CN114520990A - 一种基于星地云协作的移动边缘计算任务卸载方法 - Google Patents
一种基于星地云协作的移动边缘计算任务卸载方法 Download PDFInfo
- Publication number
- CN114520990A CN114520990A CN202210081382.XA CN202210081382A CN114520990A CN 114520990 A CN114520990 A CN 114520990A CN 202210081382 A CN202210081382 A CN 202210081382A CN 114520990 A CN114520990 A CN 114520990A
- Authority
- CN
- China
- Prior art keywords
- satellite
- ground
- user
- task
- representing
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0226—Traffic management, e.g. flow control or congestion control based on location or mobility
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0917—Management thereof based on the energy state of entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0925—Management thereof using policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
- H04W28/0967—Quality of Service [QoS] parameters
- H04W28/0975—Quality of Service [QoS] parameters for reducing delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite Networks
-
- 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)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明请求保护一种基于星地云协作的移动边缘计算任务卸载方法,属于通信技术领域。针对地面通信设施薄弱地区的移动边缘计算问题,提出一种星地云协作网络架构下的移动边缘计算任务卸载方法。该方法根据低轨卫星的高速时变特征,构建动态的星地云网络架构和资源状态模型,基于时延和计算资源约束,采用模拟退火算法思想对卫星覆盖范围内地面用户的本地卸载、卫星卸载及地面云中心卸载的任务分配决策进行优化,有效降低地面用户的任务卸载时延和终端能耗。
Description
技术领域
本发明属于通信网技术领域。具体涉及一种基于星地云协作的移动边缘计算任务卸载方法。
背景技术
随着物联网技术的蓬勃发展,各种计算密集型应用大量出现,网络资源消耗与用户终端能耗急剧增长。为提高网络资源效率,改善用户的服务体验,基于星地云协作的移动边缘计算逐渐成为未来任务卸载服务的重要应用场景。与地面网络相比,低轨卫星的快速周期运动导致了星地网络的快速时变特征。星地云网络架构与资源状态的动态变化,将会对地面用户的任务卸载决策产生巨大的影响。
现有基于卫星的移动边缘计算策略通常将卫星作为地面边缘网络的扩展,或者将卫星作为向地面云中心转发任务的中继。虽然卫星作为边缘节点,能够为地面用户提供计算卸载服务,但卫星提供的计算资源具有明显的局限性。地面云中心虽然拥有充足的计算资源,但却受限于较大的地-星-云传播时延。特别是,低轨卫星的高速移动将造成星地云网络结构与资源状态的实时变化,增大时延约束与计算资源约束的复杂度。
本发明针对低轨卫星的高速时变特征,以及复杂的时延约束和计算资源约束,提出一种基于星地云协作的移动边缘计算任务卸载方法,有效降低地面用户的任务卸载时延和终端能耗。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种基于星地云协作的移动边缘计算任务卸载方法。本发明的技术方案如下:
一种基于星地云协作的移动边缘计算任务卸载方法,其包括以下步骤:构建动态的星地云网络架构和资源状态模型,采用模拟退火算法思想对卫星覆盖范围内地面用户的本地卸载、卫星卸载及地面云中心卸载的任务分配决策进行优化。
进一步的,构建动态的星地云网络架构和资源状态模型,具体包括:
进一步的,所述步骤102中,卫星s与覆盖区内地面用户i的位置关系为:O为地心,低轨卫星s与地面用户在A点建立通信,低轨卫星s由A点向C点移动,γ为地心角,L为A与B之间的弧长,h为轨道高度,Re为地球半径,地面用户仰角ω的计算方法如公式(1)所示:
γ的计算方法如公式(2)所示:
L的计算方法如公式(3)所示:
进一步的,所述步骤102中当前卫星s与地面用户i的剩余通信时间τi,s的计算方法如公式(4)所示:
公式(4)中,L′表示低轨卫星s与B之间的弧长,vs表示低轨卫星s的移动速度。
公式(6)中,fi,l表示地面用户i的本地计算能力,θi表示地面用户i的任务计算复杂度;公式(7)中,fi,s表示卫星边缘服务器分配给地面用户i的计算能力,c表示光速,di,s表示地面用户i与卫星s之间链路的距离,ri,s表示地面用户i与卫星s间的传输速率;公式(8)中,fi,g表示地面云中心分配给地面用户i的计算能力,ds,g表示卫星与地面云中心之间链路的距离,rs,g表示卫星与地面云中心间的传输速率。
进一步的,所述卫星边缘服务器分配给地面用户i的计算能力fi,s的计算公式为:
公式(9)中,fr表示卫星可用资源,Fs表示卫星总资源,Mc表示当前卫星覆盖范围内有任务请求的用户数,表示地面用户i的任务时延约束,表示地面用户i执行该任务已经耗费的时间,表示地面用户i已处理的任务量,Di表示地面用户i任务量大小。
进一步的,所述采用模拟退火算法思想对卫星覆盖范围内地面用户的本地卸载、卫星卸载及地面云中心卸载的任务分配决策进行优化,具体包括:
103、采用模拟退火算法思想构建星地云网络任务卸载决策模型,初始化当前温度Tcur,终止温度Tend,温度冷却系数ε,以及迭代计数阈值δs和非可行解计数阈值ηs,随机产生初始卸载决策解Ω,并计算相应的初始目标函数值C0,令迭代计数变量δ=0,非可行解计数变量η=0,当前解目标函数值Ccur=C0,最优解目标函数值Copt=C0;
104、如果η<ηs,产生随机偏移量Δρ∈(-1,1),生成卸载决策新解Ωnew,计算得到新的目标函数值Cnew,跳转到步骤105,否则,跳转到步骤109;
105、根据任务卸载决策约束条件,判断卸载决策新解Ωnew是否为可行解,如果是可行解,跳转到步骤106,否则,令η=η+1,跳转到步骤104;
106、令ΔC=Cnew-Ccur,如果ΔC≥0,跳转到步骤107,否则,令Ccur=Cnew,Copt=Cnew,Ω=Ωnew,并跳转到步骤108;
107、根据ΔC与当前温度Tcur计算卸载决策新解Ωnew的接受概率PA,并产生随机数R∈(0,1),如果PA>R,令Ccur=Cnew,Copt=Cnew,Ω=Ωnew,跳转到步骤108,否则,跳转到步骤108;
108、令δ=δ+1,如果δ<δs,跳转到步骤104,否则,跳转到步骤109;
109、根据温度冷却系数ε更新当前温度Tcur,如果Tcur>Tend,令δ=0,η=0,跳转到步骤104,否则,输出Copt对应的最优任务卸载决策解Ω,跳转到步骤110;
110、结束。
进一步的,所述步骤103中目标函数定义如公式(10)所示:
公式(10)中,α为权重因子,Tmax为最大任务处理时延,Emax为最大地面用户能耗,Ti为地面用户i在τi,s内完成任务所需的时延,如公式(11)所示,Ei为地面用户i在τi,s内完成任务所需的总能耗,如公式(12)所示:
公式(11)中,表示地面用户i在本地执行任务的时延,如公式(13)所示,表示地面用户i到卫星s的传输时延,如公式(14)所示,表示地面用户i到卫星s的往返传播时延,如公式(15)所示,表示卫星s完成i用户计算任务所需时延,如公式(16)所示,表示地面用户i经由卫星s到地面云中心的传输时延,如公式(17)所示,表示地面用户i经由卫星s到地面云中心的往返传播时延,如公式(18)所示,表示地面云中心完成i用户计算任务所需时延,如公式(19)所示;公式(12)中,表示地面用户i卸载任务到卫星s的传输能耗,如公式(20)所示,表示地面用户i的本地计算能耗,如公式(21)所示:
进一步的,所述步骤105中任务卸载决策约束条件如公式(22)到(27)所示:
Ti≤τi,s (27)
进一步的,所述步骤107中任务卸载决策新解的接受概率PA定义如公式(29)所示:
本发明的优点及有益效果如下:
本发明提出一种基于星地云协作的移动边缘计算任务卸载方法。现有基于卫星的移动边缘计算策略通常将卫星作为地面边缘网络的扩展,或者将卫星作为向地面云中心转发任务的中继。虽然卫星作为边缘节点,能够为地面用户提供计算卸载服务,但卫星提供的计算资源具有明显的局限性。地面云中心虽然拥有充足的计算资源,但却受限于较大的地-星-云传播时延。特别是,低轨卫星的高速移动将造成星地云网络结构与资源状态的实时变化,增大时延约束与计算资源约束的复杂度。本发明针对低轨卫星的高速时变特征,构建动态的星地云网络架构和资源状态模型,针对复杂的时延约束和计算资源约束,采用模拟退火算法思想对卫星覆盖范围内地面用户的本地卸载、卫星卸载及地面云中心卸载的任务分配决策进行优化,有效降低地面用户的任务卸载时延和终端能耗。
附图说明
图1是本发明提供优选实施例基于星地云协作的移动边缘计算任务卸载方法流程图。
图2是本发明提供优选实施例卫星s与覆盖区内地面用户i的位置关系示意图。
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
本发明内容所涉及的概念和模型如下:
1.网络模型
星地云协作移动边缘计算网络由低轨卫星、地面用户、地面云中心构成。低轨卫星具备一定的计算资源,地面用户具备较小的本地计算能力,地面云中心具备强大的计算能力。卫星信号覆盖区内的地面用户随机分布,每个用户同一时刻只能与一颗卫星通信。地面用户的卸载任务可在本地执行,也可在卫星节点执行,或通过卫星中继交由云中心执行。
2.本发明内容所涉及的其它符号说明如下。
Di:地面用户i任务量大小
θi:地面用户i的任务计算复杂度
fi,l:地面用户i的本地计算能力
fi,s:卫星边缘服务器分配给地面用户i的计算能力
fi,g:地面云中心分配给地面用户i的计算能力
di,s:地面用户i与卫星之间链路的距离
ds,g:卫星与地面云中心之间链路的距离
ri,s:地面用户i与卫星间的传输速率
rs,g:卫星与地面云中心间的传输速率
c:光速
α:权重因子
Tmax:最大任务处理时延
Emax:最大用户能耗
Ti:地面用户i在τi,s内完成任务所需的时延
Ei:地面用户i在τi,s内完成任务所需的总能耗
pi:地面用户i的发射功率
ε:能量因子
本发明的技术方案说明如下:
1、卫星s与覆盖区内地面用户i的位置关系
卫星s与覆盖区内地面用户i的位置关系如图2所示,图2中O为地心,低轨卫星s与地面用户在A点建立通信,低轨卫星s由A点向C点移动,γ为地心角,L为A与B之间的弧长,h为轨道高度,Re为地球半径。地面用户仰角ω的计算方法如公式(1)所示:
γ的计算方法如公式(2)所示:
L的计算方法如公式(3)所示:
2、当前卫星s与地面用户i的剩余通信时间τi,s
计算方法如公式(4)所示:
公式(4)中,L′表示低轨卫星s与B之间的弧长,vs表示低轨卫星s的移动速度。
计算方法如公式(5)所示:
公式(6)中,fi,l表示地面用户i的本地计算能力,θi表示地面用户i的任务计算复杂度;公式(7)中,fi,s表示卫星边缘服务器分配给地面用户i的计算能力,如公式(9)所示,c表示光速,di,s表示地面用户i与卫星s之间链路的距离,ri,s表示地面用户i与卫星s间的传输速率;公式(8)中,fi,g表示地面云中心分配给地面用户i的计算能力,ds,g表示卫星与地面云中心之间链路的距离,rs,g表示卫星与地面云中心间的传输速率。
公式(9)中,fr表示卫星可用资源,Fs表示卫星总资源,Mc表示当前卫星覆盖范围内有任务请求的用户数,表示地面用户i的任务时延约束,表示地面用户i执行该任务已经耗费的时间,表示地面用户i已处理的任务量,Di表示地面用户i任务量大小。
计算方法如公式(10)所示:
5、目标函数
定义如公式(11)所示:
公式(11)中,α为权重因子,Tmax为最大任务处理时延,Emax为最大地面用户能耗,Ti为地面用户i在τi,s内完成任务所需的时延,如公式(12)所示,Ei为地面用户i在τi,s内完成任务所需的总能耗,如公式(13)所示:
公式(12)中,表示地面用户i在本地执行任务的时延,如公式(14)所示,表示地面用户i到卫星s的传输时延,如公式(15)所示,表示地面用户i到卫星s的往返传播时延,如公式(16)所示,表示卫星s完成i用户计算任务所需时延,如公式(17)所示,表示地面用户i经由卫星s到地面云中心的传输时延,如公式(18)所示,表示地面用户i经由卫星s到地面云中心的往返传播时延,如公式(19)所示,表示地面云中心完成i用户计算任务所需时延,如公式(20)所示;公式(13)中,表示地面用户i卸载任务到卫星s的传输能耗,如公式(21)所示,表示地面用户i的本地计算能耗,如公式(22)所示:
6、任务卸载决策约束条件
约束条件如公式(23)到(28)所示:
Ti≤τi,s (28)
7、任务卸载决策新解的接受概率PA
定义如公式(29)所示:
一种基于星地云协作的移动边缘计算任务卸载方法,其具体实施方法包括如下步骤。
步骤3:采用模拟退火算法思想构建星地云网络任务卸载决策模型,初始化当前温度Tcur,终止温度Tend和温度冷却系数ε,以及迭代计数阈值δs和非可行解计数阈值ηs,随机产生初始卸载决策解Ω,并计算相应的初始目标函数值C0,令迭代计数变量δ=0,非可行解计数变量η=0,当前解目标函数值Ccur=C0,最优解目标函数值Copt=C0;
步骤4:如果η<ηs,产生随机偏移量Δρ∈(-1,1),生成卸载决策新解Ωnew,计算得到新的目标函数值Cnew,跳转到步骤5,否则,跳转到步骤9;
步骤5:根据任务卸载决策约束条件,判断卸载决策新解Ωnew是否可行,如果可行,跳转到步骤6,否则,令η=η+1,跳转到步骤4;
步骤6:令ΔC=Cnew-Ccur,如果ΔC≥0,跳转到步骤7,否则,令Ccur=Cnew,Copt=Cnew,Ω=Ωnew,并跳转到步骤8;
步骤7:根据ΔC与当前温度Tcur计算卸载决策新解Ωnew的接受概率PA,并产生随机数R∈(0,1),如果PA>R,令Ccur=Cnew,Copt=Cnew,Ω=Ωnew,跳转到步骤8,否则,跳转到步骤8;
步骤8:令δ=δ+1,如果δ<δs,跳转到步骤4,否则,跳转到步骤9;
步骤9:根据温度冷却系数ε更新当前温度Tcur,如果Tcur>Tend,令δ=0,η=0,跳转到步骤4,否则,输出Copt对应的最优任务卸载决策解Ω,跳转到步骤10;
步骤10:结束。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种基于星地云协作的移动边缘计算任务卸载方法,其特征在于,包括以下步骤:构建动态的星地云网络架构和资源状态模型,采用模拟退火算法思想对卫星覆盖范围内地面用户的本地卸载、卫星卸载及地面云中心卸载的任务分配决策进行优化。
公式(6)中,fi,l表示地面用户i的本地计算能力,θi表示地面用户i的任务计算复杂度;公式(7)中,fi,s表示卫星边缘服务器分配给地面用户i的计算能力,c表示光速,di,s表示地面用户i与卫星s之间链路的距离,ri,s表示地面用户i与卫星s间的传输速率;公式(8)中,fi,g表示地面云中心分配给地面用户i的计算能力,ds,g表示卫星与地面云中心之间链路的距离,rs,g表示卫星与地面云中心间的传输速率。
7.根据权利要求1所述的一种基于星地云协作的移动边缘计算任务卸载方法,其特征在于,所述采用模拟退火算法思想对卫星覆盖范围内地面用户的本地卸载、卫星卸载及地面云中心卸载的任务分配决策进行优化,具体包括:
103、采用模拟退火算法思想构建星地云网络任务卸载决策模型,初始化当前温度Tcur,终止温度Tend,温度冷却系数ε,以及迭代计数阈值δs和非可行解计数阈值ηs,随机产生初始卸载决策解Ω,并计算相应的初始目标函数值C0,令迭代计数变量δ=0,非可行解计数变量η=0,当前解目标函数值Ccur=C0,最优解目标函数值Copt=C0;
104、如果η<ηs,产生随机偏移量Δρ∈(-1,1),生成卸载决策新解Ωnew,计算得到新的目标函数值Cnew,跳转到步骤105,否则,跳转到步骤109;
105、根据任务卸载决策约束条件,判断卸载决策新解Ωnew是否为可行解,如果是可行解,跳转到步骤106,否则,令η=η+1,跳转到步骤104;
106、令ΔC=Cnew-Ccur,如果ΔC≥0,跳转到步骤107,否则,令Ccur=Cnew,Copt=Cnew,Ω=Ωnew,并跳转到步骤108;
107、根据ΔC与当前温度Tcur计算卸载决策新解Ωnew的接受概率PA,并产生随机数R∈(0,1),如果PA>R,令Ccur=Cnew,Copt=Cnew,Ω=Ωnew,跳转到步骤108,否则,跳转到步骤108;
108、令δ=δ+1,如果δ<δs,跳转到步骤104,否则,跳转到步骤109;
109、根据温度冷却系数ε更新当前温度Tcur,如果Tcur>Tend,令δ=0,η=0,跳转到步骤104,否则,输出Copt对应的最优任务卸载决策解Ω,跳转到步骤110;
110、结束。
8.根据权利要求7所述的一种基于星地云协作的移动边缘计算任务卸载方法,其特征在于,所述步骤103中目标函数定义如公式(10)所示:
公式(10)中,α为权重因子,Tmax为最大任务处理时延,Emax为最大地面用户能耗,Ti为地面用户i在τi,s内完成任务所需的时延,如公式(11)所示,Ei为地面用户i在τi,s内完成任务所需的总能耗,如公式(12)所示:
公式(11)中,表示地面用户i在本地执行任务的时延,如公式(13)所示,表示地面用户i到卫星s的传输时延,如公式(14)所示,表示地面用户i到卫星s的往返传播时延,如公式(15)所示,表示卫星s完成i用户计算任务所需时延,如公式(16)所示,表示地面用户i经由卫星s到地面云中心的传输时延,如公式(17)所示,表示地面用户i经由卫星s到地面云中心的往返传播时延,如公式(18)所示,表示地面云中心完成i用户计算任务所需时延,如公式(19)所示;公式(12)中,表示地面用户i卸载任务到卫星s的传输能耗,如公式(20)所示,表示地面用户i的本地计算能耗,如公式(21)所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210081382.XA CN114520990B (zh) | 2022-01-24 | 2022-01-24 | 一种基于星地云协作的移动边缘计算任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210081382.XA CN114520990B (zh) | 2022-01-24 | 2022-01-24 | 一种基于星地云协作的移动边缘计算任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114520990A true CN114520990A (zh) | 2022-05-20 |
CN114520990B CN114520990B (zh) | 2023-05-26 |
Family
ID=81597330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210081382.XA Active CN114520990B (zh) | 2022-01-24 | 2022-01-24 | 一种基于星地云协作的移动边缘计算任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114520990B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114827152A (zh) * | 2022-07-01 | 2022-07-29 | 之江实验室 | 一种星地协同网络低延时云边端协同计算方法和装置 |
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 |
CN115459828A (zh) * | 2022-07-25 | 2022-12-09 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向低轨星座边缘微云的服务自主迁移方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900355A (zh) * | 2018-07-24 | 2018-11-27 | 北京邮电大学 | 一种星地多级边缘网络资源分配方法 |
CN109121141A (zh) * | 2018-07-24 | 2019-01-01 | 北京邮电大学 | 一种基于mec服务器的星地两级边缘网络及其协作方法 |
CN110535522A (zh) * | 2018-05-25 | 2019-12-03 | 北京邮电大学 | 星地协同传输方法及设备 |
CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
US20200259820A1 (en) * | 2018-11-09 | 2020-08-13 | Eberle Design, Inc. | Method for secure communications and structure therefor |
CN112272198A (zh) * | 2020-09-03 | 2021-01-26 | 中国空间技术研究院 | 一种面向卫星网络的协同计算任务迁移方法及装置 |
US20210067985A1 (en) * | 2019-05-24 | 2021-03-04 | At&T Intellectual Property I, L.P. | Dynamic cloudlet fog node deployment architecture |
CN112910964A (zh) * | 2021-01-18 | 2021-06-04 | 北京理工大学 | 一种混合云和边缘计算的leo卫星网络计算卸载方法 |
CN113009538A (zh) * | 2021-01-20 | 2021-06-22 | 西安电子科技大学 | 一种车辆交通定位系统 |
CN113316196A (zh) * | 2021-05-10 | 2021-08-27 | 北京科技大学 | 基于边缘缓存的星地协同网络中的资源分配方法及装置 |
CN113691598A (zh) * | 2021-08-15 | 2021-11-23 | 南京理工大学 | 一种星地融合网络的协同缓存策略 |
CN113709775A (zh) * | 2021-10-27 | 2021-11-26 | 之江实验室 | 一种星地协同通信系统分布式协同计算迁移方法 |
CN113839704A (zh) * | 2021-09-30 | 2021-12-24 | 东南大学 | 一种密集低轨卫星与陆地融合的移动边缘计算方法 |
-
2022
- 2022-01-24 CN CN202210081382.XA patent/CN114520990B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110535522A (zh) * | 2018-05-25 | 2019-12-03 | 北京邮电大学 | 星地协同传输方法及设备 |
CN109121141A (zh) * | 2018-07-24 | 2019-01-01 | 北京邮电大学 | 一种基于mec服务器的星地两级边缘网络及其协作方法 |
CN108900355A (zh) * | 2018-07-24 | 2018-11-27 | 北京邮电大学 | 一种星地多级边缘网络资源分配方法 |
US20200259820A1 (en) * | 2018-11-09 | 2020-08-13 | Eberle Design, Inc. | Method for secure communications and structure therefor |
US20210067985A1 (en) * | 2019-05-24 | 2021-03-04 | At&T Intellectual Property I, L.P. | Dynamic cloudlet fog node deployment architecture |
CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
CN112272198A (zh) * | 2020-09-03 | 2021-01-26 | 中国空间技术研究院 | 一种面向卫星网络的协同计算任务迁移方法及装置 |
CN112910964A (zh) * | 2021-01-18 | 2021-06-04 | 北京理工大学 | 一种混合云和边缘计算的leo卫星网络计算卸载方法 |
CN113009538A (zh) * | 2021-01-20 | 2021-06-22 | 西安电子科技大学 | 一种车辆交通定位系统 |
CN113316196A (zh) * | 2021-05-10 | 2021-08-27 | 北京科技大学 | 基于边缘缓存的星地协同网络中的资源分配方法及装置 |
CN113691598A (zh) * | 2021-08-15 | 2021-11-23 | 南京理工大学 | 一种星地融合网络的协同缓存策略 |
CN113839704A (zh) * | 2021-09-30 | 2021-12-24 | 东南大学 | 一种密集低轨卫星与陆地融合的移动边缘计算方法 |
CN113709775A (zh) * | 2021-10-27 | 2021-11-26 | 之江实验室 | 一种星地协同通信系统分布式协同计算迁移方法 |
Non-Patent Citations (1)
Title |
---|
SUBHADEEP SAHOO, NING-HAI BAO, SÉBASTIEN BIGO, NIHEL BENZAOUI: "\"Deterministic Dynamic Network-Based Just-in-Time Delivery for Distributed Edge Computing\"", 《2020 IEEE》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114827152A (zh) * | 2022-07-01 | 2022-07-29 | 之江实验室 | 一种星地协同网络低延时云边端协同计算方法和装置 |
CN115459828A (zh) * | 2022-07-25 | 2022-12-09 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向低轨星座边缘微云的服务自主迁移方法 |
CN115459828B (zh) * | 2022-07-25 | 2023-11-28 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向低轨星座边缘微云的服务自主迁移方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114520990B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114520990B (zh) | 一种基于星地云协作的移动边缘计算任务卸载方法 | |
CN114362810B (zh) | 一种基于迁移深度强化学习的低轨卫星跳波束优化方法 | |
Lakew et al. | Intelligent offloading and resource allocation in heterogeneous aerial access IoT networks | |
CN113346944B (zh) | 空天地一体化网络中时延最小化计算任务卸载方法及系统 | |
Zhou et al. | Collaborative data scheduling with joint forward and backward induction in small satellite networks | |
CN113038387B (zh) | 低轨卫星网络中基于q学习的切换判决方法 | |
CN114143346B (zh) | 一种车联网任务卸载和服务缓存的联合优化方法及系统 | |
Chen et al. | Learning-based computation offloading for IoRT through Ka/Q-band satellite–terrestrial integrated networks | |
CN114884949B (zh) | 基于maddpg算法的低轨卫星物联网任务卸载方法 | |
Lakew et al. | Intelligent offloading and resource allocation in hap-assisted mec networks | |
CN116634498A (zh) | 基于强化学习的低轨卫星星座网络边缘计算多级卸载方法 | |
CN117580105B (zh) | 一种面向电网巡检的无人机任务卸载优化方法 | |
CN117579126A (zh) | 基于深度强化学习的卫星移动边缘计算卸载决策方法 | |
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 | |
CN115499875B (zh) | 一种卫星互联网任务卸载方法、系统以及可读存储介质 | |
CN114640387B (zh) | 一种改进的激光-微波混合星间路由方法 | |
CN116192228A (zh) | 空天地一体化网络下基于博弈论的任务卸载方法和系统 | |
CN115514769A (zh) | 卫星弹性互联网资源调度方法、系统、计算机设备及介质 | |
Lakew et al. | Intelligent Self-Optimization for Task Offloading in LEO-MEC-Assisted Energy-Harvesting-UAV Systems | |
Du et al. | A joint trajectory and computation offloading scheme for UAV-MEC networks via multi-agent deep reinforcement learning | |
CN117519995B (zh) | 一种星地网络移动边缘计算资源分配方法 | |
Liang et al. | A Pre-migration Strategy of VNF in Satellite-Ground Integrated Networks | |
CN116405962A (zh) | 多智能体协作的卫星边缘计算卸载和资源分配方法 | |
CN115801090A (zh) | 基于负载均衡的星间协同计算卸载方法、系统和存储介质 | |
Zhang et al. | Task Offloading and Resource Allocation for Cloud-Edge Collaboration in Low Earth Orbit Satellite Networks |
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 |