CN114567587B - 一种配电物联网多用户接入边缘计算终端的路由决策方法 - Google Patents
一种配电物联网多用户接入边缘计算终端的路由决策方法 Download PDFInfo
- Publication number
- CN114567587B CN114567587B CN202210249817.7A CN202210249817A CN114567587B CN 114567587 B CN114567587 B CN 114567587B CN 202210249817 A CN202210249817 A CN 202210249817A CN 114567587 B CN114567587 B CN 114567587B
- Authority
- CN
- China
- Prior art keywords
- terminal
- edge computing
- edge
- computing terminal
- formula
- 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 44
- 238000005265 energy consumption Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000010606 normalization Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/70—Routing based on monitoring results
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/74—Address processing for routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering 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)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种配电物联网多用户接入边缘计算终端的路由决策方法,涉及路由决策方法技术领域。该一种配电物联网多用户接入边缘计算终端的路由决策方法,包括以下步骤:步骤一、对用户节点i的信息和边缘计算终端j的信息进行收集;步骤二、选取所述边缘计算终端j的负载率、所述用户节点i接入边缘计算终端j时相应的任务总延时、以及所述边缘计算终端j对用户节点i的任务进行接收和处理所产生的总能耗作为决策指标。该配电物联网多用户接入边缘计算终端的路由决策方法,解决了决策指标单一的问题,从而能够为用户节点选择出更优的边缘计算终端接入方案,最大可能地满足每一个用户节点对于边缘计算终端各个属性的需求。
Description
技术领域
本发明涉及路由决策方法技术领域,具体为一种配电物联网多用户接入边缘计算终端的路由决策方法。
背景技术
配电物联网中有移动型终端和静止型终端,也有移动性节点和固定型节点。配电物联网多用户接入边缘计算终端的路由决策指将各个用户节点选择合适的边缘计算终端进行接入,产生相应的通信链路,从而更好地满足各个用户节点任务的处理要求,有利于系统的可靠稳定运行,同时也能实现各个终端资源的高效利用。
目前已有方法基于时延等单一指标,在移动通信领域进行用户在多接入边缘计算节点和内容分发网络节点之间的接入路由决策,没有综合考虑能耗、负载率等多指标进行评价,没有将用户接入路由决策的方法应用到配电物联网中去,在接入效果上没有考虑负载均衡度这一因素;鉴于此,我们提出一种配电物联网多用户接入边缘计算终端的路由决策方法。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种配电物联网多用户接入边缘计算终端的路由决策方法,解决了上述背景技术提到的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种配电物联网多用户接入边缘计算终端的路由决策方法,包括以下步骤:
步骤一、对用户节点i的信息和边缘计算终端j的信息进行收集。
步骤二、选取所述边缘计算终端j的负载率、所述用户节点i接入边缘计算终端j时相应的任务总延时、以及所述边缘计算终端j对用户节点i的任务进行接收和处理所产生的总能耗作为决策指标,通过计算得到加权标准化的权重矩阵Y。
步骤三、基于所述加权标准化的权重矩阵Y,通过计算欧式距离和灰色关联获得边缘计算终端j关于用户节点i的相对贴近度,组成决策矩阵K;
步骤四、设置计数变量m=1,待选边缘计算终端j总数为M。
步骤五、对于所述决策矩阵K,取余下待选边缘计算终端j中负载率最小的终端对应的j列,将该列元素按从大到小重新排序。
步骤六、对于排序后的j列,选择任务总量小于或等于第j个边缘计算终端j的计算容量的前几行对应的用户,将它们接入第j个边缘计算终端j;
步骤七、判断计数变量m是否小于边缘计算终端j总数M,若条件满足则返回至步骤五,若条件不满足则输出结果,结束流程。
优选的,所述加权标准化的权重矩阵Y的获取方式包括以下步骤:
步骤(一)、按公式计算任务在用户节点i与边缘计算终端j之间的任务传输速率,其中Nj为边缘计算终端j在时隙Δt已接入的用户数量,σ2为噪声功率,Gij为用户节点i与边缘计算终端j之间的信道增益,Pj表示边缘计算终端j的发射功率。
步骤(二)、设置一个延时阈值Tmax,i,并按公式计算用户节点i接入边缘计算终端j时相应的任务总延时,其中/>Ai表示任务计算量,Bi表示任务通信量,fj表示边缘计算终端j的计算能力。
步骤(三)、按公式计算用户节点i的任务传输至边缘计算终端j中处理产生的总能耗,其中/>其中αj为与CPU相关的计算能耗系数,/>为通信延时,Pj为边缘计算终端j的发射功率,/>为通信能耗放大系数。
步骤(四)、判断是否小于Tmax,i,剔除总延时大于Tmax,i的边缘计算终端j,对余下符合要求的Mi个边缘计算终端j,构造路由决策指标的权重矩阵/>其中,元素ajm(j=1,2,…,Mi;m=1,2,3)表示可供选择的边缘计算终端j中第j个边缘计算终端j的第m个所述决策指标值。
步骤(五)、按公式对上述ajm进行标准化处理,其中,/>为A中第m列数值最小的元素,/>为A中第m列数值最大的元素,然后构造标准化的权重矩阵/>其中矩阵中的rjm对应标准化后的各个属性值。
步骤(六)、按公式wm=0.5wcm+0.5wsm分别获取任务处理时延、系统能耗、负载率三个决策指标的组合权重,其中wcm为主观权重值,wsm为客观权重值,然后将标准化后的权重矩阵R中的属性值rjm乘以相应的组合权重wsm,可以得到加权标准化后的权重矩阵
优选的,所述步骤(六)中的wsm的计算公式为其中其中/>
优选的,所述任务处理时延、系统能耗、负载率三个属性的主观权重wcm的比值为0.4:0.3:0.3。
优选的,所述决策矩阵K的获取方式包括以下步骤:
步骤(1)、将用户节点i对应的Yi每列的最大值取出,形成正理想解yi +=(yi1 +,yi2 +,yi3 +),同理,取每列最小值,形成负理想解yi -=(yi1 -,yi2 -,yi3 -)。
步骤(2)、按公式计算每个边缘计算终端j的指标值与正理想解的欧氏距离,按公式/>计算每个边缘计算终端j的指标值与负理想解的欧氏距离。
步骤(3)、按公式计算第j个边缘计算终端j与正理想解的综合灰色关联系数,按公式/>计算第j个边缘计算终端j与负理想解的综合灰色关联系数。
步骤(4)、分别按公式:对所述欧式距离和所述灰色关联系数进行无量纲化处理。
步骤(5)、按公式计算第j个边缘计算终端j与正理想解的贴近度,按公式/>计算第j个边缘计算终端j与负理想解的贴近度,其中c和v分别表示欧式距离与灰色关联系数的权重,c+v=1。
步骤(6)、按公式计算边缘计算终端j的相对贴近度,相对贴近度越大,则代表边缘计算终端j性能越满足要求,相对贴近度越小,则代表边缘计算终端j越不满足要求。
步骤(7)、针对用户节点i,形成贴近度向量按公式对所述贴近度向量Ei'作归一化处理,并得到新的向量/>将所述Ei'*中的各元素按实际编号还原,填进决策矩阵/>中,其中空缺位置补充0。
优选的,所述步骤(3)中的为第j个边缘计算终端的第m个指标关于正理想解的灰色关联系数,其计算公式为/>
优选的,所述步骤(3)中的为第j个边缘计算终端的第m个指标关于负理想解的灰色关联系数,其计算公式为/>
(三)有益效果
本发明提供了一种配电物联网多用户接入边缘计算终端的路由决策方法。具备以下有益效果:
(1)、该配电物联网多用户接入边缘计算终端的路由决策方法,通过将配电物联网中边缘计算终端的负载率、用户节点接入边缘计算终端时相应的任务总延时、以及所述边缘计算终端对用户节点的任务进行接收和处理所产生的总能耗,三项指标作为决策指标,解决了现有技术中决策指标单一的问题,从而能够为用户节点选择出更优的边缘计算终端接入方案,最大可能地满足每一个用户节点对于边缘计算终端各个属性的需求。
(2)、该配电物联网多用户接入边缘计算终端的路由决策方法,综合考虑主观权重和客观权重生成了边缘计算终端路由决策指标的权重模型,使得各项决策指标的组合权重值计算更加精准。
附图说明
图1为本发明的路由决策方法流程图;
图2为本发明的边缘计算终端接入的区域结构拓扑图。
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做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2,本发明提供一种技术方案:
一种配电物联网多用户接入边缘计算终端的路由决策方法,包括以下步骤:
步骤一、对用户节点i的信息和边缘计算终端j的信息进行收集。
步骤二、选取所述边缘计算终端j的负载率、所述用户节点i接入边缘计算终端j时相应的任务总延时、以及所述边缘计算终端j对用户节点i的任务进行接收和处理所产生的总能耗作为决策指标,通过计算得到加权标准化的权重矩阵Y。
步骤三、基于所述加权标准化的权重矩阵Y,通过计算欧式距离和灰色关联获得边缘计算终端j关于用户节点i的相对贴近度,组成决策矩阵K。
步骤四、设置计数变量m=1,待选边缘计算终端j总数为M。
步骤五、对于所述决策矩阵K,取余下待选边缘计算终端j中负载率最小的终端对应的j列,将该列元素按从大到小重新排序。
步骤六、对于排序后的j列,选择任务总量小于或等于第j个边缘计算终端j的计算容量的前几行对应的用户,将它们接入第j个边缘计算终端j;
步骤七、判断计数变量m是否小于边缘计算终端j总数M,若条件满足则返回至步骤五,若条件不满足则输出结果,结束流程。
本实施例中,所述加权标准化的权重矩阵Y的获取方式包括以下步骤:
步骤(一)、按公式计算任务在用户节点i与边缘计算终端j之间的任务传输速率,其中Nj为边缘计算终端j在时隙Δt已接入的用户数量,σ2为噪声功率,Gij为用户节点i与边缘计算终端j之间的信道增益,Pj表示边缘计算终端j的发射功率。
步骤(二)、设置一个延时阈值Tmax,i,并按公式计算用户节点i接入边缘计算终端j时相应的任务总延时,其中/>Ai表示任务计算量,Bi表示任务通信量,fj表示边缘计算终端j的计算能力。
步骤(三)、按公式计算用户节点i的任务传输至边缘计算终端j中处理产生的总能耗,其中/>其中αj为与CPU相关的计算能耗系数,/>为通信延时,Pj为边缘计算终端j的发射功率,/>为通信能耗放大系数。
步骤(四)、判断是否小于Tmax,i,剔除总延时大于Tmax,i的边缘计算终端j,对余下符合要求的Mi个边缘计算终端j,构造路由决策指标的权重矩阵/>其中,元素ajm(j=1,2,…,Mi;m=1,2,3)表示可供选择的边缘计算终端j中第j个边缘计算终端j的第m个所述决策指标值。
步骤(五)、按公式对上述ajm进行标准化处理,其中,/>为A中第m列数值最小的元素,/>为A中第m列数值最大的元素,然后构造标准化的权重矩阵/>其中矩阵中的rjm对应标准化后的各个属性值。
步骤(六)、按公式wm=0.5wcm+0.5wsm分别获取任务处理时延、系统能耗、负载率三个决策指标的组合权重,其中wcm为主观权重值,wsm为客观权重值,然后将标准化后的权重矩阵R中的属性值rjm乘以相应的组合权重wsm,可以得到加权标准化后的权重矩阵
进一步的是,所述步骤(六)中的wsm的计算公式为其中其中/>
更进一步的是,所述任务处理时延、系统能耗、负载率三个属性的主观权重wcm的比值为0.4:0.3:0.3。
本实施例中,所述决策矩阵K的获取方式包括以下步骤:
步骤(1)、将用户节点i对应的Yi每列的最大值取出,形成正理想解yi +=(yi1 +,yi2 +,yi3 +),同理,取每列最小值,形成负理想解yi -=(yi1 -,yi2 -,yi3 -)。
步骤(2)、按公式计算每个边缘计算终端j的指标值与正理想解的欧氏距离,按公式/>计算每个边缘计算终端j的指标值与负理想解的欧氏距离。
步骤(3)、按公式计算第j个边缘计算终端j与正理想解的综合灰色关联系数,按公式/>计算第j个边缘计算终端j与负理想解的综合灰色关联系数。
步骤(4)、分别按公式:对所述欧式距离和所述灰色关联系数进行无量纲化处理。
步骤(5)、按公式计算第j个边缘计算终端j与正理想解的贴近度,按公式/>计算第j个边缘计算终端j与负理想解的贴近度,其中c和v分别表示欧式距离与灰色关联系数的权重,c+v=1。
步骤(6)、按公式计算边缘计算终端j的相对贴近度,相对贴近度越大,则代表边缘计算终端j性能越满足要求,相对贴近度越小,则代表边缘计算终端j越不满足要求。
步骤(7)、针对用户节点i,形成贴近度向量按公式对所述贴近度向量Ei'作归一化处理,并得到新的向量/>将所述Ei'*中的各元素按实际编号还原,填进决策矩阵/>中,其中空缺位置补充0。
进一步的是,所述步骤(3)中的为第j个边缘计算终端的第m个指标关于正理想解的灰色关联系数,其计算公式为/>
除此之外,所述步骤(3)中的为第j个边缘计算终端的第m个指标关于负理想解的灰色关联系数,其计算公式为/>
该配电物联网多用户接入边缘计算终端的路由决策方法,通过将配电物联网中边缘计算终端的负载率、用户节点接入边缘计算终端时相应的任务总延时、以及所述边缘计算终端对用户节点的任务进行接收和处理所产生的总能耗,三项指标作为决策指标,解决了现有技术中决策指标单一的问题,从而能够为用户节点选择出更优的边缘计算终端接入方案,最大可能地满足每一个用户节点对于边缘计算终端各个属性的需求;综合考虑主观权重和客观权重生成了边缘计算终端路由决策指标的权重模型,使得各项决策指标的组合权重值计算更加精准。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种配电物联网多用户接入边缘计算终端的路由决策方法,其特征在于:包括以下步骤:
步骤一、对用户节点i的信息和边缘计算终端j的信息进行收集;
步骤二、选取所述边缘计算终端j的负载率、所述用户节点i接入边缘计算终端j时相应的任务总延时、以及所述边缘计算终端j对用户节点i的任务进行接收和处理所产生的总能耗作为决策指标,通过计算得到加权标准化的权重矩阵Y;
步骤三、基于所述加权标准化的权重矩阵Y,通过计算欧式距离和灰色关联获得边缘计算终端j关于用户节点i的相对贴近度,组成决策矩阵K;
步骤四、设置计数变量m=1,待选边缘计算终端j总数为M;
步骤五、对于所述决策矩阵K,取余下待选边缘计算终端j中负载率最小的终端对应的j列,将该列元素按从大到小重新排序;
步骤六、对于排序后的j列,选择任务总量小于或等于第j个边缘计算终端j的计算容量的前几行对应的用户,将它们接入第j个边缘计算终端j;
步骤七、判断所述计数变量m是否小于边缘计算终端j总数M,若条件满足则返回至步骤五,若条件不满足则输出结果,结束流程。
2.根据权利要求1所述的一种配电物联网多用户接入边缘计算终端的路由决策方法,其特征在于:所述加权标准化的权重矩阵Y的获取方式包括以下步骤:
步骤(一)、按公式计算任务在用户节点i与边缘计算终端j之间的任务传输速率,其中Nj为边缘计算终端j在时隙Δt已接入的用户数量,σ2为噪声功率,Gij为用户节点i与边缘计算终端j之间的信道增益,Pj表示边缘计算终端j的发射功率;
步骤(二)、设置一个延时阈值Tmax,i,并按公式计算用户节点i接入边缘计算终端j时相应的任务总延时,其中/>Ai表示任务计算量,Bi表示任务通信量,fj表示边缘计算终端j的计算能力;
步骤(三)、按公式计算用户节点i的任务传输至边缘计算终端j中处理产生的总能耗,其中/>其中αj为与CPU相关的计算能耗系数,为通信延时,Pj为边缘计算终端j的发射功率,/>为通信能耗放大系数;
步骤(四)、判断是否小于Tmax,i,剔除总延时大于Tmax,i的边缘计算终端j,对余下符合要求的Mi个边缘计算终端j,构造路由决策指标的权重矩阵/>其中,元素ajm(j=1,2,…,Mi;m=1,2,3)表示可供选择的边缘计算终端j中第j个边缘计算终端j的第m个所述决策指标值;
步骤(五)、按公式对上述ajm进行标准化处理,其中,/>为A中第m列数值最小的元素,/>为A中第m列数值最大的元素,然后构造标准化的权重矩阵其中矩阵中的rjm对应标准化后的各个属性值;
步骤(六)、按公式wm=0.5wcm+0.5wsm分别获取任务处理延时、系统能耗、负载率三个决策指标的组合权重,其中wcm为主观权重值,wsm为客观权重值,然后将标准化后的权重矩阵R中的属性值rjm乘以相应的组合权重wsm,可以得到加权标准化后的权重矩阵
3.根据权利要求2所述的一种配电物联网多用户接入边缘计算终端的路由决策方法,其特征在于:所述步骤(六)中的wsm的计算公式为其中/>其中
4.根据权利要求2所述的一种配电物联网多用户接入边缘计算终端的路由决策方法,其特征在于:所述任务处理时延、系统能耗、负载率三个属性的主观权重wcm的比值为0.4:0.3:0.3。
5.根据权利要求1所述的一种配电物联网多用户接入边缘计算终端的路由决策方法,其特征在于:所述决策矩阵K的获取方式包括以下步骤:
步骤(1)、将用户节点i对应的Yi每列的最大值取出,形成正理想解yi +=(yi1 +,yi2 +,yi3 +),同理,取每列最小值,形成负理想解yi -=(yi1 -,yi2 -,yi3 -);
步骤(2)、按公式计算每个边缘计算终端j的指标值与正理想解的欧氏距离,按公式/>计算每个边缘计算终端j的指标值与负理想解的欧氏距离;
步骤(3)、按公式计算第j个边缘计算终端j与正理想解的综合灰色关联系数,按公式/>计算第j个边缘计算终端j与负理想解的综合灰色关联系数;
步骤(4)、分别按公式:对所述欧式距离和所述灰色关联系数进行无量纲化处理;
步骤(5)、按公式计算第j个边缘计算终端j与正理想解的贴近度,按公式/>计算第j个边缘计算终端j与负理想解的贴近度,其中c和v分别表示欧式距离与灰色关联系数的权重,c+v=1;
步骤(6)、按公式计算边缘计算终端j的相对贴近度,相对贴近度越大,则代表边缘计算终端j性能越满足要求,相对贴近度越小,则代表边缘计算终端j越不满足要求;
步骤(7)、针对用户节点i,形成贴近度向量按公式/>对所述贴近度向量Ei'作归一化处理,并得到新的向量/>将所述Ei'*中的各元素按实际编号还原,填进决策矩阵/>中,其中空缺位置补充0。
6.根据权利要求5所述的一种配电物联网多用户接入边缘计算终端的路由决策方法,其特征在于:所述步骤(3)中的为第j个边缘计算终端的第m个指标关于正理想解的灰色关联系数,其计算公式为/>
7.根据权利要求5所述的一种配电物联网多用户接入边缘计算终端的路由决策方法,其特征在于:所述步骤(3)中的为第j个边缘计算终端的第m个指标关于负理想解的灰色关联系数,其计算公式为/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210249817.7A CN114567587B (zh) | 2022-03-14 | 2022-03-14 | 一种配电物联网多用户接入边缘计算终端的路由决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210249817.7A CN114567587B (zh) | 2022-03-14 | 2022-03-14 | 一种配电物联网多用户接入边缘计算终端的路由决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114567587A CN114567587A (zh) | 2022-05-31 |
CN114567587B true CN114567587B (zh) | 2024-02-20 |
Family
ID=81719928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210249817.7A Active CN114567587B (zh) | 2022-03-14 | 2022-03-14 | 一种配电物联网多用户接入边缘计算终端的路由决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114567587B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101754226A (zh) * | 2009-12-21 | 2010-06-23 | 西安电子科技大学 | 认知无线网络环境下终端的重构方法 |
CN110489176A (zh) * | 2019-08-27 | 2019-11-22 | 湘潭大学 | 一种基于装箱问题的多接入边缘计算任务卸载方法 |
CN110941667A (zh) * | 2019-11-07 | 2020-03-31 | 北京科技大学 | 一种移动边缘计算网络中的计算卸载方法及系统 |
CN111314123A (zh) * | 2020-02-04 | 2020-06-19 | 国网江苏省电力有限公司南京供电分公司 | 一种面向时延和能耗的电力物联网工作负载分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11265369B2 (en) * | 2019-04-30 | 2022-03-01 | Verizon Patent And Licensing Inc. | Methods and systems for intelligent distribution of workloads to multi-access edge compute nodes on a communication network |
-
2022
- 2022-03-14 CN CN202210249817.7A patent/CN114567587B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101754226A (zh) * | 2009-12-21 | 2010-06-23 | 西安电子科技大学 | 认知无线网络环境下终端的重构方法 |
CN110489176A (zh) * | 2019-08-27 | 2019-11-22 | 湘潭大学 | 一种基于装箱问题的多接入边缘计算任务卸载方法 |
CN110941667A (zh) * | 2019-11-07 | 2020-03-31 | 北京科技大学 | 一种移动边缘计算网络中的计算卸载方法及系统 |
CN111314123A (zh) * | 2020-02-04 | 2020-06-19 | 国网江苏省电力有限公司南京供电分公司 | 一种面向时延和能耗的电力物联网工作负载分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114567587A (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113242568B (zh) | 一种不确定网络环境中的任务卸载和资源分配方法 | |
Nie et al. | Network traffic prediction based on deep belief network in wireless mesh backbone networks | |
CN111182582B (zh) | 面向移动边缘计算的多任务分布式卸载方法 | |
CN113938488B (zh) | 一种基于动静态加权轮询的负载均衡方法 | |
CN109885397B (zh) | 一种边缘计算环境中时延优化的负载任务迁移算法 | |
CN112882815A (zh) | 基于深度强化学习的多用户边缘计算优化调度方法 | |
CN113296845A (zh) | 一种边缘计算环境下基于深度强化学习的多小区任务卸载算法 | |
CN112788605B (zh) | 基于双延迟深度确定性策略边缘计算资源调度方法和系统 | |
CN113691594B (zh) | 一种基于二阶导数解决联邦学习中数据不平衡问题的方法 | |
CN116366576A (zh) | 算力网络资源调度方法、装置、设备及介质 | |
CN114625506A (zh) | 一种基于自适应协方差矩阵进化策略的边缘云协同任务卸载方法 | |
CN107734482A (zh) | 基于d2d和业务卸载的内容分发方法 | |
CN107026755B (zh) | 一种基于排序学习的服务推荐方法 | |
CN106022475B (zh) | 基于动态自适应混沌蚁群算法的Web服务组合方法 | |
CN113722112B (zh) | 一种服务资源负载均衡处理方法及系统 | |
CN114567587B (zh) | 一种配电物联网多用户接入边缘计算终端的路由决策方法 | |
CN112804702B (zh) | 基于效用函数的多链路空地数据交换链路性能评估方法 | |
CN112668871A (zh) | 多轮群体决策中专家权重动态分配方法 | |
CN115171433B (zh) | 一种车雾辅助无人机灾后救援任务卸载方法 | |
CN116647604A (zh) | 一种边端协作场景中适应动态环境的算力资源调度方法 | |
CN114449536A (zh) | 一种基于深度强化学习的5g超密集网络多用户接入选择方法 | |
CN114997400A (zh) | 一种神经网络加速推理方法 | |
CN114785692A (zh) | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 | |
CN115016889A (zh) | 一种用于云计算的虚拟机优化调度方法 | |
CN106295117A (zh) | 一种被动相控阵雷达资源动态排队管控方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |