CN116862152B - 一种基于负载均衡的电力杆塔验收无人机任务分配方法 - Google Patents
一种基于负载均衡的电力杆塔验收无人机任务分配方法 Download PDFInfo
- Publication number
- CN116862152B CN116862152B CN202310725591.8A CN202310725591A CN116862152B CN 116862152 B CN116862152 B CN 116862152B CN 202310725591 A CN202310725591 A CN 202310725591A CN 116862152 B CN116862152 B CN 116862152B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- task
- energy consumption
- data
- 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 22
- 238000005265 energy consumption Methods 0.000 claims abstract description 77
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于负载均衡的电力杆塔验收无人机任务分配方法，属于电力杆塔无人机验收技术领域，具体步骤为：步骤S1：获取飞行数据、无人机参数数据以及任务数据并上传至服务器；步骤S2：根据步骤S1获取的数据通过无人机负载占用率和电量联合优化模型确定任务卸载方案；步骤S3：根据任务卸载方案通过无人机能耗模型得到最优任务分配方案。采用上述一种基于负载均衡的电力杆塔验收无人机任务分配方法，实现了多个无人机和云平台的负载均衡，在最小能耗下进行多无人机航线规划和搭载任务负载，提高了电力杆塔的验收效率。
Description
技术领域
本发明涉及电力杆塔无人机验收技术领域，尤其是涉及一种基于负载均衡的电力杆塔验收无人机任务分配方法。
背景技术
电力杆塔是电力系统必要的支撑装置，对于野外电力杆塔而言，由于施工路线长和地形复杂等特点，存在验收难度高、项目作业风险系数高、安全投入费用大等问题。针对这一问题，现有技术中通过无人机携带变焦拍照设备进行图像采集，利用图像识别实现杆塔智能验收。
现有技术中采用单个或多个无人机进行图像采集，一种方式是：采用无人机本地识别计算，例如专利号为202110373707.7的专利公开了一种配电线路无人机智能验收方法，通过前端分析再地面复核的方式实现验收，对于单个无人机能耗大。另一方式为：采用无人机仅仅采集和传输，再通过地面的计算设备进行分析计算，现有技术的多个无人机航行规划仅仅考虑了起止点的位置数据，例如专利号为202110944483.0的专利公开一种基于星基增强系统的电力无人机航线规划系统及方法，并未考虑无人机各种类型的负载消耗。现有技术中的无人机验收方法均为考虑负载均衡的问题，造成验收效率低或能耗大的问题，所以亟需一种考虑负载均衡的电力杆塔验收无人机任务分配方法，实现低能耗的高效电力杆塔的验收。
发明内容
本发明的目的是解决上述技术问题。
为实现上述目的，本发明提供了一种基于负载均衡的电力杆塔验收无人机任务分配方法，具体步骤如下：
步骤S1：获取飞行数据、无人机参数数据以及任务数据并上传至服务器；
步骤S2：根据步骤S1获取的数据通过无人机负载占用率和电量联合优化模型确定任务卸载方案；
步骤S3：根据任务卸载方案和步骤S1获取的数据通过无人机能耗模型得到最优任务分配方案。
优选的，飞行数据包括无人机所处位置、飞行速度、飞行加速度、飞行功率以及飞行姿态；
无人机参数数据包括无人机计算参数、无人机最大负载容量、无人机总能量以及无人机剩余能量；
任务数据包括无人机初始任务量和当前待分配任务量，无人机初始任务量包括已完成任务量和未完成任务，当前待分配任务量由最优任务分配方案动态分配得到。
优选的，步骤S2具体为：
步骤S21：根据步骤S1获取的数据获得无人机或云平台un的负载占用率模型和电量使用率模型，分别为：
和/>表示在当前需要任务卸载时，无人机或云平台un的负载占用率和电量使用率，/>为无人机当前任务量，/>为无人机最大负载容量，/>为无人机剩余能量，为无人机能量总量；
步骤S22：根据负载占用率模型和电量使用率模型得到无人机负载占用率和电量联合优化模型；
无人机负载占用率和电量联合优化模型如下：
其中，和/>分别表示负载占用率和电量使用率对应的权重；
步骤S23：设置无人机负载占用率和电量联合优化模型的约束函数并求解，根据求解确定任务卸载方案。
优选的，无人机负载占用率和电量联合优化模型的约束函数如下：
无人机的负载占用率和无人机电量使用率均始终大于0且小于1：
任务传输至其他无人机后，其他无人机具有的能量满足其后续的飞行和计算：
其中，为表示无人机飞行功率，/>表示该无人机完成当前待分配任务所需要的时间，/>表示一个CPU计算周期所消耗的能量，Wwait表示当前待分配任务量；
任务传输至其他无人机后，其他无人机的负载占用率小于无人机本身的最大负载：
优选的，无人机和云平台均搭载有边缘计算服务器，任务卸载方案包括无人机卸载和云平台卸载；
当通过约束函数求解得到至少一个可行解，从至少一个可行解中筛选出能耗最低的执行解进行卸载；
当无人机负载占用率和电量联合优化模型无解时进行云平台卸载。
优选的，步骤S3具体如下：
步骤S31：根据步骤S1中数据得到无人机计算能耗模型、通讯能耗模型以及飞行能耗模型；
步骤S32：根据无人机计算能耗模型、通讯能耗模型以及飞行能耗模型得到无人机能耗模型；
无人机能耗模型如下：
其中，Ef(pi,t)为第i个无人机的飞行能耗，Ec(llocal,t)为本地计算能耗，llocal为本地计算任务量，t为任务执行时间；为第i个无人机的远程计算能耗，/>为远程计算任务量，/>为第i个无人机的传输能耗，g为信道增益，ptr为无人机的数据传输率，σ为背景噪声功率，A0为高斯白噪音，d为无人机与边缘服务器的欧拉距离；
步骤S33：在无人机能耗模型的约束函数下求解得到最优任务分配方案
无人机能耗模型的约束函数为：
t≤T，T为任务执行最大时间。
优选的，无人机计算能耗模型如下：
Ec(Lcomp,t)＝KL3 comp/t2，
其中，K为常数因子，Lcomp为计算能耗计算量包括本地计算任务量和远程计算任务量；
无人机的通信能耗模型如下：
Et(Ltran,g)＝ρLtran/g；
其中，ρ为常数因子，Ltran为通讯能耗计算量包括远程计算任务量。
优选的，最优任务分配方案为无人机能耗模型的最优解：
因此，本发明采用上述一种基于负载均衡的电力杆塔验收无人机任务分配方法，具有以下有益效果：
(1)通过无人机负载占用率和电量联合优化模型确定任务卸载方案，将无人机负载占用率和电量进行联合优化，选择无人机或者云平台进行任务卸载，提高任务处理的效率，增强网络负载的平衡性。
(2)根据任务卸载方案通过无人机能耗模型得到最优任务分配方案，并考虑了本地计算能耗、远程计算能耗以及通讯传输能耗，得到能耗最小下无人机的任务分配量。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明一种基于负载均衡的电力杆塔验收无人机任务分配方法流程图；
图2为本发明步骤S2流程图；
图3为本发明步骤S3流程图。
具体实施方式
实施例
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和显示的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
下面结合附图，对本发明的实施方式作详细说明。
如图1所示，一种基于负载均衡的电力杆塔验收无人机任务分配方法，具体步骤如下：
步骤S1：获取飞行数据、无人机参数数据以及任务数据并上传至服务器。
飞行数据包括无人机所处位置、飞行速度以及飞行加速度、飞行功率以及飞行姿态。无人机参数数据包括无人机计算参数、无人机最大负载容量、无人机总能量以及无人机剩余能量。任务数据包括无人机初始任务量和当前待分配任务量，无人机初始任务量包括已完成任务量和未完成任务，当前待分配任务量由最优任务分配方案动态分配得到。开始时，采用平均分配的方式进行任务分配，通过实时得到的最优任务分配方案进行动态重新分配，实现低能耗的任务分配。
步骤S2：根据步骤S1获取的数据通过无人机负载占用率和电量联合优化模型确定任务卸载方案。
如图2所示，步骤S2具体为：
步骤S21：根据步骤S1获取的数据获得无人机或云平台un的负载占用率模型和电量使用率模型，分别为：
和/>表示在当前需要任务卸载时，无人机或云平台un的负载占用率和电量使用率，/>为无人机当前任务量，/>为无人机最大负载容量，/>为无人机剩余能量，/>为无人机能量总量。
步骤S22：根据负载占用率模型和电量使用率模型得到无人机负载占用率和电量联合优化模型；
无人机负载占用率和电量联合优化模型如下：
其中，和/>分别表示负载占用率和电量使用率对应的权重。
步骤S23：设置无人机负载占用率和电量联合优化模型的约束函数并求解，根据求解确定任务卸载方案。
无人机负载占用率和电量联合优化模型的约束函数如下：
无人机的负载占用率和无人机电量使用率均始终大于0且小于1：
任务传输至其他无人机后，其他无人机具有的能量满足其后续的飞行和计算：
其中，为表示无人机飞行功率，/>表示该无人机完成当前待分配任务所需要的时间，/>表示一个CPU计算周期所消耗的能量，Wwait表示当前待分配任务量。
任务传输至其他无人机后，其他无人机的负载占用率小于无人机本身的最大负载：
无人机和云平台均搭载有边缘计算服务器，任务卸载方案包括无人机卸载和云平台卸载。
当通过约束函数求解得到至少一个可行解，从至少一个可行解中筛选出能耗最低的执行解进行卸载。即当仅有一个解时，将任务卸载到唯一执行解对应的单个或多个无人机上，当有多个解时，筛选出能耗最低的执行解，将任务卸载到能耗最低的执行解对应的单个或多个无人机上。
当无人机负载占用率和电量联合优化模型无解时进行云平台卸载。
步骤S3：根据任务卸载方案和步骤S1获取的数据通过无人机能耗模型得到最优任务分配方案。
如图3所示，步骤S3具体如下：
步骤S31：根据步骤S1中数据得到无人机计算能耗模型、通讯能耗模型以及飞行能耗模型。飞行能耗模型为现有技术常见模型，在此不再详细描述。
无人机计算能耗模型如下：
Ec(Lcomp,t)＝KL3 comp/t2，
其中，K为常数因子，Lcomp为计算能耗计算量包括本地计算任务量和远程计算任务量。
无人机的通信能耗模型如下：
Et(Ltran,g)＝ρLtran/g；
其中，ρ为常数因子，Ltran为通讯能耗计算量包括远程计算任务量。
步骤S32：根据无人机计算能耗模型、通讯能耗模型以及飞行能耗模型得到无人机能耗模型。
无人机能耗模型如下：
其中，Ef(pi,t)为第i个无人机的飞行能耗，Ec(llocal,t)为本地计算能耗，llocal为本地计算任务量，t为任务执行时间；为第i个无人机的远程计算能耗，/>为远程计算任务量，/>为第i个无人机的传输能耗，g为信道增益，ptr为无人机的数据传输率，σ为背景噪声功率，A0为高斯白噪音，d为无人机与边缘服务器的欧拉距离；
步骤S33：在无人机能耗模型的约束函数下求解得到最优任务分配方案
无人机能耗模型的约束函数为：
t≤T，T为任务执行最大时间。
最优任务分配方案为无人机能耗模型的最优解：
最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (5)
1.一种基于负载均衡的电力杆塔验收无人机任务分配方法，其特征在于，具体步骤如下：
步骤S1：获取飞行数据、无人机参数数据以及任务数据并上传至服务器；
步骤S2：根据步骤S1获取的数据通过无人机负载占用率和电量联合优化模型确定任务卸载方案；
步骤S2具体为：
步骤S21：根据步骤S1获取的数据获得无人机或云平台un的负载占用率模型和电量使用率模型，分别为：
和/>表示在当前需要任务卸载时，无人机或云平台un的负载占用率和电量使用率，/>为无人机当前任务量，/>为无人机最大负载容量，/>为无人机剩余能量，/>为无人机能量总量；
步骤S22：根据负载占用率模型和电量使用率模型得到无人机负载占用率和电量联合优化模型；
无人机负载占用率和电量联合优化模型如下：
其中，和/>分别表示负载占用率和电量使用率对应的权重；
步骤S23：设置无人机负载占用率和电量联合优化模型的约束函数并求解，根据求解确定任务卸载方案；
步骤S3：根据任务卸载方案和步骤S1获取的数据通过无人机能耗模型得到最优任务分配方案；
步骤S3具体如下：
步骤S31：根据步骤S1中数据得到无人机计算能耗模型、通讯能耗模型以及飞行能耗模型；
步骤S32：根据无人机计算能耗模型、通讯能耗模型以及飞行能耗模型得到无人机能耗模型；
无人机能耗模型如下：
其中，Ef(pi,t)为第i个无人机的飞行能耗，Ec(llocal,t)为本地计算能耗，llocal为本地计算任务量，t为任务执行时间；为第i个无人机的远程计算能耗，/>为远程计算任务量，/>为第i个无人机的传输能耗，g为信道增益，/>ptr为无人机的数据传输率，σ为背景噪声功率，A0为高斯白噪音，d为无人机与边缘服务器的欧拉距离；
步骤S33：在无人机能耗模型的约束函数下求解得到最优任务分配方案,
无人机能耗模型的约束函数为：
t≤T，T为任务执行最大时间；
无人机负载占用率和电量联合优化模型的约束函数如下：
无人机的负载占用率和无人机电量使用率均始终大于0且小于1：
任务传输至其他无人机后，其他无人机具有的能量满足其后续的飞行和计算：
其中，为表示无人机飞行功率，/>表示该无人机完成当前待分配任务所需要的时间，/>表示一个CPU计算周期所消耗的能量，Wwait表示当前待分配任务量；
任务传输至其他无人机后，其他无人机的负载占用率小于无人机本身的最大负载：
2.根据权利要求1所述的一种基于负载均衡的电力杆塔验收无人机任务分配方法，其特征在于：
飞行数据包括无人机所处位置、飞行速度、飞行加速度、飞行功率以及飞行姿态；
无人机参数数据包括无人机计算参数、无人机最大负载容量、无人机总能量以及无人机剩余能量；
任务数据包括无人机初始任务量和当前待分配任务量，无人机初始任务量包括已完成任务量和未完成任务，当前待分配任务量由最优任务分配方案动态分配得到。
3.根据权利要求2所述的一种基于负载均衡的电力杆塔验收无人机任务分配方法，其特征在于：无人机和云平台均搭载有边缘计算服务器，任务卸载方案包括无人机卸载和云平台卸载；
当通过约束函数求解得到至少一个可行解，从至少一个可行解中筛选出能耗最低的执行解进行卸载；
当无人机负载占用率和电量联合优化模型无解时进行云平台卸载。
4.根据权利要求3所述的一种基于负载均衡的电力杆塔验收无人机任务分配方法，其特征在于：
无人机计算能耗模型如下：
Ec(Lcomp,t)＝KL3 comp/t2，
其中，K为常数因子，Lcomp为计算能耗计算量包括本地计算任务量和远程计算任务量；
无人机的通信能耗模型如下：
Et(Ltran,g)＝ρLtran/g；
其中，ρ为常数因子，Ltran为通讯能耗计算量包括远程计算任务量。
5.根据权利要求4所述的一种基于负载均衡的电力杆塔验收无人机任务分配方法，其特征在于：
最优任务分配方案为无人机能耗模型的最优解：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310725591.8A CN116862152B (zh) | 2023-06-19 | 2023-06-19 | 一种基于负载均衡的电力杆塔验收无人机任务分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310725591.8A CN116862152B (zh) | 2023-06-19 | 2023-06-19 | 一种基于负载均衡的电力杆塔验收无人机任务分配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116862152A CN116862152A (zh) | 2023-10-10 |
| CN116862152B true CN116862152B (zh) | 2024-03-05 |
Family
ID=88222519
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310725591.8A Active CN116862152B (zh) | 2023-06-19 | 2023-06-19 | 一种基于负载均衡的电力杆塔验收无人机任务分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116862152B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110488868A (zh) * | 2019-08-30 | 2019-11-22 | 哈尔滨工程大学 | 一种多无人机协助用户的移动卸载方法 |
| CN110868455A (zh) * | 2019-10-29 | 2020-03-06 | 北京邮电大学 | 一种基于空天地远程物联网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 |
| KR20210069588A (ko) * | 2019-12-03 | 2021-06-11 | 경희대학교 산학협력단 | 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기 |
| CN112969157A (zh) * | 2021-02-22 | 2021-06-15 | 重庆邮电大学 | 一种无人机网络负载均衡方法 |
| CN113452956A (zh) * | 2021-02-26 | 2021-09-28 | 深圳供电局有限公司 | 一种输电线路巡检任务智能分配方法及系统 |
| CN114363803A (zh) * | 2021-12-27 | 2022-04-15 | 杭州电子科技大学 | 一种移动边缘计算网络节能的多任务分配方法及系统 |
| CN115134370A (zh) * | 2022-06-23 | 2022-09-30 | 广东工业大学 | 一种多无人机辅助的移动边缘计算卸载方法 |
| US11567512B1 (en) * | 2021-08-17 | 2023-01-31 | Nanjing University Of Aeronautics And Astronautics | Unmanned aerial vehicle (UAV) task cooperation method based on overlapping coalition formation (OCF) game |
-
2023
- 2023-06-19 CN CN202310725591.8A patent/CN116862152B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110488868A (zh) * | 2019-08-30 | 2019-11-22 | 哈尔滨工程大学 | 一种多无人机协助用户的移动卸载方法 |
| CN110868455A (zh) * | 2019-10-29 | 2020-03-06 | 北京邮电大学 | 一种基于空天地远程物联网的计算卸载方法及系统 |
| KR20210069588A (ko) * | 2019-12-03 | 2021-06-11 | 경희대학교 산학협력단 | 무인항공기를 이용한 모바일 엣지 컴퓨팅 시스템에서의 태스크 오프로딩 방법 및 그를 이용한 모바일 엣지 컴퓨팅 시스템, 그를 위한 무인 항공기 |
| 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 |
| CN112969157A (zh) * | 2021-02-22 | 2021-06-15 | 重庆邮电大学 | 一种无人机网络负载均衡方法 |
| CN113452956A (zh) * | 2021-02-26 | 2021-09-28 | 深圳供电局有限公司 | 一种输电线路巡检任务智能分配方法及系统 |
| US11567512B1 (en) * | 2021-08-17 | 2023-01-31 | Nanjing University Of Aeronautics And Astronautics | Unmanned aerial vehicle (UAV) task cooperation method based on overlapping coalition formation (OCF) game |
| CN114363803A (zh) * | 2021-12-27 | 2022-04-15 | 杭州电子科技大学 | 一种移动边缘计算网络节能的多任务分配方法及系统 |
| CN115134370A (zh) * | 2022-06-23 | 2022-09-30 | 广东工业大学 | 一种多无人机辅助的移动边缘计算卸载方法 |
Non-Patent Citations (3)
| Title |
|---|
| Chenzhang Jiang,etc.A Load Balancing based Resource Allocation Algorithm in UAV-aided MEC Systems.《2020 IEEE 6th International Conference on Computer and Communications (ICCC)》.2021,第519-523页. * |
| 基于深度强化学习的能源互联网智能巡检任务分配机制;徐思雅 等;《通信学报》;第42卷(第5期);第191-204页 * |
| 智能无人机轨迹与任务卸载联合优化;张梦琳 等;《计算机工程与应用》(第21期);第38-46页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116862152A (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111240701B (zh) | 一种端-边-云协同计算的任务卸载优化方法 | |
| CN110351754B (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
| CN113961264B (zh) | 一种面向视频监控云边协同的智能卸载算法与系统 | |
| CN110535700B (zh) | 一种多用户多边缘服务器场景下的计算卸载方法 | |
| CN113156992A (zh) | 面向边缘环境下无人机的三层架构协同优化系统及方法 | |
| CN114520768B (zh) | 一种用于工业物联网中随机任务的ai卸载优化方法 | |
| CN114422349B (zh) | 基于云边端协同的深度学习模型训练和推理架构部署方法 | |
| CN115103410B (zh) | 一种测控数传资源调度方法、系统及装置 | |
| CN114003387A (zh) | 一种基于强化学习的微服务负载均衡和弹性扩缩容方法 | |
| CN116916386A (zh) | 一种考虑用户竞争和负载的大模型辅助边缘任务卸载方法 | |
| CN110058934A (zh) | 一种在大规模云雾计算环境中制定最优任务卸载决策的方法 | |
| CN114638155A (zh) | 一种基于智能机场的无人机任务分配与路径规划方法 | |
| 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 | |
| CN116862152B (zh) | 一种基于负载均衡的电力杆塔验收无人机任务分配方法 | |
| CN114521002A (zh) | 一种云边端合作的边缘计算方法 | |
| CN111611069B (zh) | 多数据中心间多类型任务迁移方法 | |
| CN117744916A (zh) | 储能容量的预测方法、装置、计算机设备及可读存储介质 | |
| CN114268966B (zh) | 一种无人机辅助mec网络低时延多任务分配方法及系统 | |
| CN115766478A (zh) | 一种空地协同边缘计算服务器的卸载方法 | |
| CN111415075B (zh) | 一种车辆调度方法及装置 | |
| CN115348558A (zh) | 基于凸优化的无人机部署和计算卸载联合优化方法 | |
| CN114138466A (zh) | 面向智慧公路的任务协同处理方法、装置及存储介质 | |
| CN113269339A (zh) | 一种网约车任务自动创建和分发的方法及系统 | |
| CN113691606B (zh) | 任务卸载方法、装置、电子设备、系统和存储介质 | |
| CN115237570B (zh) | 一种基于云计算的策略生成方法及云平台 |
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 |