CN113709886A - 基于匹配理论的移动边缘计算中的动态资源分配方法 - Google Patents
基于匹配理论的移动边缘计算中的动态资源分配方法 Download PDFInfo
- Publication number
- CN113709886A CN113709886A CN202110968292.8A CN202110968292A CN113709886A CN 113709886 A CN113709886 A CN 113709886A CN 202110968292 A CN202110968292 A CN 202110968292A CN 113709886 A CN113709886 A CN 113709886A
- Authority
- CN
- China
- Prior art keywords
- time slot
- mobile
- edge
- mobile user
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013468 resource allocation Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 22
- 230000001934 delay Effects 0.000 claims description 21
- 238000013508 migration Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 15
- 230000005012 migration Effects 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
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]
- G06F9/5005—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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
- H04W72/566—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
- H04W72/566—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient
- H04W72/569—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient of the traffic information
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提出了一种基于匹配理论的移动边缘计算中的动态资源分配方法,实现步骤为:初始化移动边缘计算场景下的系统参数,获取每个时隙每个移动用户的通信时延,然后建立每个时隙每个边缘服务器的偏好列表,建立每个时隙每个移动用户的偏好列表,接着通过匹配理论获取每个时隙所有移动用户与所有边缘服务器的匹配矩阵,最后获取移动边缘计算中的动态资源分配结果。本发明考虑了移动边缘计算场景下同时存在多个移动用户的情景,在每个时隙通过匹配理论,根据所有移动用户和所有边缘服务器的偏好列表,竞争对于用户最优的边缘服务器资源和对于边缘服务器最优的用户,有效利用边缘服务器的资源降低了移动用户服务时延,用户服务质量较高。
Description
技术领域
本发明属于通信技术领域,涉及一种动态资源分配方法,具体涉及一种基于匹配理论的移动边缘计算中的动态资源分配方法。
背景技术
随着5G技术以及物联网技术的快速发展,涌现出一大批新型的移动终端应用,而这些应用对于计算资源的需求不断增加,并且对于服务时延非常敏感。然而由于用户设备本身的计算资源非常有限,并不足以支持这些应用在设备端直接进行计算。因此,使用云服务器已经成为一种有效的解决方案。尽管云服务器可以为用户提供充分的计算资源,但是由于其部署相对集中,导致用户设备与云服务器之间的传输时延增加。为了有效降低传输时延,移动边缘计算已经成为一种有前景的解决方案。通过将云服务器下沉至网络边缘为终端提供服务,降低用户设备与服务器之间的传输时延,从而降低用户时延,为用户提供高质量的服务。然而,对边缘服务器计算资源分配不平衡会导致资源浪费以及用户服务时延增加;同时,用户移动与边缘服务器有限服务范围之间的矛盾,使得对用户服务并不连续,也会导致用户服务时延增加。一般而言,用户的服务质量,采用用户服务时延来进行衡量,用户服务时延越小,用户服务质量越高。
为了降低因对用户服务不连续导致的用户服务时延增加的缺陷,例如S.Wang,R.Urgaonkar等人在其2019年发表在IEEE/ACM Transactions on Networking中的论文“Dynamic service migration in mobile edge computing based on markov decisionprocess”中,公开了一种移动边缘计算场景下动态的资源分配方法。该方法将用户移动过程构建成一维的马尔可夫移动过程,最后通过设计激励函数动态分配边缘服务器的资源对用户任务进行迁移。该方法通过对单个移动用户分配边缘服务器的资源进行任务迁移,降低了移动用户的服务时延。但是,该方法的不足之处是只考虑了边缘计算场景下存在单个移动用户的情景,并未考虑该场景下同时存在多个移动用户的情景,多个移动用户之间对于边缘服务器计算资源的竞争,导致移动用户服务时延增加,移动用户服务质量降低,同时该方法只在一维空间里考虑移动用户的运动轨迹,并未考虑实际情况下的二维空间,导致该方法的应用范围有限。
发明内容
本发明的目的在于针对上述现有技术的不足,提出了一种基于匹配理论的移动边缘计算中的动态资源分配方法,用于解决现有技术下中存在的在边缘计算场景下同时存在多个移动用户时,多个移动用户之间对于资源的竞争,导致移动用户服务时延增加的技术问题。
为实现上述目的,本发明采用的技术方案包括如下步骤:
(1)初始化移动边缘计算场景下的系统参数:
初始化包括M个边缘服务器ES={ES1,ES2,...,ESm,...,ESM}和N个移动用户U={u1,u2,...,un,...,uN}的边缘计算场景,每个边缘服务器ESm为每个移动用户un提供的任务数据上传带宽均为B,ESm的计算资源为Cm,ESm均可以同时为γ个移动用户提供计算服务,边缘服务器之间的传输速率均为ω,对每个移动用户un运动轨迹进行采样的时隙均为t,时隙总数为T,第t个时隙移动用户un任务未处理的比例为μn(t),μn(t)∈(0,1),并令t=1,令μn(t)=1,其中M≥5,ESm表示第m个边缘服务器,N≥10,un表示第n个移动用户,γ≥5,T≥20;
(2)获取每个时隙每个移动用户un的通信时延:
其中,pn表示移动用户un的传输功率,表示第t个时隙移动用户un和边缘服务器所使用的信道功率增益,ln,close(t)表示第t个时隙移动用户un和边缘服务器之间的距离,δ2表示噪声功率,θ表示路径损失;
(2b)通过和un的任务数据量Dn计算第t个时隙移动用户un与距离其最近的边缘服务器的通信时延并令第t个时隙每个移动用户un与除以外的M-1个边缘服务器的通信时延为0,得到第t个时隙N个移动用户U与M个边缘服务器ES的通信时延集合Tcomm(t),其中:
(3)建立每个时隙每个边缘服务器ESm的偏好列表:
(3a)计算每个移动用户un在第t个时隙的任务计算量DCn(t),并通过DCn(t)、γ和边缘服务器ESm的计算资源Cm计算该时隙移动用户un使用ESm的计算时延得到N个移动用户U使用M个边缘服务器ES的计算时延集合Tcomp(t),其中:
DCn(t)=μn(t)DCn
(3b)按照由小到大的顺序对计算时延子集合中的N个计算时延进行排序,并将排序后的计算时延子集合中N个计算时延对应的N个移动用户组成在第t个时隙ESm的偏好列表则M个边缘服务器ES在第t个时隙的偏好列表集合为
(4)建立每个时隙每个移动用户un的偏好列表:
(4a)计算第t个时隙每个移动用户un的任务数据量Dn(t),并通过Dn(t)和ω计算第t个时隙距离un最近的边缘服务器将un的任务迁移至除以外的每个边缘服务器的迁移时延a∈[1,M-1],令第t个时隙将un的任务迁移至本身的迁移时延得到第t个时隙N个移动用户U与M个边缘服务器ES的迁移时延集合Tmig(t),其中:
(4c)按照由小到大的顺序对服务时延子集合中的M个服务时延进行排序,并将排序后的服务时延子集合中M个服务时延对应的M个边缘服务器组成在第t个时隙un的偏好列表则N个移动用户U在第t个时隙的偏好列表集合为
(5)获取第t个时隙所有移动用户与所有边缘服务器的匹配矩阵:
(5a)初始化第t个时隙N个移动用户U和M个边缘服务器ES的匹配矩阵H(t)为N×M的全零矩阵;
(5b)令n=1,m=1;
(5c)判断移动用户un是否已匹配边缘服务器,若是,执行步骤(5d),否则,移除第t个时隙移动用户un的偏好列表中优先级最高的边缘服务器,并将其与un在匹配矩阵H(t)中的匹配值置为1,并执行步骤(5d);
(5d)判断n=N是否成立,若是,执行步骤(5e),否则,令n=n+1,执行步骤(5c);
(5e)判断匹配边缘服务器ESm的移动用户数是否超过了服务上限γ,若是,移除第t个时隙ESm偏好列表中在当前匹配结果中优先级最低的移动用户,并将匹配矩阵H(t)中的匹配值置为0,再执行步骤(5b),否则,执行步骤(5f);
(5f)判断m=M是否成立,若是,得到第t个时隙N个移动用户U和M个边缘服务器ES的匹配矩阵H(t),否则,令m=m+1,执行步骤(5e);
(6)获取移动边缘计算中的动态资源分配结果:
判断t=T是否成立,若是,得到所有时隙的匹配矩阵H={H(1),H(2),...,H(t),...,H(T)},实现所有边缘服务器的计算资源到所有移动用户的动态分配,否则,通过H(t)将每一移动用户un的任务未处理的比例μn(t)更新为μn(t)*,同时将更新为第t个时隙为用户提供服务的边缘服务器,并令t=t+1,再执行步骤(3),其中:
本发明与现有技术相比,具有如下优点:
1.本发明对每个移动用户的运动轨迹以时隙为间隔进行采样;然后在每个时隙根据所有移动用户的计算时延建立边缘服务器的偏好列表,移动用户的计算时延越小,其在边缘服务器的优先级越高;根据所有移动用户的服务时延建立移动用户的偏好列表,边缘服务器为用户提供的服务时延越小,其在用户的优先级越高;在每个时隙通过匹配理论,根据所有移动用户的偏好列表,竞争对于用户最优的边缘服务器资源,根据所有边缘服务器的偏好列表,选择对于边缘服务器最优的用户,从而得到所有时隙所有边缘服务器和所有移动用户的匹配矩阵,实现在每个时隙的所有边缘服务器的计算资源到所有移动用户的动态分配,有效降低了移动用户的服务时延。
2.本发明对每个移动用户的运动轨迹以时隙为间隔进行采样,移动用户在二维空间里进行移动,采用匹配理论对多个移动用户进行边缘服务器的计算资源分配,与现有技术相比,本发明应用范围更广。
附图说明
图1是本发明的实现流程图。
具体实施方式
下面结合附图和具体实施例,对本发明作进一步详细描述。
参照图1,本发明包括如下步骤:
步骤1)初始化移动边缘计算场景下的系统参数:
初始化包括M个边缘服务器ES={ES1,ES2,...,ESm,...,ESM}和N个移动用户U={u1,u2,...,un,...,uN}的边缘计算场景,每个边缘服务器ESm为每个移动用户un提供的任务数据上传带宽均为B,ESm的计算资源为Cm,ESm均可以同时为γ个移动用户提供计算服务,边缘服务器之间的传输速率均为ω。本发明考虑了二维空间下移动用户的运动轨迹,而移动用户的运动轨迹是连续的,采用时隙t对每个移动用户un运动轨迹进行采样,在每一个时隙内进行资源分配,时隙总数为T,第t个时隙移动用户un任务未处理的比例为μn(t),μn(t)∈(0,1),并令t=1,令μn(t)=1,其中M=30,ESm表示第m个边缘服务器,N=100,un表示第n个移动用户,B=180KHz,Cm=5GHz,γ=5,ω=500Mbps,T=30。
步骤2)获取每个时隙每个移动用户un的通信时延:
其中,pn表示移动用户un的传输功率,表示第t个时隙移动用户un和边缘服务器所使用的信道功率增益,ln,close(t)表示第t个时隙移动用户un和边缘服务器之间的距离,δ2表示噪声功率,θ表示路径损失。
步骤2b)通过和un的任务数据量Dn计算第t个时隙移动用户un与距离其最近的边缘服务器的通信时延并令第t个时隙每个移动用户un与除以外的M-1个边缘服务器的通信时延为0,得到第t个时隙N个移动用户U与M个边缘服务器ES的通信时延集合Tcomm(t),其中:
步骤3)建立每个时隙每个边缘服务器ESm的偏好列表:
步骤3a)计算每个移动用户un在第t个时隙的任务计算量DCn(t),并通过DCn(t)、γ和边缘服务器ESm的计算资源Cm计算该时隙移动用户un使用ESm的计算时延得到N个移动用户U使用M个边缘服务器ES的计算时延集合Tcomp(t),其中:
DCn(t)=μn(t)DCn
步骤3b)从边缘服务器ESm的角度来看,衡量移动用户优先级的指标是每个移动用户在ESm的计算时延,因此按照由小到大的顺序对计算时延子集合中的N个计算时延进行排序,并将排序后的计算时延子集合中N个计算时延对应的N个移动用户组成在第t个时隙ESm的偏好列表则M个边缘服务器ES在第t个时隙的偏好列表集合为
步骤4)建立每个时隙每个移动用户un的偏好列表:
步骤4a)由于移动用户un的任务会经历多个时隙,为了有效利用所有边缘服务器的计算资源,需要在边缘服务器之间进行任务迁移。计算第t个时隙每个移动用户un的任务数据量Dn(t),并通过Dn(t)和ω计算第t个时隙距离un最近的边缘服务器将un的任务迁移至除以外的每个边缘服务器的迁移时延a∈[1,M-1],令第t个时隙将un的任务迁移至本身的迁移时延得到第t个时隙N个移动用户U与M个边缘服务器ES的迁移时延集合Tmig(t),其中:
Dn(t)=μn(t)Dn
步骤4b)移动用户un的服务时延由三部分组成,通信时延,计算时延以及迁移时延,因此通过和计算第t个时隙移动用户un使用ESm的服务时延得到该时隙N个移动用户U使用M个边缘服务器ES的服务时延集合Tser(t):
步骤4c)从移动用户un的角度来看,衡量边缘服务器优先级的指标是在每个边缘服务器对un的服务时延,因此按照由小到大的顺序对服务时延子集合中的M个服务时延进行排序,并将排序后的服务时延子集合中M个服务时延对应的M个边缘服务器组成在第t个时隙un的偏好列表则N个移动用户U在第t个时隙的偏好列表集合为
步骤5)获取第t个时隙所有移动用户与所有边缘服务器的匹配矩阵:
步骤5a)初始化第t个时隙N个移动用户U和M个边缘服务器ES的匹配矩阵H(t)为N×M的全零矩阵;
步骤5b)令n=1,m=1;
步骤5c)判断移动用户un是否已匹配边缘服务器,若是,执行步骤(5d),否则,移除第t个时隙移动用户un的偏好列表中优先级最高的边缘服务器,以此来保证un的偏好列表中存在的都是之前未被移动用户un匹配过的服务器,并将其与un在匹配矩阵H(t)中的匹配值置为1,并执行步骤(5d);
步骤5d)判断n=N是否成立,若是,执行步骤(5e),否则,令n=n+1,执行步骤(5c);
步骤5e)判断匹配边缘服务器ESm的移动用户数是否超过了服务上限γ,若是,移除第t个时隙ESm偏好列表中在当前匹配结果中优先级最低的移动用户,以此来保证ESm偏好列表中存在的都是之前未被移动用户un匹过的服务器,并将匹配矩阵H(t)中的匹配值置为0,再执行步骤(5b),否则,执行步骤(5f);
步骤5f)判断m=M是否成立,若是,得到第t个时隙N个移动用户U和M个边缘服务器ES的匹配矩阵H(t),否则,令m=m+1,执行步骤(5e);
步骤6)获取移动边缘计算中的动态资源分配结果:
判断t=T是否成立,若是,得到所有时隙的匹配矩阵H={H(1),H(2),...,H(t),...,H(T)},实现所有边缘服务器的计算资源到所有移动用户的动态分配,否则,通过H(t)将每一移动用户un的任务未处理的比例μn(t)更新为μn(t)*,由于在第t个时隙每个移动用户un的任务已被计算一部分,因此需要对其任务未处理的比例进行更新,作为下一个时隙un的任务为处理比例,同时将更新为第t个时隙为用户提供服务的边缘服务器,并令t=t+1,再执行步骤(3),其中:
Claims (3)
1.一种基于匹配理论的移动边缘计算中的动态资源分配方法,其特征在于包括如下步骤:
(1)初始化移动边缘计算场景下的系统参数:
初始化包括M个边缘服务器ES={ES1,ES2,...,ESm,...,ESM}和N个移动用户U={u1,u2,...,un,...,uN}的边缘计算场景,每个边缘服务器ESm为每个移动用户un提供的任务数据上传带宽均为B,ESm的计算资源为Cm,ESm均可以同时为γ个移动用户提供计算服务,边缘服务器之间的传输速率均为ω,对每个移动用户un运动轨迹进行采样的时隙均为t,时隙总数为T,第t个时隙移动用户un任务未处理的比例为μn(t),μn(t)∈(0,1),并令t=1,令μn(t)=1,其中M≥5,ESm表示第m个边缘服务器,N≥10,un表示第n个移动用户,γ≥5,T≥20;
(2)获取每个时隙每个移动用户un的通信时延:
其中,pn表示移动用户un的传输功率,表示第t个时隙移动用户un和边缘服务器所使用的信道功率增益,ln,close(t)表示第t个时隙移动用户un和边缘服务器之间的距离,δ2表示噪声功率,θ表示路径损失;
(2b)通过和un的任务数据量Dn计算第t个时隙移动用户un与距离其最近的边缘服务器的通信时延并令第t个时隙每个移动用户un与除以外的M-1个边缘服务器的通信时延为0,得到第t个时隙N个移动用户U与M个边缘服务器ES的通信时延集合Tcomm(t),其中:
(3)建立每个时隙每个边缘服务器ESm的偏好列表:
(3a)计算每个移动用户un在第t个时隙的任务计算量DCn(t),并通过DCn(t)、γ和边缘服务器ESm的计算资源Cm计算该时隙移动用户un使用ESm的计算时延得到N个移动用户U使用M个边缘服务器ES的计算时延集合Tcomp(t),其中:
DCn(t)=μn(t)DCn
(3b)按照由小到大的顺序对计算时延子集合中的N个计算时延进行排序,并将排序后的计算时延子集合中N个计算时延对应的N个移动用户组成在第t个时隙ESm的偏好列表则M个边缘服务器ES在第t个时隙的偏好列表集合为
(4)建立每个时隙每个移动用户un的偏好列表:
(4a)计算第t个时隙每个移动用户un的任务数据量Dn(t),并通过Dn(t)和ω计算第t个时隙距离un最近的边缘服务器将un的任务迁移至除以外的每个边缘服务器的迁移时延令第t个时隙将un的任务迁移至本身的迁移时延得到第t个时隙N个移动用户U与M个边缘服务器ES的迁移时延集合Tmig(t),其中:
(4c)按照由小到大的顺序对服务时延子集合中的M个服务时延进行排序,并将排序后的服务时延子集合中M个服务时延对应的M个边缘服务器组成在第t个时隙un的偏好列表则N个移动用户U在第t个时隙的偏好列表集合为
(5)获取第t个时隙所有移动用户与所有边缘服务器的匹配矩阵:
(5a)初始化第t个时隙N个移动用户U和M个边缘服务器ES的匹配矩阵H(t)为N×M的全零矩阵;
(5b)令n=1,m=1;
(5c)判断移动用户un是否已匹配边缘服务器,若是,执行步骤(5d),否则,移除第t个时隙移动用户un的偏好列表中优先级最高的边缘服务器,并将其与un在匹配矩阵H(t)中的匹配值置为1,并执行步骤(5d);
(5d)判断n=N是否成立,若是,执行步骤(5e),否则,令n=n+1,执行步骤(5c);
(5e)判断匹配边缘服务器ESm的移动用户数是否超过了服务上限γ,若是,移除第t个时隙ESm偏好列表中在当前匹配结果中优先级最低的移动用户,并将匹配矩阵H(t)中的匹配值置为0,再执行步骤(5b),否则,执行步骤(5f);
(5f)判断m=M是否成立,若是,得到第t个时隙N个移动用户U和M个边缘服务器ES的匹配矩阵H(t),否则,令m=m+1,执行步骤(5e);
(6)获取移动边缘计算中的动态资源分配结果:
判断t=T是否成立,若是,得到所有时隙的匹配矩阵H={H(1),H(2),...,H(t),...,H(T)},实现所有边缘服务器的计算资源到所有移动用户的动态分配,否则,通过H(t)将每一移动用户un的任务未处理的比例μn(t)更新为μn(t)*,同时将更新为第t个时隙为用户提供服务的边缘服务器,并令t=t+1,再执行步骤(3),其中:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110968292.8A CN113709886B (zh) | 2021-08-23 | 2021-08-23 | 基于匹配理论的移动边缘计算中的动态资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110968292.8A CN113709886B (zh) | 2021-08-23 | 2021-08-23 | 基于匹配理论的移动边缘计算中的动态资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113709886A true CN113709886A (zh) | 2021-11-26 |
CN113709886B CN113709886B (zh) | 2023-08-18 |
Family
ID=78653997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110968292.8A Active CN113709886B (zh) | 2021-08-23 | 2021-08-23 | 基于匹配理论的移动边缘计算中的动态资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113709886B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114286304A (zh) * | 2021-12-23 | 2022-04-05 | 天地(常州)自动化股份有限公司 | 一种基于二维动态匹配的mec资源分配方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107317700A (zh) * | 2017-06-09 | 2017-11-03 | 湖北理工学院 | 车载边缘计算节点选择系统及方法 |
CN109788069A (zh) * | 2019-02-27 | 2019-05-21 | 电子科技大学 | 物联网中基于移动边缘计算的计算卸载方法 |
CN109819047A (zh) * | 2019-02-26 | 2019-05-28 | 吉林大学 | 一种基于激励机制的移动边缘计算资源分配方法 |
CN111447619A (zh) * | 2020-03-12 | 2020-07-24 | 重庆邮电大学 | 一种移动边缘计算网络中联合任务卸载和资源分配方法 |
KR20200114957A (ko) * | 2019-03-29 | 2020-10-07 | 삼성전자주식회사 | 엣지 컴퓨팅 서비스를 위한 방법 및 그의 전자 장치 |
WO2020204269A1 (ko) * | 2019-03-29 | 2020-10-08 | 삼성전자 주식회사 | 엣지 컴퓨팅 서비스를 위한 방법 및 그의 전자 장치 |
CN112600895A (zh) * | 2020-12-07 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 移动边缘计算的服务调度方法、系统、终端以及存储介质 |
WO2021139537A1 (zh) * | 2020-01-08 | 2021-07-15 | 上海交通大学 | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 |
-
2021
- 2021-08-23 CN CN202110968292.8A patent/CN113709886B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107317700A (zh) * | 2017-06-09 | 2017-11-03 | 湖北理工学院 | 车载边缘计算节点选择系统及方法 |
CN109819047A (zh) * | 2019-02-26 | 2019-05-28 | 吉林大学 | 一种基于激励机制的移动边缘计算资源分配方法 |
CN109788069A (zh) * | 2019-02-27 | 2019-05-21 | 电子科技大学 | 物联网中基于移动边缘计算的计算卸载方法 |
KR20200114957A (ko) * | 2019-03-29 | 2020-10-07 | 삼성전자주식회사 | 엣지 컴퓨팅 서비스를 위한 방법 및 그의 전자 장치 |
WO2020204269A1 (ko) * | 2019-03-29 | 2020-10-08 | 삼성전자 주식회사 | 엣지 컴퓨팅 서비스를 위한 방법 및 그의 전자 장치 |
WO2021139537A1 (zh) * | 2020-01-08 | 2021-07-15 | 上海交通大学 | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 |
CN111447619A (zh) * | 2020-03-12 | 2020-07-24 | 重庆邮电大学 | 一种移动边缘计算网络中联合任务卸载和资源分配方法 |
CN112600895A (zh) * | 2020-12-07 | 2021-04-02 | 中国科学院深圳先进技术研究院 | 移动边缘计算的服务调度方法、系统、终端以及存储介质 |
Non-Patent Citations (2)
Title |
---|
QI ZHANG等: "Dynamic Task Offloading and Resource Allocation for Mobile-Edge Computing in Dense Cloud RAN", 《IEEE》 * |
马惠荣等: "绿色能源驱动的移动边缘计算动态任务卸载", 《CNKI》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114286304A (zh) * | 2021-12-23 | 2022-04-05 | 天地(常州)自动化股份有限公司 | 一种基于二维动态匹配的mec资源分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113709886B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684075B (zh) | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 | |
CN109857546B (zh) | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 | |
Fan et al. | Workload allocation in hierarchical cloudlet networks | |
CN107911478B (zh) | 基于化学反应优化算法的多用户计算卸载方法及装置 | |
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 | |
CN109151864B (zh) | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 | |
JP5573957B2 (ja) | 通信ネットワークにおけるリソース配分方法及び装置 | |
CN112416554A (zh) | 一种任务迁移方法、装置、电子设备及存储介质 | |
US10299165B2 (en) | Method and apparatus for user/base-station signaling and association achieving load balancing across wireless multi-band heterogeneous networks | |
CN110868700B (zh) | 车载边缘计算环境下基于可分裂任务的协作计算卸载方法 | |
CN112105062A (zh) | 时敏条件下移动边缘计算网络能耗最小化策略方法 | |
CN111711962B (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN111757361B (zh) | 一种雾网络中基于无人机辅助的任务卸载方法 | |
CN111030771B (zh) | 非正交多重接入系统中的用户装置选择方法及其基站 | |
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 | |
JP2008289127A (ja) | 複数チャネルを備えるb3g/4gセルラーネットワークにおける異種のトラフィックをスケジューリングする方法 | |
US9665409B2 (en) | Methods and apparatus facilitating access to storage among multiple computers | |
CN111328146B (zh) | 一种基于遗传算法优化传输速率权重的业务调度方法 | |
US9031024B2 (en) | Radio resource management for distributed cellular systems | |
CN106792919B (zh) | 无线虚拟网中基于等效容量的资源分配方法 | |
CN112511652B (zh) | 一种边缘计算下的合作计算任务分配方法 | |
CN112437449B (zh) | 联合资源分配方法 | |
CN113709886A (zh) | 基于匹配理论的移动边缘计算中的动态资源分配方法 | |
CN113840333A (zh) | 电网资源分配的方法、装置、电子设备及存储介质 | |
CN116915869A (zh) | 基于云边协同的时延敏感型智能服务快速响应方法 |
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 |