CN115696403A - 一种边缘计算节点协助的多层边缘计算任务卸载方法 - Google Patents
一种边缘计算节点协助的多层边缘计算任务卸载方法 Download PDFInfo
- Publication number
- CN115696403A CN115696403A CN202211374641.4A CN202211374641A CN115696403A CN 115696403 A CN115696403 A CN 115696403A CN 202211374641 A CN202211374641 A CN 202211374641A CN 115696403 A CN115696403 A CN 115696403A
- Authority
- CN
- China
- Prior art keywords
- computing
- edge
- representing
- terminal equipment
- task
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 57
- 238000005265 energy consumption Methods 0.000 claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 238000013468 resource allocation Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims description 58
- 238000012545 processing Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 description 26
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000463 material Substances 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
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种边缘计算节点协助的多层边缘计算任务卸载方法,包括1、建立边缘计算节点协助的边缘计算网络架构;2、收集系统信息;3、加载终端设备与接入点之间的关联算法,终端设备选择传输信号的无线接入点;4、加载终端设备多输入多输出MIMO发送预编码矩阵设计算法;5、加载计算任务分配算法,确定终端设备本地、边缘服务器和边缘计算节点的计算任务大小;6、加载计算资源分配算法,基于延迟需求,边缘服务器和边缘计算节点分配计算资源以减小系统能耗。本发明可以缓解边缘服务器的计算负担,多输入多输出MIMO传输技术能够提高频谱利用率和卸载效率。
Description
技术领域
本发明属于无线通信技术领域,尤其涉及一种边缘计算节点协助的多层边缘计算任务卸载方法。
背景技术
随着物联网、无线通信、自动化控制等技术的发展,涌现了大量智能应用,使得物联网终端需要处理和运行大量计算密集型数据。然而,由于物联网终端的计算能力和电池容量有限,设备直接处理大量计算密集型数据的效率较低,难以胜任安全预警、紧急停机、自动表面缺陷检测等时延敏感型任务。同时,传统的云计算也难以处理爆炸式增长的网络边缘数据。
为了满足时延敏感型应用和实现高效的生产力,移动边缘计算通过将部分或完整的计算任务卸载到计算能力更强的边缘服务器,可以加快任务处理和节省网络边缘终端的电池能量,被认为是有效的解决方案。
虽然边缘计算服务器可以就近为移动终端提供计算服务,但是计算卸载也带来了额外的通信开销,特别是无线传输引起的能量消耗和时延。因此,需要综合考虑终端设备和整个系统的时延和能量消耗需求,仔细设计计算卸载和资源分配方案,平衡好本地计算和计算卸载的开销。
当过多的计算任务被卸载到边缘服务器时,可能会导致计算能力不足和计算效率低下。为了缓解边缘服务器的计算负担,已有方案利用无人机、智能车辆、设备到设备通信实现协同计算。然而,移动设备没有稳定、持续的电源供应,已有方案提出的计算卸载框架将加快移动设备的能量消耗,导致设备的续航时长缩短。与此同时,大多数工业系统存在诸如笔记本电脑、视频游戏机和台式电脑等有线设备计算资源未充分利用的情况。
发明内容
本发明目的在于提供一种边缘计算节点协助的多层边缘计算任务卸载方法,通过多输入多输出技术将部分计算任务传输至边缘服务器,边缘服务器进一步将部分计算任务卸载至边缘计算节点,从而缓解边缘服务器的计算压力,提高边缘计算节点的资源利用率,以及降低任务的处理时延。
为解决上述技术问题,本发明的具体技术方案如下:
一种边缘计算节点协助的多层边缘计算任务卸载方法,包括以下步骤:
步骤S1、建立边缘计算节点协助的边缘计算网络架构;
步骤S2、终端设备向无线接入点发送通信需求指令,控制中心收集边缘计算网络的系统信息,系统信息包括终端设备与无线接入点之间的信道状态信息、计算任务信息和计算资源信息、计算时延需求τi;
步骤S3、根据步骤S2控制中心收集的边缘计算网络的信道状态信息,设计终端设备与接入点间关联的优化算法,确定终端设备与无线接入点的关联策略;
步骤S4、根据步骤S3中终端设备和无线接入点的关联策略,设计终端设备发送预编码的优化算法,确定各个终端设备的发送预编码;
步骤S5、根据步骤2控制中心收集的计算任务信息和计算资源信息,设计计算任务分配的优化算法,确定终端设备本地、边缘服务器和边缘计算节点处的计算任务大小;
步骤S6、根据步骤S5中终端设备本地、边缘服务器和边缘计算节点的计算任务大小和步骤S2控制中心收集的时延需求τi,确定边缘服务器和边缘计算节点分配给各个计算任务的计算资源;
步骤S7、设计联合计算卸载与资源分配的优化算法,迭代加载步骤S3至步骤S6,直到系统总能量消耗稳定,最终确定终端设备与无线接入点的关联策略、终端设备发送预编码、计算任务分配和计算资源分配。
进一步的,步骤S1中的边缘计算网络架构包括I个终端设备、J个无线接入点、一个边缘服务器和K个边缘计算节点,其中终端设备配置M根天线,无线接入点配置N根天线;所述终端设备、边缘服务器和边缘计算节点配置计算单元,处理计算任务;所述终端设备与无线接入点通信,无线接入点与边缘服务器通过光纤、电缆有线连接,将部分计算任务卸载至边缘服务器;所述边缘服务器与边缘计算节点有线连接,将部分计算任务卸载至边缘计算节点。
进一步的,步骤S2中计算任务信息包括终端设备所产生计算任务的大小Di、计算任务的处理密度μi,计算资源信息包括边缘服务器和边缘计算节点的总计算资源和计算能力。
进一步的,步骤S3中终端设备与接入点间关联的优化算法步骤包括:
步骤S301:输入步骤S2中的系统信息,初始化满足系统运行约束条件的终端设备与接入点关联因子、终端设备发送预编码、计算任务和计算资源分配;
其中,d表示数据流数目,Ui,j表示半正定的辅助变量,Vj,i表示接收预编码,表示接入点处的噪声功率,Pi,j表示终端设备的发送预编码,Id表示d阶单位矩阵,Hj,i表示终端设备i与接入点j间的信道矩阵,ai,j表示终端设备i与接入点j间的关联指示因子,表示终端设备集合,表示无线接入点集合,||·||F表示Frobenius范数,l和i表示不同的终端设备,m和j表示不同的接入点;
步骤S303:更新辅助变量bi,j,具体表达式为:
步骤S304:利用内点法求解终端设备与接入点优化问题,得到终端设备与无线接入点的关联因子,优化问题具体表示为:
ai,j∈[0,1] (8)
其中,ωr表示终端设备能量消耗的权重,κ表示因为传输数据大小与原始数据大小之比,Dtr,i表示无线传输的数据大小,n表示迭代次数,表示边缘服务器处的计算时延,表示无线接入点将计算任务传输至边缘服务器的时延,表示边缘计算节点k处的计算时延,表示边缘服务器将计算任务传输至边缘计算节点k的时延,nj表示一个无线接入点至多服务的终端设备数目,表示边缘计算节点的集;
步骤S305:迭代步骤S302至步骤S304,直至公式(3)中的优化目标收敛,具体为其中表示第n次迭代时公式(3)中优化目标的能量消耗,表示第n-1次迭代时公式(3)中优化目标的能量消耗,ε表示可接受的误差。
进一步的,步骤S4中终端设备发送预编码的优化算法步骤包括:
步骤S401:输入系统信息、终端设备与接入点的关联策略,初始化可行的终端设备发送预编码、计算任务和计算资源分配;
步骤S403:更新变量zi,j,具体表达式为:
步骤S404:利用内点法求解终端设备预编码优化问题,得到发送预编码矩阵,优化问题具体表示为:
进一步的,步骤S5中计算任务分配的优化算法步骤包括:
步骤S501:输入系统信息、终端设备与接入点关联策略、终端设备发送预编码矩阵,初始化满足系统运行约束条件的计算任务和计算资源分配;
步骤S502:利用内点法求解关于计算任务分配的线性规划问题,得到计算任务分配策略,优化问题具体表示为:
其中,φi=ωrβiμifi 2,ψl=Dpk/Wl,φl=Dpk-Doh,Dloc,i表示终端设备i处计算的计算任务大小,Dp,i表示边缘服务器计算终端设备i的计算任务大小,Dk,i表示边缘计算节点k计算终端设备i的计算任务大小,fi表示终端设备i的计算资源,fp,i表示边缘服务器分配给终端设备i的计算资源,fk,i表示边缘计算节点k分配给终端设备i的计算资源,Dpk表示有线传输时一个数据包的大小,Doh表示有线传输时的开销大小,Wl表示有线传输的带宽,βi表示终端设备i的计算能力,βp表示边缘服务器的计算能力,βk表示边缘计算节点k的计算能力;
进一步的,步骤S6中边缘服务器和边缘计算节点分配给各个计算任务的计算资源确定方法表示为:
根据时延要求,得到边缘服务器和边缘计算节点分配给各个计算任务的计算资源,具体表示为:
本发明的边缘计算节点协助的多层边缘计算任务卸载方法,具有以下优点:
本发明提出了一种边缘计算节点协助的边缘计算网络架构,该架构中,多个终端设备可以在相同的频谱资源上同时传输计算任务,并利用边缘计算节点卸载部分计算任务,提高频谱利用率和计算资源利用率。同时,在该架构中联合优化了计算卸载和资源分配方案,系统根据时延要求,不断迭代优化计算卸载和资源分配方案,实现系统能量消耗和处理时延之间良好的折衷。本发明提出的方法可以减小计算时延,终端设备、边缘服务器和边缘计算节点协同处理终端设备产生的计算任务,可以缓解边缘服务器的计算负担,多输入多输出MIMO传输技术能够提高频谱利用率和卸载效率。
附图说明
图1为本发明本实施例1中提供的一种边缘计算节点协助的多层边缘计算任务卸载方法的应用场景图;
图2为本发明本实施例1中提供的一种边缘计算节点协助的多层边缘计算任务卸载方法的流程示意图。
具体实施方式
为了更好地了解本发明的目的、结构及功能,下面结合附图,对本发明一种边缘计算节点协助的多层边缘计算任务卸载方法做进一步详细的描述。
实施例1
参见图1-图2,本实施例提供一种边缘计算节点协助的多层边缘计算任务卸载方法,以应用到智能电网巡检系统为例介绍本方法,具体如图1所示,I个机器人巡检电网系统,将计算任务传输给J个无线接入点,无线接入点进一步将计算任务卸载至边缘服务器,边缘服务器通过有线方式与K个边缘计算节点相连接。为了满足智能电网时延敏感型应用,控制中心需要根据系统信息确定巡检机器人与无线接入点的关联策略、巡检机器人发送预编码、计算任务和计算资源分配策略。
图2为本发明的实施流程示意图,具体的实施步骤为:
步骤1、建立边缘计算节点协助的边缘计算网络架构,该网络架构如图1所示,包括I个巡检机器人、J个无线接入点、一个边缘服务器和K个边缘计算节点,其中巡检机器人和无线接入点配置分别配置M和N根天线。巡检机器人、边缘服务器和边缘计算节点配置计算单元,可处理计算任务;巡检机器人与无线接入点通信,无线接入点与边缘服务器通过光纤、电缆等有线连接,将部分计算任务卸载至边缘服务器;边缘服务器与边缘计算节点有线连接,将部分计算任务卸载至边缘计算节点;
步骤2、巡检机器人向无线接入点发送通信需求指令,无线接入点收集智能电网巡检系统的系统信息,具体系统信息包括巡检机器人与无线接入点之间的信道状态信息、巡检机器人所产生计算任务的大小Di、计算任务的处理密度μi、计算时延需求τi、边缘服务器和边缘计算节点的总计算资源和计算能力信息;
步骤3、根据收集的信道状态信息,设计巡检机器人与接入点间关联的优化算法,确定巡检机器人与无线接入点的关联策略;
具体的说,在本实施中,步骤3具体包括:
步骤301:输入步骤2中的系统信息,初始化可行的巡检机器人与接入点关联因子、巡检机器人发送预编码、计算任务和计算资源分配;
其中,d表示数据流数目,Ui,j表示半正定的辅助变量,Vj,i表示接收预编码,表示接入点处的噪声功率,Pi,j表示终端设备的发送预编码,Id表示d阶单位矩阵,Hj,i表示终端设备i与接入点j间的信道矩阵,ai,j表示终端设备i与接入点j间的关联指示因子,表示终端设备集合,表示无线接入点集合,||·||F表示Frobenius范数,l和i表示不同的终端设备,m和j表示不同的接入点。
步骤303:更新辅助变量bi,j,具体表达式为:
步骤304:利用内点法求解巡检机器人与接入点优化问题,得到巡检机器人与无线接入点的关联因子,优化问题具体表示为:
ai,j∈[0,1] (8)
其中,ωr表示终端设备能量消耗的权重,κ表示因为传输数据大小与原始数据大小之比,Dtr,i表示无线传输的数据大小,n表示迭代次数,表示边缘服务器处的计算时延,表示无线接入点将计算任务传输至边缘服务器的时延,表示边缘计算节点k处的计算时延,表示边缘服务器将计算任务传输至边缘计算节点k的时延,nj表示一个无线接入点至多服务的终端设备数目,表示边缘计算节点的集。
步骤305:迭代步骤302至步骤304,直至公式(3)中的优化目标收敛,具体为其中表示第n次迭代时公式(3)中优化目标的能量消耗,表示第n-1次迭代时公式(3)中优化目标的能量消耗,ε表示可接受的误差。
步骤4、根据巡检机器人和无线接入点的关联信息,设计巡检机器人发送预编码的优化算法,确定各个巡检机器人的发送预编码;
具体的说,在本实施中,步骤4具体包括:
步骤401:输入系统信息、巡检机器人与接入点的关联策略,初始化可行的巡检机器人发送预编码、计算任务和计算资源分配;
步骤403:更新变量zi,j,具体表达式为:
步骤404:利用内点法求解巡检机器人预编码优化问题,得到发送预编码矩阵,优化问题具体表示为:
步骤5、根据计算任务信息和计算资源信息,设计计算任务分配的优化算法,确定巡检机器人本地、边缘服务器和边缘计算节点处的计算任务大小;
具体的说,在本实施中,步骤5具体包括:
步骤S501:输入系统信息、终端设备与接入点关联策略、终端设备发送预编码矩阵,初始化满足系统运行约束条件的计算任务和计算资源分配;
步骤S502:利用内点法求解关于计算任务分配的线性规划问题,得到计算任务分配策略,优化问题具体表示为:
其中,φi=ωrβiμifi 2,ψl=Dpk/Wl,φl=Dpk-Doh,Dloc,i表示终端设备i处计算的计算任务大小,Dp,i表示边缘服务器计算终端设备i的计算任务大小,Dk,i表示边缘计算节点k计算终端设备i的计算任务大小,fi表示终端设备i的计算资源,fp,i表示边缘服务器分配给终端设备i的计算资源,fk,i表示边缘计算节点k分配给终端设备i的计算资源,Dpk表示有线传输时一个数据包的大小,Doh表示有线传输时的开销大小,Wl表示有线传输的带宽,βi表示终端设备i的计算能力,βp表示边缘服务器的计算能力,βk表示边缘计算节点k的计算能力;
步骤6、根据计算任务大小和时延需求,确定边缘服务器和边缘计算节点分配给各个计算任务的计算资源;
具体的说,在本实施中,步骤6具体包括:
根据时延要求,得到边缘服务器和边缘计算节点分配给各个计算任务的计算资源,具体表示为:
步骤7、建立联合计算卸载与资源分配的优化算法,迭代加载步骤3至步骤6,直到系统总能量消耗稳定,最终确定巡检机器人与无线接入点的关联策略、巡检机器人发送预编码、计算任务分配和计算资源分配。
本发明未详述之处,均为本领域技术人员的公知技术。
可以理解,本发明是通过一些实施例进行描述的,本领域技术人员知悉的,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。
Claims (7)
1.一种边缘计算节点协助的多层边缘计算任务卸载方法,其特征在于,包括以下步骤:
步骤S1、建立边缘计算节点协助的边缘计算网络架构;
步骤S2、终端设备向无线接入点发送通信需求指令,控制中心收集边缘计算网络的系统信息,系统信息包括终端设备与无线接入点之间的信道状态信息、计算任务信息和计算资源信息、计算时延需求τi;
步骤S3、根据步骤S2控制中心收集的边缘计算网络的信道状态信息,设计终端设备与接入点间关联的优化算法,确定终端设备与无线接入点的关联策略;
步骤S4、根据步骤S3中终端设备和无线接入点的关联策略,设计终端设备发送预编码的优化算法,确定各个终端设备的发送预编码;
步骤S5、根据步骤2控制中心收集的计算任务信息和计算资源信息,设计计算任务分配的优化算法,确定终端设备本地、边缘服务器和边缘计算节点处的计算任务大小;
步骤S6、根据步骤S5中终端设备本地、边缘服务器和边缘计算节点的计算任务大小和步骤S2控制中心收集的时延需求τi,确定边缘服务器和边缘计算节点分配给各个计算任务的计算资源;
步骤S7、设计联合计算卸载与资源分配的优化算法,迭代加载步骤S3至步骤S6,直到系统总能量消耗稳定,最终确定终端设备与无线接入点的关联策略、终端设备发送预编码、计算任务分配和计算资源分配。
2.根据权利要求1所述的边缘计算节点协助的多层边缘计算任务卸载方法,其特征在于,所述步骤S1中的边缘计算网络架构包括I个终端设备、J个无线接入点、一个边缘服务器和K个边缘计算节点,其中终端设备配置M根天线,无线接入点配置N根天线;所述终端设备、边缘服务器和边缘计算节点配置计算单元,处理计算任务;所述终端设备与无线接入点通信,无线接入点与边缘服务器通过光纤、电缆有线连接,将部分计算任务卸载至边缘服务器;所述边缘服务器与边缘计算节点有线连接,将部分计算任务卸载至边缘计算节点。
3.根据权利要求2所述的边缘计算节点协助的多层边缘计算任务卸载方法,其特征在于,所述步骤S2中计算任务信息包括终端设备所产生计算任务的大小Di、计算任务的处理密度μi,计算资源信息包括边缘服务器和边缘计算节点的总计算资源和计算能力。
4.根据权利要求3所述的边缘计算节点协助的多层边缘计算任务卸载方法,其特征在于,所述步骤S3中终端设备与接入点间关联的优化算法步骤包括:
步骤S301:输入步骤S2中的系统信息,初始化满足系统运行约束条件的终端设备与接入点关联因子、终端设备发送预编码、计算任务和计算资源分配;
其中,d表示数据流数目,Ui,j表示半正定的辅助变量,Vj,i表示接收预编码,表示接入点处的噪声功率,Pi,j表示终端设备的发送预编码,Id表示d阶单位矩阵,Hj,i表示终端设备i与接入点j间的信道矩阵,ai,j表示终端设备i与接入点j间的关联指示因子,表示终端设备集合,表示无线接入点集合,||·||F表示Frobenius范数,l和i表示不同的终端设备,m和j表示不同的接入点;
步骤S303:更新辅助变量bi,j,具体表达式为:
步骤S304:利用内点法求解终端设备与接入点优化问题,得到终端设备与无线接入点的关联因子,优化问题具体表示为:
ai,j∈[0,1] (8)
其中,ωr表示终端设备能量消耗的权重,κ表示因为传输数据大小与原始数据大小之比,Dtr,i表示无线传输的数据大小,n表示迭代次数,表示边缘服务器处的计算时延,表示无线接入点将计算任务传输至边缘服务器的时延,表示边缘计算节点k处的计算时延,表示边缘服务器将计算任务传输至边缘计算节点k的时延,nj表示一个无线接入点至多服务的终端设备数目,表示边缘计算节点的集;
5.根据权利要求4所述的边缘计算节点协助的多层边缘计算任务卸载方法,其特征在于,所述步骤S4中终端设备发送预编码的优化算法步骤包括:
步骤S401:输入系统信息、终端设备与接入点的关联策略,初始化可行的终端设备发送预编码、计算任务和计算资源分配;
步骤S403:更新变量zi,j,具体表达式为:
步骤S404:利用内点法求解终端设备预编码优化问题,得到发送预编码矩阵,优化问题具体表示为:
6.根据权利要求5所述的边缘计算节点协助的多层边缘计算任务卸载方法,其特征在于,所述步骤S5中计算任务分配的优化算法步骤包括:
步骤S501:输入系统信息、终端设备与接入点关联策略、终端设备发送预编码矩阵,初始化满足系统运行约束条件的计算任务和计算资源分配;
步骤S502:利用内点法求解关于计算任务分配的线性规划问题,得到计算任务分配策略,优化问题具体表示为:
其中,φi=ωrβiμifi 2,ψl=Dpk/Wl,φl=Dpk-Doh,Dloc,i表示终端设备i处计算的计算任务大小,Dp,i表示边缘服务器计算终端设备i的计算任务大小,Dk,i表示边缘计算节点k计算终端设备i的计算任务大小,fi表示终端设备i的计算资源,fp,i表示边缘服务器分配给终端设备i的计算资源,fk,i表示边缘计算节点k分配给终端设备i的计算资源,Dpk表示有线传输时一个数据包的大小,Doh表示有线传输时的开销大小,Wl表示有线传输的带宽,βi表示终端设备i的计算能力,βp表示边缘服务器的计算能力,βk表示边缘计算节点k的计算能力;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211374641.4A CN115696403B (zh) | 2022-11-04 | 2022-11-04 | 一种边缘计算节点协助的多层边缘计算任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211374641.4A CN115696403B (zh) | 2022-11-04 | 2022-11-04 | 一种边缘计算节点协助的多层边缘计算任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115696403A true CN115696403A (zh) | 2023-02-03 |
CN115696403B CN115696403B (zh) | 2023-05-16 |
Family
ID=85047461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211374641.4A Active CN115696403B (zh) | 2022-11-04 | 2022-11-04 | 一种边缘计算节点协助的多层边缘计算任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115696403B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117119500A (zh) * | 2023-10-25 | 2023-11-24 | 国网山东省电力公司东营供电公司 | 基于智能cpe模组的巡检机器人数据传输优化方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200021537A1 (en) * | 2018-07-13 | 2020-01-16 | EMC IP Holding Company LLC | Resource allocation and provisioning in a multi-tier edge-cloud virtualization environment |
CN111372314A (zh) * | 2020-03-12 | 2020-07-03 | 湖南大学 | 基于移动边缘计算场景下的任务卸载方法及任务卸载装置 |
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 |
CN113922854A (zh) * | 2021-10-09 | 2022-01-11 | 东南大学 | 一种具有边缘计算辅助的集成雷达感知和无线通信方法 |
WO2022021176A1 (zh) * | 2020-07-28 | 2022-02-03 | 苏州大学 | 云边协同网络资源平滑迁移与重构方法及系统 |
JP7083476B1 (ja) * | 2020-12-29 | 2022-06-13 | 北京▲郵▼▲電▼大学 | ネットワークアクセスデバイスのリソース割り当て方法および装置 |
CN114666803A (zh) * | 2022-03-01 | 2022-06-24 | 北京邮电大学 | 一种移动边缘计算系统的部署、控制方法及其系统 |
CN115150781A (zh) * | 2022-06-28 | 2022-10-04 | 重庆邮电大学 | 一种基于任务优先级的无人机协助边缘计算的资源分配方法 |
CN115278708A (zh) * | 2022-07-25 | 2022-11-01 | 中国电子科技集团公司第五十四研究所 | 一种面向联邦学习的移动边缘计算资源管理方法 |
-
2022
- 2022-11-04 CN CN202211374641.4A patent/CN115696403B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200021537A1 (en) * | 2018-07-13 | 2020-01-16 | EMC IP Holding Company LLC | Resource allocation and provisioning in a multi-tier edge-cloud virtualization environment |
CN111372314A (zh) * | 2020-03-12 | 2020-07-03 | 湖南大学 | 基于移动边缘计算场景下的任务卸载方法及任务卸载装置 |
WO2022021176A1 (zh) * | 2020-07-28 | 2022-02-03 | 苏州大学 | 云边协同网络资源平滑迁移与重构方法及系统 |
JP7083476B1 (ja) * | 2020-12-29 | 2022-06-13 | 北京▲郵▼▲電▼大学 | ネットワークアクセスデバイスのリソース割り当て方法および装置 |
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 |
CN113922854A (zh) * | 2021-10-09 | 2022-01-11 | 东南大学 | 一种具有边缘计算辅助的集成雷达感知和无线通信方法 |
CN114666803A (zh) * | 2022-03-01 | 2022-06-24 | 北京邮电大学 | 一种移动边缘计算系统的部署、控制方法及其系统 |
CN115150781A (zh) * | 2022-06-28 | 2022-10-04 | 重庆邮电大学 | 一种基于任务优先级的无人机协助边缘计算的资源分配方法 |
CN115278708A (zh) * | 2022-07-25 | 2022-11-01 | 中国电子科技集团公司第五十四研究所 | 一种面向联邦学习的移动边缘计算资源管理方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117119500A (zh) * | 2023-10-25 | 2023-11-24 | 国网山东省电力公司东营供电公司 | 基于智能cpe模组的巡检机器人数据传输优化方法 |
CN117119500B (zh) * | 2023-10-25 | 2024-01-12 | 国网山东省电力公司东营供电公司 | 基于智能cpe模组的巡检机器人数据传输优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115696403B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112004239B (zh) | 一种基于云边协同的计算卸载方法及系统 | |
CN109413724B (zh) | 一种基于mec的任务卸载和资源分配方案 | |
CN111132191B (zh) | 移动边缘计算服务器联合任务卸载、缓存及资源分配方法 | |
CN111918311A (zh) | 基于5g移动边缘计算的车联网任务卸载和资源分配方法 | |
CN111212106B (zh) | 一种工业互联网环境中边缘计算任务处理与调度方法及装置 | |
CN109756912B (zh) | 一种多用户多基站联合任务卸载及资源分配方法 | |
CN109951869A (zh) | 一种基于云雾混合计算的车联网资源分配方法 | |
CN109151864A (zh) | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 | |
CN112860429B (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 | |
CN111915142B (zh) | 一种基于深度强化学习的无人机辅助资源分配方法 | |
CN108901075A (zh) | 一种基于gs算法的资源分配方法 | |
CN112416603B (zh) | 一种基于雾计算的联合优化系统和方法 | |
CN112235387B (zh) | 一种基于能量消耗最小化的多节点协作计算卸载方法 | |
CN115696403A (zh) | 一种边缘计算节点协助的多层边缘计算任务卸载方法 | |
CN114153515B (zh) | 一种基于5g毫米波通信的高速公路车联网任务卸载算法 | |
CN114630397A (zh) | 一种基于时隙划分的无人机接入选择方法 | |
CN114866979A (zh) | 一种无人机辅助的边缘计算时延最小化方法 | |
CN114363803A (zh) | 一种移动边缘计算网络节能的多任务分配方法及系统 | |
CN113573280A (zh) | 一种车辆边缘计算成本效益优化方法、系统、设备、终端 | |
CN116820603A (zh) | 一种基于深度强化学习的智慧工厂冗余卸载方法 | |
CN112969157B (zh) | 一种无人机网络负载均衡方法 | |
CN113498077B (zh) | 一种用于智能物联网保障低时延传输的通信方法及装置 | |
CN115134364A (zh) | 基于o-ran物联网系统的节能计算卸载系统及方法 | |
CN115002799A (zh) | 一种面向工业混合网络的任务卸载与资源分配方法 | |
EP4331299A1 (en) | Determing allocation of unmanned aerial vehicle base stations in a wireless network |
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 |