CN113986370A - 移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质 - Google Patents
移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113986370A CN113986370A CN202111145242.6A CN202111145242A CN113986370A CN 113986370 A CN113986370 A CN 113986370A CN 202111145242 A CN202111145242 A CN 202111145242A CN 113986370 A CN113986370 A CN 113986370A
- Authority
- CN
- China
- Prior art keywords
- service
- delay
- base station
- time slot
- decision
- 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
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种移动边缘计算系统的基站选择与任务卸载方法、装置、设备及介质,方法:基于服务放置和基站选择这两个决策变量,构建移动边缘计算系统在任意时隙的切换时延、通信时延和排队时延的计算模型;最小化非切换时延获得初始时刻的服务放置和基站选择决策;根据前一时隙的决策,计算当前时隙的切换时延和非切换时延,基于容忍更多非切换时延的原则,确定当前时隙是否迁移服务;若不迁移服务,则当前时隙的决策保持为与前一时隙相同;若迁移服务,最小化当前时隙的非切换时延,获得当前时隙的服务放置和基站选择决策;迭代计算所有时隙的服务放置和基站选择决策。本发明保障低时延处理和用户服务质量,满足用户移动的随机性。
Description
技术领域
本发明属于移动边缘计算(Mobile Edge Computing,MEC)的通信技术,具体涉及一种移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质。
背景技术
近年来,随着移动设备呈爆炸式的增长趋势,以虚拟/增强现实、自动驾驶、车联网为代表的新业务对移动通信提出了更高的要求。为了支持低时延、高可靠应用,移动边缘计算应运而生。
移动边缘计算的核心是在靠近用户的网络边缘部署存储和计算资源,从而降低时延,保障用户的服务质量。边缘智能网络中,网络边缘云主要是由微型数据中心构成,每个网络边缘都配置着一个接入点,也就是基站。用户通过选择一个附近的基站获取边缘网络中的服务,而不是从远端云中心获取服务,从而降低时延。
边缘智能网络中常常存在的一个挑战是用户移动。通常的解决方式是迁移服务。一般情况下,服务迁移到离用户较近的地方,以降低通信延迟。也就是说,在用户移动后,MEC系统将做出以下决策以达到用户服务质量优化的目标:首先是否切换移动用户请求的服务位置;接下来是若操作模块决定切换,何时切换以及将服务切换到网络中的哪个边缘云处。
当用户选择接入的边缘云的基站有很长的任务队列待处理,这导致当前用户会体验到很长的队列延迟。当然,若当前边缘云放置着多个用户的服务,那么基站的负载繁重,同样影响任务的完成时间。因此优化用户选择合适的基站和服务放置的过程,可以提高用户的用户服务质量。
发明内容
本发明提供一种移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质,在系统未来信息有限或不确定的情况下,保障低时延处理和用户服务质量,满足用户移动的随机性。
为实现上述技术目的,本发明采用如下技术方案:
一种移动边缘计算系统的基站选择与任务卸载方法,包括以下步骤:
步骤1,基于服务放置决策和基站选择决策这两个决策变量,构建移动边缘计算系统在任意时隙的切换时延、通信时延和排队时延的计算模型;由切换时延、通信时延和排队时延之和得到总时延的计算模型,由通信时延和排队时延之和得到非切换时延的计算模型;
步骤2,设置初始时刻t1,将非切换时延作为优化问题,通过最小化初始时刻t1的非切换时延,获得初始时刻t1的服务放置决策和基站选择决策;
步骤3,根据前一时隙t-1的服务放置决策和基站选择决策,计算时隙t的切换时延和非切换时延,统计上一次切换服务到当前时隙t的非切换时延之和;基于容忍更多非切换时延的原则,确定时隙t是否迁移服务;
步骤4,如果步骤3确定为不迁移服务,则将时隙t的服务放置决策和基站选择决策,保持为与前一时隙t-1相同;如果步骤3确定为迁移服务,则将非切换时延作为优化问题,通过最小化时隙t的非切换时延,获得时隙t的服务放置决策和基站选择决策;
步骤5,返回步骤3,迭代计算所有时隙的服务放置决策和基站选择决策。
进一步地,步骤3中基于容忍更多非切换时延的原则确定时隙t是否迁移服务的方法为:预设置容忍系数阈值β,记时隙t的切换时延为T1,记上一次切换服务到当前时隙的非切换时延之和为T2,将T2与β*T1进行比较,若T2<β*T1,则决定不迁移服务,否则决定迁移服务。
进一步地,所述容忍系数阈值β,根据卸载任务的类型进行预设置。
进一步地,所述移动边缘计算系统包括M个边缘计算云,每个边缘计算云由基站和移动边缘计算服务器组成,所述基站用于移动用户设备接入服务,并将服务卸载到本地的移动边缘计算服务器或者通过通信链路卸载到其他边缘计算云;具体可表示为:
表示M个边缘计算云的集合;表示N个移动用户的集合;系统的时隙划分表示为在时隙用户可以接入的基站集合表示为φk(t);服务放置决策变量xik(t)∈{0,1}表示时隙t,用户的任务所需服务是否放置于边缘云其中,0为否,1为是,x(t)为服务放置决策变量xik(t)的向量表示;基站选择决策变量yjk(t)∈{0,1}表示时隙t,用户是否选择接入服务范围内的基站j∈φk(t),其中,0为否,1为是,y(t)为决策变量yjk(t)的向量表示;
任意时隙的切换时延的计算模型为:
任意时隙的通信时延的计算模型为:
任意时隙的排队时延的计算模型为:
式中,Tq(y(t))为时隙t的排队时延,Cj为边缘智能网络中基站j的容量,ck(t)为时隙t用户k的服务需求。
进一步地,由通信时延和排队时延之和得到非切换时延Tns(x(t),y(t))的计算模型为:
Tns(x(t),y(t))=Tq(y(t))+Tc(x(t),y(t))
将非切换时延作为优化问题求解服务放置决策和基站选择决策的约束条件包括:
进一步地,在步骤4基于约束条件求解优化问题时,将约束条件(3)、(5)分别进行松弛,得到:
然后通过线性规划求解获得服务放置决策和基站选择决策的分数结果;
最终,将服务放置决策的分数结果,作为服务放置决策取值为1的概率;并将服务放置决策的分数结果与基站选择决策分数结果的比值,作为基站选择决策取值为1的概率。
一种移动边缘计算系统的基站选择与任务卸载装置,包括:
时延计算模型构建,用于:基于服务放置决策和基站选择决策这两个决策变量,构建移动边缘计算系统在任意时隙的切换时延、通信时延和排队时延的计算模型;由切换时延、通信时延和排队时延之和得到总时延的计算模型,由通信时延和排队时延之和得到非切换时延的计算模型;
初始决策计算模块,用于:设置初始时刻t1,将非切换时延作为优化问题,通过最小化初始时刻t1的非切换时延,获得初始时刻t1的服务放置决策和基站选择决策;
迁移服务确定模块,用于:根据前一时隙t-1的服务放置决策和基站选择决策,计算时隙t的切换时延和非切换时延;基于容忍更多非切换时延的原则,确定时隙t是否迁移服务;
决策确定模块,用于:在确定不需要迁移服务时,将时隙t的服务放置决策和基站选择决策,保持为与前一时隙t-1相同;在确定需要迁移服务时,将非切换时延作为优化问题,通过最小化时隙t的总时延,获得时隙t的服务放置决策和基站选择决策。
一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,其特征在于,所述计算机程序被所述处理器执行时,使得所述处理器实现上述任一项所述的移动边缘计算系统的基站选择与任务卸载方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的移动边缘计算系统的基站选择与任务卸载方法。
有益效果:本发明针对多边缘云的移动边缘计算系统中,有关于用户网络接入基站的选择和用户任务所需服务的动态放置问题,提出尽量不切换服务的同时,最小化排队时延和通信时延,以获取服务放置决策和基站选择决策,实现最小化用户时延,保障用户服务质量的目标。
附图说明
图1是本申请实施例所述移动边缘计算系统的通信模型示意图;
图2是本申请实施例所述移动边缘计算系统的通信方法示意图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例以本发明的技术方案为依据开展,给出了详细的实施方式和具体的操作过程,对本发明的技术方案作进一步解释说明。
在移动边缘计算系统未来信息有限或不确定的情况下,满足用户服务质量是一个长期的优化问题。本发明提供一种移动边缘计算系统的基站选择与任务卸载方法,将长期的问题分解为一系列的单时隙问题,通过实现每个时隙的优化目标,从而最小化系统中的用户任务完成的总时间延迟。本发明在每个时隙中,首先选择容忍尽可能多的非切换时延,判断是否切换服务;然后依据判决结果,通过不同的方式做出基站选择决策,接下来根据基站选择决策结果计算可行概率确定服务放置决策;系统根据两个决策进行基站选择和服务放置从而最小化任务完成时延,大大提高用户服务质量。
在本发明的一个具体实施示例中,参考图1、2所示,包括以下步骤:
步骤1,基于服务放置决策和基站选择决策这两个决策变量,构建移动边缘计算系统在任意时隙的切换时延、通信时延和排队时延的计算模型;由切换时延、通信时延和排队时延之和得到总时延的计算模型,由通信时延和排队时延之和得到非切换时延的计算模型。
所述移动边缘计算系统包括M个边缘计算云,每个边缘计算云由基站和移动边缘计算服务器组成,所述基站用于移动用户设备接入服务,并将服务卸载到本地的移动边缘计算服务器或者通过通信链路卸载到其他边缘计算云;具体可表示为:
表示M个边缘计算云的集合;表示N个移动用户的集合;系统的时隙划分表示为在时隙用户可以接入的基站集合表示为φk(t);服务放置决策变量xik(t)∈{0,1}表示时隙t,用户的任务所需服务是否放置于边缘云其中,0为否,1为是,x(t)为服务放置决策变量xik(t)的向量表示;基站选择决策变量yjk(t)∈{0,1}表示时隙t,用户是否选择接入服务范围内的基站j∈φk(t),其中,0为否,1为是,y(t)为决策变量yjk(t)的向量表示。
移动边缘计算系统的任务处理时延包括排队时延、切换时延和通信时延,下面分别对各种时延进行解释。
切换时延:发生于用户在多个基站覆盖范围内移动时。为了保障用户服务质量,动态放置或者迁移服务是不可避免的。从时隙t-1到时隙t,所有用户的总切换时延表示为:
排队时延:产生在用户设备连接到基站的过程中。对于基站来说,连接到基站的用户数量会随着时间的变化而变化。当基站连接的用户过多甚至超过基站负载时,排队时延会影响到用户服务质量。排队时延的计算模型可表示为:
其中,Cj为边缘智能网络中基站的容量,ck(t)为时隙t用户的服务需求。
通信时延:产生在用户设备通过边缘云获取服务的过程中。在本发明移动边缘计算系统的模型中,服务的放置是独立的,不一定放置在与用户接入的基站相连的云端中。时隙t,根据基站选择决策和服务放置决策对应的通信时延,表示为:
因此,任务的总体完成时间可以表示为:
式中,T(x(t),y(t))为时隙t的系统总时延。
上述的排队时延和通信时延,属于非切换时延,仅依赖于当前时隙t的系统信息,因此非切换时延可表示为:
Tns(x(t),y(t))=Tq(y(t))+Tc(x(t),y(t))
式中,Tns(x(t),y(t))为时隙t的非切换时延。
步骤2,设置初始时刻t1,将非切换时延作为优化问题,通过最小化初始时刻t1的非切换时延,获得初始时刻t1的服务放置决策和基站选择决策。
根据步骤1得到的非切换时延Tns(x(t),y(t))=Tq(y(t))+Tc(x(t),y(t)),将其作为优化问题,以获得初始时刻t1的服务放置决策和基站选择决策。
其中,要实现上述优化目标,存在以下约束条件:
其中第一个约束条件表示在任意时隙t,每个服务仅可放置在边缘智能网络中的一个边缘云中;第二个约束条件表示每个边缘云上的服务总数不能超过容量限制,其中Si表示边缘云的服务总数限制;第三个约束条件用来指示用户的任务所需服务是否放置于边缘云其中,0为否,1为是;第四个约束条件表示在任意时隙t,每个用户仅可接入服务范围内的一个基站;第五个约束条件用来指示用户是否选择接入服务范围内的基站j∈φk(t),其中,0为否,1为是;第六个约束条件表示用户的服务需求不能超过基站的资源限制。
步骤3,根据前一时隙t-1的服务放置决策和基站选择决策,计算时隙t的切换时延和非切换时延,统计上一次切换服务到当前时隙t的非切换时延之和;基于容忍更多非切换时延的原则,确定时隙t是否迁移服务。
在该步骤中,根据卸载任务的类型预设置容忍系数阈值β,并记时隙t的切换时延为T1,记上一次切换服务到当前时隙的非切换时延之和为T2。基于容忍更多非切换时延的原则确定各时隙是否迁移服务的方法为:将T2与β*T1进行比较,若T2<β*T1,则决定不迁移服务,否则决定迁移服务。
步骤4,根据步骤3的迁移服务结果确定当前时隙的决策:
如果步骤3确定为不迁移服务,则将时隙t的服务放置决策和基站选择决策,保持为与前一时隙t-1相同;
如果步骤3确定为迁移服务,则将非切换时延作为优化问题,通过最小化时隙t的非切换时延,获得时隙t的服务放置决策和基站选择决策。
该步骤4的优化问题方法,实际上应该是将总切换时延作为优化问题,但由于此时已确定为迁移服务,因此切换时延已确定,基于总切换时延的优化问题可化简为基于非切换时延的优化问题。
即,本步骤4的优化问题为:
Tns(x(t),y(t))=Tq(y(t))+Tc(x(t),y(t))
约束条件包括:
基于约束条件求解优化问题时,将约束条件(3)、(5)分别进行松弛,得到:
然后通过线性规划求解获得服务放置决策和基站选择决策的分数结果;
最终,将服务放置决策的分数结果,作为服务放置决策取值为1的概率;并将服务放置决策的分数结果与基站选择决策分数结果的比值,作为基站选择决策取值为1的概率,即:
步骤5,返回步骤3,迭代计算所有时隙的服务放置决策和基站选择决策。
实施例:
边缘智能网络中一共有3个边缘云和1个用户,边缘云由基站和MEC服务器组成,如图1所示。以用户1为例,服务范围内可以选择接入的基站位于边缘云1,2内,通过无线信道进行通信。用户1请求的服务可以放置在任意边缘云内,通常选择负载较低的边缘云,如边缘云3。边缘云之间通过通信链路进行通信,如基站1与基站2之间通过通信链路1通信。当前时隙,边缘云1和2中基站排队的用户队列较长,影响任务的排队时延;同时基站负载过高;边缘云3中的基站无队列,且负载轻,但用户不处于边缘云3的覆盖范围之内。以图 1所示模型为例,通过以下的步骤完成优化问题的处理:
1)用户1根据一个时隙的当前信息计算切换时延和非切换时延,基于容忍尽可能多的非切换时延原则,决定是否迁移服务。
2)根据是否迁移服务的结果和最小化非切换时延原则,做出服务放置决策,将服务放置于边缘云3中;
情况1:服务不迁移,与上一时隙的决策保持一致;
情况2:服务迁移,将约束条件分别进行松弛,通过线性规划求解器获得服务放置决策和基站选择决策的分数结果,依放置决策的分数结果为概率取决策值为1,否则为0。
3)基于最小化非切换时延原则和服务放置结果,选择用户1的网络接入点,即基站1;
4)用户用过基站1与基站3的通信链路,获取位于边缘云3中的所需服务。
以上实施例为本申请的优选实施例,本领域的普通技术人员还可以在此基础上进行各种变换或改进,在不脱离本申请总的构思的前提下,这些变换或改进都应当属于本申请要求保护的范围之内。
Claims (9)
1.一种移动边缘计算系统的基站选择与任务卸载方法,其特征在于,包括以下步骤:
步骤1,基于服务放置决策和基站选择决策这两个决策变量,构建移动边缘计算系统在任意时隙的切换时延、通信时延和排队时延的计算模型;由切换时延、通信时延和排队时延之和得到总时延的计算模型,由通信时延和排队时延之和得到非切换时延的计算模型;
步骤2,设置初始时刻t1,将非切换时延作为优化问题,通过最小化初始时刻t1的非切换时延,获得初始时刻t1的服务放置决策和基站选择决策;
步骤3,根据前一时隙t-1的服务放置决策和基站选择决策,计算时隙t的切换时延和非切换时延,统计上一次切换服务到当前时隙t的非切换时延之和;基于容忍更多非切换时延的原则,确定时隙t是否迁移服务;
步骤4,如果步骤3确定为不迁移服务,则将时隙t的服务放置决策和基站选择决策,保持为与前一时隙t-1相同;如果步骤3确定为迁移服务,则将非切换时延作为优化问题,通过最小化时隙t的非切换时延,获得时隙t的服务放置决策和基站选择决策;
步骤5,返回步骤3,迭代计算所有时隙的服务放置决策和基站选择决策。
2.根据权利要求1所述的方法,其特征在于,步骤3中基于容忍更多非切换时延的原则确定时隙t是否迁移服务的方法为:预设置容忍系数阈值β,记时隙t的切换时延为T1,记上一次切换服务到当前时隙的非切换时延之和为T2,将T2与β*T1进行比较,若T2<β*T1,则决定不迁移服务,否则决定迁移服务。
3.根据权利要求2所述的方法,其特征在于,所述容忍系数阈值β,根据卸载任务的类型进行预设置。
4.根据权利要求1所述的方法,其特征在于,所述移动边缘计算系统包括M个边缘计算云,每个边缘计算云由基站和移动边缘计算服务器组成,所述基站用于移动用户设备接入服务,并将服务卸载到本地的移动边缘计算服务器或者通过通信链路卸载到其他边缘计算云;具体可表示为:
表示M个边缘计算云的集合;表示N个移动用户的集合;系统的时隙划分表示为在时隙用户可以接入的基站集合表示为φk(t);服务放置决策变量xik(t)∈{0,1}表示时隙t,用户的任务所需服务是否放置于边缘云其中,0为否,1为是,x(t)为服务放置决策变量xik(t)的向量表示;基站选择决策变量yjk(t)∈{0,1}表示时隙t,用户是否选择接入服务范围内的基站j∈φk(t),其中,0为否,1为是,y(t)为决策变量yjk(t)的向量表示;
任意时隙的切换时延的计算模型为:
任意时隙的通信时延的计算模型为:
任意时隙的排队时延的计算模型为:
式中,Tq(y(t))为时隙t的排队时延,Cj为边缘智能网络中基站j的容量,ck(t)为时隙t用户k的服务需求。
7.一种移动边缘计算系统的基站选择与任务卸载装置,其特征在于,包括:
时延计算模型构建,用于:基于服务放置决策和基站选择决策这两个决策变量,构建移动边缘计算系统在任意时隙的切换时延、通信时延和排队时延的计算模型;由切换时延、通信时延和排队时延之和得到总时延的计算模型,由通信时延和排队时延之和得到非切换时延的计算模型;
初始决策计算模块,用于:设置初始时刻t0,将非切换时延作为优化问题,通过最小化初始时刻t0的非切换时延,获得初始时刻t0的服务放置决策和基站选择决策;
迁移服务确定模块,用于:根据前一时隙t-1的服务放置决策和基站选择决策,计算时隙t的切换时延和非切换时延;基于容忍更多非切换时延的原则,确定时隙t是否迁移服务;
决策确定模块,用于:在确定不需要迁移服务时,将时隙t的服务放置决策和基站选择决策,保持为与前一时隙t-1相同;在确定需要迁移服务时,将非切换时延作为优化问题,通过最小化时隙t的总时延,获得时隙t的服务放置决策和基站选择决策。
8.一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,其特征在于,所述计算机程序被所述处理器执行时,使得所述处理器实现如权利要求1~6中任一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111145242.6A CN113986370B (zh) | 2021-09-28 | 2021-09-28 | 移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111145242.6A CN113986370B (zh) | 2021-09-28 | 2021-09-28 | 移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113986370A true CN113986370A (zh) | 2022-01-28 |
CN113986370B CN113986370B (zh) | 2023-08-25 |
Family
ID=79737060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111145242.6A Active CN113986370B (zh) | 2021-09-28 | 2021-09-28 | 移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113986370B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115033371A (zh) * | 2022-08-11 | 2022-09-09 | 湖南大学无锡智能控制研究院 | 一种用于车辆网中服务迁移的方法、设备及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112492626A (zh) * | 2020-12-07 | 2021-03-12 | 南京邮电大学 | 一种移动用户计算任务的卸载方法 |
CN112579203A (zh) * | 2020-12-23 | 2021-03-30 | 重庆邮电大学 | 异构边缘网络中基于服务器休眠的协同计算方法 |
EP3826368A1 (en) * | 2019-11-19 | 2021-05-26 | Commissariat à l'énergie atomique et aux énergies alternatives | Energy efficient discontinuous mobile edge computing with quality of service guarantees |
CN113115256A (zh) * | 2021-04-14 | 2021-07-13 | 重庆邮电大学 | 一种在线vmec服务网络选择的迁移方法 |
-
2021
- 2021-09-28 CN CN202111145242.6A patent/CN113986370B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3826368A1 (en) * | 2019-11-19 | 2021-05-26 | Commissariat à l'énergie atomique et aux énergies alternatives | Energy efficient discontinuous mobile edge computing with quality of service guarantees |
CN112492626A (zh) * | 2020-12-07 | 2021-03-12 | 南京邮电大学 | 一种移动用户计算任务的卸载方法 |
CN112579203A (zh) * | 2020-12-23 | 2021-03-30 | 重庆邮电大学 | 异构边缘网络中基于服务器休眠的协同计算方法 |
CN113115256A (zh) * | 2021-04-14 | 2021-07-13 | 重庆邮电大学 | 一种在线vmec服务网络选择的迁移方法 |
Non-Patent Citations (1)
Title |
---|
吴大鹏;吕吉;李职杜;王汝言;: "移动性感知的边缘服务迁移策略", 通信学报, no. 04 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115033371A (zh) * | 2022-08-11 | 2022-09-09 | 湖南大学无锡智能控制研究院 | 一种用于车辆网中服务迁移的方法、设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113986370B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401552B (zh) | 基于调整批量大小与梯度压缩率的联邦学习方法和系统 | |
CN110418416B (zh) | 移动边缘计算系统中基于多智能体强化学习的资源分配方法 | |
Elbamby et al. | Proactive edge computing in latency-constrained fog networks | |
Fadlullah et al. | HCP: Heterogeneous computing platform for federated learning based collaborative content caching towards 6G networks | |
CN110351760B (zh) | 一种移动边缘计算系统动态任务卸载及资源分配方法 | |
CN110096362B (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
CN113950066A (zh) | 移动边缘环境下单服务器部分计算卸载方法、系统、设备 | |
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 | |
Wei et al. | Joint user scheduling and content caching strategy for mobile edge networks using deep reinforcement learning | |
Moscholios et al. | State-dependent bandwidth sharing policies for wireless multirate loss networks | |
CN111552564A (zh) | 基于边缘缓存的任务卸载与资源优化的方法 | |
CN109995836B (zh) | 缓存决策方法及装置 | |
CN111796880B (zh) | 一种边缘云计算任务的卸载调度方法 | |
CN110740473A (zh) | 一种用于移动边缘计算的管理方法及边缘服务器 | |
KR102298698B1 (ko) | 에지 컴퓨팅 네트워크에서의 서비스 캐싱 방법 및 장치 | |
CN109756912A (zh) | 一种多用户多基站联合任务卸载及资源分配方法 | |
CN114449529A (zh) | 基于移动边缘计算的资源分配优化方法、装置及存储介质 | |
CN114390057A (zh) | Mec环境下基于强化学习的多接口自适应数据卸载方法 | |
Xiong et al. | Learning augmented index policy for optimal service placement at the network edge | |
CN113986370B (zh) | 移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质 | |
CN115633380A (zh) | 一种考虑动态拓扑的多边缘服务缓存调度方法和系统 | |
KR101924628B1 (ko) | 트래픽 오프로딩을 제어하기 위한 장치 및 방법 | |
CN113315806B (zh) | 一种面向云网融合的多接入边缘计算架构 | |
CN114422438B (zh) | 电力通信网络的链路调节方法及装置 | |
CN113411862B (zh) | 一种动态蜂窝网络中的缓存放置和用户接入方法及装置 |
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 |