CN114449529A - 基于移动边缘计算的资源分配优化方法、装置及存储介质 - Google Patents

基于移动边缘计算的资源分配优化方法、装置及存储介质 Download PDF

Info

Publication number
CN114449529A
CN114449529A CN202210110846.5A CN202210110846A CN114449529A CN 114449529 A CN114449529 A CN 114449529A CN 202210110846 A CN202210110846 A CN 202210110846A CN 114449529 A CN114449529 A CN 114449529A
Authority
CN
China
Prior art keywords
task
delay
user terminal
calculating
edge server
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
Application number
CN202210110846.5A
Other languages
English (en)
Inventor
李泓澍
滕少华
杜翠凤
龙晓琼
黎坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
GCI Science and Technology Co Ltd
Original Assignee
Guangdong University of Technology
GCI Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology, GCI Science and Technology Co Ltd filed Critical Guangdong University of Technology
Priority to CN202210110846.5A priority Critical patent/CN114449529A/zh
Publication of CN114449529A publication Critical patent/CN114449529A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446—Resources in time domain, e.g. slots or frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/535—Allocation or scheduling criteria for wireless resources based on resource usage policies

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于移动边缘计算的资源分配优化方法、装置及存储介质，所述方法包括：构建基于移动边缘计算的系统模型，所述系统模型包括至少一个边缘服务器和至少一个基站；基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延；根据传输时延以及用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延；根据传输时延、本地时延以及卸载时延，建立系统模型的总能耗最小化的优化目标以及约束条件；根据约束条件计算所述优化目标的最优解，得到系统模型最优的资源分配策略。本发明将用户移动性、卸载策略问题和计算资源分配联合考虑，以系统处理业务总能耗最低为优化目标，能够快速得到资源分配策略。

Description

基于移动边缘计算的资源分配优化方法、装置及存储介质
技术领域
本发明涉及无线通信技术领域，尤其涉及一种基于移动边缘计算的资源分配优化方法、装置及存储介质。
背景技术
由于移动设备的计算能力和电池容量有限，为了解决5G时代带来的计算密集型应用所产生的本地终端计算能力不足的问题，移动云计算应运而生。移动云计算是指将移动终端的部分或者全部任务卸载到云端服务器上，以此解决算力不足的问题。但是，这种方法存在回程线路资源的限制，卸载的任务会有较高的延迟，不满足uRLLc任务的要求。随后有学者提出移动边缘计算，通过将应用卸载到靠近用户侧的边缘服务器上，解决用户时延和计算资源有限的问题。
然而，由于传统的卸载管理与用户移动性管理是分割的，即任务卸载没有考虑到用户移动性的问题，导致最终得出的决策结果往往偏离了系统的最优值，因此，亟待寻找一种新的机制来优化用户移动性的卸载策略，以此降低网络切换代价、提高网络容量，形成网络资源的优化配置。
发明内容
本发明实施例所要解决的技术问题在于，提供一种基于移动边缘计算的资源分配优化方法、装置及存储介质，将用户移动性、卸载策略问题和计算资源分配联合考虑，以系统处理业务总能耗最低为优化目标，能够快速得到资源分配策略。
为了实现上述目的，本发明实施例提供了一种基于移动边缘计算的资源分配优化方法，包括：
构建基于移动边缘计算的系统模型，所述系统模型包括至少一个边缘服务器和至少一个基站，所述边缘服务器与所述基站为其覆盖范围内的所有用户终端提供计算与通信服务；
基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延；
根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延；
根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件；
根据所述约束条件计算所述优化目标的最优解，得到所述系统模型最优的资源分配策略。
作为上述方案的改进，每一所述用户终端产生的任务用三元组
Figure BDA0003495015990000021
表示，其中，Di表示任务大小，Ci表示任务所需要的计算资源，tmaxi表示任务最大的容忍时延；
采用0-1变量aij表示任务执行的方式，即：
Figure BDA0003495015990000022
其中，
Figure BDA0003495015990000023
表示任务i只能选择系统中候选边缘服务器集合Br卸载或者选择本地卸载；集合V＝{1,2,…,v}表示边缘服务器与基站覆盖范围内的所有用户终端；集合A＝{1，2，…,m}表示整个系统的所有边缘服务器。
作为上述方案的改进，所述基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延，具体包括：
获取所述系统模型中上传链路信道的带宽B、高斯白噪音功率N0、所述用户终端的发射功率G、上传链路的信道衰落因子h以及所述用户终端传输任务起始到结束的平均距离d_；
根据所述信道衰落因子h、所述平均距离
Figure BDA0003495015990000031
以及公式
Figure BDA0003495015990000032
计算得到信道增益参数Hi；
根据所述带宽B、所述高斯白噪音功率N0、所述发射功率G、所述信道增益参数Hi以及公式
Figure BDA0003495015990000033
计算得到任务的平均数据传输速率ri；
根据任务大小Di、所述平均数据传输速率ri以及公式
Figure BDA0003495015990000034
计算得到任务在无线侧的传输时延
Figure BDA0003495015990000035
根据任务所需要的计算资源Ci、所述用户终端的处理能力fi以及公式
Figure BDA0003495015990000036
计算得到任务在本地执行的本地时延
Figure BDA0003495015990000037
作为上述方案的改进，所述根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延，具体包括：
采用正态分布概率密度函数f(x)表示所述用户终端在某个区域停留时间的偏好，即
Figure BDA0003495015990000038
其中，μc表示平均值，δc表示方差；
根据所述正态分布概率密度函数f(x)得到所述用户终端某一时刻在某个区域的停留概率
Figure BDA0003495015990000039
其中，x1为x2的上一个时刻；
根据所述用户终端当前的移动速度vi、所述用户终端在某个边缘服务器覆盖的范围所在的位置到走出该覆盖位置的距离l以及公式
Figure BDA00034950159900000310
计算得到所述用户终端在该位置的当前停留时间
Figure BDA00034950159900000311
根据所述停留概率以及所述当前停留时间
Figure BDA00034950159900000312
计算得到所述用户终端分配计算资源的加权因子；
根据所述传输时延、所述加权因子以及公式
Figure BDA0003495015990000041
计算得到任务卸载到边缘服务器的卸载时延
Figure BDA0003495015990000042
其中，
Figure BDA0003495015990000043
表示任务在无线侧的传输时延，Ci表示任务所需要的计算资源，εir表示加权因子，Br表示系统中候选边缘服务器集合，fMEC表示边缘服务器的计算资源。
作为上述方案的改进，所述加权因子的计算公式为：
Figure BDA0003495015990000044
其中，tmaxi表示任务最大的容忍时延，p(t)表示t时刻用户终端在某个区域的停留概率。
作为上述方案的改进，所述根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件，具体包括：
根据所述本地时延以及公式
Figure BDA0003495015990000045
计算得到任务在本地处理的第一能耗
Figure BDA0003495015990000046
其中，
Figure BDA0003495015990000047
表示本地时延，Pi表示用户终端处理任务的功率；
根据所述传输时延、所述卸载时延以及公式
Figure BDA0003495015990000048
计算得到任务在边缘服务器处理的第二能耗
Figure BDA0003495015990000049
其中，
Figure BDA00034950159900000410
表示任务卸载到边缘服务器的卸载时延，
Figure BDA00034950159900000411
表示任务在无线侧的传输时延，PMEC表示边缘服务器处理任务的功率，Pt表示用户终端将数据发送到边缘服务器时的功率，P0表示在等待边缘服务器处理任务时，空闲状态的功率；
根据所述第一能耗
Figure BDA00034950159900000412
以及所述第二能耗
Figure BDA00034950159900000413
建立所述系统模型的总能耗最小化的优化目标以及约束条件。
作为上述方案的改进，所述优化目标为
Figure BDA00034950159900000414
所述约束条件为
Figure BDA0003495015990000051
其中，
Figure BDA0003495015990000052
表示当前停留时间，
Figure BDA0003495015990000053
表示任务在无线侧的传输时延。
本发明实施例还提供了一种基于移动边缘计算的资源分配优化装置，包括：
模型构建模块，用于构建基于移动边缘计算的系统模型，所述系统模型包括至少一个边缘服务器和至少一个基站，所述边缘服务器与所述基站为其覆盖范围内的所有用户终端提供计算与通信服务；
第一计算模块，用于基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延；
第二计算模块，用于根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延；
优化模块，用于根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件；
第三计算模块，用于根据所述约束条件计算所述优化目标的最优解，得到所述系统模型最优的资源分配策略。
本发明实施例还提供了一种基于移动边缘计算的资源分配优化装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的基于移动边缘计算的资源分配优化方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一项所述的基于移动边缘计算的资源分配优化方法。
相对于现有技术，本发明实施例提供的一种基于移动边缘计算的资源分配优化方法、装置及存储介质的有益效果在于：将用户移动性、卸载策略问题和计算资源分配联合考虑，按照用户终端停留时间的长短分配不同的计算资源，停留时间越短的用户终端分配的计算资源越多，从而满足用户终端在移动过程中对任务计算时延的要求。此外，本发明实施例还考虑到用户终端移动的不确定性，单纯采用用户终端当前的速度计算用户终端的停留时间具有很大的不确定性，因此，通过大数据获得用户终端停留时间构造概率密度函数，以此来反映用户终端在每一个位置的停留概率。通过综合用户终端的停留概率以及用户终端的当前停留时间作为边缘服务器集群分配资源的加权因子，并将加权因子运用到边缘服务器集群处理业务时延中。基于加权因子得到的服务器计算时延，联合卸载策略和资源分配策略，以系统处理业务总能耗最低为优化目标，能够快速得到资源分配策略。
附图说明
图1是本发明提供的一种基于移动边缘计算的资源分配优化方法的一个优选实施例的流程示意图；
图2是本发明提供的一种基于移动边缘计算的资源分配优化装置的一个优选实施例的结构示意图；
图3是本发明提供的一种基于移动边缘计算的资源分配优化装置的另一个优选实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，图1是本发明提供的一种基于移动边缘计算的资源分配优化方法的一个优选实施例的流程示意图。所述基于移动边缘计算的资源分配优化方法，包括：
S1，构建基于移动边缘计算的系统模型，所述系统模型包括至少一个边缘服务器和至少一个基站，所述边缘服务器与所述基站为其覆盖范围内的所有用户终端提供计算与通信服务；
S2，基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延；
S3，根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延；
S4，根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件；
S5，根据所述约束条件计算所述优化目标的最优解，得到所述系统模型最优的资源分配策略。
具体的，本发明实施例首先构建基于移动边缘计算的系统模型，该系统模型包括至少一个边缘服务器和至少一个基站，边缘服务器与基站为其覆盖范围内的所有用户终端提供计算与通信服务。然后，基于该系统模型计算任务在无线侧的传输时延以及任务在本地执行的本地时延。根据计算得到的传输时延以及用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延，其中，用户终端的停留概率通过大数据获取用户终端停留时间构造概率密度函数来计算。其次，根据任务在无线侧的传输时延、任务在本地执行的本地时延以及务卸载到边缘服务器的卸载时延，建立系统模型的总能耗最小化的优化目标以及约束条件。最后，根据约束条件计算优化目标的最优解，进而得到系统模型最优的资源分配策略。
本发明实施例考虑了用户移动性对任务计算时延的影响，将用户移动性、卸载策略问题和计算资源分配联合考虑，通过大数据获得用户终端停留时间构造概率密度函数，以此来反映用户终端在每一个位置的停留概率。通过综合用户终端的停留概率以及用户终端的当前停留时间作为边缘服务器集群分配资源的加权因子，并将加权因子运用到边缘服务器集群处理业务时延中，从而满足用户终端在移动过程中对任务计算时延的要求。以系统处理业务总能耗最低为优化目标，能够快速得到资源分配策略。
在另一个优选实施例中，每一所述用户终端产生的任务用三元组
Figure BDA0003495015990000081
表示，其中，Di表示任务大小，Ci表示任务所需要的计算资源，tmaxi表示任务最大的容忍时延；
采用0-1变量aij表示任务执行的方式，即：
Figure BDA0003495015990000082
其中，
Figure BDA0003495015990000083
表示任务i只能选择系统中候选边缘服务器集合Br卸载或者选择本地卸载；集合V＝{1,2,…,v}表示边缘服务器与基站覆盖范围内的所有用户终端；集合A＝{1，2，…,m}表示整个系统的所有边缘服务器。
具体的，本发明实施例用集合A＝{1，2，…,m}表示整个系统的所有边缘服务器，每个边缘服务器的计算资源为fMEC，用集合V＝{1,2,…,v}表示边缘服务器与基站覆盖范围内的所有用户终端，每个用户终端的计算能力为fi。每个用户终端产生的任务用三元组
Figure BDA0003495015990000084
表示，其中，Di表示任务大小，Ci表示任务所需要的计算资源，tmaxi表示任务最大的容忍时延。
采用0-1变量aij表示任务执行的方式，即：
Figure BDA0003495015990000085
其中，
Figure BDA0003495015990000086
表示任务i只能选择系统中候选边缘服务器集合Br卸载或者选择本地卸载。
需要说明的是，候选边缘服务器指的是在用户终端服务的范围内可用的边缘服务器。在移动通信中，一般一个用户终端所在的范围通常由6-14个基站进行覆盖，但是用户终端使用业务的时候只有一个主基站进行服务，因此，当用户终端所在的主基站的边缘服务器不能接受新的任务时，其他能够覆盖的基站(基站侧挂着边缘服务器)将通过无线的方式接收用户终端的任务，并将任务放在该基站侧的服务器中进行卸载。本发明实施例还提出了一种边缘服务器协同处理用户终端卸载的任务的理念，用户终端任务卸载到服务器中不是单服务器处理，而是一个服务器集群处理的概念。用户终端的任务可以分到不同的候选边缘服务器中对任务进行处理，Br是候选边缘服务器集合，不同区域的Br是不一样的。因此，不同区域的任务处理能力与该区域的候选边缘服务器的数量有关。
在又一个优选实施例中，所述S2，基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延，具体包括：
S201，获取所述系统模型中上传链路信道的带宽B、高斯白噪音功率N0、所述用户终端的发射功率G、上传链路的信道衰落因子h以及所述用户终端传输任务起始到结束的平均距离
Figure BDA0003495015990000091
S202，根据所述信道衰落因子h、所述平均距离
Figure BDA0003495015990000092
以及公式
Figure BDA0003495015990000093
计算得到信道增益参数Hi；
S203，根据所述带宽B、所述高斯白噪音功率N0、所述发射功率G、所述信道增益参数Hi以及公式
Figure BDA0003495015990000094
计算得到任务的平均数据传输速率ri；
S204，根据任务大小Di、所述平均数据传输速率ri以及公式
Figure BDA0003495015990000095
计算得到任务在无线侧的传输时延
Figure BDA0003495015990000096
S205，根据任务所需要的计算资源Ci、所述用户终端的处理能力fi以及公式
Figure BDA0003495015990000097
计算得到任务在本地执行的本地时延
Figure BDA0003495015990000098
具体的，获取系统模型中上传链路信道的带宽B、高斯白噪音功率N0、用户终端的发射功率G、上传链路的信道衰落因子h以及用户终端传输任务起始到结束的平均距离
Figure BDA0003495015990000101
由于任务的平均数据传输速率和信道增益参数有关，因此，先根据信道衰落因子h、平均距离
Figure BDA0003495015990000102
以及公式
Figure BDA0003495015990000103
计算得到信道增益参数Hi。然后，根据上传链路信道的带宽B、高斯白噪音功率N0、用户终端的发射功率G、信道增益参数Hi以及公式
Figure BDA0003495015990000104
计算得到任务的平均数据传输速率ri。之后根据任务大小Di、任务的平均数据传输速率ri以及公式
Figure BDA0003495015990000105
计算得到任务在无线侧的传输时延
Figure BDA0003495015990000106
根据任务所需要的计算资源Ci、用户终端的处理能力fi以及公式
Figure BDA0003495015990000107
计算得到任务在本地执行的本地时延
Figure BDA0003495015990000108
在又一个优选实施例中，所述S3，根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延，具体包括：
S301，采用正态分布概率密度函数f(x)表示所述用户终端在某个区域停留时间的偏好，即
Figure BDA0003495015990000109
其中，μc表示平均值，δc表示方差；
S302，根据所述正态分布概率密度函数f(x)得到所述用户终端某一时刻在某个区域的停留概率
Figure BDA00034950159900001010
其中，x1为x2的上一个时刻；
S303，根据所述用户终端当前的移动速度vi、所述用户终端在某个边缘服务器覆盖的范围所在的位置到走出该覆盖位置的距离l以及公式
Figure BDA00034950159900001011
计算得到所述用户终端在该位置的当前停留时间
Figure BDA00034950159900001012
S304，根据所述停留概率以及所述当前停留时间
Figure BDA00034950159900001013
计算得到所述用户终端分配计算资源的加权因子；
S305，根据所述传输时延、所述加权因子以及公式
Figure BDA00034950159900001014
计算得到任务卸载到边缘服务器的卸载时延
Figure BDA0003495015990000111
其中，
Figure BDA0003495015990000112
表示任务在无线侧的传输时延，Ci表示任务所需要的计算资源，εir表示加权因子，Br表示系统中候选边缘服务器集合，fMEC表示边缘服务器的计算资源。
具体的，由于用户终端具有移动性，考虑到用户终端移动时长的问题，因此，本发明实施例按照停留时间的长短分配不同的计算资源，停留时间越短的用户终端分配的计算资源越多。用户终端停留时间的长短需要考虑到两个因素，停留的概率以及通过当前用户终端的速度预判的用户终端在该区域的停留时间，综合停留概率和停留时间计算边缘服务器使用的加权因子。假设用户终端在每一个区域停留时间是有偏好的，用正态分布概率密度函数来表示用户终端在某个区域停留时间的偏好，即：
Figure BDA0003495015990000113
其中，μc表示平均值，δc表示方差。
本实施例中参数可取0≤x≤24，μc＝10，δc＝0.741，表示用户终端在10点的时候在某个区域停留的时间最长。这个只是某个区域的停留偏好，不同区域的停留偏好有所不同，也就是公式的平均值和方差是不同的。根据历史的统计数据进行模拟，通过统计数据可以计算得到平均值和方差。
基于正态分布概率密度函数f(x)得到用户终端某一时刻在某个区域的停留概率
Figure BDA0003495015990000114
其中，x1为x2的上一个时刻。根据用户终端当前的移动速度vi、用户终端在某个边缘服务器覆盖的范围所在的位置到走出该覆盖位置的距离l以及公式
Figure BDA0003495015990000115
计算得到用户终端在该位置的当前停留时间
Figure BDA0003495015990000116
结合用户终端的停留概率以及当前停留时间
Figure BDA0003495015990000117
计算得到用户终端分配计算资源的加权因子。根据任务在无线侧的传输时延、用户终端分配计算资源的加权因子以及公式
Figure BDA0003495015990000121
计算得到任务卸载到边缘服务器的卸载时延
Figure BDA0003495015990000122
其中，
Figure BDA0003495015990000123
表示任务在无线侧的传输时延，Ci表示任务所需要的计算资源，εir表示加权因子，Br表示系统中候选边缘服务器集合，fMEC表示边缘服务器的计算资源。在本发明实施例中，一个任务可以分割到不同的的子任务并卸载到不同的边缘服务器进行处理，fMEC表示该区域候选服务器总的处理能力。
作为优选方案，所述加权因子的计算公式为：
Figure BDA0003495015990000124
其中，tmaxi表示任务最大的容忍时延，p(t)表示t时刻用户终端在某个区域的停留概率。
具体的，结合用户终端的停留概率以及当前停留时间
Figure BDA0003495015990000125
计算用户终端分配计算资源的加权因子，计算公式为：
Figure BDA0003495015990000126
其中，tmaxi表示任务最大的容忍时延，p(t)表示t时刻用户终端在某个区域的停留概率，停留概率越小，分配的计算资源越多，反之亦然。
需要说明的是，如果用户终端在某个区域的停留时间很短，也就是小于数据传输时间，那么系统模型是不会给它分配计算资源。
在又一个优选实施例中，所述S4，根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件，具体包括：
S401，根据所述本地时延以及公式
Figure BDA0003495015990000127
计算得到任务在本地处理的第一能耗
Figure BDA0003495015990000128
其中，
Figure BDA0003495015990000129
表示本地时延，Pi表示用户终端处理任务的功率；
S402，根据所述传输时延、所述卸载时延以及公式
Figure BDA0003495015990000131
计算得到任务在边缘服务器处理的第二能耗
Figure BDA0003495015990000132
其中，
Figure BDA0003495015990000133
表示任务卸载到边缘服务器的卸载时延，
Figure BDA0003495015990000134
表示任务在无线侧的传输时延，PMEC表示边缘服务器处理任务的功率，Pt表示用户终端将数据发送到边缘服务器时的功率，P0表示在等待边缘服务器处理任务时，空闲状态的功率；
S403，根据所述第一能耗
Figure BDA0003495015990000135
以及所述第二能耗
Figure BDA0003495015990000136
建立所述系统模型的总能耗最小化的优化目标以及约束条件。
具体的，计算能耗时考虑处理任务i时面对多重资源选择的能耗。首先，根据任务在本地执行的本地时延以及公式
Figure BDA0003495015990000137
计算得到任务在本地处理的第一能耗
Figure BDA0003495015990000138
其中，
Figure BDA0003495015990000139
表示本地时延，Pi表示用户终端处理任务的功率。然后，根据任务在无线侧的传输时延、任务卸载到边缘服务器的卸载时延以及公式
Figure BDA00034950159900001310
计算得到任务在边缘服务器处理的第二能耗
Figure BDA00034950159900001311
其中，
Figure BDA00034950159900001312
表示任务卸载到边缘服务器的卸载时延，
Figure BDA00034950159900001313
表示任务在无线侧的传输时延，PMEC表示边缘服务器处理任务的功率，Pt表示用户终端将数据发送到边缘服务器时的功率，P0表示在等待边缘服务器处理任务时，空闲状态的功率。最后，根据第一能耗
Figure BDA00034950159900001314
以及第二能耗
Figure BDA00034950159900001315
建立系统模型的总能耗最小化的优化目标以及约束条件。
需要说明的是，公式
Figure BDA00034950159900001316
中第一部分表示边缘服务处理任务的能耗，第二部分表示数据传输到无线基站的能耗，第三部分表示用户终端等待任务处理所发生的能耗。
作为优选方案，所述优化目标为
Figure BDA00034950159900001317
所述约束条件为
Figure BDA00034950159900001318
其中，
Figure BDA0003495015990000141
表示当前停留时间，
Figure BDA0003495015990000142
表示任务在无线侧的传输时延。
具体的，根据第一能耗
Figure BDA0003495015990000143
以及第二能耗
Figure BDA0003495015990000144
建立系统模型的总能耗最小化的优化目标为
Figure BDA0003495015990000145
约束条件为
Figure BDA0003495015990000146
第一个约束条件是每个任务的处理时延小于最大时延容忍值；第二个约束条件是用户终端停留时间要大于数据无线传输时间，因为如果用户终端在某个区域的停留时间小于数据传输时间，那么系统模型是不会给它分配计算资源；第三个约束条件是任务i只能选择系统中候选边缘服务器集合Br卸载或者选择本地卸载。
相应地，本发明还提供一种基于移动边缘计算的资源分配优化装置，能够实现上述实施例中的基于移动边缘计算的资源分配优化方法的所有流程。
请参阅图2，图2是本发明提供的一种基于移动边缘计算的资源分配优化装置的一个优选实施例的结构示意图。所述基于移动边缘计算的资源分配优化装置，包括：
模型构建模块201，用于构建基于移动边缘计算的系统模型，所述系统模型包括至少一个边缘服务器和至少一个基站，所述边缘服务器与所述基站为其覆盖范围内的所有用户终端提供计算与通信服务；
第一计算模块202，用于基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延；
第二计算模块203，用于根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延；
优化模块204，用于根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件；
第三计算模块205，用于根据所述约束条件计算所述优化目标的最优解，得到所述系统模型最优的资源分配策略。
优选地，每一所述用户终端产生的任务用三元组
Figure BDA0003495015990000151
表示，其中，Di表示任务大小，Ci表示任务所需要的计算资源，tmaxi表示任务最大的容忍时延；
采用0-1变量aij表示任务执行的方式，即：
Figure BDA0003495015990000152
其中，
Figure BDA0003495015990000153
表示任务i只能选择系统中候选边缘服务器集合Br卸载或者选择本地卸载；集合V＝{1,2,…,v}表示边缘服务器与基站覆盖范围内的所有用户终端；集合A＝{1，2，…,m}表示整个系统的所有边缘服务器。
优选地，所述第一计算模块202，具体包括：
获取单元212，用于获取所述系统模型中上传链路信道的带宽B、高斯白噪音功率N0、所述用户终端的发射功率G、上传链路的信道衰落因子h以及所述用户终端传输任务起始到结束的平均距离
Figure BDA0003495015990000154
增益计算单元222，用于根据所述信道衰落因子h、所述平均距离
Figure BDA0003495015990000155
以及公式
Figure BDA0003495015990000156
计算得到信道增益参数Hi；
传输速率计算单元232，用于根据所述带宽B、所述高斯白噪音功率N0、所述发射功率G、所述信道增益参数Hi以及公式
Figure BDA0003495015990000157
计算得到任务的平均数据传输速率ri；
传输时延计算单元242，用于根据任务大小Di、所述平均数据传输速率ri以及公式
Figure BDA0003495015990000158
计算得到任务在无线侧的传输时延
Figure BDA0003495015990000159
本地时延计算单元252，用于根据任务所需要的计算资源Ci、所述用户终端的处理能力fi以及公式
Figure BDA0003495015990000161
计算得到任务在本地执行的本地时延
Figure BDA0003495015990000162
优选地，所述第二计算模块203，具体包括：
概率函数构造单元213，用于采用正态分布概率密度函数f(x)表示所述用户终端在某个区域停留时间的偏好，即
Figure BDA0003495015990000163
其中，μc表示平均值，δc表示方差；
停留概率计算单元223，用于根据所述正态分布概率密度函数f(x)得到所述用户终端某一时刻在某个区域的停留概率
Figure BDA0003495015990000164
其中，x1为x2的上一个时刻；
停留时间计算单元233，用于根据所述用户终端当前的移动速度vi、所述用户终端在某个边缘服务器覆盖的范围所在的位置到走出该覆盖位置的距离l以及公式
Figure BDA0003495015990000165
计算得到所述用户终端在该位置的当前停留时间
Figure BDA0003495015990000166
加权因子计算单元243，用于根据所述停留概率以及所述当前停留时间
Figure BDA0003495015990000167
计算得到所述用户终端分配计算资源的加权因子；
卸载时延计算单元253，用于根据所述传输时延、所述加权因子以及公式
Figure BDA0003495015990000168
计算得到任务卸载到边缘服务器的卸载时延
Figure BDA0003495015990000169
其中，
Figure BDA00034950159900001610
表示任务在无线侧的传输时延，Ci表示任务所需要的计算资源，εir表示加权因子，Br表示系统中候选边缘服务器集合，fMEC表示边缘服务器的计算资源。
优选地，所述加权因子的计算公式为：
Figure BDA00034950159900001611
其中，tmaxi表示任务最大的容忍时延，p(t)表示t时刻用户终端在某个区域的停留概率。
优选地，所述优化模块204，具体包括：
第一能耗计算单元214，用于根据所述本地时延以及公式
Figure BDA0003495015990000171
计算得到任务在本地处理的第一能耗
Figure BDA0003495015990000172
其中，
Figure BDA0003495015990000173
表示本地时延，Pi表示用户终端处理任务的功率；
第二能耗计算单元224，用于根据所述传输时延、所述卸载时延以及公式
Figure BDA0003495015990000174
计算得到任务在边缘服务器处理的第二能耗
Figure BDA0003495015990000175
其中，
Figure BDA0003495015990000176
表示任务卸载到边缘服务器的卸载时延，
Figure BDA0003495015990000177
表示任务在无线侧的传输时延，PMEC表示边缘服务器处理任务的功率，Pt表示用户终端将数据发送到边缘服务器时的功率，P0表示在等待边缘服务器处理任务时，空闲状态的功率；
优化单元234，用于根据所述第一能耗
Figure BDA0003495015990000178
以及所述第二能耗
Figure BDA0003495015990000179
建立所述系统模型的总能耗最小化的优化目标以及约束条件。
优选地，所述优化目标为
Figure BDA00034950159900001710
所述约束条件为
Figure BDA00034950159900001711
其中，
Figure BDA00034950159900001712
表示当前停留时间，
Figure BDA00034950159900001713
表示任务在无线侧的传输时延。
在具体实施当中，本发明实施例提供的基于移动边缘计算的资源分配优化装置的工作原理、控制流程及实现的技术效果，与上述实施例中的基于移动边缘计算的资源分配优化方法对应相同，在此不再赘述。
请参阅图3，图3是本发明提供的一种基于移动边缘计算的资源分配优化装置的另一个优选实施例的结构示意图。所述基于移动边缘计算的资源分配优化装置包括处理器301、存储器302以及存储在所述存储器302中且被配置为由所述处理器301执行的计算机程序，所述处理器301执行所述计算机程序时实现上述任一实施例所述的基于移动边缘计算的资源分配优化方法。
优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序1、计算机程序2、……)，所述一个或者多个模块/单元被存储在所述存储器302中，并由所述处理器301执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述基于移动边缘计算的资源分配优化装置中的执行过程。
所述处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器301也可以是任何常规的处理器，所述处理器301是所述基于移动边缘计算的资源分配优化装置的控制中心，利用各种接口和线路连接所述基于移动边缘计算的资源分配优化装置的各个部分。
所述存储器302主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器302可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器302也可以是其他易失性固态存储器件。
需要说明的是，上述基于移动边缘计算的资源分配优化装置可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，图3的结构示意图仅仅是上述基于移动边缘计算的资源分配优化装置的示例，并不构成对上述基于移动边缘计算的资源分配优化装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一实施例所述的基于移动边缘计算的资源分配优化方法。
本发明实施例提供了一种基于移动边缘计算的资源分配优化方法、装置及存储介质，将用户移动性、卸载策略问题和计算资源分配联合考虑，按照用户终端停留时间的长短分配不同的计算资源，停留时间越短的用户终端分配的计算资源越多，从而满足用户终端在移动过程中对任务计算时延的要求。此外，本发明实施例还考虑到用户终端移动的不确定性，单纯采用用户终端当前的速度计算用户终端的停留时间具有很大的不确定性，因此，通过大数据获得用户终端停留时间构造概率密度函数，以此来反映用户终端在每一个位置的停留概率。通过综合用户终端的停留概率以及用户终端的当前停留时间作为边缘服务器集群分配资源的加权因子，并将加权因子运用到边缘服务器集群处理业务时延中。基于加权因子得到的服务器计算时延，联合卸载策略和资源分配策略，以系统处理业务总能耗最低为优化目标，能够快速得到资源分配策略。
需说明的是，以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的系统实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于移动边缘计算的资源分配优化方法，其特征在于，包括：
构建基于移动边缘计算的系统模型，所述系统模型包括至少一个边缘服务器和至少一个基站，所述边缘服务器与所述基站为其覆盖范围内的所有用户终端提供计算与通信服务；
基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延；
根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延；
根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件；
根据所述约束条件计算所述优化目标的最优解，得到所述系统模型最优的资源分配策略。
2.如权利要求1所述的基于移动边缘计算的资源分配优化方法，其特征在于，每一所述用户终端产生的任务用三元组
Figure FDA0003495015980000011
表示，其中，Di表示任务大小，Ci表示任务所需要的计算资源，tmaxi表示任务最大的容忍时延；
采用0-1变量aij表示任务执行的方式，即：
Figure FDA0003495015980000012
其中，
Figure FDA0003495015980000013
表示任务i只能选择系统中候选边缘服务器集合Br卸载或者选择本地卸载；集合V＝{1,2,…,v}表示边缘服务器与基站覆盖范围内的所有用户终端；集合A＝{1，2，…,m}表示整个系统的所有边缘服务器。
3.如权利要求1或2所述的基于移动边缘计算的资源分配优化方法，其特征在于，所述基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延，具体包括：
获取所述系统模型中上传链路信道的带宽B、高斯白噪音功率N0、所述用户终端的发射功率G、上传链路的信道衰落因子h以及所述用户终端传输任务起始到结束的平均距离
Figure FDA0003495015980000021
根据所述信道衰落因子h、所述平均距离
Figure FDA0003495015980000022
以及公式
Figure FDA0003495015980000023
计算得到信道增益参数Hi；
根据所述带宽B、所述高斯白噪音功率N0、所述发射功率G、所述信道增益参数Hi以及公式
Figure FDA0003495015980000024
计算得到任务的平均数据传输速率ri；
根据任务大小Di、所述平均数据传输速率ri以及公式
Figure FDA0003495015980000025
计算得到任务在无线侧的传输时延
Figure FDA0003495015980000026
根据任务所需要的计算资源Ci、所述用户终端的处理能力fi以及公式
Figure FDA0003495015980000027
计算得到任务在本地执行的本地时延
Figure FDA0003495015980000028
4.如权利要求1所述的基于移动边缘计算的资源分配优化方法，其特征在于，所述根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延，具体包括：
采用正态分布概率密度函数f(x)表示所述用户终端在某个区域停留时间的偏好，即
Figure FDA0003495015980000029
其中，μc表示平均值，δc表示方差；
根据所述正态分布概率密度函数f(x)得到所述用户终端某一时刻在某个区域的停留概率
Figure FDA00034950159800000210
其中，x1为x2的上一个时刻；
根据所述用户终端当前的移动速度vi、所述用户终端在某个边缘服务器覆盖的范围所在的位置到走出该覆盖位置的距离l以及公式Ti s＝l/vi，计算得到所述用户终端在该位置的当前停留时间Ti s；
根据所述停留概率以及所述当前停留时间Ti s，计算得到所述用户终端分配计算资源的加权因子；
根据所述传输时延、所述加权因子以及公式
Figure FDA0003495015980000031
计算得到任务卸载到边缘服务器的卸载时延
Figure FDA0003495015980000032
其中，
Figure FDA0003495015980000033
表示任务在无线侧的传输时延，Ci表示任务所需要的计算资源，εir表示加权因子，Br表示系统中候选边缘服务器集合，fMEC表示边缘服务器的计算资源。
5.如权利要求4所述的基于移动边缘计算的资源分配优化方法，其特征在于，所述加权因子的计算公式为：
Figure FDA0003495015980000034
其中，tmaxi表示任务最大的容忍时延，p(t)表示t时刻用户终端在某个区域的停留概率。
6.如权利要求2所述的基于移动边缘计算的资源分配优化方法，其特征在于，所述根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件，具体包括：
根据所述本地时延以及公式
Figure FDA0003495015980000035
计算得到任务在本地处理的第一能耗
Figure FDA0003495015980000036
其中，
Figure FDA0003495015980000037
表示本地时延，Pi表示用户终端处理任务的功率；
根据所述传输时延、所述卸载时延以及公式
Figure FDA0003495015980000038
计算得到任务在边缘服务器处理的第二能耗
Figure FDA0003495015980000039
其中，
Figure FDA00034950159800000310
表示任务卸载到边缘服务器的卸载时延，
Figure FDA0003495015980000041
表示任务在无线侧的传输时延，PMEC表示边缘服务器处理任务的功率，Pt表示用户终端将数据发送到边缘服务器时的功率，P0表示在等待边缘服务器处理任务时，空闲状态的功率；
根据所述第一能耗
Figure FDA0003495015980000042
以及所述第二能耗
Figure FDA0003495015980000043
建立所述系统模型的总能耗最小化的优化目标以及约束条件。
7.如权利要求6所述的基于移动边缘计算的资源分配优化方法，其特征在于，所述优化目标为
Figure FDA0003495015980000044
所述约束条件为
Figure FDA0003495015980000045
其中，Ti s表示当前停留时间，
Figure FDA0003495015980000046
表示任务在无线侧的传输时延。
8.一种基于移动边缘计算的资源分配优化装置，其特征在于，包括：
模型构建模块，用于构建基于移动边缘计算的系统模型，所述系统模型包括至少一个边缘服务器和至少一个基站，所述边缘服务器与所述基站为其覆盖范围内的所有用户终端提供计算与通信服务；
第一计算模块，用于基于所述系统模型，计算任务在无线侧的传输时延以及任务在本地执行的本地时延；
第二计算模块，用于根据所述传输时延以及所述用户终端的停留概率、当前停留时间，计算任务卸载到边缘服务器的卸载时延；
优化模块，用于根据所述传输时延、所述本地时延以及所述卸载时延，建立所述系统模型的总能耗最小化的优化目标以及约束条件；
第三计算模块，用于根据所述约束条件计算所述优化目标的最优解，得到所述系统模型最优的资源分配策略。
9.一种基于移动边缘计算的资源分配优化装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于移动边缘计算的资源分配优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的基于移动边缘计算的资源分配优化方法。
CN202210110846.5A 2022-01-29 2022-01-29 基于移动边缘计算的资源分配优化方法、装置及存储介质 Pending CN114449529A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210110846.5A CN114449529A (zh) 2022-01-29 2022-01-29 基于移动边缘计算的资源分配优化方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210110846.5A CN114449529A (zh) 2022-01-29 2022-01-29 基于移动边缘计算的资源分配优化方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN114449529A true CN114449529A (zh) 2022-05-06

Family

ID=81372276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210110846.5A Pending CN114449529A (zh) 2022-01-29 2022-01-29 基于移动边缘计算的资源分配优化方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114449529A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115022189A (zh) * 2022-05-31 2022-09-06 武汉大学 边缘用户分配模型构建方法、装置、设备及可读存储介质
CN115022331A (zh) * 2022-05-30 2022-09-06 中国电信股份有限公司 边缘计算资源分配方法、装置、存储介质及电子设备
CN115827185A (zh) * 2022-10-31 2023-03-21 中电信数智科技有限公司 6g空中基站结合北斗空中避障的方法、存储介质及设备
CN116560839A (zh) * 2023-05-06 2023-08-08 湖南师范大学 一种基于主从博弈的边缘计算任务卸载方法和系统
CN117149421A (zh) * 2023-08-30 2023-12-01 国网河北省电力有限公司信息通信分公司 边缘计算任务卸载和资源分配方法、装置及电子设备
CN117580101A (zh) * 2023-10-11 2024-02-20 北京交通大学 任务卸载方法、电子设备及存储介质
CN117873689A (zh) * 2024-03-11 2024-04-12 浪潮计算机科技有限公司 一种任务分配方法、装置、设备和计算机可读存储介质

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115022331A (zh) * 2022-05-30 2022-09-06 中国电信股份有限公司 边缘计算资源分配方法、装置、存储介质及电子设备
CN115022331B (zh) * 2022-05-30 2024-05-14 中国电信股份有限公司 边缘计算资源分配方法、装置、存储介质及电子设备
CN115022189A (zh) * 2022-05-31 2022-09-06 武汉大学 边缘用户分配模型构建方法、装置、设备及可读存储介质
CN115022189B (zh) * 2022-05-31 2024-03-26 武汉大学 边缘用户分配模型构建方法、装置、设备及可读存储介质
CN115827185B (zh) * 2022-10-31 2023-12-01 中电信数智科技有限公司 6g空中基站结合北斗空中避障的方法、存储介质及设备
CN115827185A (zh) * 2022-10-31 2023-03-21 中电信数智科技有限公司 6g空中基站结合北斗空中避障的方法、存储介质及设备
CN116560839A (zh) * 2023-05-06 2023-08-08 湖南师范大学 一种基于主从博弈的边缘计算任务卸载方法和系统
CN116560839B (zh) * 2023-05-06 2023-11-10 湖南师范大学 一种基于主从博弈的边缘计算任务卸载方法和系统
CN117149421A (zh) * 2023-08-30 2023-12-01 国网河北省电力有限公司信息通信分公司 边缘计算任务卸载和资源分配方法、装置及电子设备
CN117149421B (zh) * 2023-08-30 2024-08-06 国网河北省电力有限公司信息通信分公司 边缘计算任务卸载和资源分配方法、装置及电子设备
CN117580101A (zh) * 2023-10-11 2024-02-20 北京交通大学 任务卸载方法、电子设备及存储介质
CN117580101B (zh) * 2023-10-11 2024-09-10 北京交通大学 任务卸载方法、电子设备及存储介质
CN117873689A (zh) * 2024-03-11 2024-04-12 浪潮计算机科技有限公司 一种任务分配方法、装置、设备和计算机可读存储介质
CN117873689B (zh) * 2024-03-11 2024-05-31 浪潮计算机科技有限公司 一种任务分配方法、装置、设备和计算机可读存储介质

Similar Documents

Publication Publication Date Title
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
CN109951821B (zh) 基于移动边缘计算的最小化车辆能耗任务卸载方案
CN110377353B (zh) 计算任务卸载系统与方法
CN110647391B (zh) 面向星地协同网络的边缘计算方法及系统
CN112492626B (zh) 一种移动用户计算任务的卸载方法
CN106900011B (zh) 一种基于mec的蜂窝基站间任务卸载方法
CN111586696B (zh) 一种基于多智能体架构强化学习的资源分配及卸载决策方法
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
CN110096362B (zh) 一种基于边缘服务器协作的多任务卸载方法
CN109905470A (zh) 一种基于边缘网关系统的开销优化任务调度方法
CN110740473B (zh) 一种用于移动边缘计算的管理方法及边缘服务器
CN110493757A (zh) 单服务器下降低系统能耗的移动边缘计算卸载方法
CN109951869A (zh) 一种基于云雾混合计算的车联网资源分配方法
CN110489176B (zh) 一种基于装箱问题的多接入边缘计算任务卸载方法
CN111757361B (zh) 一种雾网络中基于无人机辅助的任务卸载方法
CN113114738A (zh) 基于sdn的车联网任务卸载的优化方法
CN113115339A (zh) 一种基于移动性感知的任务卸载和资源分配联合优化方法
CN114938381A (zh) 一种基于深度强化学习的d2d-mec卸载方法、计算机程序产品
CN115955479A (zh) 一种云边端协作系统中的任务快速调度与资源管理方法
Yang et al. Optimal task scheduling in communication-constrained mobile edge computing systems for wireless virtual reality
CN114301911B (zh) 一种基于边边协同的任务管理方法和系统
CN112449016B (zh) 一种任务卸载方法、装置、存储介质及电子设备
CN112104737B (zh) 一种计算迁移方法、移动计算设备及边缘计算设备
Li Optimal offloading for dynamic compute-intensive applications in wireless networks
CN113687924B (zh) 一种基于边缘计算系统的智能动态任务计算卸载方法

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