CN114173357B - 一种面向多类型业务时延需求的移动边缘计算资源分配方法 - Google Patents
一种面向多类型业务时延需求的移动边缘计算资源分配方法 Download PDFInfo
- Publication number
- CN114173357B CN114173357B CN202111485531.0A CN202111485531A CN114173357B CN 114173357 B CN114173357 B CN 114173357B CN 202111485531 A CN202111485531 A CN 202111485531A CN 114173357 B CN114173357 B CN 114173357B
- Authority
- CN
- China
- Prior art keywords
- user
- task
- tasks
- computing resource
- edge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013468 resource allocation Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computer And Data Communications (AREA)
Abstract
一种面向多类型业务时延需求的移动边缘计算资源分配方法,保证用户时延约束的同时降低系统总计算时间,适用于具有不同时延要求的任务的边缘卸载计算。首先,根据各个任务的时延约束求出其参与资源分配时的补偿系数,构建多任务边缘计算资源分配优化问题;接着,使用拉格朗日乘数法求解优化问题,获得无成本约束下的最优计算资源分配方案;然后,考虑用户的支付成本,更新计算资源分配方案;最后,搜索之前未达到支付成本的用户任务,将其按照时延和计算资源需求量降序排序并补偿分配计算资源,形成最终的计算资源分配方案。本方法涉及不同时延要求的任务的计算资源分配,适用于多MEC服务器场景,能够提高边缘服务器的计算效率,以提高任务完成率。
Description
技术领域
本发明属于通信技术领域,具体涉及一种面向多类型业务时延需求的移动边缘计算资源分配方法
背景技术
随着5G时代的到来,与5G技术相关的应用场景,如增强现实、虚拟现实、物联网等日益受到人们的广泛关注。这些以时延敏感和计算密集为主要特点的新兴业务对移动智能终端产生极大的挑战,由于现有的移动智能终端其计算能力有限,如果终端自身执行这些的任务,会导致较大的时延和能耗。于是,研究者们纷纷把目光聚焦于移动边缘计算(Mobile Edge Computing,MEC),通过无线网络将终端任务卸载到边缘服务器执行,大大降低任务的完成时间,以实现低时延、低能耗信息服务的目标。
移动边缘计算卸载成为当前研究的热点,近年来,越来越多的学者关注MEC计算资源分配问题。目前我们将任务计算模型划分为排队计算和分配计算资源计算,排队计算模型指服务器将所有计算资源用于一个任务的计算,计算结束再进行下一个任务的计算,分配计算资源计算模型指的是服务器按照一定的准则将计算资源分配给所有卸载到服务器的任务,让所有的任务并行计算。目前排队计算模型研究较多,对于分配计算资源计算模型的研究方法还不够全面,大多数学者在进行计算资源分配时更多的考虑计算需求量本身的大小,没有考虑到时延参数对计算需求量的隐性影响。而且由于不同任务的时延差异导致的不同用户端支付成本也会对计算资源分配的影响,但大多数计算资源优化只看到MEC端的资源约束,没有考虑用户端的约束,使得实际用户体验不佳。
发明内容
为了减少计算时延,本发明提出一种面向多类型业务时延需求的移动边缘计算资源分配方法,该方法针对不同时延约束的任务,结合用户端支付成本,将不同任务卸载到边缘服务器,降低任务的整体完成时间,同时保证用户的公平性。
一种面向多类型业务时延需求的移动边缘计算资源分配方法,包括如下步骤:
步骤1,定义边缘用户集合、边缘服务器集合、卸载决策向量、待计算的用户任务集合;
步骤2,根据用户任务的时延约束,计算其参与边缘服务器计算资源分配时的时延补偿系数;
步骤3,建立面向多用户任务的边缘服务器计算资源分配优化问题;
步骤4,采用拉格朗日乘数法求解步骤3建立的优化问题,得到初步的无成本约束下的用户计算资源优化分配方案;
步骤5,根据用户的支付成本对其可用计算资源量进行约束,导出用户能够使用的计算资源的上限,取该上限值与步骤4得到的用户任务计算资源分配方案的较小值,即为成本约束下的用户计算资源优化分配方案;
步骤6,将未达到支付成本的用户任务建立为集合,判断任务集合是否为空。若任务集合为空,那么步骤5得到的成本约束下的用户计算资源优化分配方案即为最终的用户任务计算资源优化分配方案;若任务集合非空,那么按照用户任务的时延约束降序与计算需求资源量降序对集合中的用户任务排序,将剩余的计算资源顺序补偿分配给集合中的任务,形成最终的用户任务计算资源优化分配方案。
进一步地,步骤1中,定义边缘服务器集合为S={s1,s2,…,sn,…,sQ}∪{s0},Q为边缘服务器数量,n为边缘服务器标号,s0表示云服务器;边缘服务器sn的计算资源用Fn表示,边缘服务器的单位CPU使用成本为εn;边缘服务器分为两层,第一层靠近用户,用于处理用户任务的卸载计算,第二层起到调度作用,将相邻的第一层边缘服务器放到一个网络中进行协作;定义边缘用户集合U=u1,u2,…,uj,…,uN},其中N表示边缘用户的数量,j表示用户标号;定义用户任务的卸载决策向量 表示用户uj将任务卸载到边缘服务器sn,反之用户uj未将任务卸载到边缘服务器sn;用户任务属性为/>其中/>表示计算用户uj任务所需的CPU周期数,/>表示用户uj任务的时延约束,/>表示用户uj的支付成本;定义将任务卸载到边缘服务器sn计算的用户集合为/>Un中的用户uj将任务/>通过与之关联的边缘服务器/>卸载到边缘服务器sn,其中按照物理距离进行关联,一个用户只与最近的边缘服务器关联,同时边缘服务器sn中缓存了与/>相关的服务数据;若网络中不存在缓存了与/>相关的服务数据的边缘服务器,则将任务卸载到云服务器进行计算。
进一步地,步骤2中,每个用户任务的时延补偿系数由下式计算得到
提高低时延用户任务的计算效率有助于降低所有用户任务的总计算时延;因此,时延越低的用户任务具有越高的计算资源使用等级,即实际分配时需要更多地将资源向值大的低时延用户任务倾斜。
进一步地,步骤3中,面向多用户任务的边缘服务器计算资源优化分配问题的目标函数为
约束条件为
其中,表示边缘服务器sn分配给用户uj的计算资源;f表示边缘服务器分配给用户的计算资源。
进一步地,步骤4中,应用拉格朗日乘数法求解步骤3的目标函数,得到初步的计算资源优化分配方案为
其中,表示无成本约束下用户uj的任务卸载至边缘服务器sn计算时分配到的最佳计算资源量。
进一步地,步骤5中,不同用户的支付成本导致其请求的任务分配到的计算资源存在上限;用户uj的任务能够使用的计算资源上限值由下式计算得到
比较步骤4中得到的和步骤5中得到的/>取其中的较小值,得到用户支付成本约束下的计算资源优化分配方案,即
其中,表示支付成本约束下用户uj的任务卸载至边缘服务器sn计算时分配到的最佳计算资源量。
进一步地,步骤6所述的用户任务的最终计算资源优化分配方案,其求解过程包括如下步骤流程:
步骤6a:搜索步骤5完成后所有未达到支付成本上限的用户任务构成集合
如果为空,流程终止,步骤5得到的成本约束下的用户计算资源优化分配方案即为最终的用户任务计算资源优化分配方案;
如果非空,将/>中用户按照时延约束/>降序进行排序,若/>相同,再按照计算需求CPU周期数/>降序进行排序,得到最后的用户任务排序表,执行步骤6b;
步骤6b,将剩余的计算资源按照步骤6a确定任务排序表依次补偿分配给集合中的各个用户任务,直至每个用户获得其支付成本约束的最大可用资源量或者全部服务器的计算资源耗尽,流程终止,得到最终的用户任务计算资源优化分配方案。
本发明与现有技术相比具有如下有益效果:
1、本发明将任务的时延约束作为分配资源优先级的考量,与以往资源分配相比,有利于提高低时延任务的完成率。
2、本发明在考虑MEC服务器计算资源约束的同时考虑用户端支付成本约束,更好地保证了用户的公平性。
3、本发明的二次补偿方案针对根据补偿系数进行优化的计算资源分配导致的较大时延任务的资源缺乏有一定的改善作用。
附图说明
图1是本发明实施例中的网络模型图。
图2是本发明实施例中方法的实施流程框图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
一种面向多类型业务时延需求的移动边缘计算资源分配方法,包括如下步骤:
步骤1,定义边缘用户集合、边缘服务器集合、卸载决策向量、待计算的用户任务集合。
步骤1中,定义边缘服务器集合为S={s1,s2,…,sn,…,sQ}∪{s0},Q为边缘服务器数量,n为边缘服务器标号,s0表示云服务器;边缘服务器sn的计算资源用Fn表示,该服务器的单位CPU使用成本为εn;边缘服务器分为两层,第一层靠近用户,用于处理用户任务的卸载计算,第二层起到调度作用,将相邻的第一层边缘服务器放到一个网络中进行协作;定义用户集合U={u1,u2,…,uj,…,uN},其中N表示边缘用户的数量,j表示用户标号;定义用户任务的卸载决策向量Y=表示用户uj将任务卸载到边缘服务器sn,反之用户uj未将任务卸载到边缘服务器sn;用户任务属性为其中/>表示计算用户uj任务所需的CPU周期数,/>表示用户uj任务的时延约束,/>表示用户uj的支付成本;定义将任务卸载到边缘服务器sn计算的用户集合为/>Un中的用户uj可将任务/>通过与之关联的边缘服务器/>卸载到边缘服务器sn,其中按照物理距离进行关联,一个用户只与最近的边缘服务器关联,同时边缘服务器sn中缓存了与/>相关的服务数据;若网络中不存在缓存了与/>相关的服务数据的边缘服务器,则将任务卸载到云服务器进行计算。
步骤2,根据用户任务的时延约束,计算其参与边缘服务器计算资源分配时的时延补偿系数。
步骤2中,每个用户任务的时延补偿系数由下式计算得到
提高低时延用户任务的计算效率有助于降低所有用户任务的总计算时延;因此,时延越低的用户任务具有越高的计算资源使用等级,即实际分配时需要更多地将资源向值大的低时延用户任务倾斜。
步骤3,建立面向多用户任务的边缘服务器计算资源分配优化问题。
步骤3中,面向多用户任务的边缘服务器计算资源优化分配问题的目标函数为
约束条件为
其中,表示边缘服务器sn分配给用户uj的计算资源;f表示边缘服务器分配给用户的计算资源。
步骤4,采用拉格朗日乘数法求解步骤3建立的优化问题,得到初步的无成本约束下的用户计算资源优化分配方案。
步骤4中,应用拉格朗日乘数法求解步骤3的优化问题,得到初步的计算资源优化分配方案为
其中,表示无成本约束下用户uj的任务卸载至边缘服务器sn计算时分配到的最佳计算资源量。
步骤5,根据用户的支付成本对其可用计算资源量进行约束,导出用户能够使用的计算资源的上限,取该上限值与步骤4得到的用户任务计算资源分配方案的较小值,即为成本约束下的用户计算资源优化分配方案。
步骤5中,不同用户的支付成本导致其请求的任务可以分配到的计算资源存在上限;用户uj的任务能够使用的计算资源上限值由下式计算得到
比较步骤4中得到的和步骤5中得到的/>取其中的较小值,得到用户支付成本约束下的计算资源优化分配方案,即
其中,表示支付成本约束下用户uj的任务卸载至边缘服务器sn计算时分配到的最佳计算资源量。
步骤6,将未达到支付成本的用户任务建立为集合,判断任务集合是否为空。若任务集合为空,那么步骤5得到的成本约束下的用户计算资源优化分配方案即为最终的用户任务计算资源优化分配方案;若任务集合非空,那么按照用户任务的时延约束降序与计算需求资源量降序对集合中的用户任务排序,将剩余的计算资源顺序补偿分配给集合中的任务,形成最终的用户任务计算资源优化分配方案。
步骤6所述的用户任务的最终计算资源优化分配方案,其求解过程包括如下步骤流程:
步骤6a:搜索步骤5完成后所有未达到支付成本上限的用户任务构成集合
如果为空,流程终止,步骤5得到的成本约束下的用户计算资源优化分配方案即为最终的用户任务计算资源优化分配方案;
如果非空,将/>中用户按照时延约束/>降序进行排序,若/>相同,再按照计算需求CPU周期数/>降序进行排序,得到最后的用户任务排序表,执行步骤6b;
步骤6b,将剩余的计算资源按照步骤6a确定任务排序表依次补偿分配给集合中的各个用户任务,直至每个用户获得其支付成本约束的最大可用资源量或者全部服务器的计算资源耗尽,流程终止,得到最终的用户任务计算资源优化分配方案。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (4)
1.一种面向多类型业务时延需求的移动边缘计算资源分配方法,其特征在于:所述方法包括如下步骤:
步骤1,定义边缘用户集合、边缘服务器集合、卸载决策向量、待计算的用户任务集合;
步骤1中,定义边缘服务器集合为S={s1,s2,…,sn,…,sQ}∪{s0},Q为边缘服务器数量,n为边缘服务器标号,s0表示云服务器;边缘服务器sn的计算资源用Fn表示,边缘服务器的单位CPU使用成本为εn;边缘服务器分为两层,第一层靠近用户,用于处理用户任务的卸载计算,第二层起到调度作用,将相邻的第一层边缘服务器放到一个网络中进行协作;定义边缘用户集合U={u1,u2,…,uj,…,uN},其中N表示边缘用户的数量,j表示用户标号;定义用户任务的卸载决策向量 表示用户uj将任务卸载到边缘服务器sn,反之用户uj未将任务卸载到边缘服务器sn;用户任务属性为其中/>表示计算用户uj任务所需的CPU周期数,/>表示用户uj任务的时延约束,/>表示用户uj的支付成本;定义将任务卸载到边缘服务器sn计算的用户集合为/> Un中的用户uj将任务/>通过与之关联的边缘服务器/>卸载到边缘服务器sn,其中按照物理距离进行关联,一个用户只与最近的边缘服务器关联,同时边缘服务器sn中缓存了与/>相关的服务数据;若网络中不存在缓存了与/>相关的服务数据的边缘服务器,则将任务卸载到云服务器进行计算;
步骤2,根据用户任务的时延约束,计算其参与边缘服务器计算资源分配时的时延补偿系数;
步骤2中,每个用户任务的时延补偿系数由下式计算得到
提高低时延用户任务的计算效率有助于降低所有用户任务的总计算时延;因此,时延越低的用户任务具有越高的计算资源使用等级,即实际分配时需要更多地将资源向值大的低时延用户任务倾斜;
步骤3,建立面向多用户任务的边缘服务器计算资源分配优化问题;
步骤3中,面向多用户任务的边缘服务器计算资源优化分配问题的目标函数为
约束条件为
其中,表示边缘服务器sn分配给用户uj的计算资源;f表示边缘服务器分配给用户的计算资源;
步骤4,采用拉格朗日乘数法求解步骤3建立的优化问题,得到初步的无成本约束下的用户计算资源优化分配方案;
步骤5,根据用户的支付成本对其可用计算资源量进行约束,导出用户能够使用的计算资源的上限,取该上限值与步骤4得到的用户任务计算资源分配方案的较小值,即为成本约束下的用户计算资源优化分配方案;
步骤6,将未达到支付成本的用户任务建立为集合,判断任务集合是否为空;若任务集合为空,那么步骤5得到的成本约束下的用户计算资源优化分配方案即为最终的用户任务计算资源优化分配方案;若任务集合非空,那么按照用户任务的时延约束降序与计算需求资源量降序对集合中的用户任务排序,将剩余的计算资源顺序补偿分配给集合中的任务,形成最终的用户任务计算资源优化分配方案。
2.根据权利要求1所述的一种面向多类型业务时延需求的移动边缘计算资源分配方法,其特征在于:步骤4中,应用拉格朗日乘数法求解步骤3的目标函数,得到初步的计算资源优化分配方案为
其中,表示无成本约束下用户uj的任务卸载至边缘服务器sn计算时分配到的最佳计算资源量。
3.根据权利要求1所述的一种面向多类型业务时延需求的移动边缘计算资源分配方法,其特征在于:步骤5中,不同用户的支付成本导致其请求的任务分配到的计算资源存在上限;用户uj的任务能够使用的计算资源上限值由下式计算得到
比较步骤4中得到的和步骤5中得到的/>取其中的较小值,得到用户支付成本约束下的计算资源优化分配方案,即
其中,表示支付成本约束下用户uj的任务卸载至边缘服务器sn计算时分配到的最佳计算资源量。
4.根据权利要求1所述的一种面向多类型业务时延需求的移动边缘计算资源分配方法,其特征在于:步骤6所述的用户任务的最终计算资源优化分配方案,其求解过程包括如下步骤流程:
步骤6a:搜索步骤5完成后所有未达到支付成本上限的用户任务构成集合
如果为空,流程终止,步骤5得到的成本约束下的用户计算资源优化分配方案即为最终的用户任务计算资源优化分配方案;
如果非空,将/>中用户按照时延约束/>降序进行排序,若/>相同,再按照计算需求CPU周期数/>降序进行排序,得到最后的用户任务排序表,执行步骤6b;
步骤6b,将剩余的计算资源按照步骤6a确定任务排序表依次补偿分配给集合中的各个用户任务,直至每个用户获得其支付成本约束的最大可用资源量或者全部服务器的计算资源耗尽,流程终止,得到最终的用户任务计算资源优化分配方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485531.0A CN114173357B (zh) | 2021-12-07 | 2021-12-07 | 一种面向多类型业务时延需求的移动边缘计算资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485531.0A CN114173357B (zh) | 2021-12-07 | 2021-12-07 | 一种面向多类型业务时延需求的移动边缘计算资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114173357A CN114173357A (zh) | 2022-03-11 |
CN114173357B true CN114173357B (zh) | 2023-09-01 |
Family
ID=80483840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111485531.0A Active CN114173357B (zh) | 2021-12-07 | 2021-12-07 | 一种面向多类型业务时延需求的移动边缘计算资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114173357B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101720292B1 (ko) * | 2015-11-19 | 2017-03-27 | 수원대학교산학협력단 | 서비스 제공자의 수익에 대한 기대값을 이용한 클라우드 서비스 자원할당방법 |
CN109814951A (zh) * | 2019-01-22 | 2019-05-28 | 南京邮电大学 | 移动边缘计算网络中任务卸载及资源分配的联合优化方法 |
CN111278132A (zh) * | 2020-01-19 | 2020-06-12 | 重庆邮电大学 | 移动边缘计算中面向低时延高可靠业务的资源分配方法 |
CN113242568A (zh) * | 2021-06-08 | 2021-08-10 | 重庆邮电大学 | 一种不确定网络环境中的任务卸载和资源分配方法 |
-
2021
- 2021-12-07 CN CN202111485531.0A patent/CN114173357B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101720292B1 (ko) * | 2015-11-19 | 2017-03-27 | 수원대학교산학협력단 | 서비스 제공자의 수익에 대한 기대값을 이용한 클라우드 서비스 자원할당방법 |
CN109814951A (zh) * | 2019-01-22 | 2019-05-28 | 南京邮电大学 | 移动边缘计算网络中任务卸载及资源分配的联合优化方法 |
CN111278132A (zh) * | 2020-01-19 | 2020-06-12 | 重庆邮电大学 | 移动边缘计算中面向低时延高可靠业务的资源分配方法 |
CN113242568A (zh) * | 2021-06-08 | 2021-08-10 | 重庆邮电大学 | 一种不确定网络环境中的任务卸载和资源分配方法 |
Non-Patent Citations (1)
Title |
---|
基于边缘计算的新型任务卸载与资源分配策略;薛建彬;安亚宁;;计算机工程与科学(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114173357A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111163521B (zh) | 移动边缘计算中一种分布式异构环境下的资源分配方法 | |
CN111641973B (zh) | 一种雾计算网络中基于雾节点协作的负载均衡方法 | |
CN112512056B (zh) | 一种移动边缘计算网络中多目标优化的计算卸载方法 | |
CN112888002B (zh) | 一种基于博弈论的移动边缘计算任务卸载及资源分配方法 | |
CN109829332B (zh) | 一种基于能量收集技术的联合计算卸载方法及装置 | |
Wang et al. | A probability preferred priori offloading mechanism in mobile edge computing | |
CN109547555B (zh) | 基于公平性准则的非平衡边缘云网络接入与资源分配方法 | |
Wang et al. | An energy-efficient off-loading scheme for low latency in collaborative edge computing | |
CN111556089A (zh) | 基于使能区块链移动边缘计算系统的资源联合优化方法 | |
CN110096362A (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
CN110519776A (zh) | 一种雾计算系统中的均衡聚类和联合资源分配方法 | |
Sun et al. | Energy-efficient multimedia task assignment and computing offloading for mobile edge computing networks | |
CN111885147A (zh) | 边缘计算中的一种资源动态定价方法 | |
CN111836284B (zh) | 基于移动边缘计算的能耗优化计算、卸载方法和系统 | |
CN113419867B (zh) | 一种面向边云协同计算环境中节能的服务供应方法 | |
CN113992677A (zh) | 一种延迟与能耗联合优化的mec计算卸载方法 | |
Li et al. | Computation offloading and service allocation in mobile edge computing | |
Liao et al. | Joint multi-user DNN partitioning and task offloading in mobile edge computing | |
CN114449490A (zh) | 基于d2d通信的多任务联合计算卸载与资源分配方法 | |
Wang et al. | Joint service caching, resource allocation and computation offloading in three-tier cooperative mobile edge computing system | |
CN113778675A (zh) | 一种基于面向区块链网络的计算任务分配系统及方法 | |
CN104159110A (zh) | 基于纳什议价的视频传输带宽优化分配方法 | |
CN111542091B (zh) | 网络切片的无线与计算资源联合分配方法 | |
CN114173357B (zh) | 一种面向多类型业务时延需求的移动边缘计算资源分配方法 | |
WO2023116460A1 (zh) | 移动边缘计算环境下多用户多任务计算卸载方法及系统 |
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 | ||
GR01 | Patent grant |