * | 2021-04-09 | 2021-07-23 | 北京易华录信息技术股份有限公司 | 一种工业互联网边缘任务卸载决策方法、装置及存储介质 |
Non-Patent Citations (3)
Title |
---|
张伟;: "边缘计算的任务迁移机制研究", 软件导刊, no. 09 * |
闫伟;申滨;刘笑笑;: "基于自适应遗传算法的MEC任务卸载及资源分配", 电子技术应用, no. 08 * |
高寒;李学俊;周博文;刘晓;徐佳;: "移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略", 计算机集成制造系统, no. 06 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357743A (zh) * | 2021-12-22 | 2022-04-15 | 天津大学 | 一种区域能源互联网的边云协同优化方法及装置 |
CN114745725A (zh) * | 2022-03-16 | 2022-07-12 | 云南升玥信息技术有限公司 | 一种基于边缘计算工业物联网的资源分配管理系统 |
CN115022322A (zh) * | 2022-06-02 | 2022-09-06 | 湖南商务职业技术学院 | 一种车联网中基于群智进化的边云协作任务卸载方法 |
CN115022322B (zh) * | 2022-06-02 | 2024-02-02 | 湖南第一师范学院 | 一种车联网中基于群智进化的边云协作任务卸载方法 |
CN115103369A (zh) * | 2022-06-15 | 2022-09-23 | 唐尚禹 | 轻量级工业应用的边缘分布式mec的接入方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113660325B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113660325B (zh) | 一种基于边缘计算的工业互联网任务卸载策略 | |
CN111835827B (zh) | 物联网边缘计算任务卸载方法及系统 | |
CN111400001B (zh) | 一种面向边缘计算环境的在线计算任务卸载调度方法 | |
CN112422644B (zh) | 计算任务卸载方法及系统、电子设备和存储介质 | |
CN112689303B (zh) | 一种边云协同资源联合分配方法、系统及应用 | |
CN109947574B (zh) | 一种基于雾网络的车辆大数据计算卸载方法 | |
CN112486690A (zh) | 一种适用于工业物联网的边缘计算资源分配方法 | |
CN109996247B (zh) | 网络化资源调配方法、装置、设备及存储介质 | |
CN112104693B (zh) | 非均匀移动边缘计算网络的任务卸载方法及装置 | |
CN111988787A (zh) | 一种任务的网络接入和服务放置位置选择方法及系统 | |
CN113867843A (zh) | 一种基于深度强化学习的移动边缘计算任务卸载方法 | |
CN116541106A (zh) | 计算任务卸载方法、计算设备及存储介质 | |
CN110716580A (zh) | 一种边缘计算环境中的无人机编队负载均衡机制 | |
CN113900779A (zh) | 任务执行方法、装置、电子设备及存储介质 | |
CN111158893A (zh) | 应用于雾计算网络的任务卸载方法、系统、设备及介质 | |
CN116954866A (zh) | 基于深度强化学习的边缘云下任务调度方法及系统 | |
CN116996938A (zh) | 车联网任务卸载方法、终端设备及存储介质 | |
CN113590229B (zh) | 一种基于深度强化学习的工业物联网图任务卸载方法及系统 | |
CN113676559B (zh) | 物联网多设备移动边缘计算的信息处理系统及方法 | |
CN113900739A (zh) | 一种多对多边缘计算场景下的计算卸载方法及系统 | |
CN113709817A (zh) | 多基站多服务器场景下的任务卸载和资源调度方法及装置 | |
CN115051999B (zh) | 基于云边协同的能耗最优任务卸载方法、装置及系统 | |
CN113347016B (zh) | 基于资源占用和时延敏感的虚拟化网络功能迁移方法 | |
CN115361284B (zh) | 一种基于sdn的虚拟网络功能的部署调整方法 | |
CN117155798B (zh) | 面向资源受限的云-边协同实时调度方法 |
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 |