CN114979027B - 基于能量采集的海上边缘计算网络任务卸载与资源分配方法 - Google Patents
基于能量采集的海上边缘计算网络任务卸载与资源分配方法 Download PDFInfo
- Publication number
- CN114979027B CN114979027B CN202210551768.2A CN202210551768A CN114979027B CN 114979027 B CN114979027 B CN 114979027B CN 202210551768 A CN202210551768 A CN 202210551768A CN 114979027 B CN114979027 B CN 114979027B
- Authority
- CN
- China
- Prior art keywords
- buoy
- resource allocation
- intelligent
- ship
- queue
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/78—Architectures of resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0888—Throughput
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/76—Admission control; Resource allocation using dynamic resource allocation, e.g. in-call renegotiation requested by the user or requested by the network in response to changing network conditions
-
- 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
Abstract
本发明公开了一种基于能量采集的海上边缘计算网络任务卸载与资源分配方法,包括:建立边缘计算网络系统,该系统包括岸基基站、k个智能浮标和i个船舶,所述智能浮标装载边缘服务器,所述智能浮标为过往船舶和海上实况的相关数据提供边缘计算服务;智能浮标根据自身能量限制和剩余资源状态来决定不同船舶的计算卸载策略;在计算卸载策略确定的基础上,智能浮标根据不同的信道链路状态和不同船舶的实时任务队列长度来对通信资源和计算资源进行优化分配;通过这种方式来实现计算任务卸载和资源分配的联合优化,进而最大化系统的平均吞吐量。本方法能够有效解决传统海上航道监控网络中任务处理延迟大、实时性低等难题,提高海上航道的监管效率。
Description
技术领域
本发明涉及海上无线通信网络领域,尤其涉及一种基于能量采集的海上边缘计算网络任务卸载与资源分配方法。
背景技术
现有的边缘计算相关研究通常以陆上环境为主,主要集中在基于一次性优化的计算卸载或资源分配,而不是长期的网络性能最大化。目前,针对海上的边缘计算技术相关研究稀缺,有必要开发更高效的系统架构和边缘计算计算解决方案;随着能量采集技术的发展,目前有诸多关于太阳能、风能等可再生能源为通信和计算网络中的设备提供能量的研究,大都聚焦于终端设备(如智能穿戴设备等物联网终端)的能量采集,针对边缘计算设备进行能量采集的研究。陆上的边缘计算设备可采用电力电缆供电,而海上的边缘计算服务器若采用传统的供电模式,则成本较高,且实现难度大。现有关于边缘计算的任务卸载策略的研究对实时变化的环境动态考虑较少,例如通信信道的时变性、任务到达的随机性和能量采集的动态性。
发明内容
根据现有技术存在的问题,本发明公开了一种基于能量采集的海上边缘计算网络任务卸载与资源分配方法,具体包括如下步骤:
建立边缘计算网络系统,该系统包括岸基基站、k个智能浮标和i个船舶,所述智能浮标装载边缘服务器,所述智能浮标为过往船舶和海上实况的相关数据提供边缘计算服务;所述边缘计算网络系统包括
船舶任务到达模型,其中船舶i的任务到达个数为独立同分布的随机变量;
船舶到智能浮标以及智能浮标到岸基基站之间的通信信道模型,该模型基于香农定理,在充分考虑信道中大尺度衰落和小尺度衰落的影响下计算信息传输速率;
通信排队模型,每个船舶都维持一个通信传输队列,其中队列中是已产生但未发送的任务;
计算排队模型,其中每个船舶在卸载的智能浮标处都维持一个计算排队队列,队列中是每个船舶到达智能浮标但还未进行计算处理的任务;
船舶的能量队列模型,队列中是智能浮标的当前能量值,包含已采集的能量减去已消耗的能量;
根据已构建的模型建立优化目标模型,其中优化目标模型代表最大化系统的平均吞吐量,该平均吞吐量表示为各个船舶节点的传输速率之和的统计平均值;
采用李雅普诺夫优化算法对系统的平均吞吐量进行求解,将目标问题优化分解成四个独立的子问题分别进行求解,其中四个独立的子问题分别为:任务卸载策略优化、信道分配策略优化、任务转移策略优化和计算资源分配策略优化,采用任务卸载策略优化推导、通信资源分配算法、任务转移策略优化推导和计算资源分配算法分别对上述子问题进行求解获得资源分配结果。
进一步的,采用通信资源分配算法求解信道分配的最佳策略,在对浮标端的子信道分配策略进行优化时,以不同时刻子信道的特征参数为基数计算不同船舶在各个子信道的参数权重,把当前子信道分配给权重最小的船舶,其中权重值越小,对应的信道增益就越大。
进一步的,采用计算资源分配算法求解计算资源分配的最佳策略,在对浮标端的计算资源分配策略进行优化时,以最小化计算资源分配因子所在的函数为目标,在分配因子满足的限制条件下求解使该函数最小的最佳分配因子。
进一步的,所述边缘计算网络系统以队列的形式描述船舶端和智能浮标端的任务的实时变化情况,每个船舶都维持一个通信传输队列,用来存放已产生但尚未传输的任务,每个船舶在卸载的智能浮标处都维持一个计算排队队列,用来存放已传输但尚未处理的任务,通过队列长度的变化来实时反映边缘计算网络系统对不同任务的处理情况。
进一步的,所述智能浮标采用太阳能和波浪能联合供电的模式、基于能量采集技术通过独立同分布的随机变量对不同时刻所采集的能量进行描述,以能量队列的形式对浮标端的能量进行建模,实时描述浮标端的能量的变化情况。
进一步的,根据计算资源分配算法求解最佳的计算资源分配结果时,包括如下步骤:
初始化获取当前各个队列的长度和环境信息;
根据公式求解不同船舶在智能浮标处的计算资源分配系数fi,k(t),其中fi,k(t)满足:
当时,/>当/>时,/>
根据公式求解系统的平均吞吐量。
其中,Mk(t)表示浮标k的船舶的数量,Zk(t)为浮标k的虚拟队列长度,ε为功率计算常数,Fk为浮标k的总的计算资源,τ为一个时隙的长度,Qi,k(t)为浮标k中船舶i的计算队列长度,α为计算1比特数据需要的CPU循环数,Y为每个任务的大小。
由于采用了上述技术方案,本发明提供的一种基于能量采集的海上边缘计算网络任务卸载与资源分配方法,该方法以队列的形式来描述船舶端和智能浮标端的任务的实时变化情况,每个船舶都维持一个通信传输队列,用来存放已产生但尚未传输的任务,每个船舶在卸载的智能浮标处都维持一个计算排队队列,用来存放已传输但尚未处理的任务,通过队列长度的变化来实时反映系统对不同任务的处理情况,该方法基于能量采集技术,搭载边缘计算服务器的智能浮标采用太阳能和波浪能联合供电的模式,通过一个独立同分布的随机变量来对不同时刻所采集的能量进行描述,以能量队列的形式来对浮标端的能量进行建模,实时描述浮标端的能量的变化情况。并且该方法对边缘计算网络系统的吞吐量优化问题进行分布式求解,通过对原始计算卸载和资源分配问题进行分解,分别求解得到每个智能浮标的计算迁移策略,最终得到系统平均吞吐量最大的计算迁移策略和资源分配方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统结构示意图。
图2为本发明模型框架示意图。
图3为本发明提供的联合优化方法的整体流程图。
图4为本发明提供的通信资源分配流程图。
图5为本发明提供的计算资源分配流程图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面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的描述:
如图1所示,本发明公开的一种基于能量采集的海上边缘计算网络任务卸载与资源分配方法,具体采用如下步骤:
步骤1:首先建立边缘计算网络系统,该系统包含一个岸基基站、k个智能浮标和i个船舶,其中,i∈M={1,...,M}。智能浮标装载了边缘服务器来为过往船舶和海上实况的相关数据提供边缘计算服务,所述智能浮标为过往船舶和海上实况的相关数据提供边缘计算服务;
所述边缘计算网络系统包括船舶任务到达模型、船舶到智能浮标以及智能浮标到岸基基站之间的通信信道模型、通信排队模型、计算排队模型以及船舶的能量队列模型;
步骤2:建立船舶任务到达模型,船舶会产生发送消息的任务队列,当船舶有任务处理需求时,会产生相应的任务队列,任务到达个数是一个独立同分布的随机变量。假设船舶i的任务到达个数是一个独立同分布的随机变量,用gi(t)来进行表示。gi(t)满足Pr[gi(t)=g]=pg,g∈G={1,2,…gmax},pg∈[0,1]。其中,gmax是任务到达个数的上限。
步骤3:建立信道模型,在网络开始运行前,岸基基站和智能浮标会预先被分配不同的通信资源,基于这些资源,可建立船舶到智能浮标以及智能浮标到岸基基站之间的通信信道模型。,在构建模型时,考虑到通信信道的双重特性,即大尺度衰落和小尺度衰落,其中,小尺度衰落服从莱斯分布。基于香农定理,可求得智能浮标k下的船舶i的可获得的传输速率为 其中,yi,k(t)是卸载决策变量,/>是信道分配变量,W是子信道的带宽,/>为发送功率,/>为大尺度衰落信道特性参数,/>为小尺度衰落信道特性参数,γ为不同浮标间的干扰,σ2为高斯白噪声。
步骤4:建立通信排队模型,每个船舶都维持一个通信传输队列,用来存放已产生但尚未传输的任务,队列的长度取决于新到达的任务个数和已传输的任务个数。表示为Qi(t),满足:Qi(t+1)=max[Qi(t)-θi(t),0]+gi(t),其中,θi(t)表示已经传输的任务个数。
步骤5:建立计算排队模型,每个船舶在卸载的智能浮标处都维持一个计算排队队列,用来存放已传输但尚未处理的任务,队列的长度取决于已传输的任务个数和已处理的任务个数,表示为Qi,k(t),满足:Qi,k(t+1)=max[Qi,k(t)-μi(t)-mi(t),0]+θi(t),其中,μi(t)表示已处理的任务个数,mi(t)表示已转移的任务个数。
步骤6:建立船舶的能量队列模型,鉴于智能浮标采用太阳能和波浪能联合供电,采集电量随环境而变,假设其服从独立同分布,这样浮标端的电量可用能量队列Ek(t)来表示,满足:Ek(t+1)=min[max(0,Ek(t)+ek(t)-ck(t)),Emax],其中,ek(t)表示可采集的能量值,ck(t)表示已消耗的能量值,Emax表示能量的最大值,其中队列长度取决于新采集的能量和已消耗的能量。
步骤7:问题建模,根据已构建的模型,建立优化目标模型P1,即最大化系统的平均吞吐量,表示为各个船舶节点的传输速率之和的统计平均值,即:
P1:
步骤8:引入李雅普诺夫优化算法对优化目标进行求解,将目标问题优化分解成四个独立的子问题分别进行求解,即任务卸载策略优化、信道分配策略优化、任务转移策略优化和计算资源分配策略优化。
步骤9至步骤19为本发明提供的联合优化方法,其流程图如图3所示,具体内容如下:
步骤9:获取当前各个队列的长度和环境信息,根据算法求解各个子信道的分配参数。该算法流程图如图4所示,具体步骤为步骤10至步骤13:
步骤10:系统初始化后,首先获取当前各个子信道分配信息和相关变量。
步骤11:根据公式求解不同船舶在各个子信道的参数权重
步骤12:比较不同船舶的参数权重的大小,将当前信道n分配给最小的船舶。
步骤13:更新各个子信道的分配信息和变量。
步骤14:根据公式求解最佳的任务分配策略yi,k(t),yi,k(t)满足:当/> 时,yi,k(t)=1。
步骤15:根据公式求解最佳任务转移策略mi(t),mi(t)满足:当/>时,mi(t)=θi(t)-μi(t)。
步骤16:根据计算资源分配算法求解最佳的计算资源分配结果,该算法流程图如图5所示,具体步骤为步骤17至步骤18:
步骤17:系统初始化后,获取当前各个队列的长度和环境信息。
步骤18:根据公式求解不同船舶在智能浮标处的计算资源分配系数fi,k(t),其中fi,k(t)满足:当/>时,/>当/>时,/>
步骤19:根据公式求解系统的平均吞吐量。
本发明提出了一种基于能量采集的海上边缘计算网络任务卸载与资源分配方法,为过往船舶提供边缘计算服务,本发明对边缘计算网络系统吞吐量优化问题进行分布式求解,通过对原始计算卸载和资源分配问题进行分解,分别求解得到每个智能浮标的计算迁移策略,最终得到系统平均吞吐量最大的计算迁移策略和资源分配方案。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于能量采集的海上边缘计算网络任务卸载与资源分配方法,其特征在于包括:
建立边缘计算网络系统,该系统包括岸基基站、k个智能浮标和i个船舶,所述智能浮标装载边缘服务器,所述智能浮标为过往船舶和海上实况的相关数据提供边缘计算服务;所述边缘计算网络系统包括
船舶任务到达模型,其中船舶i的任务到达个数为独立同分布的随机变量;
船舶到智能浮标以及智能浮标到岸基基站之间的通信信道模型,该模型基于香农定理,在充分考虑信道中大尺度衰落和小尺度衰落的影响下计算信息传输速率;
通信排队模型,每个船舶都维持一个通信传输队列,其中队列中是已产生但未发送的任务;
计算排队模型,其中每个船舶在卸载的智能浮标处都维持一个计算排队队列,队列中是每个船舶到达智能浮标但还未进行计算处理的任务;
船舶的能量队列模型,队列中是智能浮标的当前能量值,包含已采集的能量减去已消耗的能量;
根据已构建的模型建立优化目标模型,其中优化目标模型代表最大化系统的平均吞吐量,该平均吞吐量表示为各个船舶节点的传输速率之和的统计平均值;
采用李雅普诺夫优化算法对系统的平均吞吐量进行求解,将目标问题优化分解成四个独立的子问题分别进行求解,其中四个独立的子问题分别为:任务卸载策略优化、信道分配策略优化、任务转移策略优化和计算资源分配策略优化,采用任务卸载策略优化推导、通信资源分配算法、任务转移策略优化推导和计算资源分配算法分别对上述子问题进行求解获得资源分配结果;
所述边缘计算网络系统以队列的形式描述船舶端和智能浮标端的任务的实时变化情况,每个船舶都维持一个通信传输队列,用来存放已产生但尚未传输的任务,每个船舶在卸载的智能浮标处都维持一个计算排队队列,用来存放已传输但尚未处理的任务,通过队列长度的变化来实时反映边缘计算网络系统对不同任务的处理情况;
所述智能浮标采用太阳能和波浪能联合供电的模式、基于能量采集技术通过独立同分布的随机变量对不同时刻所采集的能量进行描述,以能量队列的形式对浮标端的能量进行建模,实时描述浮标端的能量的变化情况。
2.根据权利要求1所述的方法,其特征在于:采用通信资源分配算法求解信道分配的最佳策略,在对浮标端的子信道分配策略进行优化时,以不同时刻子信道的特征参数为基数计算不同船舶在各个子信道的参数权重,把当前子信道分配给权重最小的船舶,其中权重值越小,对应的信道增益就越大。
3.根据权利要求1所述的方法,其特征在于:采用计算资源分配算法求解计算资源分配的最佳策略,在对浮标端的计算资源分配策略进行优化时,以最小化计算资源分配因子所在的函数为目标,在分配因子满足的限制条件下求解使该函数最小的最佳分配因子。
4.根据权利要求1所述的方法,其特征在于:根据计算资源分配算法求解最佳的计算资源分配结果时:
初始化获取当前各个队列的长度和环境信息;
根据公式求解不同船舶在智能浮标处的计算资源分配系数fi,k(t),其中fi,k(t)满足:
当时,/>当/>时,
根据公式求解系统的平均吞吐量;
其中,Mk(t)表示浮标k的船舶的数量,Zk(t)为浮标k的虚拟队列长度,ε为功率计算常数,Fk为浮标k的总的计算资源,τ为一个时隙的长度,Qi,k(t)为浮标k中船舶i的计算队列长度,α为计算1比特数据需要的CPU循环数,Y为每个任务的大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551768.2A CN114979027B (zh) | 2022-05-18 | 2022-05-18 | 基于能量采集的海上边缘计算网络任务卸载与资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551768.2A CN114979027B (zh) | 2022-05-18 | 2022-05-18 | 基于能量采集的海上边缘计算网络任务卸载与资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114979027A CN114979027A (zh) | 2022-08-30 |
CN114979027B true CN114979027B (zh) | 2023-09-19 |
Family
ID=82985807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210551768.2A Active CN114979027B (zh) | 2022-05-18 | 2022-05-18 | 基于能量采集的海上边缘计算网络任务卸载与资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114979027B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116107734A (zh) * | 2022-11-02 | 2023-05-12 | 贵州电网有限责任公司 | 一种混合供电场景下智能电网基站分布式资源分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112601197A (zh) * | 2020-12-18 | 2021-04-02 | 重庆邮电大学 | 一种基于非正交多址的车联网络中资源优化方法 |
CN114025359A (zh) * | 2021-11-01 | 2022-02-08 | 湖南大学 | 基于深度强化学习的资源分配与计算卸载方法、系统、设备及介质 |
CN114513855A (zh) * | 2022-02-23 | 2022-05-17 | 齐鲁工业大学 | 基于无线携能通信的边缘计算卸载决策与资源分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10111024B2 (en) * | 2015-07-10 | 2018-10-23 | Lg Electronics Inc. | Method and apparatus for an input data processing via a local computing or offloading based on power harvesting in a wireless communication system |
-
2022
- 2022-05-18 CN CN202210551768.2A patent/CN114979027B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112601197A (zh) * | 2020-12-18 | 2021-04-02 | 重庆邮电大学 | 一种基于非正交多址的车联网络中资源优化方法 |
CN114025359A (zh) * | 2021-11-01 | 2022-02-08 | 湖南大学 | 基于深度强化学习的资源分配与计算卸载方法、系统、设备及介质 |
CN114513855A (zh) * | 2022-02-23 | 2022-05-17 | 齐鲁工业大学 | 基于无线携能通信的边缘计算卸载决策与资源分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114979027A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111176929B (zh) | 一种面向边缘联邦学习的高能效计算通信联合优化方法 | |
CN111278132B (zh) | 移动边缘计算中面向低时延高可靠业务的资源分配方法 | |
CN110928654A (zh) | 一种边缘计算系统中分布式的在线任务卸载调度方法 | |
CN110233755B (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN110531996B (zh) | 一种多微云环境下基于粒子群优化的计算任务卸载方法 | |
CN112612553B (zh) | 一种基于容器技术的边缘计算任务卸载方法 | |
CN111711962B (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN112383931B (zh) | 一种多用户移动边缘计算系统中最优化成本和时延方法 | |
CN114979027B (zh) | 基于能量采集的海上边缘计算网络任务卸载与资源分配方法 | |
CN113727371B (zh) | 一种irs辅助的mec网络无线与计算资源分配方法及装置 | |
CN113573363B (zh) | 基于深度强化学习的mec计算卸载与资源分配方法 | |
CN110851277A (zh) | 一种增强现实场景下基于边云协同的任务调度策略 | |
CN113781002B (zh) | 云边协同网络中基于代理模型和多种群优化的低成本工作流应用迁移方法 | |
CN111556516A (zh) | 面向时延和能效敏感业务的分布式无线网络任务协同分配方法 | |
CN112860429A (zh) | 一种移动边缘计算系统中任务卸载的成本效率优化系统及方法 | |
CN113987692A (zh) | 用于无人机和边缘计算服务器的深度神经网络分区方法 | |
CN113159539B (zh) | 多层边缘计算系统中联合绿色能量调度和动态任务分配方法 | |
CN114339891A (zh) | 一种基于q学习的边缘卸载资源分配方法及系统 | |
CN116528365B (zh) | 一种可靠性感知的边缘计算方法 | |
CN114745386B (zh) | 一种多用户边缘智能场景下的神经网络分割及卸载方法 | |
CN110647396A (zh) | 端云协同低功耗带宽受限智能应用实现方法 | |
CN114301911B (zh) | 一种基于边边协同的任务管理方法和系统 | |
CN116170844A (zh) | 一种用于工业物联网场景中的数字孪生辅助任务卸载方法 | |
Hussin et al. | Dynamic job-clustering with different computing priorities for computational resource allocation | |
CN114980160A (zh) | 一种无人机辅助的太赫兹通信网络联合优化方法和装置 |
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 |