CN114710196A - 一种软件定义卫星网络虚拟网络功能迁移方法 - Google Patents
一种软件定义卫星网络虚拟网络功能迁移方法 Download PDFInfo
- Publication number
- CN114710196A CN114710196A CN202210301210.9A CN202210301210A CN114710196A CN 114710196 A CN114710196 A CN 114710196A CN 202210301210 A CN202210301210 A CN 202210301210A CN 114710196 A CN114710196 A CN 114710196A
- Authority
- CN
- China
- Prior art keywords
- vnf
- migration
- rrmp
- node
- satellite
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种软件定义卫星网络虚拟网络功能迁移方法,属于卫星通信技术领域。针对软件定义卫星网络下服务请求量变化引起的服务功能链SFC资源负载不均问题,建立VNF迁移模型;根据各个卫星节点上VNF计算资源需求量选择待迁移VNF集合;在保证各个卫星节点负载均衡以及服务性能下,以卫星节点计算资源容量,星间链路带宽容量为约束,优化VNF迁移成本,为已部署的SFC制定资源重配置和VNF迁移策略。本发明所提的VNF迁移方法基于列生成算法,旨在降低迁移成本和迁移时延,同时提高资源利用率,增强网络负载的平衡性。
Description
技术领域
本发明属于卫星通信技术领域,涉及一种软件定义卫星网络虚拟网络功能迁移方法。
背景技术
传统卫星网络通常局限于特定任务,基础设施和网络资源的隔离限制了资源的动态共享,导致资源利用率低,运行成本高等问题。为了推进细粒度的资源管理和动态流量调度,通过集成NFV和SDN技术,卫星板载(on-board)功能虚拟化为VNF,由部署于LEO卫星节点上的服务功能链按需提供服务,从而实现了软件定义卫星网络(软件定义卫星网络。然而,软件定义卫星网络要实现SDN和NFV的协同部署,确保服务的高质量交付,依旧面临不少挑战:一方面,受限于卫星节点的功率、散热和体积,单个卫星节点匮乏的资源与激增的服务量之间的矛盾依旧存在,因此,一项任务必然要协同多个节点,即多个VNF部署于不同的LEO卫星节点;另一方面,卫星运动的动态性以及VNF资源需求的不确定性,静态部署策略无法匹配服务功能链的动态编排,导致SLA降低。在此背景下,如何推进软件定义卫星网络中高效的资源分配是必须考虑的问题,基于资源分配的VNF迁移是解决网络任务与资源匹配的高效弹性组网机制。
综上所述,目前针对卫星网络中的VNF迁移方法,大多数基于静态的卫星网络拓扑。然而,这样的迁移方法忽略了卫星网络拓扑变化对VNF迁移的影响。同时,对于VNF迁移过程中迁移节点与服务功能链路由的相互制约关系疏于考虑。因此,基于以上分析,如何在兼顾动态的卫星拓扑以及变量耦合的同时以最小化的迁移成本进行VNF迁移是非常必要的。针对上述问题,需要设计一种有效的VNF迁移方法,以低迁移成本和迁移时延,在提高网络资源利用率的同时保证负载均衡。
发明内容
有鉴于此,本发明的目的在于提供一种软件定义卫星网络虚拟网络功能迁移方法,以较低迁移时延的同时,提高资源利用率,保证网络负载均衡。
为达到上述目的,本发明提供如下技术方案:
一种软件定义卫星网络虚拟网络功能迁移方法,该方法为:
通过监测网络中各个卫星节点上的计算资源容量,对达到过载状态的节点选择一定量虚拟网络功能VNF进行迁移,以匹配网络资源和服务量变化;以最小化VNF迁移的成本为目标,为服务功能链SFC制定VNF迁移策略,从而使网络中节点处于正常的负载状态,以保证网络整体的稳定性和负载均衡;具体包括以下步骤:
S1:在软件定义卫星网络场景下,建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型;
S2:通过监测各个卫星节点的计算资源过载状态,根据VNF计算资源需求量采用降序选择的方式提取VNF,形成待迁移VNF集合;
S3:根据提取出的待迁移VNF集合,采用基于列生成的VNF迁移方法寻找满足最小迁移成本的VNF迁移方案。
可选的,所述S1中,在软件定义卫星网络场景下,建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型VMOP,表示为:
其中,表示VNF fq,k是否迁移至节点j的决策变量,表示卫星网络节点,v为节点集合,表示SFCq中的第k项VNF fq,k;表示q的路由选择变量,表示星间链路。表示fq,k的迁移成本,Δq表示每项q的最大可容忍宕机时延为Δq,表示fq,k的数据处理速率,σcost表示数据丢失的单价成本。
VNF迁移约束为:fq,k有且仅迁移至一个节点,即满足SFC路由唯一性约束:fq,k的迁移会改变q的原有路由,为保证q的流量不分割,通过唯一路由完成SFC编排,即满足 与的耦合约束:fq,k是部署于q的服务路由上,当fq,k迁移至后,q的服务路由将随之改变,fq,k的迁移决策会对q的服务路由选择产生影响,满足:每个节点的计算资源约束:对于迁移至节点的fq,k,其占用的计算资源量不超过有其中表示fq,k的状态信息量,表示fq,k的计算资源需求量,为节点j的计算资源容量。星间传输数据量约束:经由的数据量不能超过即其中,θij表示是否开启。
可选的,所述S2中,通过监测各个节点的计算资源过载状态,根据VNF计算资源需求量降序选择VNF,形成待迁移VNF集合,具体包括:
当部署VNF的节点资源占用量超过一定限度后,承载VNF实例化的虚拟机或者容器的性能会下降。为保证节点的性能,首先判断哪些VNF应当执行迁移。当服务请求量增加,即部署在SDSN中的VNF资源需增加,从而导致卫星节点的计算资源需求量超过容量阈值选择资源占用量过载节点上的VNF作为待迁移VNF。为减少迁移次数,采用对VNF计算资源量进行降序排列,选择VNF计算需求量最大的VNF作为备选迁移目标,直至节点的计算资源占用量降低到以下。
可选的,所述步骤S3中,根据提取出的待迁移VNF集合,采用Dantzig-Wolfe分解DWD方法对VMOP问题进行分解,具体包括:
可选的,所述S3中,通过将DWD后的MP转换为受限主问题RMP,对变量进行松弛,转换为RMP松弛问题RRMP,具体包括:
对RMP变量ω进行松弛得到RRMP,
s.t. C1~C3
通过引入RRMP约束C1~C3的对偶变量λq,μj,vij,将RRMP的约束松弛到目标函数中构成拉格朗日松弛问题L(ω,λ,μ,v);根据L(ω,λ,μ,v)得RRMP的拉格朗日对偶函数为
对偶变量λ,μ,v采用次梯度法求解。
可选的,所述步骤S4中,通过RRMP的对偶变量构建机会成本,并通过RRMP与定价子问题PP的迭代求解获取VNF迁移的目标节点和SFC服务路径;具体包括:
VMOP是最小化问题,当PP的目标函数ζp都为非负时,RRMP取到最优解,机会成本ζp定义为:
对于每一个PP,要找到使目标函数最小的列,即为对RRMP改进最大的极点。VMOP的|Q|个相同的PP表述为:
其中,每次迭代中,RRMP只需要更新并通过PP生成新的列,再不断迭代向RRMP添加机会成本为负的有效列,直至没有新的可添加列为止,得到RRMP的一个下界。PP新生成的服务路径和节点通过机会成本ζp判断是否为最优。
如果ζp<0,由PP生成的服务路径和节点将会添加到RRMP中,否则,将不会添加到RRMP中,RRMP将会使用现有的列求解。
RRMP和PP能够被迭代求解,直到遇到终止条件。
如果RRMP的解U*是整数,则其解是MP的解。当U*为非整数时,RRMP求得的非整数解为MP的下界U。对于每一项q,如果设置则其他q′对应的得到的可行解为MP的上界定义∈为最优间隙,一旦满足条件时,算法终止。
本发明的有益效果在于:在充分考虑软件定义卫星网络服务请求量变化导致的SFC负载资源分布不均的基础上,设计一种软件定义卫星网络中VNF迁移方法,更好的为用户提供服务,降低VNF迁移成本以及迁移时延,在提高资源利用率的同时保证网络负载均衡。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明的流程图。
图2为本发明提供优选实施例的VNF迁移场景图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
请参阅图1~图2,为一种软件定义卫星网络中VNF迁移方法,其包括以下步骤:
S1:基于软件定义卫星网络架构下,针对服务请求量变化引起的VNF迁移问题,建立面向迁移成本最小化的迁移数学模型;
S2:通过监测各个节点的计算资源过载状态,根据VNF计算资源需求量降序选择VNF,形成待迁移VNF集合;
S3:根据提取出的待迁移VNF集合,采用基于列生成的VNF迁移方法寻找满足最小迁移成本以及节点资源约束下最佳VNF迁移方案。
如本发明流程图1所示,本方法具体包括以下实施步骤:
a、在软件定义卫星网络架构下,建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型(VMOP)为:
b、根据过载节点上的VNF计算资源需求量,选择待迁移VNF集合。具体包括:当部署VNF的节点资源占用量超过一定限度后,承载VNF实例化的虚拟机或者容器的性能会逐渐下降。因此,为了保证节点的性能,首先应该判断哪些VNF应当执行迁移。当服务请求量增加,即部署在SDSN中的VNF资源需增加,从而导致卫星节点的计算资源需求量超过容量阈值因此,本章选择资源占用量过载节点上的VNF作为待迁移VNF。同时,为了减少迁移次数,采用对VNF计算资源量进行降序排列,选择VNF计算需求量最大的VNF作为备选迁移目标,直至节点的计算资源占用量降低到以下。
c、运用DWD方法构建MP,并转换为RMP问题,从而对变量松弛得到RRMP问题,具体包括:
对RMP变量松弛得到RRMP,其表述为
s.t. C1~C3
通过引入RRMP约束C1~C3的对偶变量λq,μi,νij,将RRMP的约束松弛到目标函数中构成拉格朗日松弛问题L(ω,λ,μ,v)。因此,根据L(ω,λ,μ,v)可得RRMP的拉格朗日对偶函数为
对偶变量λ,μ,v采用次梯度法求解。
d、通过RRMP的对偶变量构建机会成本,并通过RRMP与PP的迭代求解获取VNF迁移的目标节点和SFC服务路径。具体包括:由于VMOP是最小化问题,当PP的目标函数(机会成本)ζp都为非负时,RRMP取到最优解,机会成本ζp定义为,
因此,对于每一个PP,要找到使目标函数最小的列,即为对RRMP改进最大的极点。VMOP的|Q|个相同的PP表述为
其中,每次迭代中,RRMP只需要更新并通过PP生成新的列,再不断迭代向RRMP添加机会成本为负的有效列,直至没有新的可添加列为止,即可得到RRMP的一个下界。PP新生成的服务路径和节点通过机会成本ζp判断是否为最优。如果ξp<0,由PP生成的服务路径和节点将会添加到RRMP中,否则,将不会添加到RRMP中,RRMP将会使用现有的列求解。RRMP和PP可以被迭代求解,直到遇到终止条件。如果RRMP的解U*是整数,则其解也将是MP的解。当U*为非整数时,显然RRMP求得的非整数解为MP的下界U。对于每一项q,如果设置则其他q′对应的此时得到的可行解为MP的上界定义∈为最优间隙,一旦满足条件时,算法终止。采用该准则进行收敛可以显著提高算法的效率,同时保证算法的近似最优解。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种软件定义卫星网络虚拟网络功能迁移方法,其特征在于:该方法为:
通过监测网络中各个卫星节点上的计算资源容量,对达到过载状态的节点选择一定量虚拟网络功能VNF进行迁移,以匹配网络资源和服务量变化;以最小化VNF迁移的成本为目标,为服务功能链SFC制定VNF迁移策略,从而使网络中节点处于正常的负载状态,以保证网络整体的稳定性和负载均衡;具体包括以下步骤:
S1:在软件定义卫星网络场景下,建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型;
S2:通过监测各个卫星节点的计算资源过载状态,根据VNF计算资源需求量采用降序选择的方式提取VNF,形成待迁移VNF集合;
S3:根据提取出的待迁移VNF集合,采用基于列生成的VNF迁移方法寻找满足最小迁移成本的VNF迁移方案。
2.根据权利要求1所述的一种软件定义卫星网络虚拟网络功能迁移方法,其特征在于:所述S1中,在软件定义卫星网络场景下,建立动态服务请求量变化下以卫星节点资源容量和SFC性能要求为约束的VNF迁移成本最小化模型VMOP,表示为:
其中,表示VNFfq,k是否迁移至节点j的决策变量,表示卫星网络节点,v为节点集合,表示SFCq中的第k项VNFfq,k;表示q的路由选择变量,表示星间链路;表示fq,k的迁移成本,Δq表示每项q的最大可容忍宕机时延为Δq,表示fq,k的数据处理速率,σcost表示数据丢失的单价成本;
3.根据权利要求2所述的一种软件定义卫星网络虚拟网络功能迁移方法,其特征在于:所述S2中,通过监测各个节点的计算资源过载状态,根据VNF计算资源需求量降序选择VNF,形成待迁移VNF集合,具体包括:
4.根据权利要求3所述的一种软件定义卫星网络虚拟网络功能迁移方法,其特征在于:所述步骤S3中,根据提取出的待迁移VNF集合,采用Dantzig-Wolfe分解DWD方法对VMOP问题进行分解,具体包括:
5.根据权利要求4所述的一种软件定义卫星网络虚拟网络功能迁移方法,其特征在于:所述S3中,通过将DWD后的MP转换为受限主问题RMP,对变量进行松弛,转换为RMP松弛问题RRMP,具体包括:
对RMP变量ω进行松弛得到RRMP,
s.t.C1~C3
通过引入RRMP约束C1~C3的对偶变量λq,μj,vij,将RRMP的约束松弛到目标函数中构成拉格朗日松弛问题L(ω,λ,μ,v);根据L(ω,λ,μ,v)得RRMP的拉格朗日对偶函数为
对偶变量λ,μ,v采用次梯度法求解。
6.根据权利要求5所述的一种软件定义卫星网络虚拟网络功能迁移方法,其特征在于:所述步骤S4中,通过RRMP的对偶变量构建机会成本,并通过RRMP与定价子问题PP的迭代求解获取VNF迁移的目标节点和SFC服务路径;具体包括:
VMOP是最小化问题,当PP的目标函数ζp都为非负时,RRMP取到最优解,机会成本ζp定义为:
对于每一个PP,要找到使目标函数最小的列,即为对RRMP改进最大的极点;VMOP的|Q|个相同的PP表述为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210301210.9A CN114710196B (zh) | 2022-03-24 | 2022-03-24 | 一种软件定义卫星网络虚拟网络功能迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210301210.9A CN114710196B (zh) | 2022-03-24 | 2022-03-24 | 一种软件定义卫星网络虚拟网络功能迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114710196A true CN114710196A (zh) | 2022-07-05 |
CN114710196B CN114710196B (zh) | 2023-07-18 |
Family
ID=82171708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210301210.9A Active CN114710196B (zh) | 2022-03-24 | 2022-03-24 | 一种软件定义卫星网络虚拟网络功能迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114710196B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116633417A (zh) * | 2023-05-11 | 2023-08-22 | 中国电信股份有限公司北京研究院 | 服务迁移方法、装置、电子设备及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886603A (zh) * | 2017-03-03 | 2017-06-23 | 东南大学 | 一种需求响应资源组合优化的分层分布式体系架构和方法 |
US20180270121A1 (en) * | 2017-03-20 | 2018-09-20 | Stanley George Stringfellow | Information processing architecture for network edge-based optimization problems |
CN109980636A (zh) * | 2019-03-21 | 2019-07-05 | 上海电力学院 | 基于改进Benders分解法的风水火协调优化调度方法 |
CN109981438A (zh) * | 2019-03-22 | 2019-07-05 | 大连大学 | 一种面向sdn和nfv协同部署框架的卫星网络负载均衡方法 |
CN111538587A (zh) * | 2020-03-06 | 2020-08-14 | 重庆邮电大学 | 一种基于负载均衡的服务功能链重配置方法 |
CN112566142A (zh) * | 2020-12-02 | 2021-03-26 | 电子科技大学 | 基于QoS保障的LEO卫星网络可靠性路由方法 |
-
2022
- 2022-03-24 CN CN202210301210.9A patent/CN114710196B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886603A (zh) * | 2017-03-03 | 2017-06-23 | 东南大学 | 一种需求响应资源组合优化的分层分布式体系架构和方法 |
US20180270121A1 (en) * | 2017-03-20 | 2018-09-20 | Stanley George Stringfellow | Information processing architecture for network edge-based optimization problems |
CN109980636A (zh) * | 2019-03-21 | 2019-07-05 | 上海电力学院 | 基于改进Benders分解法的风水火协调优化调度方法 |
CN109981438A (zh) * | 2019-03-22 | 2019-07-05 | 大连大学 | 一种面向sdn和nfv协同部署框架的卫星网络负载均衡方法 |
CN111538587A (zh) * | 2020-03-06 | 2020-08-14 | 重庆邮电大学 | 一种基于负载均衡的服务功能链重配置方法 |
CN112566142A (zh) * | 2020-12-02 | 2021-03-26 | 电子科技大学 | 基于QoS保障的LEO卫星网络可靠性路由方法 |
Non-Patent Citations (6)
Title |
---|
ELHACHEMI GATTAL; ALA-EDDINE BENRAZEK: "A Study of Lagrangian Relaxation and Dantzig-Wolfe Decompositions for the Generalized Assignment Problem", 《2021 INTERNATIONAL CONFERENCE ON NETWORKING AND ADVANCED SYSTEMS (ICNAS)》 * |
XIN ZHAO; XUAN JIA; YANPEI HUA: "An Efficient VNF Deployment Algorithm for SFC Scaling-out Based on the Proposed Scaling Management Mechanism", 《2020 INFORMATION COMMUNICATION TECHNOLOGIES CONFERENCE (ICTC)》, pages 167 - 170 * |
ZLL_HUST: "干货 | Column Generation算法求解VRPTW松弛模型(附java代码)", Retrieved from the Internet <URL:https://blog.csdn.net/zll_hust/article/details/114059185> * |
唐伦;贺兰钦;谭颀;陈前斌: "基于深度确定性策略梯度的虚拟网络功能迁移优化算法", 《电子与信息学报》, vol. 43, no. 2, pages 404 - 411 * |
张文晖: "基于拉格朗日松弛算法的应急物流配送车辆调度模型优化研究", 《公路与汽运》, no. 204, pages 46 - 50 * |
曹晖; 陈前斌; 梁承超; 唐伦: "低轨卫星移动性管理仿真平台研究及实现", 《重庆邮电大学学报(自然科学版)》, vol. 33, no. 6, pages 912 - 920 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116633417A (zh) * | 2023-05-11 | 2023-08-22 | 中国电信股份有限公司北京研究院 | 服务迁移方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114710196B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Islam et al. | A survey on task offloading in multi-access edge computing | |
CN109981438B (zh) | 一种面向sdn和nfv协同部署框架的卫星网络负载均衡方法 | |
CN108566659B (zh) | 一种基于可靠性的5g网络切片在线映射方法 | |
Cui et al. | A novel offloading scheduling method for mobile application in mobile edge computing | |
Huang et al. | Scalable orchestration of service function chains in NFV-enabled networks: A federated reinforcement learning approach | |
CN107005480A (zh) | 用于sdt与nfv和sdn相互配合的系统和方法 | |
CN107846371B (zh) | 一种多媒体业务QoE资源分配方法 | |
CN113490279B (zh) | 一种网络切片配置方法及装置 | |
Mao et al. | Joint resource management and flow scheduling for SFC deployment in hybrid edge-and-cloud network | |
CN116032767A (zh) | 一种面向智融标识网络的算力服务链管控系统架构 | |
CN111865668A (zh) | 一种基于sdn和nfv的网络切片方法 | |
CN113766544A (zh) | 一种基于多边缘协同的电力物联网切片优化方法 | |
Bouzidi et al. | Dynamic clustering of software defined network switches and controller placement using deep reinforcement learning | |
Cao et al. | Towards tenant demand-aware bandwidth allocation strategy in cloud datacenter | |
CN115907038A (zh) | 一种基于联邦拆分学习框架的多元控制决策方法 | |
Mao et al. | Provably efficient algorithms for traffic-sensitive SFC placement and flow routing | |
Hu et al. | Joint load balancing and offloading optimization in multiple parked vehicle‐assisted edge computing | |
Premalatha et al. | Optimal energy-efficient resource allocation and fault tolerance scheme for task offloading in IoT-FoG computing networks | |
Li et al. | Optimal service selection and placement based on popularity and server load in multi-access edge computing | |
Yang et al. | Towards 6g joint haps-mec-cloud 3c resource allocation for delay-aware computation offloading | |
Yang et al. | Multimedia resource allocation strategy of wireless sensor networks using distributed heuristic algorithm in cloud computing environment | |
Abouelela et al. | Multidomain hierarchical resource allocation for grid applications | |
Xia et al. | Distributed resource management and admission control of stream processing systems with max utility | |
Liu et al. | Revenue maximizing online service function chain deployment in multi-tier computing network | |
Ji et al. | Towards optimal application offloading in heterogeneous edge-cloud computing |
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 |