CN113986532B - 一种低轨卫星物联网分布式任务协作处理方法 - Google Patents
一种低轨卫星物联网分布式任务协作处理方法 Download PDFInfo
- Publication number
- CN113986532B CN113986532B CN202111201391.XA CN202111201391A CN113986532B CN 113986532 B CN113986532 B CN 113986532B CN 202111201391 A CN202111201391 A CN 202111201391A CN 113986532 B CN113986532 B CN 113986532B
- Authority
- CN
- China
- Prior art keywords
- node
- working node
- working
- data
- node set
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 150
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000011478 gradient descent method Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 37
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000007667 floating Methods 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
Abstract
本发明公开了一种低轨卫星物联网分布式任务协作处理方法。低轨卫星物联网节点集合中任意节点响应数据处理请求任务后成为中枢节点。首先中枢节点选择多个近邻节点组成工作节点集合,把待处理数据按一定比值分配给每个工作节点,通过梯度下降法得到最优数据分配比值使得工作节点集合处理任务总时间最短;其次遍历工作节点的所有组合,从中选取出处理任务总时间最短的工作节点集合;最后中枢节点按照最优数据分配比值把待处理数据分发给最优工作节点集合中每个工作节点,各工作节点将接收到的数据进行处理,并将处理后数据发送至中枢节点,由中枢节点生成完整的处理后数据。该方法能够高效整合节点间计算资源并解决单卫星节点计算资源有限的问题。
Description
技术领域
本发明涉及低轨卫星通信和物联网技术领域,尤其涉及一种低轨卫星物联网分布式任务协作处理方法。
背景技术
近年来,卫星互联网成为国家“新基建”的重要内容,而低轨卫星物联网作为卫星互联网的有机组成部分,是卫星互联网建设与应用的突破口。近年来,随着相关技术的快速突破、产业迅速发展,低轨卫星物联网正在进入爆发前关键阶段。区别于2万公里以上的中高轨通信卫星,低轨物联网卫星一般运行于500-1200公里的轨道高度,具有风险小、成本低、见效快、全天候通信等优势。区别于地面物联网受到空间环境和地理因素的限制,低轨卫星物联网能有效解决目前空中、海洋、80%以上陆地没有网络覆盖的难题。且因其较低传输损耗和低时延的特点,成为配合地面网络实现万物互联的最为“经济实用”的解决方案,为产业数字转型、智能升级、融合创新等提供支撑,加快数字中国建设,抢占数字经济发展主动权。
分布式系统属于能有效利用硬件资源的软件系统,建立在节点网络通信的基础之上,因此分布式系统兼具灵活性与统一性,各节点既能作为独立的物理单元完成计算任务,又能通过节点间信息的有效传输,以作为一个整体完成复杂的大型任务。其目的是利用更多的机器,完成单个计算机无法完成或耗时较长的计算、存储任务。
低轨卫星通信系统正是通过星座方式组成分布式系统对地球实现无缝覆盖。常规的分布式处理方法基本都是在一个卫星节点收到任务请求后,选择该卫星节点附近固定数量的近邻节点,把任务分发给近邻节点等待完成后再传回原节点。但由于低轨卫星星座的高动态以及物联网业务分布的不均匀性,常规的分布式处理方法在效率和资源利用上并不占优势,此时灵活选取近邻节点的分布式处理模型能更高效地整合多个卫星的计算资源,提升性能和系统的可用性。
发明内容
本发明提供了低轨卫星物联网分布式任务协作处理模型,以解决单颗卫星处理任务的低效率问题,同时能在总的计算资源有限的情况下动态选取近邻节点,利用多个卫星节点的计算资源共同完成任务。
本发明的技术解决方案是:低轨卫星物联网分布式任务协作处理模型,为了更好地描述卫星节点间任务协作处理的过程,建立了一个面向卫星节点的组网数学模型,并将实际条件加以形式化描述,给出了数学上的优化目标,具体步骤如下:
步骤1:多个正常运行的低轨卫星节点构成低轨卫星物联网节点集合,低轨卫星物联网节点集合中任意低轨卫星物联网节点收到数据处理请求任务后,成为完成所述数据处理请求任务的中枢节点,所述中枢节点接收数据处理请求任务,将中枢节点所对应的低轨卫星物联网节点从低轨卫星物联网节点集合中剔除,进一步在所述低轨卫星物联网节点集合中,根据已知低轨卫星星座系统参数筛选,舍弃无法参与协作处理的低轨卫星物联网节点,把能够参与协作处理的低轨卫星物联网节点挑选出来以构建中枢节点的近邻节点集合;
步骤1所述低轨卫星物联网节点集合记为Snode,具体定义如下:
Snode={node1,node2,...,nodei,...,nodeM}
nodei∈Snode,1≤i≤M
其中,nodei为低轨卫星物联网节点集合中第i个低轨卫星物联网节点,M为低轨卫星物联网节点集合中低轨卫星物联网节点的数量;
步骤1所述低轨卫星物联网节点集合中任意两个低轨卫星物联网节点均可进行无线通信;
步骤1所述中枢节点记为nodem,具体定义如下:
nodem∈Snode,1≤m≤M
步骤1所述数据处理请求任务记为T,具体定义如下:
T=(data,flops,data′)
其中,T为数据处理请求任务,data为数据处理请求任务中待处理数据的数据量,flops为数据处理请求任务中处理数据所需的浮点运算数,data′为数据处理请求任务中数据处理完成后的数据量;
步骤1所述中枢节点的近邻节点集合记为具体定义如下:
其中,为中枢节点的近邻节点集合,N为中枢节点的近邻节点集合中近邻节点的数量,/>为中枢节点的近邻节点集合中第k个近邻节点,即低轨卫星物联网节点集合中第ik个低轨卫星物联网节点;
所述中枢节点与所述中枢节点的近邻节点集合中任意一个近邻节点依次进行无线通信;
步骤2、从中枢节点的近邻节点集合中任意选择多个近邻节点和中枢节点共同组成工作节点集合,工作节点集合中每个工作节点将瞬时轨道参数通过卫星轨道位置坐标算法计算得到每个工作节点在地固直角坐标系下的实时位置坐标,工作节点集合中每个工作节点把对应在地固直角坐标系下的实时位置坐标无线传输至所述中枢节点,所述中枢节点根据工作节点集合中每个工作节点的实时位置坐标计算得到中枢节点到工作节点集合中每个工作节点间的距离,进一步计算得到中枢节点和工作节点集合中每个工作节点间的通信传输速率并获取工作节点集合中每个工作节点的计算速率,中枢节点把待处理数据按一定比值划分为多个子数据,并将子数据分配给工作节点集合中每个工作节点,由此计算出每个工作节点的数据传输时间和数据处理时间,通过每个工作节点的数据传输时间和数据处理时间相加得到每个工作节点完成数据处理任务的总时间,进一步计算得到每个工作节点完成数据处理任务总时间的方差,通过梯度下降法,得到工作节点集合中每个工作节点最优的数据分配比值,从而使得所述工作节点集合完成步骤1所述的数据处理请求任务所需要的总时间最短;
步骤2所述工作节点集合记为Swork,具体定义如下:
其中,Swork为工作节点集合,工作节点集合中工作节点的总数量为O+1,为工作节点集合中第n个工作节点,即中枢节点的近邻节点集合中第kn个近邻节点,即低轨卫星物联网节点集合中第/>个低轨卫星物联网节点,nodem为工作节点集合中最后一个工作节点,即中枢节点;
步骤2所述瞬时轨道参数由工作节点集合中每个工作节点的GPS输出得到时刻t的瞬时轨道参数;
所述时刻t的瞬时轨道参数包括:参考时刻、对应参考时刻的开普勒轨道参数、对应参考时刻的轨道摄动修正项参数;
步骤2所述时刻t工作节点集合中每个工作节点的瞬时轨道参数按照卫星轨道位置坐标算法计算得到时刻t工作节点集合中每个工作节点在地固直角坐标系下的实时位置坐标;
所述时刻t工作节点集合中所述中枢节点在地固直角坐标系下的实时位置坐标记为:
(xm(t)、ym(t)、zm(t))
其中,xm(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的x轴坐标,ym(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的y轴坐标,zm(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的z轴坐标;
所述时刻t工作节点集合中除中枢节点外剩余每个工作节点在地固直角坐标系下的实时位置坐标记为:
其中,为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的x轴坐标,/>为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的y轴坐标,为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的z轴坐标;
步骤2所述时刻t工作节点集合中每个工作节点在地固直角坐标系下的实时位置坐标发送给中枢节点,由此中枢节点计算出步骤2所述时刻t中枢节点到工作节点集合中每个工作节点间的距离,公式为:
其中,为时刻t中枢节点和工作节点集合中第n个工作节点间的距离,dm,m(t)为时刻t中枢节点和中枢节点间的距离;
步骤1所述低轨卫星物联网节点间的无线通信采用非平衡QPSK信号结构,此结构中节点间的通信传输速率和节点间距离有关,由此中枢节点计算出步骤2所述时刻t中枢节点和工作节点集合中每个工作节点间的通信传输速率,公式为:
其中,为时刻t中枢节点和工作节点集合中第n个工作节点间的通信传输速率,vm,m(t)为时刻t中枢节点和中枢节点间的通信传输速率,Pt为发射机功率,Gt为发射天线增益,Gx为接收天线增益,f为发射信号频率,c为光速,k为玻尔兹曼常数,T为接收机的噪声温度,Q为品质因数,PBER为误码率;
步骤2所述时刻t中枢节点和工作节点集合中每个工作节点间的通信传输速率计算得到后排列如下:
根据时刻t工作节点集合中每个工作节点的硬件情况(内存、CPU等)和工作情况(是否在处理其他任务请求及剩余计算能力),每个工作节点内部可以生成时刻t自身的计算速率。步骤2所述时刻t工作节点集合中每个工作节点的计算速率排列如下:
其中,为时刻t工作节点集合中第n个工作节点的计算速率,pm(t)为时刻t工作节点集合中中枢节点的计算速率;
步骤2所述中枢节点把待处理数据按一定比值划分为多个子数据分配给工作节点集合中每个工作节点,假设分配给工作节点集合中每个工作节点的子数据量为:
对应子数据处理所需的浮点运算数为:
对应子数据处理完成后传回中枢节点的数据量为:
具体公式如下:
其中,为工作节点集合中第n个工作节点所分配的子数据量,datam为工作节点集合中中枢节点所分配的子数据量,/>为工作节点集合中第n个工作节点所分配的子数据所需的浮点运算数,flopsm为工作节点集合中中枢节点所分配的子数据所需的浮点运算数,/>为工作节点集合中第n个工作节点所分配的子数据处理完成后传回中枢节点的数据量,data'm为工作节点集合中中枢节点所分配的子数据处理完成后传回中枢节点的数据量,分配给工作节点集合中每个工作节点的子数据量与总数据量之比、对应子数据所需的浮点运算数与总数据所需的浮点运算数之比以及对应子数据处理完成后传回中枢节点的数据量和总数据处理完成后传回中枢节点的数据量之比三者相等;
步骤2所述工作节点集合中每个工作节点完成数据处理任务的总时间包括中枢节点向工作节点集合中每个工作节点传输待处理子数据的时间、工作节点集合中每个工作节点本地处理子数据的时间以及工作节点集合中每个工作节点向中枢节点传输已处理子数据的时间三部分,公式为:
其中,为工作节点集合中第n个工作节点完成数据处理任务的总时间,/>为中枢节点向工作节点集合中第n个工作节点传输待处理子数据的时间,/>为工作节点集合中第n个工作节点本地处理子数据的时间,/>为工作节点集合中第n个工作节点向中枢节点传输已处理子数据的时间,/>为工作节点集合中中枢节点完成数据处理任务的总时间,/>为工作节点集合中中枢节点向中枢节点传输待处理子数据的时间,/>为工作节点集合中中枢节点本地处理子数据的时间,/>为工作节点集合中中枢节点向中枢节点传输已处理子数据的时间;
步骤2所述工作节点集合中每个工作节点完成数据处理任务总时间的方差为:
其中,σ2和分别为工作节点集合中每个工作节点完成数据处理任务总时间的方差和均值;
以所述σ2最小化为优化目标,通过梯度下降法寻优,得到最优的数据分配比值,从而使得所述工作节点集合完成步骤1所述的数据处理请求任务所需要的总时间最短;
步骤3、重复执行步骤2直至所有工作节点集合均依次遍历,得到每种工作节点集合完成步骤1所述的数据处理请求任务的最短总时间,在所有工作节点集合完成步骤1所述的数据处理请求任务的最短总时间中选择最短总时间的最小值,对应的工作节点集合作为最优工作节点集合;
步骤3所述所有工作节点集合为:
从中枢节点的近邻节点集合中选取出多个近邻节点和中枢节点组成工作节点集合用于完成步骤1所述的数据处理请求任务。枚举中枢节点的近邻节点集合中多个近邻节点的选择方式,并依次与中枢节点组成工作节点集合,即得到步骤3所述的所有工作节点集合;
步骤3所述的所有工作节点集合选取的不同近邻节点组合总数量为L,定义如下:
其中,中枢节点的近邻节点集合中近邻节点的数量为N,选取的近邻节点数量从1到N对应的组合数量为所有工作节点集合选取的不同近邻节点组合总数量为/>之和;
步骤3所述最优工作节点集合记为最优工作节点集合完成步骤1所述的数据处理请求任务所需的最短总时间记为/>
步骤4、中枢节点根据步骤3所述的工作节点集合中每个工作节点的最优数据分配比值把步骤1所述的数据处理请求任务的待处理数据划分成O+1份,分发给步骤3所述的最优工作节点集合中每个工作节点,最优工作节点集合中每个工作节点将接收到的子数据进行本地数据处理,并将处理完的子数据发送至中枢节点,由中枢节点进行数据汇总和数据整合生成完整的处理后数据。
与现有技术相比,本发明具有以下优点:
第一、本发明中的低轨卫星物联网分布式任务协作处理模型,能在单卫星节点计算资源有限时充分整合各卫星节点的资源得到最优工作节点集合组成分布式系统,完成对数据较大耗时较长任务的快速协作处理,减少完成数据处理请求任务所需要的时间,解决单颗卫星节点的硬件资源和计算能力无法满足日益增长的计算、存储任务的难题。本发明的分布式系统只要求各节点处理完整数据的一小部分,对单个节点的计算能力和资源要求较小。
第二、本发明中的低轨卫星物联网分布式任务协作处理模型,基于低轨卫星星座的高动态以及物联网业务分布的不均匀性,动态选取近邻节点协作完成任务。解决了常规的分布式处理方法选择固定数量近邻节点协作处理任务、无法高效整合计算资源的难题。本发明的分布式处理方法建立卫星节点的组网数学模型,计算得到最优工作节点集合,最大效率地整合多个卫星节点的计算资源并提升系统性能。
附图说明
图1是发明方法流程图;
图2是分布式系统总体组成示意图;
图3是工作节点集合数据处理流程的示意图;
图4是梯度下降法的正向传播和反向传播的计算图。
具体实施方式
本发明的低轨卫星物联网分布式任务协作处理方法,包括以下步骤:
步骤1:多个正常运行的低轨卫星节点构成低轨卫星物联网节点集合,低轨卫星物联网节点集合中任意低轨卫星物联网节点收到数据处理请求任务后,成为完成所述数据处理请求任务的中枢节点(一、中枢节点作为近邻节点间的数据中转站以及控制中心;二、中枢节点内部可虚拟化一个普通节点执行与其他工作节点同样的数据处理流程)。所述中枢节点接收数据处理请求任务,将中枢节点所对应的低轨卫星物联网节点从低轨卫星物联网节点集合中剔除,进一步在所述低轨卫星物联网节点集合中,根据已知低轨卫星星座系统参数筛选,舍弃无法参与协作处理的低轨卫星物联网节点,把能够参与协作处理的低轨卫星物联网节点挑选出来以构建中枢节点的近邻节点集合;
步骤1所述低轨卫星物联网节点集合记为Shode,具体定义如下:
Snode={node1,node2,...,nodei,...,nodeM}
nodei∈Shode,1≤i≤M
其中,nodei为低轨卫星物联网节点集合中第i个低轨卫星物联网节点,M为低轨卫星物联网节点集合中低轨卫星物联网节点的数量;
步骤1所述低轨卫星物联网节点集合中任意两个低轨卫星物联网节点均可进行无线通信;
步骤1所述中枢节点记为nodem,具体定义如下:
nodem∈Snode,1≤m≤M
步骤1所述数据处理请求任务记为T,具体定义如下:
T=(data,flops,data)
其中,T为数据处理请求任务,data为数据处理请求任务中待处理数据的数据量,flops为数据处理请求任务中处理数据所需的浮点运算数,data′为数据处理请求任务中数据处理完成后的数据量;
步骤1所述中枢节点的近邻节点集合记为具体定义如下:
其中,为中枢节点的近邻节点集合,N为中枢节点的近邻节点集合中近邻节点的数量,/>为中枢节点的近邻节点集合中第k个近邻节点,即低轨卫星物联网节点集合中第ik个低轨卫星物联网节点;
所述中枢节点与所述中枢节点的近邻节点集合中任意一个近邻节点依次进行无线通信;
步骤2、从中枢节点的近邻节点集合中任意选择多个近邻节点和中枢节点共同组成工作节点集合,工作节点集合中每个工作节点将瞬时轨道参数通过卫星轨道位置坐标算法计算得到每个工作节点在地固直角坐标系下的实时位置坐标,工作节点集合中每个工作节点把对应在地固直角坐标系下的实时位置坐标无线传输至所述中枢节点,所述中枢节点根据工作节点集合中每个工作节点的实时位置坐标计算得到中枢节点到工作节点集合中每个工作节点间的距离,进一步计算得到中枢节点和工作节点集合中每个工作节点间的通信传输速率并获取工作节点集合中每个工作节点的计算速率,中枢节点把待处理数据按一定比值划分为多个子数据,并将子数据分配给工作节点集合中每个工作节点,由此计算出每个工作节点的数据传输时间和数据处理时间,通过每个工作节点的数据传输时间和数据处理时间相加得到每个工作节点完成数据处理任务的总时间,进一步计算得到每个工作节点完成数据处理任务总时间的方差,通过梯度下降法,得到工作节点集合中每个工作节点最优的数据分配比值,从而使得所述工作节点集合完成步骤1所述的数据处理请求任务所需要的总时间最短;
步骤2所述工作节点集合记为Swork,具体定义如下:
其中,Swork为工作节点集合,工作节点集合中工作节点的总数量为O+1,为工作节点集合中第n个工作节点,即中枢节点的近邻节点集合中第kn个近邻节点,即低轨卫星物联网节点集合中第/>个低轨卫星物联网节点,nodem为工作节点集合中最后一个工作节点,即中枢节点;
步骤2所述瞬时轨道参数由工作节点集合中每个工作节点的GPS输出得到时刻t的瞬时轨道参数;
所述时刻t的瞬时轨道参数包括:参考时刻、对应参考时刻的开普勒轨道参数、对应参考时刻的轨道摄动修正项参数;
步骤2所述时刻t工作节点集合中每个工作节点的瞬时轨道参数按照卫星轨道位置坐标算法计算得到时刻t工作节点集合中每个工作节点在地固直角坐标系下的实时位置坐标;
所述时刻t工作节点集合中所述中枢节点在地固直角坐标系下的实时位置坐标记为:
(xm(t)、ym(t)、zm(t))
其中,xm(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的x轴坐标,ym(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的y轴坐标,zm(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的z轴坐标;
所述时刻t工作节点集合中除中枢节点外剩余每个工作节点在地固直角坐标系下的实时位置坐标记为:
其中,为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的x轴坐标,/>为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的y轴坐标,为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的z轴坐标;
步骤2所述时刻t工作节点集合中每个工作节点在地固直角坐标系下的实时位置坐标发送给中枢节点,由此中枢节点计算出步骤2所述时刻t中枢节点到工作节点集合中每个工作节点间的距离,公式为:
其中,为时刻t中枢节点和工作节点集合中第n个工作节点间的距离,dm,m(t)为时刻t中枢节点和中枢节点间的距离;
步骤1所述低轨卫星物联网节点间的无线通信采用非平衡QPSK信号结构,此结构中节点间的通信传输速率和节点间距离有关,由此中枢节点计算出步骤2所述时刻t中枢节点和工作节点集合中每个工作节点间的通信传输速率,公式为:
其中,为时刻t中枢节点和工作节点集合中第n个工作节点间的通信传输速率,vm,m(t)为时刻t中枢节点和中枢节点间的通信传输速率,Pt为发射机功率,Gt为发射天线增益,Gr为接收天线增益,f为发射信号频率,c为光速,k为玻尔兹曼常数,T为接收机的噪声温度,Q为品质因数,PBER为误码率;
步骤2所述时刻t中枢节点和工作节点集合中每个工作节点间的通信传输速率计算得到后排列如下:
根据时刻t工作节点集合中每个工作节点的硬件情况(内存、CPU等)和工作情况(是否在处理其他任务请求及剩余计算能力),每个工作节点内部可以生成时刻t自身的计算速率。步骤2所述时刻t工作节点集合中每个工作节点的计算速率排列如下:
其中,为时刻t工作节点集合中第n个工作节点的计算速率,pm(t)为时刻t工作节点集合中中枢节点的计算速率;
步骤2所述中枢节点把待处理数据按一定比值划分为多个子数据分配给工作节点集合中每个工作节点,假设分配给工作节点集合中每个工作节点的子数据量为:
对应子数据处理所需的浮点运算数为:
对应子数据处理完成后传回中枢节点的数据量为:
具体公式如下:
其中,为工作节点集合中第n个工作节点所分配的子数据量,datam为工作节点集合中中枢节点所分配的子数据量,/>为工作节点集合中第n个工作节点所分配的子数据所需的浮点运算数,flopsm为工作节点集合中中枢节点所分配的子数据所需的浮点运算数,/>为工作节点集合中第n个工作节点所分配的子数据处理完成后传回中枢节点的数据量,data'm为工作节点集合中中枢节点所分配的子数据处理完成后传回中枢节点的数据量,分配给工作节点集合中每个工作节点的子数据量与总数据量之比、对应子数据所需的浮点运算数与总数据所需的浮点运算数之比以及对应子数据处理完成后传回中枢节点的数据量和总数据处理完成后传回中枢节点的数据量之比三者相等;
步骤2所述工作节点集合中每个工作节点完成数据处理任务的总时间包括中枢节点向工作节点集合中每个工作节点传输待处理子数据的时间、工作节点集合中每个工作节点本地处理子数据的时间以及工作节点集合中每个工作节点向中枢节点传输已处理子数据的时间三部分,公式为:
其中,为工作节点集合中第n个工作节点完成数据处理任务的总时间,/>为中枢节点向工作节点集合中第n个工作节点传输待处理子数据的时间,/>为工作节点集合中第n个工作节点本地处理子数据的时间,/>为工作节点集合中第n个工作节点向中枢节点传输已处理子数据的时间,/>为工作节点集合中中枢节点完成数据处理任务的总时间,/>为工作节点集合中中枢节点向中枢节点传输待处理子数据的时间,/>为工作节点集合中中枢节点本地处理子数据的时间,/>为工作节点集合中中枢节点向中枢节点传输已处理子数据的时间;
中枢节点开始向工作节点集合中每个工作节点传输待处理子数据的时刻记为t1,则工作节点集合中中枢节点开始本地处理子数据的时刻为工作节点集合中除中枢节点外剩余每个工作节点开始本地处理子数据的时刻为/> 工作节点集合中中枢节点开始向中枢节点传输已处理子数据的时刻为/> 工作节点集合中除中枢节点外剩余每个工作节点开始向中枢节点传输已处理子数据的时刻为/>工作节点集合中中枢节点向中枢节点传输完已处理子数据的时刻为/>工作节点集合中除中枢节点外剩余每个工作节点向中枢节点传输完已处理子数据的时刻为/>
所述中枢节点向工作节点集合中每个工作节点传输待处理子数据的时间由步骤2所述中枢节点和工作节点集合中每个工作节点间的通信传输速率和步骤3所述分配给工作节点集合中每个工作节点的子数据量决定;所述工作节点集合中每个工作节点本地处理子数据的时间由步骤2所述工作节点集合中每个工作节点的计算速率和步骤3所述分配给工作节点集合中每个工作节点的子数据处理所需的浮点运算数决定;所述工作节点集合中每个工作节点向中枢节点传输已处理子数据的时间由步骤2所述中枢节点和工作节点集合中每个工作节点间的通信传输速率和步骤3所述分配给工作节点集合中每个工作节点的子数据处理完成后传回中枢节点的数据量决定,公式为:
其中,datam、flopsm、data'm为vm,m(t)和pm(t)的定积分, 为/>和/>的定积分;
通过不定积分求得步骤3所述工作节点集合中每个工作节点传输待处理子数据的时间、工作节点集合中每个工作节点本地处理子数据的时间以及工作节点集合中每个工作节点向中枢节点传输已处理子数据的时间,公式为:
∫vm,m(t)dt=F1(t)+C,∫pm(t)dt=F2(t)+C
其中,F1(t)+C和F2(t)+C为vm,m(t)和pm(t)的不定积分,分别求得和的计算结果;F3(t)+C和F4(t)+C为/>和/>的不定积分,分别求得/>和/>的计算结果;
步骤2所述工作节点集合中每个工作节点完成数据处理任务总时间的方差为:
其中,σ2和分别为工作节点集合中每个工作节点完成数据处理任务总时间的方差和均值;
为了使整个工作节点集合完成数据处理请求任务用时最短,以所述σ2最小化为优化目标,以所述中枢节点把待处理数据划分为多个子数据分配给工作节点集合中每个工作节点的数据分配比值为影响变量,通过误差反传实现梯度下降法梯度下降法寻优,得到最优的数据分配比值使得优化目标小于设定阈值,从而使得所述工作节点集合中每个工作节点完成数据处理任务的总时间近似相等,所述工作节点集合完成数据处理请求任务所需要的总时间近似等于所述工作节点集合中每个工作节点完成数据处理任务的总时间,即所述工作节点集合完成步骤1所述的数据处理请求任务的最短总时间;
利用链式法则通过所述误差反传分别计算所述优化目标关于所述影响变量的偏导数,由所述影响变量的偏导数汇总而成的向量即为梯度,公式为:
其中,通过链式法则计算出优化目标关于影响变量的偏导数和/> 为影响变量的偏导数汇总成的梯度;
通过梯度计算求得所述梯度分量,公式为:
/>
通过梯度计算求得所述梯度分量,公式为:
所述中枢节点把待处理数据划分为多个子数据分配给工作节点集合中每个工作节点的数据分配比值初始化为1/(O+1),分别记为和/>根据梯度计算公式计算出所述优化目标和所述优化目标关于影响变量的梯度。再以所述初始数据分配比值为起点,用新解=旧解-梯度*学习率的方式沿着负梯度方向来迭代更新解,每次迭代更新后的数据分配比值要进行归一化,再进一步计算新的梯度。当迭代后梯度的模小于设定阈值时迭代结束,此时的数据分配比值即为所述最优的数据分配比值;否则把归一化后的数据分配比值重新赋给/>和/>重复上述过程直到找到最优的数据分配比值,具体公式如下:
其中,和/>为迭代后的数据分配比值,η=0.01为学习率,表示每次的更新量,其决定在一次迭代过程中多大程度更新数据分配比值,/>和/>为归一化后的数据分配比值,/>为梯度的模,ε=0.00001为设定的阈值;
由所述最优的数据分配比值计算出所述工作节点集合完成步骤1所述的数据处理请求任务的最短总时间;
步骤3、重复执行步骤2直至所有工作节点集合均依次遍历,得到每种工作节点集合完成步骤1所述的数据处理请求任务的最短总时间,在所有工作节点集合完成步骤1所述的数据处理请求任务的最短总时间中选择最短总时间的最小值,对应的工作节点集合作为最优工作节点集合;
步骤3所述所有工作节点集合为:
从中枢节点的近邻节点集合中选取出多个近邻节点和中枢节点组成工作节点集合用于完成步骤1所述的数据处理请求任务。枚举中枢节点的近邻节点集合中多个近邻节点的选择方式,并依次与中枢节点组成工作节点集合,即得到步骤3所述的所有工作节点集合;
步骤3所述的所有工作节点集合选取的不同近邻节点组合总数量为L,定义如下:
其中,中枢节点的近邻节点集合中近邻节点的数量为N,选取的近邻节点数量从1到N对应的组合数量为所有工作节点集合选取的不同近邻节点组合总数量为/>之和;
步骤3所述最优工作节点集合记为最优工作节点集合完成步骤1所述的数据处理请求任务所需的最短总时间记为/>
步骤4、中枢节点根据步骤3所述的工作节点集合中每个工作节点的最优数据分配比值把步骤1所述的数据处理请求任务的待处理数据划分成O+1份,分发给步骤3所述的最优工作节点集合中每个工作节点,最优工作节点集合中每个工作节点将接收到的子数据进行本地数据处理,并将处理完的子数据发送至中枢节点,由中枢节点进行数据汇总和数据整合生成完整的处理后数据。
附图1为发明方法流程图,按照流程图顺序执行步骤,中枢节点可以选取出最优工作节点集合组成分布式系统使得完成数据处理请求任务所需的总时间最短,附图2为分布式系统总体组成示意图,其展示了最优工作节点集合组成的分布式系统的系统结构,附图3为工作节点集合数据处理流程的示意图,其展示了工作节点集合中每个工作节点完成数据处理任务的工作流程,附图4为梯度下降法的正向传播和反向传播的计算图,形象展示了利用链式法则进行误差反传分别计算优化目标关于影响变量的梯度。
本发明通过建立一个低轨卫星物联网节点的组网数学模型,并将实际条件加以形式化描述,给出了数学上的优化目标,得到选取近邻节点协作处理任务的最优解。实现了根据任务不同灵活选取近邻节点协作处理的目标,相较一般的分布式系统能更高效地整合多个卫星的计算资源,提升性能和系统的可用性。并与单颗卫星处理任务所需要的时间对比,表明了本发明发明相较于传统单卫星节点处理任务的的优势。
上文已经用一般性说明及具体实施步骤对本发明作了详尽的描述,但在本发明基础上,可以做一些修改或改进,这对本领域技术人员而言是显而易见的,因此在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (2)
1.一种低轨卫星物联网分布式任务协作处理方法,其特征在于,包括以下步骤:
步骤1:多个正常运行的低轨卫星节点构成低轨卫星物联网节点集合,低轨卫星物联网节点集合中任意低轨卫星物联网节点收到数据处理请求任务后,成为完成所述数据处理请求任务的中枢节点,所述中枢节点接收数据处理请求任务,将中枢节点所对应的低轨卫星物联网节点从低轨卫星物联网节点集合中剔除,进一步在所述低轨卫星物联网节点集合中,根据已知低轨卫星星座系统参数筛选,舍弃无法参与协作处理的低轨卫星物联网节点,把能够参与协作处理的低轨卫星物联网节点挑选出来以构建中枢节点的近邻节点集合;
步骤2:从中枢节点的近邻节点集合中任意选择多个近邻节点和中枢节点共同组成工作节点集合,工作节点集合中每个工作节点将瞬时轨道参数通过卫星轨道位置坐标算法计算得到每个工作节点在地固直角坐标系下的实时位置坐标,工作节点集合中每个工作节点把对应在地固直角坐标系下的实时位置坐标无线传输至所述中枢节点,所述中枢节点根据工作节点集合中每个工作节点的实时位置坐标计算得到中枢节点到工作节点集合中每个工作节点间的距离,进一步计算得到中枢节点和工作节点集合中每个工作节点间的通信传输速率并获取工作节点集合中每个工作节点的计算速率,中枢节点把待处理数据按一定比值划分为多个子数据,并将子数据分配给工作节点集合中每个工作节点,由此计算出每个工作节点的数据传输时间和数据处理时间,通过每个工作节点的数据传输时间和数据处理时间相加得到每个工作节点完成数据处理任务的总时间,进一步计算得到每个工作节点完成数据处理任务总时间的方差,通过梯度下降法,得到工作节点集合中每个工作节点最优的数据分配比值,从而使得所述工作节点集合完成步骤1所述的数据处理请求任务所需要的总时间最短;
步骤3:重复执行步骤2直至所有工作节点集合均依次遍历,得到每种工作节点集合完成步骤1所述的数据处理请求任务的最短总时间,在所有工作节点集合完成步骤1所述的数据处理请求任务的最短总时间中选择最短总时间的最小值,对应的工作节点集合作为最优工作节点集合;
步骤4:中枢节点根据步骤3所述的工作节点集合中每个工作节点的最优数据分配比值把步骤1所述的数据处理请求任务的待处理数据划分成O+1份,分发给步骤3所述的最优工作节点集合中每个工作节点,最优工作节点集合中每个工作节点将接收到的子数据进行本地数据处理,并将处理完的子数据发送至中枢节点,由中枢节点进行数据汇总和数据整合生成完整的处理后数据;
步骤1所述低轨卫星物联网节点集合记为Snode,具体定义如下:
Snode=(node1,node2,...,nodei,...,nodeM}
nodei∈Snode,1≤i≤M
其中,nodei为低轨卫星物联网节点集合中第i个低轨卫星物联网节点,M为低轨卫星物联网节点集合中低轨卫星物联网节点的数量;
步骤1所述低轨卫星物联网节点集合中任意两个低轨卫星物联网节点均可进行无线通信;
步骤1所述中枢节点记为nodem,具体定义如下:
nodem∈Snode,1≤m≤M
步骤1所述数据处理请求任务记为T,具体定义如下:
T=(data,flops,data)
其中,T为数据处理请求任务,data为数据处理请求任务中待处理数据的数据量,flops为数据处理请求任务中处理数据所需的浮点运算数,data′为数据处理请求任务中数据处理完成后的数据量;
步骤1所述中枢节点的近邻节点集合记为具体定义如下:
其中,为中枢节点的近邻节点集合,N为中枢节点的近邻节点集合中近邻节点的数量,/>为中枢节点的近邻节点集合中第k个近邻节点,即低轨卫星物联网节点集合中第ik个低轨卫星物联网节点;
所述中枢节点与所述中枢节点的近邻节点集合中任意一个近邻节点依次进行无线通信;
步骤2所述工作节点集合记为Swork,具体定义如下:
其中,Swork为工作节点集合,工作节点集合中工作节点的总数量为O+1,为工作节点集合中第n个工作节点,即中枢节点的近邻节点集合中第kn个近邻节点,即低轨卫星物联网节点集合中第/>个低轨卫星物联网节点,nodem为工作节点集合中最后一个工作节点,即中枢节点;
步骤2所述瞬时轨道参数由工作节点集合中每个工作节点的GPS输出得到时刻t的瞬时轨道参数;
所述时刻t的瞬时轨道参数包括:参考时刻、对应参考时刻的开普勒轨道参数、对应参考时刻的轨道摄动修正项参数;
步骤2所述时刻t工作节点集合中每个工作节点的瞬时轨道参数按照卫星轨道位置坐标算法计算得到时刻t工作节点集合中每个工作节点在地固直角坐标系下的实时位置坐标;
所述时刻t工作节点集合中所述中枢节点在地固直角坐标系下的实时位置坐标记为:
(xm(t)、ym(t)、zm(t))
其中,xm(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的x轴坐标,ym(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的y轴坐标,zm(t)为时刻t工作节点集合中所述中枢节点在地固直角坐标系下的z轴坐标;
所述时刻t工作节点集合中除中枢节点外剩余每个工作节点在地固直角坐标系下的实时位置坐标记为:
其中,为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的x轴坐标,为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的y轴坐标,/>为时刻t工作节点集合中第n个工作节点在地固直角坐标系下的z轴坐标;
步骤2所述时刻t工作节点集合中每个工作节点在地固直角坐标系下的实时位置坐标发送给中枢节点,由此中枢节点计算出步骤2所述时刻t中枢节点到工作节点集合中每个工作节点间的距离,公式为:
其中,为时刻t中枢节点和工作节点集合中第n个工作节点间的距离,dm,m(t)为时刻t中枢节点和中枢节点间的距离;
步骤1所述低轨卫星物联网节点间的无线通信采用非平衡QPSK信号结构,此结构中节点间的通信传输速率和节点间距离有关,由此中枢节点计算出步骤2所述时刻t中枢节点和工作节点集合中每个工作节点间的通信传输速率,公式为:
其中,为时刻t中枢节点和工作节点集合中第n个工作节点间的通信传输速率,vm,m(t)为时刻t中枢节点和中枢节点间的通信传输速率,Pt为发射机功率,Gt为发射天线增益,Gr为接收天线增益,f为发射信号频率,c为光速,k为玻尔兹曼常数,T为接收机的噪声温度,Q为品质因数,PBER为误码率;
步骤2所述时刻t中枢节点和工作节点集合中每个工作节点间的通信传输速率计算得到后排列如下:
根据时刻t工作节点集合中每个工作节点的硬件情况,内存、CPU和工作情况,是否在处理其他任务请求及剩余计算能力,每个工作节点内部可以生成时刻t自身的计算速率;步骤2所述时刻t工作节点集合中每个工作节点的计算速率排列如下:
其中,为时刻t工作节点集合中第n个工作节点的计算速率,pm(t)为时刻t工作节点集合中中枢节点的计算速率;
步骤2所述中枢节点把待处理数据按一定比值划分为多个子数据分配给工作节点集合中每个工作节点,假设分配给工作节点集合中每个工作节点的子数据量为:
对应子数据处理所需的浮点运算数为:
对应子数据处理完成后传回中枢节点的数据量为:
具体公式如下:
其中,为工作节点集合中第n个工作节点所分配的子数据量,datam为工作节点集合中中枢节点所分配的子数据量,/>为工作节点集合中第n个工作节点所分配的子数据所需的浮点运算数,flopsm为工作节点集合中中枢节点所分配的子数据所需的浮点运算数,/>为工作节点集合中第n个工作节点所分配的子数据处理完成后传回中枢节点的数据量,data'm为工作节点集合中中枢节点所分配的子数据处理完成后传回中枢节点的数据量,分配给工作节点集合中每个工作节点的子数据量与总数据量之比、对应子数据所需的浮点运算数与总数据所需的浮点运算数之比以及对应子数据处理完成后传回中枢节点的数据量和总数据处理完成后传回中枢节点的数据量之比三者相等;
步骤2所述工作节点集合中每个工作节点完成数据处理任务的总时间包括中枢节点向工作节点集合中每个工作节点传输待处理子数据的时间、工作节点集合中每个工作节点本地处理子数据的时间以及工作节点集合中每个工作节点向中枢节点传输已处理子数据的时间三部分,公式为:
其中,为工作节点集合中第n个工作节点完成数据处理任务的总时间,/>为中枢节点向工作节点集合中第n个工作节点传输待处理子数据的时间,/>为工作节点集合中第n个工作节点本地处理子数据的时间,/>为工作节点集合中第n个工作节点向中枢节点传输已处理子数据的时间,/>为工作节点集合中中枢节点完成数据处理任务的总时间,/>为工作节点集合中中枢节点向中枢节点传输待处理子数据的时间,/>为工作节点集合中中枢节点本地处理子数据的时间,/>为工作节点集合中中枢节点向中枢节点传输已处理子数据的时间;
步骤2所述工作节点集合中每个工作节点完成数据处理任务总时间的方差为:
其中,σ2和分别为工作节点集合中每个工作节点完成数据处理任务总时间的方差和均值;
以所述σ2最小化为优化目标,通过梯度下降法寻优,得到最优的数据分配比值,从而使得所述工作节点集合完成步骤1所述的数据处理请求任务所需要的总时间最短。
2.根据权利要求1所述的低轨卫星物联网分布式任务协作处理方法,其特征在于,
步骤3所述所有工作节点集合为:
从中枢节点的近邻节点集合中选取出多个近邻节点和中枢节点组成工作节点集合用于完成步骤1所述的数据处理请求任务;枚举中枢节点的近邻节点集合中多个近邻节点的选择方式,并依次与中枢节点组成工作节点集合,即得到步骤3所述的所有工作节点集合;
步骤3所述的所有工作节点集合选取的不同近邻节点组合总数量为L,定义如下:
其中,中枢节点的近邻节点集合中近邻节点的数量为N,选取的近邻节点数量从1到N对应的组合数量为所有工作节点集合选取的不同近邻节点组合总数量为之和;
步骤3所述最优工作节点集合记为最优工作节点集合完成步骤1所述的数据处理请求任务所需的最短总时间记为/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111201391.XA CN113986532B (zh) | 2021-10-15 | 2021-10-15 | 一种低轨卫星物联网分布式任务协作处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111201391.XA CN113986532B (zh) | 2021-10-15 | 2021-10-15 | 一种低轨卫星物联网分布式任务协作处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113986532A CN113986532A (zh) | 2022-01-28 |
CN113986532B true CN113986532B (zh) | 2024-05-03 |
Family
ID=79738754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111201391.XA Active CN113986532B (zh) | 2021-10-15 | 2021-10-15 | 一种低轨卫星物联网分布式任务协作处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113986532B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681807A (zh) * | 2016-11-28 | 2017-05-17 | 中国人民解放军国防科学技术大学 | 一种基于Spark的成像卫星任务预处理并行化方法 |
US10742313B1 (en) * | 2017-08-01 | 2020-08-11 | Diego Favarolo | System to optimize allocation and usage of resources, goods, and services among nodes in a cluster of nodes and a method for the optimal and transparent exchange of resources, goods, and services among nodes in a cluster of nodes |
CN111884703A (zh) * | 2020-06-19 | 2020-11-03 | 中国电子科技集团公司第五十四研究所 | 一种基于通信卫星间协同计算的业务请求分配方法 |
CN112799784A (zh) * | 2021-02-01 | 2021-05-14 | 军事科学院系统工程研究院系统总体研究所 | 一种基于分散计算的低轨卫星网络最优任务分配方法 |
CN112988354A (zh) * | 2021-03-17 | 2021-06-18 | 中国人民解放军国防科技大学 | 一种卫星通信系统出站资源优化管理方法 |
CN113055079A (zh) * | 2021-03-12 | 2021-06-29 | 重庆邮电大学 | 一种低轨卫星网络中基于模糊逻辑的路由选择方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017511885A (ja) * | 2014-02-26 | 2017-04-27 | コーエン, クラーク, エマーソンCOHEN, Clark, Emerson | 性能及びコストが改善されたグローバルナビゲーション衛星システムアーキテクチャ |
JP2021531196A (ja) * | 2018-07-12 | 2021-11-18 | スター メッシュ エルエルシーStar Mesh Llc | 確率的に分散した周回衛星を用いた通信システムおよび方法 |
US11146504B2 (en) * | 2019-06-03 | 2021-10-12 | EMC IP Holding Company LLC | Market-based distributed resource allocation for edge-cloud systems |
-
2021
- 2021-10-15 CN CN202111201391.XA patent/CN113986532B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681807A (zh) * | 2016-11-28 | 2017-05-17 | 中国人民解放军国防科学技术大学 | 一种基于Spark的成像卫星任务预处理并行化方法 |
GB201717138D0 (en) * | 2016-11-28 | 2017-12-06 | National Univ Of Defense Technology | Spark-based imaging satellite task preprocessing parallelization method |
US10742313B1 (en) * | 2017-08-01 | 2020-08-11 | Diego Favarolo | System to optimize allocation and usage of resources, goods, and services among nodes in a cluster of nodes and a method for the optimal and transparent exchange of resources, goods, and services among nodes in a cluster of nodes |
CN111884703A (zh) * | 2020-06-19 | 2020-11-03 | 中国电子科技集团公司第五十四研究所 | 一种基于通信卫星间协同计算的业务请求分配方法 |
CN112799784A (zh) * | 2021-02-01 | 2021-05-14 | 军事科学院系统工程研究院系统总体研究所 | 一种基于分散计算的低轨卫星网络最优任务分配方法 |
CN113055079A (zh) * | 2021-03-12 | 2021-06-29 | 重庆邮电大学 | 一种低轨卫星网络中基于模糊逻辑的路由选择方法 |
CN112988354A (zh) * | 2021-03-17 | 2021-06-18 | 中国人民解放军国防科技大学 | 一种卫星通信系统出站资源优化管理方法 |
Non-Patent Citations (1)
Title |
---|
分布式卫星系统协作任务分配模型及优化算法;高黎;周利安;沙基昌;;系统工程学报;20090815(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113986532A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766135B (zh) | 移动朵云中基于粒子群和模拟退火优化的任务分配方法 | |
CN112105062B (zh) | 时敏条件下移动边缘计算网络能耗最小化策略方法 | |
CN110351754B (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
CN113537514B (zh) | 一种高能效的基于数字孪生的联邦学习框架 | |
CN113132943B (zh) | 一种车联网中车边协同的任务卸载调度及资源分配方法 | |
CN108632861B (zh) | 一种基于深度强化学习的移动边缘计算分流决策方法 | |
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 | |
CN112153145A (zh) | 5g边缘环境下面向车联网的计算任务卸载方法及装置 | |
CN114650567A (zh) | 一种无人机辅助v2i网络任务卸载方法 | |
Lan et al. | Deep reinforcement learning for computation offloading and caching in fog-based vehicular networks | |
CN116321299A (zh) | 信息年龄约束下基于mec的车联网任务卸载和资源分配方法 | |
Kuang et al. | Client selection with bandwidth allocation in federated learning | |
CN114363803A (zh) | 一种移动边缘计算网络节能的多任务分配方法及系统 | |
CN113159539B (zh) | 多层边缘计算系统中联合绿色能量调度和动态任务分配方法 | |
CN113986532B (zh) | 一种低轨卫星物联网分布式任务协作处理方法 | |
CN113919483A (zh) | 一种无线通信网络中无线电地图的构造和定位方法及其系统 | |
Wang | Collaborative task offloading strategy of UAV cluster using improved genetic algorithm in mobile edge computing | |
CN110177383B (zh) | 移动边缘计算中基于任务调度和功率分配的效率优化方法 | |
CN117221951A (zh) | 车载边缘环境下基于深度强化学习的任务卸载方法 | |
CN116939866A (zh) | 一种基于协同计算和资源分配联合优化的无线联邦学习效率提升方法 | |
CN116367310A (zh) | 面向移动边缘计算的最大增益导向的信道分配方法 | |
Li | Optimization of task offloading problem based on simulated annealing algorithm in MEC | |
CN111611069A (zh) | 多数据中心间多类型任务迁移方法 | |
CN113342529B (zh) | 基于强化学习的无小区大规模多天线架构下移动边缘计算卸载方法 | |
CN115174397A (zh) | 联合梯度量化与带宽分配的联邦边缘学习训练方法及系统 |
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 |