CN115633369A - 一种面向用户任务与功率联合分配的多边缘设备选择方法 - Google Patents

一种面向用户任务与功率联合分配的多边缘设备选择方法 Download PDF

Info

Publication number
CN115633369A
CN115633369A CN202211645453.0A CN202211645453A CN115633369A CN 115633369 A CN115633369 A CN 115633369A CN 202211645453 A CN202211645453 A CN 202211645453A CN 115633369 A CN115633369 A CN 115633369A
Authority
CN
China
Prior art keywords
user
task
base station
cellular base
edge
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
Application number
CN202211645453.0A
Other languages
English (en)
Other versions
CN115633369B (zh
Inventor
朱佳
胡寒蕊
李旭冉
李亚利
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202211645453.0A priority Critical patent/CN115633369B/zh
Publication of CN115633369A publication Critical patent/CN115633369A/zh
Application granted granted Critical
Publication of CN115633369B publication Critical patent/CN115633369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

本发明公开一种面向用户任务与功率联合分配的多边缘设备选择方法，获取用户到蜂窝基站和到边缘设备的信道状态信息；根据信道状态信息，分别计算用户到蜂窝基站和边缘设备的任务传输速率；计算用户到蜂窝基站和边缘设备的任务传输时延；计算卸载任务的计算时延；计算总处理时延；将用户任务分别卸载到蜂窝基站和边缘设备n，通过将用户任务和功率在蜂窝基站和边缘设备n的联合分配优化，得到该种情况下的最优总处理时延；比较基于N个边缘设备分别优化所得的N个最优总处理时延，选择其中最优总处理时延最小的边缘设备与蜂窝基站进行组合。优点：显著降低了用户卸载任务的处理时延。

Description

一种面向用户任务与功率联合分配的多边缘设备选择方法
技术领域
本发明设计了一种面向用户任务卸载计算的用户功率任务分配与边缘设备选择联合优化方法，属于无线通信技术领域。
背景技术
移动边缘计算（Mobile Edge Computing，MEC）是一种新兴通信技术，它将云计算能力分布到无线接入网络的边缘，使丰富的服务和应用程序能够接近用户终端。由于大多数对延迟敏感的移动应用需要使用云计算服务提供的计算资源，而依赖云计算的问题在于云服务器的物理位置距离移动用户偏远，容易造成通信延迟较长。因此，移动边缘计算的分布式云服务概念正引入到5G网络。目前，“蜂窝基站为主，边缘设备为辅”的组网方式是未来后5G网络覆盖提升的重要途径。移动边缘计算通过在接入网络就近提供用户所需的服务和云端计算功能，可创造出具备高性能、低延迟与高带宽的服务环境，将其作为传统云计算数据中心的有效补充，以此为用户提供更快的服务和取得更好的网络性能。但随着智能移动设备的迅速普及，用户承载的任务量不断增多，无法完成更加高效的卸载。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种面向用户任务与功率联合分配的多边缘设备选择方法，用户将其任务分别卸载到蜂窝基站和第n个边缘设备，考虑信道状态信息和距离等因素，选择一个边缘设备和蜂窝基站联合，得到此模型的最优总处理时延，作为联合优化方法。
为解决上述技术问题，本发明提供一种面向用户任务与功率联合分配的多边缘设备选择方法，包括以下步骤：
获取用户到蜂窝基站和到边缘设备的信道状态信息，获取用户的卸载任务量，获取蜂窝基站和边缘设备的计算能力，获取用户到边缘设备和蜂窝基站的发送功率；
根据信道状态信息，分别计算用户到蜂窝基站和边缘设备的任务传输速率；
根据用户的卸载任务量和任务传输速率，计算用户到蜂窝基站和边缘设备的任务传输时延；根据蜂窝基站和边缘设备的计算能力，得到卸载任务的计算时延；
根据任务传输时延和计算时延，得到总处理时延；
通过将用户任务和功率在蜂窝基站和边缘设备n的联合分配优化，得到用户将任务卸载到第n个边缘设备和蜂窝基站的最优的总处理时延，其中，n=1,2,…,N，N为正整数，表示系统中含有N个边缘设备；
比较基于N个边缘设备分别优化所得的N个最优总处理时延，选择其中最优总处理时延最小的边缘设备与蜂窝基站进行组合。
进一步的，所述信道状态信息的计算公式为：
Figure 939216DEST_PATH_IMAGE002
(1)
其中，H为信道状态信息， d为传输距离，
Figure 358696DEST_PATH_IMAGE003
为路径损耗因子，h为小尺度衰落。
进一步的，所述用户到蜂窝基站和边缘设备的任务传输速率的计算公式包括：
Figure 444463DEST_PATH_IMAGE004
其中，
Figure 265789DEST_PATH_IMAGE005
为用户卸载任务到边缘设备n的任务传输速率，R M 为用户卸载任务到蜂窝基站的任务传输速率，B 1为用户到边缘设备n的带宽，B 2为用户到蜂窝基站的带宽，N 0为噪声功率谱密度，
Figure 910134DEST_PATH_IMAGE006
为用户到边缘设备n的发送功率，P M 为用户到蜂窝基站的发送功率，
Figure 816911DEST_PATH_IMAGE007
为用户到边缘设备n之间的状态信息，H M 为用户到蜂窝基站之间的状态信息。
进一步的，所述用户到蜂窝基站和边缘设备的任务传输时延的计算公式包括：
Figure 440790DEST_PATH_IMAGE008
其中，
Figure 382201DEST_PATH_IMAGE009
表示用户卸载任务到边缘设备n的任务传输时延，
Figure 964492DEST_PATH_IMAGE010
表示用户卸载任务到蜂窝基站的任务传输时延，V表示总任务量，
Figure 92985DEST_PATH_IMAGE011
和α M 分别表示用户分配到边缘设备n和蜂窝基站的任务分配比，其取值范围均在0到1之间。
进一步的，所述卸载任务的计算时延的计算公式包括：
Figure 19091DEST_PATH_IMAGE012
其中，
Figure 549429DEST_PATH_IMAGE013
为边缘设备n计算任务所需要的时延，
Figure 302621DEST_PATH_IMAGE014
为蜂窝基站所配备的服务器计算任务所需要的时延，
Figure 183990DEST_PATH_IMAGE015
为边缘设备n计算1比特的数据所需要的CPU转数，C M 为蜂窝基站计算1比特的数据所需要的CPU转数，单位为周期/秒，
Figure 680830DEST_PATH_IMAGE016
为边缘设备n的计算资源，其单位为赫兹，F M 为蜂窝基站的计算资源。
进一步的，所述总处理时延的计算公式包括：
Figure 331254DEST_PATH_IMAGE017
其中，
Figure 989769DEST_PATH_IMAGE018
为用户卸载任务到边缘设备n上的总处理时延，t M 为用户卸载任务到蜂窝基站所配备的MEC服务器上的总处理时延。
进一步的，所述联合分配优化的优化问题的目标函数用于在考虑任务和功率分配的情况下，比较用户将任务卸载到蜂窝基站和边缘设备的总处理时延，最小化两者中较大的总处理时延，目标函数表示为：
Figure 358433DEST_PATH_IMAGE019
所述联合分配优化的优化问题的约束条件为：
Figure 626341DEST_PATH_IMAGE020
其中，约束C 1、约束C 2和约束C 3均为任务量约束，分别表示用户卸载到边缘设备n的任务分配因子的取值区间为[0,1]、用户卸载到蜂窝基站的任务分配因子的取值区间为[0,1]以及边缘设备n和蜂窝基站的任务分配因子之和为1，约束C 4、约束C 5和约束C 6均为功率约束，分别表示用户到N个边缘设备的最大发射功率约束、用户到蜂窝基站的最大功率约束以及用户的发射总功率约束。
进一步的，对所述联合分配优化的优化问题求解，选择能使该模型总处理时延最小的边缘设备，与蜂窝基站共同进行用户任务卸载和功率分配，得到用户任务功率分配与边缘设备选择的联合优化方案。
本发明所达到的有益效果：
本发明以最小化用户任务传输时延和任务计算时延为目标，考虑用户任务和功率在蜂窝基站和边缘设备之间的联合分配，同时结合多边缘设备的选择优化，减少用户任务的总处理时延。与传统的等功率分配方案和等任务分配方案相比，本方案显著降低了用户卸载任务的处理时延。
附图说明
图1为本发明实施例的系统模型图；
图2为本发明实施例的流程示意图；
图3为本发明所提出的方案与多边缘设备等任务分配下的优化方案和多边缘设备等功率分配下的优化方案的对比图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明提供了一种面向用户任务与功率联合分配的多边缘设备选择方法的系统模型，包括用户，蜂窝基站、多个边缘设备以及MEC服务器，用户将任务分别卸载到蜂窝基站所配备的MEC服务器和边缘设备上进行计算，得到用户卸载任务的传输时延和计算卸载任务的计算时延。
如图2所示，该方法的流程包括：
获取用户到蜂窝基站和到边缘设备的信道状态信息，获取用户的卸载任务量，获取蜂窝基站和边缘设备的计算能力，获取用户到边缘设备和蜂窝基站的发送功率；
根据信道状态信息，分别计算用户到蜂窝基站和边缘设备的任务传输速率；
根据用户的卸载任务量和任务传输速率，计算用户到蜂窝基站和边缘设备的任务传输时延；根据蜂窝基站和边缘设备的计算能力，得到卸载任务的计算时延；
根据任务传输时延和计算时延，得到总处理时延；
通过将用户任务和功率在蜂窝基站和边缘设备n的联合分配优化，得到用户将任务卸载到第n个边缘设备和蜂窝基站的最优的总处理时延，其中，n=1,2,…,N，N为正整数，表示系统中含有N个边缘设备；
比较基于N个边缘设备分别优化所得的N个最优总处理时延，选择其中最优总处理时延最小的边缘设备与蜂窝基站进行组合。
进一步的，用户将任务全部卸载到蜂窝基站所配备的MEC服务器和边缘设备后，对应设备才开始计算。MEC服务器和边缘设备计算任务的计算时延和用户卸载到MEC服务器和边缘设备的传输时延为用户的总处理时延；
由于用户的任务计算结果很小并且下行传输速率通常很高，因此我们在计算中忽略了基站和边缘设备返回计算结果的时延；
用户将任务分别卸载到蜂窝基站所配备的MEC服务器和第一个边缘设备，通过功率任务联合优化，得到用户卸载任务到MEC服务器和用户边缘设备的总处理时延，该总处理时延就是计算卸载任务的计算时延和任务传输时延。对总处理时延进行优化，得到最优的总处理时延。比较基于N个边缘设备分别优化所得的N个总处理时延，得到最优的总处理时延，选择在该最优总处理时延下的边缘设备与蜂窝基站结合，即功率任务联合优化方案。
下面给出重要步骤中具体的计算公式，并进行更细致的说明：
所述信道状态信息的计算公式，可由如下公式得到：
Figure 396851DEST_PATH_IMAGE002
(10)
其中，H为信道状态信息， d为传输距离，
Figure 82228DEST_PATH_IMAGE003
为路径损耗因子，h为小尺度衰落，此处以瑞利衰落为例但不限于瑞利衰落。
所述用户到蜂窝基站和边缘设备的任务传输速率的计算公式，可由如下公式得到：
Figure 655291DEST_PATH_IMAGE021
其中，
Figure 14728DEST_PATH_IMAGE005
为用户卸载任务到边缘设备n的任务传输速率，R M 为用户卸载任务到蜂窝基站的任务传输速率，B 1为用户到边缘设备n的带宽，B 2为用户到蜂窝基站的带宽，N 0为噪声功率谱密度，
Figure 15046DEST_PATH_IMAGE006
为用户到边缘设备n的发送功率，P M 为用户到蜂窝基站的发送功率，
Figure 325679DEST_PATH_IMAGE007
为用户到边缘设备n之间的状态信息，H M 为用户到蜂窝基站之间的状态信息。
所述用户到蜂窝基站和边缘设备的任务传输时延的计算公式，可由如下公式得到：
Figure DEST_PATH_IMAGE022
其中，
Figure 171275DEST_PATH_IMAGE009
表示用户卸载任务到边缘设备n的任务传输时延，
Figure 650798DEST_PATH_IMAGE010
表示用户卸载任务到蜂窝基站的任务传输时延，V表示总任务量，
Figure 353175DEST_PATH_IMAGE011
和α M 分别表示用户分配到边缘设备n和蜂窝基站的任务分配比，其取值范围均在0到1之间。
根据边缘设备n的计算能力，以及任务分配比例，可得数据处理时延，可由如下公式得到：
Figure 918148DEST_PATH_IMAGE023
其中，
Figure 98594DEST_PATH_IMAGE013
为边缘设备n计算任务所需要的时延，
Figure 931158DEST_PATH_IMAGE014
为蜂窝基站所配备的服务器计算任务所需要的时延，
Figure 538857DEST_PATH_IMAGE015
为边缘设备n计算1比特的数据所需要的CPU转数，C M 为蜂窝基站计算1比特的数据所需要的CPU转数，单位为周期/秒，
Figure 856706DEST_PATH_IMAGE016
为边缘设备n的计算资源，其单位为赫兹，F M 为蜂窝基站的计算资源。
总处理时延是任务传输时延和任务计算时延之和，可由如下公式得到：
Figure 575264DEST_PATH_IMAGE024
其中，
Figure 29379DEST_PATH_IMAGE018
为用户卸载任务到边缘设备n上的总处理时延，t M 为用户卸载任务到蜂窝基站所配备的MEC服务器上的总处理时延。
根据所述的多边缘设备选择下的功率任务联合优化方案，通过用户任务分配和功率分配的联合优化，减少用户任务的处理时延，其优化问题如下：
Figure 650722DEST_PATH_IMAGE019
Figure 190287DEST_PATH_IMAGE025
可分解成两个子优化问题。
第一个子优化问题（P1）：
Figure 181377DEST_PATH_IMAGE026
第二个子优化问题（P2）：
Figure 489999DEST_PATH_IMAGE027
本发明中，根据在多边缘设备选择下的功率任务联合优化方案，并且根据所求得的优化问题的解，选择能使该模型总处理时延最小的边缘设备，与蜂窝基站共同进行任务卸载和功率分配，即功率任务联合优化方案。
下面给出计算机上利用Matlab语言仿真实现发明的一个实例。在仿真中，用户到蜂窝基站配备的MEC服务器和用户到边缘设备之间的信道均服从瑞利衰落，且方差为1，N为边缘设备的个数，取值为5；d 1为用户到蜂窝基站的距离，取值为1000 m，d 2为用户到边缘设备的距离，服从10m到100 m的均匀分布；α为路径损耗因子，取值为4；
Figure 173921DEST_PATH_IMAGE015
和C M 的取值为1000周期/秒；F M 取值为3GHz，
Figure 433739DEST_PATH_IMAGE016
服从1GHz到2GHz的均匀分布；B 1和B 2的取值为1MHz。图3为本发明所提出的方案与多边缘设备等任务分配下的优化方案和多边缘设备等功率分配下的优化方案的对比，由图可知，本发明提出的方案在时延上均优于两种对比方案。
以上所述，仅为本发明中的具体实施方法，但本发明的保护范围并不局限于此，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以作出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种面向用户任务与功率联合分配的多边缘设备选择方法，其特征在于，包括以下步骤：
获取用户到蜂窝基站和到边缘设备的信道状态信息，获取用户的卸载任务量，获取蜂窝基站和边缘设备的计算能力，获取用户到边缘设备和蜂窝基站的发送功率；
根据信道状态信息，分别计算用户到蜂窝基站和边缘设备的任务传输速率；
根据用户的卸载任务量和任务传输速率，计算用户到蜂窝基站和边缘设备的任务传输时延；根据蜂窝基站和边缘设备的计算能力，得到卸载任务的计算时延；
根据任务传输时延和计算时延，得到总处理时延；
通过将用户任务和功率在蜂窝基站和边缘设备n的联合分配优化，得到用户将任务卸载到第n个边缘设备和蜂窝基站的最优的总处理时延，其中，n=1,2,…,N，N为正整数，表示系统中含有N个边缘设备；
比较基于N个边缘设备分别优化所得的N个最优总处理时延，选择其中最优总处理时延最小的边缘设备与蜂窝基站进行组合。
2.根据权利要求1所述的一种面向用户任务与功率联合分配的多边缘设备选择方法，其特征在于，所述信道状态信息的计算公式为：
Figure 723915DEST_PATH_IMAGE002
(1)
其中，H为信道状态信息， d为传输距离，
Figure 205449DEST_PATH_IMAGE003
为路径损耗因子，h为小尺度衰落。
3.根据权利要求1所述的一种面向用户任务与功率联合分配的多边缘设备选择方法，其特征在于，所述用户到蜂窝基站和边缘设备的任务传输速率的计算公式包括：
Figure 741604DEST_PATH_IMAGE004
其中，
Figure 87135DEST_PATH_IMAGE005
为用户卸载任务到边缘设备n的任务传输速率，R M 为用户卸载任务到蜂窝基站的任务传输速率，B 1为用户到边缘设备n的带宽，B 2为用户到蜂窝基站的带宽，N 0为噪声功率谱密度，
Figure 316122DEST_PATH_IMAGE006
为用户到边缘设备n的发送功率，P M 为用户到蜂窝基站的发送功率，
Figure 786418DEST_PATH_IMAGE007
为用户到边缘设备n之间的状态信息，H M 为用户到蜂窝基站之间的状态信息。
4.根据权利要求1所述的一种面向用户任务与功率联合分配的多边缘设备选择方法，其特征在于，所述用户到蜂窝基站和边缘设备的任务传输时延的计算公式包括：
Figure 516476DEST_PATH_IMAGE008
其中，
Figure 90415DEST_PATH_IMAGE009
表示用户卸载任务到边缘设备n的任务传输时延，
Figure 614937DEST_PATH_IMAGE010
表示用户卸载任务到蜂窝基站的任务传输时延，V表示总任务量，
Figure 775791DEST_PATH_IMAGE011
和α M 分别表示用户分配到边缘设备n和蜂窝基站的任务分配比，其取值范围均在0到1之间。
5.根据权利要求4所述的一种面向用户任务与功率联合分配的多边缘设备选择方法，其特征在于，所述卸载任务的计算时延的计算公式包括：
Figure 778382DEST_PATH_IMAGE012
其中，
Figure 708292DEST_PATH_IMAGE013
为边缘设备n计算任务所需要的时延，
Figure 341399DEST_PATH_IMAGE014
为蜂窝基站所配备的服务器计算任务所需要的时延，
Figure 114183DEST_PATH_IMAGE015
为边缘设备n计算1比特的数据所需要的CPU转数，C M 为蜂窝基站计算1比特的数据所需要的CPU转数，单位为周期/秒，
Figure 294366DEST_PATH_IMAGE016
为边缘设备n的计算资源，其单位为赫兹，F M 为蜂窝基站的计算资源。
6.根据权利要求5所述的一种面向用户任务与功率联合分配的多边缘设备选择方法，其特征在于，所述总处理时延的计算公式包括：
Figure 468995DEST_PATH_IMAGE017
其中，
Figure 210686DEST_PATH_IMAGE018
为用户卸载任务到边缘设备n上的总处理时延，t M 为用户卸载任务到蜂窝基站所配备的MEC服务器上的总处理时延。
7.根据权利要求6所述的一种面向用户任务与功率联合分配的多边缘设备选择方法，其特征在于，所述联合分配优化的优化问题的目标函数用于在考虑任务和功率分配的情况下，比较用户将任务卸载到蜂窝基站和边缘设备的总处理时延，最小化两者中较大的总处理时延，目标函数表示为：
Figure 205187DEST_PATH_IMAGE019
所述联合分配优化的优化问题的约束条件为：
Figure 690526DEST_PATH_IMAGE020
其中，约束C 1、约束C 2和约束C 3均为任务量约束，分别表示用户卸载到边缘设备n的任务分配因子的取值区间为[0,1]、用户卸载到蜂窝基站的任务分配因子的取值区间为[0,1]以及边缘设备n和蜂窝基站的任务分配因子之和为1，约束C 4、约束C 5和约束C 6均为功率约束，分别表示用户到N个边缘设备的最大发射功率约束、用户到蜂窝基站的最大功率约束以及用户的发射总功率约束。
8.根据权利要求7所述的一种面向用户功率与任务联合分配的多边缘设备选择方法，其特征在于，对所述联合分配优化的优化问题求解，选择能使该模型总处理时延最小的边缘设备，与蜂窝基站共同进行用户任务卸载和功率分配，得到用户任务功率分配与边缘设备选择的联合优化方案。
CN202211645453.0A 2022-12-21 2022-12-21 一种面向用户任务与功率联合分配的多边缘设备选择方法 Active CN115633369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211645453.0A CN115633369B (zh) 2022-12-21 2022-12-21 一种面向用户任务与功率联合分配的多边缘设备选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211645453.0A CN115633369B (zh) 2022-12-21 2022-12-21 一种面向用户任务与功率联合分配的多边缘设备选择方法

Publications (2)

Publication Number Publication Date
CN115633369A true CN115633369A (zh) 2023-01-20
CN115633369B CN115633369B (zh) 2023-04-18

Family

ID=84910859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211645453.0A Active CN115633369B (zh) 2022-12-21 2022-12-21 一种面向用户任务与功率联合分配的多边缘设备选择方法

Country Status (1)

Country Link
CN (1) CN115633369B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115988536A (zh) * 2023-03-20 2023-04-18 南京邮电大学 一种双可重构智能表面辅助移动边缘计算系统优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106900011A (zh) * 2017-02-28 2017-06-27 重庆邮电大学 一种基于mec的蜂窝基站间任务卸载方法
CN112988347A (zh) * 2021-02-20 2021-06-18 西安交通大学 一种降低系统能耗与花费和的边缘计算卸载方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106900011A (zh) * 2017-02-28 2017-06-27 重庆邮电大学 一种基于mec的蜂窝基站间任务卸载方法
CN112988347A (zh) * 2021-02-20 2021-06-18 西安交通大学 一种降低系统能耗与花费和的边缘计算卸载方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOTING WANG，ETC: "Task Offloading and Power Assignment Optimization for Energy-Constrained Mobile Edge Computing" *
张秋平等: "面向多边缘设备协作的任务卸载和服务缓存在线联合优化机制" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115988536A (zh) * 2023-03-20 2023-04-18 南京邮电大学 一种双可重构智能表面辅助移动边缘计算系统优化方法

Also Published As

Publication number Publication date
CN115633369B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN109413724B (zh) 一种基于mec的任务卸载和资源分配方案
US8320402B2 (en) Base station for allocating sub-channels to mobile station
JP2903787B2 (ja) セル型無線通信網内の固定局の負荷調節システム
CN111314935B (zh) 基于noma-mec系统的下行传输时延最小化的方法
US9380585B2 (en) Method and apparatus for planning radio frequency spectrum in a wireless network
WO2020192363A1 (zh) 一种通信方法及设备
CN108271172B (zh) 一种蜂窝d2d通信联合成簇及内容部署方法
CN113708962B (zh) 一种基于网络切片的移动边缘计算资源管理方法
Jiang et al. Analysis and optimization of fog radio access networks with hybrid caching: Delay and energy efficiency
CN111556576B (zh) 基于d2d_mec系统的时延优化方法
CN115633369B (zh) 一种面向用户任务与功率联合分配的多边缘设备选择方法
CN111182569B (zh) 一种5g场景下的边缘计算卸载周期最小化方法
CN110602722B (zh) 一种基于noma的联合内容推送和传输的设计方法
CN117201369A (zh) 网络速率确定方法、装置、电子设备及存储介质
CN110536398B (zh) 基于多维有效容量的平均时延保障功率控制方法及系统
CN107835514B (zh) 一种多宿主业务场景下无线网络资源匹配的建模方法
CN114531718B (zh) 不完美csi情况下noma-mec系统能耗优化方法
El-Badawy et al. B5G/6G Network Planning For Study Case In Knowledge City Area As Model For Smart Cities
CN110493801B (zh) Mec环境下基于d2d通信的蜂窝系统数据卸载方法
CN112423394B (zh) 一种提高移动边缘计算蜂窝网络能耗效率的资源分配方法
CN109587737A (zh) 一种基于服务匹配的5g接入网功能分离方法
CN114125787B (zh) D2d通信速率对称的接入与功率优化方法和系统
CN107682870A (zh) Lte频率复用中的边缘用户和中心用户划分方法
CN113207150B (zh) 一种基于背向散射通信的主被动混合卸载方法和装置
CN105792219A (zh) 一种能效优先的微基站资源分配方法

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