CN114124195A - 一种面向leo卫星系统的多星mec计算卸载策略 - Google Patents
一种面向leo卫星系统的多星mec计算卸载策略 Download PDFInfo
- Publication number
- CN114124195A CN114124195A CN202111408967.XA CN202111408967A CN114124195A CN 114124195 A CN114124195 A CN 114124195A CN 202111408967 A CN202111408967 A CN 202111408967A CN 114124195 A CN114124195 A CN 114124195A
- Authority
- CN
- China
- Prior art keywords
- satellite
- terminal
- leo satellite
- task
- leo
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18513—Transmission in a satellite or space-based system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/20—Negotiating bandwidth
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Radio Relay Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向LEO卫星系统的多星MEC计算卸载策略,该策略面向LEO卫星边缘计算(Mobile Edge Computing,MEC)场景,联合考虑多星覆盖网络服务区域的各种重叠情况,研究系统的卸载决策和资源分配问题,在任务多样性、终端通信和计算能力存在差异、LEO卫星资源和覆盖时间受限的约束下,最小化终端在任务执行过程中的时延和能耗代价,卸载决策建模成具有外部性的多对一匹配博弈,通过改进的GS(Gale‑Shapley)算法和联盟博弈迭代算法求解,利用Rosen梯度投影法和拉格朗日乘数法分别对LEO卫星的计算资源和带宽资源进行分配。仿真结果表明,本申请可以显著降低系统的时延和能耗代价。
Description
技术领域
本发明涉及低地球轨道(Low Earth Orbit,LEO)卫星、移动边缘计算(MobileEdge Computing,MEC)技术领域,具体是一种面向LEO卫星系统的多星MEC 计算卸载策略。
背景技术
第五代(5th Generation,5G)移动通信网络于2020年投入商用,对第六代 (6thGeneration,6G)移动通信网络的愿景以及关键技术的探索也随之启动。《6G 无线热点技术研究白皮书》中提到6G将打造陆海空天融合通信网络,构建万物互联的智能世界,这就对网络覆盖范围有更高的要求。
这个要求包括两层含义:首先要求广域覆盖,其次要求实现智能计算。面向 6G广域覆盖的需求,LEO卫星以其通信时延低、全球无缝覆盖的特点成为首选。面向6G智能计算的需求,MEC通过在网络边缘部署计算和存储资源,从而获得更好的用户体验。因此在LEO系统星上部署MEC服务器,可以有效实现6G 的愿景。
发明内容
本发明的目的在于克服现有技术的不足,而提供一种面向LEO卫星系统的多星MEC计算卸载策略,该策略在存在任务多样性、卫星覆盖时间和资源受限、终端通信和计算能力存在差异的约束下,面向LEO卫星MEC网络,联合考虑多星覆盖网络服务区域的各种重叠情况,研究系统的卸载决策和资源分配问题,最大限度减少系统时延和能耗的代价,卸载决策建模成具有外部性的多对一匹配博弈,通过改进的GS(Gale-Shapley)算法和联盟博弈迭代算法求解,利用Rosen 梯度投影法和拉格朗日乘数法分别对LEO卫星的计算资源和带宽资源进行分配,从而最小化系统的代价。
实现本发明目的的技术方案是:
一种面向LEO卫星系统的多星MEC计算卸载策略,包括如下步骤:
1)建立网络模型,包括如下步骤:
1-1)建立系统框架:建立LEO卫星MEC系统框架,如图1所示,该系统框架包括多个无星间链路的LEO卫星M={1,2,3......m}和多个终端N={1,2,3......n},终端包括有本地计算能力的用户终端和无本地计算能力的物联网(Internet of Things,IoT)终端,无计算能力的IoT终端通过汇聚节点将任务以并行的方式发送到卫星,用户终端直接与LEO卫星通信,卸载决策用anm表示;
1-2)确定星地通信的最长时间和星地的直线距离:
卫星和终端的几何关系如图2所示,根据卫星和终端的几何关系,设α为终端的仰角,γ为LEO卫星覆盖区域的地心角,R为地球半径,h为卫星的高度,在不考虑其他因素的影响下,当0<α<180时才支持数据传输;已知终端的仰角α,根据几何关系,γ表示为星地进行通信的弧长表示为L=2γ(R+h);星地通信的最长时间表示为其中 VS是LEO卫星的速度;星地的直线距离表示为:
1-3)确定上行传输速率:
根据自由空间传播模型,信道状态由星地距离决定,信道增益为其中ρ0表示参考距离Snm=1m时的信道增益,高斯白噪声为δ2,终端与MEC 服务器之间的干扰功率终端传输功率Inm,为Pnm,LEO卫星分配给终端的信道带宽为Bnm,则终端的上行传输速率Rnm表示为:令终端的上行传输速率Rnm表示为:Rnm=Bnmχnm;
2)建立计算模型,包括本地计算模型和MEC计算模型,包括如下步骤:
2-1)建立本地计算模型,包括如下步骤:
2-1-1)终端的任务Nn的信息包括完成计算任务Nn所需的计算资源Cn(单位:cycle),任务Nn的数据大小Dn(单位:bit),完成计算任务Nn可容忍的最大延迟为表示终端n的计算能力(单位:cycles/s),则终端n的本地计算时延为:
2-2)建立MEC计算模型,包括如下步骤:
2-2-1)根据上行传输速率Rnm、任务信息Cn、Dn、星地的直线距离Snm,以及LEO卫星分配给终端的计算资源fnm(单位:cycles/s)、光速C,得到任务卸载计算的时延代价包括传播时延数据传输时延和计算时延
2-2-2)根据上行传输速率Rnm、任务信息Dn、Cn、终端传输功率为Pnm、有效的开关电容k,以及LEO卫星分配给终端的计算资源fnm(单位:cycles/s),得到任务卸载计算的能耗代价包括计算能耗和数据传输能耗:
3)建立优化问题模型:
C1、计算任务执行时延不能超过可容忍的最大时延;
C2、卸载到LEO卫星的计算任务时延不能超过卫星的覆盖时间;
C3、LEO卫星分配给终端的总带宽资源不能超过其最大带宽,其中B是LEO 卫星总的带宽;
C4、LEO卫星分配给终端的总计算资源不能超过其最大计算资源;
C5、计算任务不能分割;
C6、计算任务至多选择一个LEO卫星来卸载其任务;
C7、LEO卫星至多能接入numbermax个终端;
联合资源分配和卸载决策的优化问题被表示为:
4)设定卸载决策优化方案,包括如下步骤:
4-1)卸载决策—匹配算法
4-1-1)提出多对一匹配模型,每个LEO卫星至多可以匹配numbermax个终端,终端至多允许匹配一颗LEO卫星;
4-1-2)定义1:给定两个不相交的有限玩家M和N,匹配博弈Φ被定义为 M→N的函数,其中:
4-1-3)LEO卫星M与终端N参与匹配,双方的个体根据已有的信息对另一方的个体构建偏好列表,用符号>表示个体的偏好;
4-1-5)终端和LEO卫星依据效用函数建立对彼此的偏好,获得初始终端卸载决策;
4-2)卸载决策—联盟博弈
4-2-1)任务计算所需代价不仅与它所匹配的LEO卫星有关,而且还与匹配同一LEO卫星的其他终端有关,这在匹配理论中通常被称为外部特性,利用联盟博弈应对外部特性的挑战;
4-2-2)根据步骤4-1)得到的初始卸载决策,LEO卫星之间通过无线链路共享信息,相互协调进行联盟博弈的迭代;
4-2-5)联盟博弈设计一个明确定义比较两个联盟,设置规则,让玩家能够根据他们的喜好加入或离开他们的联盟;
a)假设|θm|<numbermax,新的联盟集可表示为Θ'={Θ\{θm,θm'}}∪{θm'\{u},θm∪{u}};
b)假设|θm|=numbermax,新的联盟集可表示为Θ'={Θ\{θm,θm'}}∪{θm'\{u}∪{u'},θm\{u'}∪{u}};
4-2-8)当没有玩家愿意离开当前的联盟加入另一个联盟时,联盟集是纳什稳定的;
5)设定资源分配优化方案,包括如下步骤:
5-1)计算资源分配
5-1-2)计算资源分配问题被表示为:
5-1-3)用αsate表示卫星能耗占系统代价的权重因子,根据卫星能量的实际状态进行调节,如果卫星能量过少就增大αsate,如果卫星能量充裕就减小αsate;
5-1-4)求得目标函数和约束条件是凸函数,得出5-1-2)所提问题是一个凸优化问题;
5-1-5)选用Rosen梯度投影法优化计算资源分配问题,该算法当迭代点在可行区域的内部时,取该点处的负梯度方向为可行下降方向,当迭代点在可行域边界时,取该点的负梯度方向在可行域边界上的投影为可行下降方向;
5-1-6)给定初始可行点x(1),令k=1,在点x(k)处,将约束条件分为起作用约束和不起作用约束,改写成矩阵形式A1x(k)=b1,A2x(k)≥b2;
5-1-9)若M是空的,则停止计算,得到x(k);否则,令如果u≥0,则停止计算,x(k)为KKT点;否则选取u的一个负分量,比如uj<0,通过去掉A1中对应uj的行来修正A1,返回步骤 5-1-7);
5-2)带宽资源分配
5-2-1)通过带宽资源的分配来降低任务卸载计算的系统代价,带宽资源分配问题被表示为:
5-2-2)求得目标函数和约束条件是凸函数,则拉格朗日函数表示为:
本发明提供的一种面向LEO卫星系统的多星MEC计算卸载策略,该方法面向LEO卫星MEC场景,联合考虑多星覆盖网络服务区域的各种重叠情况,研究系统的卸载决策和资源分配问题,验证其性能,无线信道采用自由空间传播模型,在任务多样性、终端通信和计算能力存在差异、LEO卫星资源和覆盖时间受限的约束下,模拟了卫星以相互重叠的方式覆盖其服务区域的LEO卫星 MEC系统,卸载决策建模成具有外部性的多对一匹配博弈,通过改进的GS (Gale-Shapley)算法和联盟博弈迭代算法求解,利用Rosen梯度投影法和拉格朗日乘数法分别对LEO卫星的计算资源和带宽资源进行分配。仿真结果表明,本申请可以显著降低系统的时延和能耗代价。
附图说明
图1为LEO卫星边缘计算场景
图2为卫星和终端的几何关系
图3为不同卸载方式的系统代价
图4为不同计算资源分配的系统代价
图5为不同计算资源分配的卫星能耗
图6为不同αsate的LEO卫星能耗
图7为不同带宽资源分配的数据传输时延
具体实施方式
下面结合附图和实施例对本发明内容做进一步阐述,但不是对本发明的限定。
实施例:
采用上述技术方案进行仿真,具体如下:
1、仿真参数
1-1、仿真设置参数10~50;LEO卫星数量3;LEO卫星总的传输带宽 B=4.8Mhz;终端发射功率Pnm=0.2~0.3mW;任务所需CPU周期数 Cn=1×106~5.5×108cycles;卫星总的计算资源任务的输入数据Dn=1×105~5×105bit。
2、不同卸载方案对比
为了有效验证卸载决策(Matching-Coalition,MC)对系统性能的影响,资源分配采用前面技术方案中步骤5-1)和步骤5-2)所述方案,将MO与以下三种卸载方式进行比较:
(1)贪婪卸载(Greedy Offloading,GO):终端贪婪地选择能量资源最多的卫星进行任务卸载,将不符合卸载要求的任务留在本地计算。
(2)随机卸载(Random Offloading,RO):每个终端随机选择卸载计算LEO 卫星,将不符合卸载要求的任务留在本地计算。
(3)全部卸载(Total Offloading,TO):每个终端都随机卸载到LEO卫星上计算任务。
3、图3显示任务数与系统代价的关系,所提卸载方式的系统代价小于GO、 RO、TO的代价,平均节约26.47%,12.34%,35.93%的系统代价。
4、不同计算资源分配对比
为了验证利用Rosen梯度投影法分配计算资源的性能,带宽资源分配采用前面技术方案中步骤5-2)所述方案,卸载策略固定相同,将Rosen梯度投影法与不同固定计算资源的性能进行对比:
Precept 1:固定计算资源fnm=6×108HZ;
Precept 2:固定计算资源fnm=7×108HZ;
Precept 3:固定计算资源fnm=8×108HZ;
Precept 4:固定计算资源fnm=9×108HZ;
图4、5显示任务数与系统代价、LEO卫星能耗的关系。由于任务的多样性,固定分配计算资源的方式会造成资源浪费,仿真结果显示利用Rosen梯度投影法分配计算资源的方式很大程度减少了系统代价以及卫星的能耗,在图中可以明显看到fnm=6×108HZ比fnm=9×108HZ节约了更多能量,具体节约了51.27%。因此从实际情况出发灵活调控计算资源,既可以满足不同任务的要求,又可以节约系统能耗和卫星能耗。
5、不同卫星能耗占比对比
为了验证卫星能耗占比αsate对LEO卫星能耗的影响,资源分配采用5-1)和 5-2)所述方案,卸载策略固定相同,任务数50,设置αsate=0.1~0.8进行仿真,对比其性能。
图6显示设置不同αsate与LEO卫星能耗的关系,本文卫星能耗占比αsate的定义考虑了卫星能量的实际情况,在图中可以明显看到随着αsate增大LEO卫星能耗减小,并且逐渐趋于平缓。因此从实际情况出发灵活调控αsate可以满足不同时间段卫星能耗差异化的情况。
6、不同带宽资源分配方式对比
为了验证利用拉格朗日乘数法分配带宽资源的性能,计算资源分配采用前面技术方案中步骤5-1)所述方案,卸载策略固定相同,将拉格朗日乘数法分配带宽资源与均分带宽资源的性能进行对比。
图7显示任务数与数据传输时延的关系,利用拉格朗日乘数法分配带宽资源比均分资源的方案平均节约6.5%的数据传输时延。
Claims (1)
1.一种面向LEO卫星系统的多星MEC计算卸载策略,其特征在于,包括如下步骤:
1)建立网络模型,包括如下步骤:
1-1)建立系统框架:建立LEO卫星MEC系统框架,该系统框架包括多个无星间链路的LEO卫星M={1,2,3......m}和多个终端N={1,2,3......n},终端包括有本地计算能力的用户终端和无本地计算能力的物联网IoT终端,无计算能力的IoT终端通过汇聚节点将任务以并行的方式发送到卫星,用户终端直接与LEO卫星通信,卸载决策用anm表示;
1-2)确定星地通信的最长时间和星地的直线距离:
根据卫星和终端的几何关系,设α为终端的仰角,γ为LEO卫星覆盖区域的地心角,R为地球半径,h为卫星的高度,在不考虑其他因素的影响下,当0<α<180时才支持数据传输;已知终端的仰角α,根据几何关系,γ表示为星地进行通信的弧长表示为L=2γ(R+h);星地通信的最长时间表示为其中VS是LEO卫星的速度;星地的直线距离表示为:
1-3)确定上行传输速率:
根据自由空间传播模型,信道状态由星地距离决定,信道增益为其中ρ0表示参考距离Snm=1m时的信道增益,高斯白噪声为δ2,终端与MEC服务器之间的干扰功率终端传输功率Inm,终端传输功率为Pnm,LEO卫星分配给终端的信道带宽为Bnm,则终端的上行传输速率Rnm表示为:令终端的上行传输速率Rnm表示为:Rnm=Bnmχnm;
2)建立计算模型,包括本地计算模型和MEC计算模型,包括如下步骤:
2-1)建立本地计算模型,包括如下步骤:
2-2)建立MEC计算模型,包括如下步骤:
3)建立优化问题模型:
C1、计算任务执行时延不能超过可容忍的最大时延;
C2、卸载到LEO卫星的计算任务时延不能超过卫星的覆盖时间;
C3、LEO卫星分配给终端的总带宽资源不能超过其最大带宽,其中B是LEO卫星总的带宽;
C4、LEO卫星分配给终端的总计算资源不能超过其最大计算资源;
C5、计算任务不能分割;
C6、计算任务至多选择一个LEO卫星来卸载其任务;
C7、LEO卫星至多能接入numbermax个终端;
联合资源分配和卸载决策的优化问题被表示为:
4)设定卸载决策优化方案,包括如下步骤:
4-1)卸载决策—匹配算法
4-1-1)提出多对一匹配模型,每个LEO卫星至多可以匹配numbermax个终端,终端至多允许匹配一颗LEO卫星;
4-1-2)定义1:给定两个不相交的有限玩家M和N,匹配博弈Φ被定义为M→N的函数,其中:
4-1-5)终端和LEO卫星依据效用函数建立对彼此的偏好,获得初始终端卸载决策;
4-2)卸载决策—联盟博弈
4-2-1)任务计算所需代价不仅与它所匹配的LEO卫星有关,而且还与匹配同一LEO卫星的其他终端有关,利用联盟博弈应对外部特性的挑战;
4-2-2)根据步骤4-1)得到的初始卸载决策,LEO卫星之间通过无线链路共享信息,相互协调进行联盟博弈的迭代;
4-2-5)联盟博弈设计一个明确定义比较两个联盟,设置规则,让玩家能够根据他们的喜好加入或离开他们的联盟;
a)假设|θm|<numbermax,新的联盟集可表示为Θ'={Θ\{θm,θm'}}∪{θm'\{u},θm∪{u}};
b)假设|θm|=numbermax,新的联盟集可表示为Θ'={Θ\{θm,θm'}}∪{θm'\{u}∪{u'},θm\{u'}∪{u}};
4-2-8)当没有玩家愿意离开当前的联盟加入另一个联盟时,联盟集是纳什稳定的;
5)设定资源分配优化方案,包括如下步骤:
5-1)计算资源分配
5-1-2)计算资源分配问题被表示为:
5-1-3)用αsate表示卫星能耗占系统代价的权重因子,根据卫星能量的实际状态进行调节,如果卫星能量过少就增大αsate,如果卫星能量充裕就减小αsate;
5-1-4)求得目标函数和约束条件是凸函数,得出5-1-2)所提问题是一个凸优化问题;
5-1-5)选用Rosen梯度投影法优化计算资源分配问题,该算法当迭代点在可行区域的内部时,取该点处的负梯度方向为可行下降方向,当迭代点在可行域边界时,取该点的负梯度方向在可行域边界上的投影为可行下降方向;
5-1-6)给定初始可行点x(1),令k=1,在点x(k)处,将约束条件分为起作用约束和不起作用约束,改写成矩阵形式A1x(k)=b1,A2x(k)≥b2;
5-1-9)若M是空的,则停止计算,得到x(k);否则,令如果u≥0,则停止计算,x(k)为KKT点;否则选取u的一个负分量,比如uj<0,通过去掉A1中对应uj的行来修正A1,返回步骤5-1-7);
5-2)带宽资源分配
5-2-1)通过带宽资源的分配来降低任务卸载计算的系统代价,带宽资源分配问题被表示为:
5-2-2)求得目标函数和约束条件是凸函数,则拉格朗日函数表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408967.XA CN114124195A (zh) | 2021-11-19 | 2021-11-19 | 一种面向leo卫星系统的多星mec计算卸载策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408967.XA CN114124195A (zh) | 2021-11-19 | 2021-11-19 | 一种面向leo卫星系统的多星mec计算卸载策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114124195A true CN114124195A (zh) | 2022-03-01 |
Family
ID=80372698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111408967.XA Pending CN114124195A (zh) | 2021-11-19 | 2021-11-19 | 一种面向leo卫星系统的多星mec计算卸载策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114124195A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114884949A (zh) * | 2022-05-07 | 2022-08-09 | 重庆邮电大学 | 基于maddpg算法的低轨卫星物联网任务卸载方法 |
CN114928394A (zh) * | 2022-04-06 | 2022-08-19 | 中国科学院上海微系统与信息技术研究所 | 一种能耗优化的低轨卫星边缘计算资源分配方法 |
CN115022894A (zh) * | 2022-06-08 | 2022-09-06 | 西安交通大学 | 一种低轨卫星网络的任务卸载与计算资源分配方法及系统 |
CN115133972A (zh) * | 2022-03-14 | 2022-09-30 | 重庆邮电大学 | 一种卫星系统任务调度及卸载方法 |
CN115378939A (zh) * | 2022-08-16 | 2022-11-22 | 福州大学 | 空天地一体化移动边缘计算系统部署优化和计算卸载方法 |
CN115396952A (zh) * | 2022-07-26 | 2022-11-25 | 西安空间无线电技术研究所 | 一种基于传算资源联合分配的多波束卫星业务计算方法及系统 |
CN115499875A (zh) * | 2022-09-14 | 2022-12-20 | 中山大学 | 一种卫星互联网任务卸载方法、系统以及可读存储介质 |
CN115514405A (zh) * | 2022-05-19 | 2022-12-23 | 哈尔滨工业大学 | 联合计算和通信资源分配的leo边缘卸载方法 |
CN115622608A (zh) * | 2022-09-29 | 2023-01-17 | 广州爱浦路网络技术有限公司 | 基于低轨卫星边缘计算的卸载策略优化方法、系统和介质 |
CN117200873A (zh) * | 2023-11-07 | 2023-12-08 | 南京邮电大学 | 卫星边缘计算网络中考虑卫星移动性的计算卸载方法 |
CN117768010A (zh) * | 2024-02-21 | 2024-03-26 | 中国人民解放军战略支援部队航天工程大学 | 一种基于分层斯坦伯格博弈与匹配博弈的卫星抗干扰方法 |
CN118093102A (zh) * | 2024-04-25 | 2024-05-28 | 东南大学 | 一种群智感知中的资源分配方法 |
-
2021
- 2021-11-19 CN CN202111408967.XA patent/CN114124195A/zh active Pending
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115133972B (zh) * | 2022-03-14 | 2023-06-27 | 重庆邮电大学 | 一种卫星系统任务调度及卸载方法 |
CN115133972A (zh) * | 2022-03-14 | 2022-09-30 | 重庆邮电大学 | 一种卫星系统任务调度及卸载方法 |
CN114928394A (zh) * | 2022-04-06 | 2022-08-19 | 中国科学院上海微系统与信息技术研究所 | 一种能耗优化的低轨卫星边缘计算资源分配方法 |
CN114884949A (zh) * | 2022-05-07 | 2022-08-09 | 重庆邮电大学 | 基于maddpg算法的低轨卫星物联网任务卸载方法 |
CN114884949B (zh) * | 2022-05-07 | 2024-03-26 | 深圳泓越信息科技有限公司 | 基于maddpg算法的低轨卫星物联网任务卸载方法 |
CN115514405A (zh) * | 2022-05-19 | 2022-12-23 | 哈尔滨工业大学 | 联合计算和通信资源分配的leo边缘卸载方法 |
CN115022894A (zh) * | 2022-06-08 | 2022-09-06 | 西安交通大学 | 一种低轨卫星网络的任务卸载与计算资源分配方法及系统 |
CN115022894B (zh) * | 2022-06-08 | 2023-12-19 | 西安交通大学 | 一种低轨卫星网络的任务卸载与计算资源分配方法及系统 |
CN115396952A (zh) * | 2022-07-26 | 2022-11-25 | 西安空间无线电技术研究所 | 一种基于传算资源联合分配的多波束卫星业务计算方法及系统 |
CN115378939A (zh) * | 2022-08-16 | 2022-11-22 | 福州大学 | 空天地一体化移动边缘计算系统部署优化和计算卸载方法 |
CN115499875B (zh) * | 2022-09-14 | 2023-09-22 | 中山大学 | 一种卫星互联网任务卸载方法、系统以及可读存储介质 |
CN115499875A (zh) * | 2022-09-14 | 2022-12-20 | 中山大学 | 一种卫星互联网任务卸载方法、系统以及可读存储介质 |
CN115622608A (zh) * | 2022-09-29 | 2023-01-17 | 广州爱浦路网络技术有限公司 | 基于低轨卫星边缘计算的卸载策略优化方法、系统和介质 |
CN117200873A (zh) * | 2023-11-07 | 2023-12-08 | 南京邮电大学 | 卫星边缘计算网络中考虑卫星移动性的计算卸载方法 |
CN117200873B (zh) * | 2023-11-07 | 2024-05-31 | 南京邮电大学 | 卫星边缘计算网络中考虑卫星移动性的计算卸载方法 |
CN117768010A (zh) * | 2024-02-21 | 2024-03-26 | 中国人民解放军战略支援部队航天工程大学 | 一种基于分层斯坦伯格博弈与匹配博弈的卫星抗干扰方法 |
CN117768010B (zh) * | 2024-02-21 | 2024-04-26 | 中国人民解放军战略支援部队航天工程大学 | 一种基于分层斯坦伯格博弈与匹配博弈的卫星抗干扰方法 |
CN118093102A (zh) * | 2024-04-25 | 2024-05-28 | 东南大学 | 一种群智感知中的资源分配方法 |
CN118093102B (zh) * | 2024-04-25 | 2024-07-23 | 东南大学 | 一种群智感知中的资源分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114124195A (zh) | 一种面向leo卫星系统的多星mec计算卸载策略 | |
CN111586720B (zh) | 一种多小区场景下的任务卸载和资源分配的联合优化方法 | |
WO2022121097A1 (zh) | 一种移动用户计算任务的卸载方法 | |
CN111930436B (zh) | 一种基于边缘计算的随机型任务排队卸载优化方法 | |
CN114153572A (zh) | 一种星地协作网络中分布式深度学习的计算卸载方法 | |
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 | |
CN110856259A (zh) | 移动边缘计算环境中自适应数据块大小的资源分配和卸载方法 | |
CN108924936A (zh) | 无人机辅助无线充电边缘计算网络的资源分配方法 | |
Zhang et al. | Mobility-aware cooperative task offloading and resource allocation in vehicular edge computing | |
CN112653500A (zh) | 基于蚁群算法的面向低轨道卫星边缘计算任务调度方法 | |
Yang et al. | UAV-assisted 5G/6G networks: Joint scheduling and resource allocation based on asynchronous reinforcement learning | |
Gan et al. | Trajectory optimization and computing offloading strategy in UAV-assisted MEC system | |
Cheng et al. | Energy-efficient resource allocation for UAV-empowered mobile edge computing system | |
CN110161861A (zh) | 基于模糊神经网络的飞行器自组网路由决策方法及装置 | |
CN117098189A (zh) | 一种基于gat混合动作多智能体强化学习的计算卸载和资源分配方法 | |
Nguyen et al. | Deep reinforcement learning-based partial task offloading in high altitude platform-aided vehicular networks | |
Wang et al. | Intelligent task offloading for 6G-enabled maritime IoT based on reinforcement learning | |
Wang et al. | A computation offloading strategy for LEO satellite mobile edge computing system | |
Wu et al. | Deep reinforcement learning for computation offloading and resource allocation in satellite-terrestrial integrated networks | |
CN116828539A (zh) | 基于深度强化学习的联合计算迁移和无人机轨迹优化方法 | |
CN116781141A (zh) | 一种基于深度q网络的leo卫星协作边缘计算卸载方法 | |
CN113342514B (zh) | 一种基于近地轨道的边缘计算模型及其服务放置方法 | |
CN115278779A (zh) | Mec网络中基于渲染感知的vr服务模块动态放置方法 | |
CN115551015A (zh) | 低轨卫星边缘计算系统基于ofdma的计算卸载方法 | |
CN115988570A (zh) | 低轨卫星边缘计算系统基于tdma的计算卸载方法 |
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 |