CN107734558A - 一种基于多服务器的移动边缘计算控制及资源调度方法 - Google Patents
一种基于多服务器的移动边缘计算控制及资源调度方法 Download PDFInfo
- Publication number
- CN107734558A CN107734558A CN201711011580.4A CN201711011580A CN107734558A CN 107734558 A CN107734558 A CN 107734558A CN 201711011580 A CN201711011580 A CN 201711011580A CN 107734558 A CN107734558 A CN 107734558A
- Authority
- CN
- China
- Prior art keywords
- base station
- task
- terminal
- data
- calculation
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/52—Allocation or scheduling criteria for wireless resources based on load
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于移动边缘计算的资源分配及基站服务部署方法,该方法包括:当检测到移动终端中有计算任务时,向智能基站发送计算迁移请求;当基站的缓存单元中缺少该任务请求所需的计算数据时,向网络侧发送所需任务数据需求;收到网络侧返回的所需任务数据;根据接收到的所需任务数据,计算时延收益和能耗收益;根据体验效用函数获得计算迁移判决矩阵;根据计算迁移判决矩阵进行计算迁移。所述基站服务部署方案包括缓存单元、计算单元、获取处理单元、发送单元,可以提供计算能力和数据缓存能力。因此,所述基于MEC的资源分配的方法及基站服务部署方案,能够实现终端多任务、基站多功能、目标多元化的计算迁移。
Description
技术领域
本发明涉及移动计算技术领域,涉及一种基于包含多服务器的移动边缘计算的控制及资源调度方法,尤其涉及在时延和能耗联合开销最小条件下一种基于移动边缘计算的多移动终端与多个智能基站间的控制及资源调度方法。
背景技术
近年来,随着用户数据的日益增长、物联网设备的大规模接入以及业务的多样化导致当前无线网络中数据流量的飞速增长、数据规模的急剧扩大。同时,移动终端的功能逐步加强,其功能也已经不仅仅局限于通信领域,而是成为人们移动娱乐、办公、阅读、计算的强大载体。因此,第三方提供的各种依赖于终端的高复杂程序,开始大量运用于移动计算中。但是,终端的计算能力受到体积的限制,当前的电池技术也还没有突破性的进展,这给移动计算领域带来了巨大的压力。为了加快移动通信业务的处理速度,减少数据传输的延时,提高用户的体验,移动通信行业正在讨论在无线接入网的边缘(例如,在基站中)设置移动边缘计算服务器,通过移动边缘计算服务器可以为接入该无线网络的用户提供计算能力和存储能力。
在一台移动边缘计算服务器上可根据需要部署多个多个移动边缘计算任务及任务所需数据,利用每个移动边缘计算任务组合完成特定的功能,提供相应的服务。例如,可在移动边缘计算服务器中部署“特征点识别任务”、“距离计算任务”、“偏移角计算任务”、“模型绘制任务”、“模型跟踪任务”、“模型重绘任务”等任务,并将高频任务所需计算数据缓存在服务器的存储设备中,当移动终端用户执行一个增强现实应用时,利用该基站已经部署了的“特征点识别任务”、“模型绘制任务”、“模型跟踪任务”等任务进行实现;当移动终端用户执行一个车联网应用时,利用该基站服务器中的“距离计算任务”和“偏移角计算任务”执行应用。与传统的,将用户设备获取的原始数据上传到远端的服务器,由远端服务器基于这些原始数据进行计算,识别出需要增强的目标,再根据识别出的目标获取需要为该目标增强的信息,最后将这些信息传回用户设备相比,提高目标的识别速度,加快增强信息推送到用户终端的速度。
在实现本发明的过程中,本发明人发现现有技术中存在以下问题:现有技术中,可以按任务类型划分移动边缘计算应用,并把可完成各类移动边缘计算应用的移动边缘计算任务单元部署在智能基站上,当访问某个智能基站的用户量较多时,会出现移动边缘计算服务器计算能力不足,用户需要排队等待提供服务,从而导致用户连接中断,或者响应超时等问题。因此,终端使用的移动边缘计算应用会受到基站自身服务能力的限制。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:本发明实施例提供一种移动边缘计算应用控制方法和资源调度,用一台中心服务器分发移动边缘计算应用请求完成负荷分担操作及保证***能耗及时延开销最小、收益最大,避免了用户连接中断、响应超时等问题,提高了对移动边缘计算应用的业务的处理效率,同时保障了协同优化计算时延和终端能耗。
(二)技术方案
为解决上述技术问题,第一方面,本发明提供一种控制方法,其中移动边缘计算应用控制方法包括:
中心基站,该基站部署了中心控制服务器,提供调度和数据缓存功能,该服务器包括:
缓存单元,用于按任务类型缓存计算所需数据,可以存储相对量大的数据,把高频任务数据进行缓存,减少对核心网数据访问;
控制单元,根据目前各个智能基站的使用情况,控制移动边缘计算应用的目标服务器选择;
接收单元:用于接收来自于移动终端的业务请求并确定所述业务对应的数据是否缓存;
发送单元,用于根据接收单元判断结果,若所述缓存单元内不包含所述业务请求中对应的数据时,向核心网发送未缓存的任务数据请求;若所述缓存单元内包含所述业务请求中对应的数据时,向目标服务器发送任务数据和任务请求。
服务基站,该基站部署了应用计算服务器,提供任务计算功能,该服务器包括:
接收单元,用于接收来自中心服务器的任务计算所需数据和来自核心网络的任务计算所需数据;
计算单元,根据任务请求和任务数据,计算移动边缘计算任务;
发送单元,用于向移动终端发送所述业务请求计算结果。
第二方面,本发明提供了一种资源调度方法,包括步骤:
步骤一:当检测到移动终端中有计算任务时,向中心基站发送计算请求;
步骤二:每一个调度时隙中,中心基站服务器根据目前各智能基站使用情况,计算当前花销最小情况下的判决矩阵;
步骤三:如果此判决矩阵与上一时隙的不一致,则更新本时隙的调度策略;重复步骤二,直至判决矩阵不再变化,***达到纳什均衡;
步骤四:根据调度策略确定任务是否需要在智能基站上执行,并确定该计算任务的目标智能基站;
步骤五:当中心基站的缓存单元中存在该请求所含任务所需的计算数据时,向任务目标智能基站发送任务所需计算数据;当中心基站的缓存单元中缺少该请求所含任务所需的计算数据时,向网络侧发送所需任务数据需求;
步骤六:目标基站收到中心基站和网络侧返回的所需任务数据;
步骤七:根据接收到的所需任务数据,执行计算任务。
在本发明的一些实施方式中,包含K个目标服务器,运行在所有M个终端的应用由F种任务组成,F={<c1,d1>,<c2,d2>,…,<cf,df>},其中c,d分别代表某种任务所需的计算和数据。用X={x1,x2,…,xf}表示某种计算任务所需的数据在中心智能基站中是否缓存了,x是二元量,用0,1表示,0表示数据没有缓存,1表示缓存了。
在本发明的一些实施方式中,所述步骤二包括:在每一个调度时隙中,中心基站服务器根据目前各智能基站使用情况,计算当前花销最小情况下的判决矩阵。
玩家具有有限动作集的博弈游戏,只有有限的次数是相当的,每个有完美信息的有限广泛形式的博弈都具有纯策略的纳什均衡,移动设备用户处于平衡状态时,可以实现一个相互满意的解决方案。中心基站根据目前各个智能服务基站的使用情况,计算当前花销最小的方案,在每个时隙随机选取一个终端的迁移策略进行修改,直至判决矩阵不再变化。根据yij判决矩阵的值决定移动终端应用中的哪些任务应该迁移及迁移任务的比例。
在本发明的一些实施方式中,所述步骤五包括:判断终端所请求的应用所需数据是否在智能基站中缓存了,当中心基站的缓存单元中存在该请求所含任务所需的计算数据时,向任务目标智能基站发送任务所需计算数据;当中心基站的缓存单元中缺少该请求所含任务所需的计算数据时,向网络侧发送所需任务数据需求。
用表示由于使用了中心基站调度产生的嗅探时延。
若dj已缓存,则中心基站直接向目标计算基站发送计算数据,带来传输时延。
用表示终端i的应用中所包含的任务所需的数据已缓存而带来的时延:
若dj未缓存,则向核心网发送数据请求获取任务所需数据,带来额外时延。
用表示终端i的应用中所包含的任务所需的数据未缓存而带来的额外时延:
其中,
pij代表终端i对任务j的请求比例;
λi代表终端i的请求率,本发明认为来自于各个终端的请求是一个泊松过程;
代表存有计算数据dj的核心网与中心智能基站间的单位时延;
代表存有计算数据dj的核心网与目标智能基站间的单位时延;
代表中心智能基站与终端i间的单位时延;
代表终端i与目标智能基站间的单位时延;
h(req)和h(res)分别代表请求报文和响应报文的长度;
在本发明的一些实施方式中,终端i的传输时延包括终端到中心基站的传输时延目标基站到终端的传输时延嗅探时延:
其中:
在本发明的一些实施方式中,终端计算时延包括任务终端运算时间任务目标基站计算时间任务嗅探计算时间
其中:
由排队论知:
其中:
其中μ是目标服务基站的服务速率
通常:嗅探查询计算时间趋近于0,忽略不计
在本发明的一些实施方式中,终端i的计算迁移时延:
(三)有益效果
本发明实施例提供的多服务器激动边缘计算控制及资源调度方法,与现有技术中,由于按任务类型划分移动边缘计算应用,并把可完成各类移动边缘计算应用的移动边缘计算任务单元部署在智能基站上,当访问某个智能基站的用户量较多时,会出现移动边缘计算服务器计算能力不足,用户需要排队等待提供服务,从而导致用户连接中断,或者响应超时相比,本发明实施例中,将移动边缘计算中智能基站划分为中心基站和服务基站,中心基站负责任务调度和数据缓存,服务基站负责任务计算,提高了智能基站的灵活度,进而提高了业务处理效率。整个计算迁移过程看作有限动作集的博弈游戏,移动设备用户处于平衡状态时,可以实现一个相互满意的解决方案。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明提供的MEC中的一种中心基站部署方案结构图。
图2为本发明提供的MEC中的一种服务基站部署方案结构图。
图3为本发明提供的MEC中的一种多服务器资源调度流程图。
图4为本发明提供的MEC中的一种多服务器资源调度实现框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,依照本发明的一种中心基站部署方案结构图。中心基站包括四个单元:接收单元101,用于接收来自于移动终端的业务请求;控制单元102,用于根据接收到的业务请求及当前各个目标服务器的使用情况确定是否需要修改某个终端的任务调度策略,并确定所述业务对应的数据是否缓存;缓存单元103,用于按任务类型缓存计算所需数据,把高频任务数据进行缓存,减少对核心网数据访问;发送单元104,用于根据控制单元判断所述缓存单元内不包含所述业务请求中对应的数据时,向核心网发送未缓存的任务数据请求;若数据已缓存则将计算所需数据发送给目标服务器。
如图2所示,依照本发明的一种服务基站部署方案结构图。基站包括三个单元:接收单元201,用于接收来自于中心基站的缓存数据和接收来自于核心网的非缓存数据;计算单元202,用于计算从移动终端迁移过来的计算任务;发送单元203,用于向移动终端发送所述业务请求计算结果。
图3为本发明提出的MEC中的一种多服务器资源调度流程图。本发明提出的一种多服务器资源调度包括以下几个步骤:
步骤301:当检测到移动终端中有计算任务时,向中心智能基站发送计算迁移请求;
作为实施例,需要将运行在移动终端上的运用划分成由F={<c1,d1>,<c2,d2>,…,<cf,df>}个数据集组成的,对于第j组数据,dj和cj分别表示第j种计算任务所需的计算量和数据量。
步骤302:在每一个调度时隙中,中心基站服务器根据目前各智能基站使用情况,计算当前花销最小情况下的判决矩阵。
步骤303:如果本时隙的花销优于上一时隙,则选取一个移动终端改变其判决矩阵;直至判决矩阵不再变化,***达到纳什均衡,此时产生的判决矩阵是最终判决矩阵。
整个***的资源调度可以看作是玩家具有有限动作集的博弈游戏,只有有限的次数是相当的,中心基站可以根据当前***使用情况顺序调度,每个博弈都具有纯策略的纳什均衡,移动设备用户处于平衡状态时,可以实现一个相互满意的解决方案。中心基站根据目前各个智能服务基站的使用情况,计算当前花销最小的方案,在每个时隙随机选取一个终端的迁移策略进行修改,直至判决矩阵不再变化。
步骤304,判决矩阵不再变化根据yij判决矩阵的值决定移动终端应用中的哪些任务应该迁移及迁移任务的比例。
步骤305,根据判决矩阵确定目标服务器,进行计算迁移。
作为实施例,中心智能基站根据缓存单元中是否含有请求中所需的数据来判断是否需要向网络侧发送数据请求。用矢量X={x1,x2,…,xf}来表示任务数据是否缓存了,其中,xj表示智能基站是否缓存了第j种计算任务所需的数据,是一个二元量,用0,1表示,0表示数据没有缓存,1表示缓存了。
在计算迁移过程中,传输时延主要存在于移动终端与中心智能基站间,目标智能基站和移动终端间,由于使用了中心基站调度而带来的嗅探传输时延包括:如果计算数据未缓存,时延存在于中心智能基站与存储了计算所需数据的服务器间、存储了计算所需数据的服务器与目标智能基站间,如果数据已缓存,时延存在于中心智能基站与目标智能基站间。
在这里,用h(req)和h(res)分别表示请求报文和响应报文长度,本发明认为来自于各个终端的请求是一个泊松过程,λi代表终端i的请求率;pij代表终端i对任务j的请求比例,且满足对于不同终端来说,该比例可以不同;代表存有计算数据dj的核心网与中心智能基站间的单位时延;代表存有计算数据dj的核心网与目标智能基站间的单位时延;代表中心智能基站与终端i间的单位时延;代表终端i与目标智能基站间的单位时延;
对于终端i的传输时延可以表示如下:
用表示由于使用了中心基站调度产生的嗅探时延。
若dj已缓存,则中心基站直接向目标计算基站发送计算数据,带来传输时延。用表示终端i的应用中所包含的任务所需的数据已缓存而带来的时延:
若dj未缓存,则向核心网发送数据请求获取任务所需数据,带来额外时延。用表示终端i的应用中所包含的任务所需的数据未缓存而带来的额外时延:
终端到中心基站的传输时延:
目标基站到终端的传输时延:
在计算迁移过程中,计算时间包括任务终端运算时间任务目标基站计算时间任务嗅探计算时间智能基站使用计算迁移判决矩阵Y=(yij)M×F来管理移动终端与智能基站间的计算迁移,其中yij(1≤i≤M,1≤j≤F)代表终端i中任务j迁移到智能基站计算的比例。用μ表示智能基站的服务速率,用θi表示终端i的服务速率,根据排队论,可以得出智能基站的单位计算时延终端的单位计算时延其中yijpijλicj代表终端i中的任务j迁移到智能基站执行的请求率,(1-yij)pijλicj代表终端i中的任务j本地执行的请求率。
通常:嗅探查询计算时间趋近于0,忽略不计。
对于终端i的计算时延可以表示如下:
其中:
由排队论知:
对于终端i来说,总时延因此***的总时延等于基站覆盖范围内的所有基站时延之和,可以表示为:
作为实施例,计算任务不迁移,终端的单位计算时延 本地执行所需的时间:
作为实施例,所述MEC服务器根据所述延时收益
ΔZ=Zloc-Z (14)
作为实施例,当ΔZ取得最大值且下一时隙的ΔZ最大值不变时,***达到平衡,满足每个用户满意度最大。根据yij判决矩阵的值决定移动终端应用中的哪些任务应该迁移及迁移任务的比例。
如图4所示,依照本发明的一种多服务器资源调度实现框图。移动终端包含三个模块,发送模块:当终端有计算任务时,向中心智能基站发起计算迁移请求;接收模块:接收中心智能基站返回的计算迁移判决矩阵和目标智能基站的计算结果;计算模块:根据判决矩阵执行本地计算任务。智能基站可分为中心调度控制基站和任务目标基站,中心调度控制基站中部署了移动边缘计算服务器和数据库,控制任务调度和存储高频数据,当中心智能基站中没有存储计算所需数据时,会向核心网中的服务器发请求获取数据,任务目标基站中部署了移动边缘计算服务器来进行任务计算。核心网中存储了中心基站为存储的计算所需数据。
综上所述,本发明提供的多服务器移动边缘计算的控制及资源调度方法,创造性地采用了中心基站与服务基站的组合,中心基站负责任务调度和数据缓存,服务基站负责进行计算,充分利用了网络的基础设施和计算资源,大大缩减任务的处理时间;而且,根据用户应用的不同任务,为终端提供按任务迁移、按比例迁移的能力,使得迁移更加灵活;整个计算迁移过程看作有限动作集的博弈游戏,移动设备用户处于平衡状态时,可以实现一个相互满意的解决方案。与此同时,在中心智能基站接收到终端发送的任务请求后,判断任务所需数据是否在中心智能基站中已缓存,只需从核心网获取未缓存的计算数据,提高了智能基站的灵活度,进而提高了业务处理效率;最后,整个所述的多服务器移动边缘计算的控制及资源调度方法紧凑、易于控制,具有广泛、重大的推广意义。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (8)
1.一种基于包含多服务器的移动边缘计算的控制及资源调度方法,去其特征是,该方法包括以下步骤:
步骤301:当检测到移动终端中有计算任务时,向中心智能基站发送计算迁移请求;
步骤302:在每一个调度时隙中,中心基站服务器根据目前各智能基站使用情况,计算当前花销最小情况下的判决矩阵。
步骤303:如果本时隙的花销优于上一时隙,则选取一个移动终端改变其判决矩阵;直至判决矩阵不再变化,***达到纳什均衡,此时产生的判决矩阵是最终判决矩阵。
步骤304,判决矩阵不再变化根据yij判决矩阵的值决定移动终端应用中的哪些任务应该迁移及迁移任务的比例。
步骤305,根据判决矩阵确定目标服务器,进行计算迁移。
2.根据权利要求1所述的方法,其特征在于,对一个终端上运行的应用的计算迁移来说,计算时间包括传输过程中带来的时延、运行计算的时延和同过中心智能基站分配资源的嗅探时延。
传输时延主要存在于移动终端与中心智能基站间、目标服务基站与移动终端见,如果计算数据未缓存,还存于中心智能基站与存储了计算所需数据的服务器间、存储了计算所需数据的服务器与目标服务基站之间。在这里,用h(req)和h(res)分别表示请求报文和响应报文长度,本发明认为来自于各个终端的请求是一个泊松过程,λi代表终端i的请求率;pij代表终端i对任务j的请求比例,且满足对于不同终端来说,该比例可以不同;代表存有计算数据dj的核心网与中心智能基站间的单位时延;代表存有计算数据dj的核心网与目标智能基站间的单位时延;代表中心智能基站与终端i间的单位时延;代表终端i与目标智能基站间的单位时延;对于终端i的传输时延可以表示如下:
<mrow>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
<mo>_</mo>
<mi>m</mi>
<mo>&RightArrow;</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
<mo>_</mo>
<mi>b</mi>
<mo>&RightArrow;</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
<mo>_</mo>
<mi>o</mi>
<mi>p</mi>
<mi>t</mi>
<mi>i</mi>
<mi>o</mi>
<mi>n</mi>
<mi>s</mi>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
<mo>_</mo>
<mi>m</mi>
<mo>&RightArrow;</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
<mo>_</mo>
<mi>b</mi>
<mo>&RightArrow;</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
<mo>_</mo>
<mi>c</mi>
<mi>a</mi>
<mi>c</mi>
<mi>h</mi>
<mi>e</mi>
<mi>d</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
<mo>_</mo>
<mi>n</mi>
<mi>o</mi>
<mo>_</mo>
<mi>c</mi>
<mi>a</mi>
<mi>c</mi>
<mi>h</mi>
<mi>e</mi>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>F</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>e</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>&RightArrow;</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
</msubsup>
<msup>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>e</mi>
<mi>r</mi>
<mi>q</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>F</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>b</mi>
<mo>&RightArrow;</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</msup>
<msup>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>F</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mrow>
<msubsup>
<mi>e</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>&RightArrow;</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</msubsup>
<msup>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>+</mo>
<msubsup>
<mi>e</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>&RightArrow;</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
</msubsup>
<msup>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mi>e</mi>
<mi>q</mi>
<mo>)</mo>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>F</mi>
</munderover>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>)</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mrow>
<msubsup>
<mi>e</mi>
<mi>j</mi>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>&RightArrow;</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</msubsup>
<msup>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mi>e</mi>
<mi>q</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>+</mo>
<msubsup>
<mi>e</mi>
<mi>j</mi>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>&RightArrow;</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
</msubsup>
<msup>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>)</mo>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
计算时间包括任务终端运算时间任务目标基站计算时间任务嗅探计算时间智能基站使用计算迁移判决矩阵Y=(yij)M×F来管理移动终端与智能基站间的计算迁移,其中yij(1≤i≤M,1≤j≤F)代表终端i中任务j迁移到智能基站计算的比例。用μ表示智能基站的服务速率,用θi表示终端i的服务速率,对于终端i的计算时延可以表示如下:
通常:嗅探查询计算时间趋近于0,忽略不计。
对于终端i的计算时延可以表示如下:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mi>o</mi>
<mi>m</mi>
<mi>p</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mi>o</mi>
<mi>m</mi>
<mi>p</mi>
<mo>_</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mi>o</mi>
<mi>m</mi>
<mi>p</mi>
<mo>_</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>F</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<msubsup>
<mi>z</mi>
<mi>i</mi>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>m</mi>
<mi>p</mi>
<mo>_</mo>
<mi>m</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mfrac>
<mrow>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>K</mi>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
<mi>K</mi>
</msup>
<mi>&rho;</mi>
</mrow>
<mrow>
<mi>K</mi>
<mo>!</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>K</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mn>1</mn>
<mi>k</mi>
</mfrac>
<msup>
<mi>&rho;</mi>
<mi>k</mi>
</msup>
<mo>+</mo>
<mfrac>
<msup>
<mi>&rho;</mi>
<mi>K</mi>
</msup>
<mrow>
<mi>K</mi>
<mo>!</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
3.根据权利要求2所述的方法,其特征在于,总时延 因此***的总时延等于基站覆盖范围内的所有基站时延之和,可以表示为:
<mrow>
<mi>Z</mi>
<mo>=</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
4.根据权利要求3所述的方法,其特征在于,计算任务不迁移,终端的单位计算时延本地执行所需的时间:
<mrow>
<msub>
<mi>Z</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>c</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>F</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<msubsup>
<mi>z</mi>
<mi>i</mi>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>m</mi>
<mi>p</mi>
<mo>_</mo>
<mi>m</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
5.根据权利1至4所述的方法,其特征在于,所述中心基站服务器根据所述时延收益ΔT=Tloc-T,是否大于上一时隙时延收益动态调整终端判决矩阵,直至收益不再变化,输出最终判决矩阵,使每个用户满意度最大。
6.一种中心基站部署方案,其特征在于,所述基站包括:
接收单元,用于接收来自于移动终端的业务请求;
控制单元,用于根据接收到的业务请求及当前各个目标服务器的使用情况确定是否需要修改某个终端的任务调度策略,并确定所述业务对应的数据是否缓存;
缓存单元,用于按任务类型缓存计算所需数据,把高频任务数据进行缓存,减少对核心网数据访问;
发送单元,用于根据控制单元判断所述缓存单元内是否包含所述业务请求中对应的数据,向核心网发送未缓存的任务数据请求或将计算所需数据发送给目标服务器。
7.一种服务基站部署方案,其特征在于,所述基站包括:
接收单元,用于接收来自于中心基站的缓存数据和接收来自于核心网的非缓存数据;
计算单元,用于计算从移动终端迁移过来的计算任务;
发送单元,用于向移动终端发送所述业务请求计算结果。
8.根据权利要求1至7任意一项所述的方法,其特征在于,根据稳定的迁移判决消息,移动终端进行计算迁移操作,使所有用户满意度最大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711011580.4A CN107734558A (zh) | 2017-10-26 | 2017-10-26 | 一种基于多服务器的移动边缘计算控制及资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711011580.4A CN107734558A (zh) | 2017-10-26 | 2017-10-26 | 一种基于多服务器的移动边缘计算控制及资源调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107734558A true CN107734558A (zh) | 2018-02-23 |
Family
ID=61213629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711011580.4A Pending CN107734558A (zh) | 2017-10-26 | 2017-10-26 | 一种基于多服务器的移动边缘计算控制及资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107734558A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509276A (zh) * | 2018-03-30 | 2018-09-07 | 南京工业大学 | 一种边缘计算环境中的视频任务动态迁移方法 |
CN108632860A (zh) * | 2018-04-17 | 2018-10-09 | 浙江工业大学 | 一种基于深度强化学习的移动边缘计算速率最大化方法 |
CN108632861A (zh) * | 2018-04-17 | 2018-10-09 | 浙江工业大学 | 一种基于深度强化学习的移动边缘计算分流决策方法 |
CN108632862A (zh) * | 2018-04-17 | 2018-10-09 | 浙江工业大学 | 一种基于深度确定性策略梯度方法的移动边缘计算分流决策方法 |
CN108667850A (zh) * | 2018-05-21 | 2018-10-16 | 济南浪潮高新科技投资发展有限公司 | 一种人工智能服务***及其实现人工智能服务的方法 |
CN108738045A (zh) * | 2018-04-17 | 2018-11-02 | 浙江工业大学 | 一种基于深度确定性策略梯度方法的移动边缘计算速率最大化方法 |
CN108738046A (zh) * | 2018-04-17 | 2018-11-02 | 浙江工业大学 | 一种基于半监督学习的移动边缘计算速率最大化方法 |
CN108901046A (zh) * | 2018-06-14 | 2018-11-27 | 北京大学 | 面向移动边缘计算的协同任务卸载算法及***设计方案 |
CN108924198A (zh) * | 2018-06-21 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种基于边缘计算的数据调度方法、装置及*** |
CN108984307A (zh) * | 2018-07-19 | 2018-12-11 | 中国联合网络通信集团有限公司 | 计算任务迁移方法及计算任务迁移器 |
CN109002357A (zh) * | 2018-06-07 | 2018-12-14 | 阿里巴巴集团控股有限公司 | 资源分配方法、装置及物联网*** |
CN109120583A (zh) * | 2018-06-13 | 2019-01-01 | 深圳市海派通讯科技有限公司 | 一种基于行动边缘运算的缓存加密数据的方法 |
CN109167671A (zh) * | 2018-07-11 | 2019-01-08 | 国网信通亿力科技有限责任公司 | 一种面向量子密钥分发业务的配用通信***均衡负载调度算法 |
CN109391681A (zh) * | 2018-09-14 | 2019-02-26 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
CN109587735A (zh) * | 2018-11-12 | 2019-04-05 | 电子科技大学 | 一种基于时延度量移动边缘计算的协同服务缓存方法 |
CN109709985A (zh) * | 2019-01-21 | 2019-05-03 | 中国联合网络通信集团有限公司 | 一种无人机任务优化方法、装置及*** |
CN109862592A (zh) * | 2018-12-06 | 2019-06-07 | 北京邮电大学 | 一种基于多基站协作的移动边缘计算环境下资源管理和调度方法 |
CN110022300A (zh) * | 2019-03-06 | 2019-07-16 | 百度在线网络技术(北京)有限公司 | 边缘计算实现方法、设备、***及存储介质 |
CN110248206A (zh) * | 2019-07-29 | 2019-09-17 | 北京邮电大学 | 一种用于边缘网络***的资源分配方法、装置及电子设备 |
CN110324853A (zh) * | 2019-07-12 | 2019-10-11 | 中国科学院计算技术研究所 | 一种防卡顿移动通信网络切换方法及相应网络架构 |
CN111131272A (zh) * | 2019-12-27 | 2020-05-08 | 广州酷狗计算机科技有限公司 | 流服务器的调度方法、装置及***、计算设备、存储介质 |
CN111611069A (zh) * | 2020-04-01 | 2020-09-01 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 多数据中心间多类型任务迁移方法 |
CN111857976A (zh) * | 2020-08-07 | 2020-10-30 | 华侨大学 | 一种基于分解的多目标优化的计算迁移方法 |
CN112182970A (zh) * | 2020-09-30 | 2021-01-05 | 天津大学 | 一种用于无损检测的最小化延迟的边缘计算部署方法 |
CN112367605A (zh) * | 2019-07-25 | 2021-02-12 | 中兴通讯股份有限公司 | 基于边缘计算的应用重定位方法及装置 |
CN112887347A (zh) * | 2019-11-29 | 2021-06-01 | 中国信息通信研究院 | 一种工业互联网中边缘计算动态迁移方法和装置 |
CN113032576A (zh) * | 2019-12-25 | 2021-06-25 | 杭州海康威视数字技术股份有限公司 | 知识图谱管理方法、装置、设备及存储介质 |
CN113692052A (zh) * | 2021-08-05 | 2021-11-23 | 广东技术师范大学 | 一种网络边缘机器学习训练方法 |
CN113709817A (zh) * | 2021-08-13 | 2021-11-26 | 北京信息科技大学 | 多基站多服务器场景下的任务卸载和资源调度方法及装置 |
CN114125936A (zh) * | 2021-11-29 | 2022-03-01 | 中国联合网络通信集团有限公司 | 一种资源调度方法、装置和存储介质 |
CN114449486A (zh) * | 2021-12-23 | 2022-05-06 | 之江实验室 | 一种边缘计算服务漫游的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106100907A (zh) * | 2016-08-15 | 2016-11-09 | 北京邮电大学 | 一种基于公平性的mec服务器选择算法 |
CN106534333A (zh) * | 2016-11-30 | 2017-03-22 | 北京邮电大学 | 一种基于mec和mcc的双向选择计算卸载方法 |
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 |
-
2017
- 2017-10-26 CN CN201711011580.4A patent/CN107734558A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106100907A (zh) * | 2016-08-15 | 2016-11-09 | 北京邮电大学 | 一种基于公平性的mec服务器选择算法 |
CN106534333A (zh) * | 2016-11-30 | 2017-03-22 | 北京邮电大学 | 一种基于mec和mcc的双向选择计算卸载方法 |
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 |
Non-Patent Citations (1)
Title |
---|
张建敏 等: "移动边缘计算技术及其本地分流方案", 《电信科学》 * |
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509276A (zh) * | 2018-03-30 | 2018-09-07 | 南京工业大学 | 一种边缘计算环境中的视频任务动态迁移方法 |
CN108509276B (zh) * | 2018-03-30 | 2021-11-30 | 南京工业大学 | 一种边缘计算环境中的视频任务动态迁移方法 |
CN108738045B (zh) * | 2018-04-17 | 2021-04-06 | 浙江工业大学 | 基于深度确定性策略梯度的移动边缘计算速率最大化方法 |
CN108632860A (zh) * | 2018-04-17 | 2018-10-09 | 浙江工业大学 | 一种基于深度强化学习的移动边缘计算速率最大化方法 |
CN108632861A (zh) * | 2018-04-17 | 2018-10-09 | 浙江工业大学 | 一种基于深度强化学习的移动边缘计算分流决策方法 |
CN108632862A (zh) * | 2018-04-17 | 2018-10-09 | 浙江工业大学 | 一种基于深度确定性策略梯度方法的移动边缘计算分流决策方法 |
CN108632860B (zh) * | 2018-04-17 | 2021-06-18 | 浙江工业大学 | 一种基于深度强化学习的移动边缘计算速率最大化方法 |
CN108738045A (zh) * | 2018-04-17 | 2018-11-02 | 浙江工业大学 | 一种基于深度确定性策略梯度方法的移动边缘计算速率最大化方法 |
CN108738046A (zh) * | 2018-04-17 | 2018-11-02 | 浙江工业大学 | 一种基于半监督学习的移动边缘计算速率最大化方法 |
CN108632862B (zh) * | 2018-04-17 | 2021-06-18 | 浙江工业大学 | 基于深度确定性策略梯度的移动边缘计算分流决策方法 |
CN108738046B (zh) * | 2018-04-17 | 2021-04-06 | 浙江工业大学 | 一种基于半监督学习的移动边缘计算速率最大化方法 |
CN108632861B (zh) * | 2018-04-17 | 2021-06-18 | 浙江工业大学 | 一种基于深度强化学习的移动边缘计算分流决策方法 |
CN108667850A (zh) * | 2018-05-21 | 2018-10-16 | 济南浪潮高新科技投资发展有限公司 | 一种人工智能服务***及其实现人工智能服务的方法 |
CN108667850B (zh) * | 2018-05-21 | 2020-10-27 | 浪潮集团有限公司 | 一种人工智能服务***及其实现人工智能服务的方法 |
CN109002357A (zh) * | 2018-06-07 | 2018-12-14 | 阿里巴巴集团控股有限公司 | 资源分配方法、装置及物联网*** |
CN109002357B (zh) * | 2018-06-07 | 2021-11-23 | 创新先进技术有限公司 | 资源分配方法、装置及物联网*** |
CN109120583A (zh) * | 2018-06-13 | 2019-01-01 | 深圳市海派通讯科技有限公司 | 一种基于行动边缘运算的缓存加密数据的方法 |
CN108901046A (zh) * | 2018-06-14 | 2018-11-27 | 北京大学 | 面向移动边缘计算的协同任务卸载算法及***设计方案 |
CN108924198A (zh) * | 2018-06-21 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种基于边缘计算的数据调度方法、装置及*** |
CN109167671A (zh) * | 2018-07-11 | 2019-01-08 | 国网信通亿力科技有限责任公司 | 一种面向量子密钥分发业务的配用通信***均衡负载调度算法 |
CN109167671B (zh) * | 2018-07-11 | 2023-04-28 | 国网信通亿力科技有限责任公司 | 一种面向量子密钥分发业务的配用通信***均衡负载调度方法 |
CN108984307B (zh) * | 2018-07-19 | 2020-11-10 | 中国联合网络通信集团有限公司 | 计算任务迁移方法及计算任务迁移器 |
CN108984307A (zh) * | 2018-07-19 | 2018-12-11 | 中国联合网络通信集团有限公司 | 计算任务迁移方法及计算任务迁移器 |
CN109391681B (zh) * | 2018-09-14 | 2021-07-16 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
CN109391681A (zh) * | 2018-09-14 | 2019-02-26 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
CN109587735B (zh) * | 2018-11-12 | 2021-07-23 | 电子科技大学 | 一种基于时延度量移动边缘计算的协同服务缓存方法 |
CN109587735A (zh) * | 2018-11-12 | 2019-04-05 | 电子科技大学 | 一种基于时延度量移动边缘计算的协同服务缓存方法 |
CN109862592B (zh) * | 2018-12-06 | 2020-11-10 | 北京邮电大学 | 一种基于多基站协作的移动边缘计算环境下资源管理和调度方法 |
CN109862592A (zh) * | 2018-12-06 | 2019-06-07 | 北京邮电大学 | 一种基于多基站协作的移动边缘计算环境下资源管理和调度方法 |
CN109709985A (zh) * | 2019-01-21 | 2019-05-03 | 中国联合网络通信集团有限公司 | 一种无人机任务优化方法、装置及*** |
CN110022300A (zh) * | 2019-03-06 | 2019-07-16 | 百度在线网络技术(北京)有限公司 | 边缘计算实现方法、设备、***及存储介质 |
CN110324853A (zh) * | 2019-07-12 | 2019-10-11 | 中国科学院计算技术研究所 | 一种防卡顿移动通信网络切换方法及相应网络架构 |
CN112367605A (zh) * | 2019-07-25 | 2021-02-12 | 中兴通讯股份有限公司 | 基于边缘计算的应用重定位方法及装置 |
CN110248206A (zh) * | 2019-07-29 | 2019-09-17 | 北京邮电大学 | 一种用于边缘网络***的资源分配方法、装置及电子设备 |
CN112887347B (zh) * | 2019-11-29 | 2022-10-28 | 中国信息通信研究院 | 一种工业互联网中边缘计算动态迁移方法和装置 |
CN112887347A (zh) * | 2019-11-29 | 2021-06-01 | 中国信息通信研究院 | 一种工业互联网中边缘计算动态迁移方法和装置 |
CN113032576A (zh) * | 2019-12-25 | 2021-06-25 | 杭州海康威视数字技术股份有限公司 | 知识图谱管理方法、装置、设备及存储介质 |
CN113032576B (zh) * | 2019-12-25 | 2022-06-03 | 杭州海康威视数字技术股份有限公司 | 知识图谱管理方法、装置、设备及存储介质 |
CN111131272A (zh) * | 2019-12-27 | 2020-05-08 | 广州酷狗计算机科技有限公司 | 流服务器的调度方法、装置及***、计算设备、存储介质 |
CN111611069A (zh) * | 2020-04-01 | 2020-09-01 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 多数据中心间多类型任务迁移方法 |
CN111611069B (zh) * | 2020-04-01 | 2023-11-07 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 多数据中心间多类型任务迁移方法 |
CN111857976A (zh) * | 2020-08-07 | 2020-10-30 | 华侨大学 | 一种基于分解的多目标优化的计算迁移方法 |
CN111857976B (zh) * | 2020-08-07 | 2023-06-02 | 华侨大学 | 一种基于分解的多目标优化的计算迁移方法 |
CN112182970A (zh) * | 2020-09-30 | 2021-01-05 | 天津大学 | 一种用于无损检测的最小化延迟的边缘计算部署方法 |
CN113692052A (zh) * | 2021-08-05 | 2021-11-23 | 广东技术师范大学 | 一种网络边缘机器学习训练方法 |
CN113709817A (zh) * | 2021-08-13 | 2021-11-26 | 北京信息科技大学 | 多基站多服务器场景下的任务卸载和资源调度方法及装置 |
CN113709817B (zh) * | 2021-08-13 | 2023-06-06 | 北京信息科技大学 | 多基站多服务器场景下的任务卸载和资源调度方法及装置 |
CN114125936B (zh) * | 2021-11-29 | 2023-09-05 | 中国联合网络通信集团有限公司 | 一种资源调度方法、装置和存储介质 |
CN114125936A (zh) * | 2021-11-29 | 2022-03-01 | 中国联合网络通信集团有限公司 | 一种资源调度方法、装置和存储介质 |
CN114449486A (zh) * | 2021-12-23 | 2022-05-06 | 之江实验室 | 一种边缘计算服务漫游的方法及装置 |
CN114449486B (zh) * | 2021-12-23 | 2023-09-19 | 之江实验室 | 一种边缘计算服务漫游的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107734558A (zh) | 一种基于多服务器的移动边缘计算控制及资源调度方法 | |
CN109862592B (zh) | 一种基于多基站协作的移动边缘计算环境下资源管理和调度方法 | |
CN109951821B (zh) | 基于移动边缘计算的最小化车辆能耗任务卸载方案 | |
CN111586696B (zh) | 一种基于多智能体架构强化学习的资源分配及卸载决策方法 | |
CN112995023B (zh) | 一种多接入边缘计算网络计算卸载***及其计算卸载方法 | |
CN111124662B (zh) | 一种雾计算负载均衡方法及*** | |
CN111400001B (zh) | 一种面向边缘计算环境的在线计算任务卸载调度方法 | |
Chen et al. | Efficiency and fairness oriented dynamic task offloading in internet of vehicles | |
CN113950066A (zh) | 移动边缘环境下单服务器部分计算卸载方法、***、设备 | |
CN110933139A (zh) | 一种解决Web服务器高并发的***及方法 | |
CN111163178B (zh) | 一种边缘计算中基于博弈论的服务部署及任务卸载方法 | |
CN111552564A (zh) | 基于边缘缓存的任务卸载与资源优化的方法 | |
CN103401947A (zh) | 多个服务器的任务分配方法和装置 | |
CN113993218A (zh) | 一种mec架构下基于多智能体drl的协作卸载和资源分配方法 | |
CN111988787B (zh) | 一种任务的网络接入和服务放置位置选择方法及*** | |
CN110069341A (zh) | 边缘计算中结合功能按需配置的有依赖关系任务的调度方法 | |
CN112888005B (zh) | 一种面向mec的分布式业务调度方法 | |
CN116321307A (zh) | 一种无蜂窝网络中基于深度强化学习的双向缓存放置方法 | |
CN109327340B (zh) | 一种基于动态迁移的移动无线网络虚拟网映射方法 | |
Chen et al. | DDPG-based computation offloading and service caching in mobile edge computing | |
CN113329432B (zh) | 一种基于多目标优化的边缘服务布置方法和*** | |
CN113778675A (zh) | 一种基于面向区块链网络的计算任务分配***及方法 | |
Nguyen et al. | EdgePV: collaborative edge computing framework for task offloading | |
CN116939044A (zh) | 一种基于区块链技术的算力路由规划方法和装置 | |
Li | Optimization of task offloading problem based on simulated annealing algorithm in MEC |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180223 |