CN107995660A - 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 - Google Patents
支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 Download PDFInfo
- Publication number
- CN107995660A CN107995660A CN201711366700.2A CN201711366700A CN107995660A CN 107995660 A CN107995660 A CN 107995660A CN 201711366700 A CN201711366700 A CN 201711366700A CN 107995660 A CN107995660 A CN 107995660A
- Authority
- CN
- China
- Prior art keywords
- user
- task
- represent
- resource allocation
- scheduling
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
-
- 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
-
- 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
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
-
- 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
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
-
- 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
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种支持D2D‑边缘服务器卸载的联合任务调度及资源分配方法,属于无线通信技术领域。该方法包括步骤:步骤1)建模用户联合开销;步骤2)建模用户任务执行时延;步骤3)建模用户任务执行能耗;步骤4)建模用户任务调度及资源分配限制条件;步骤5)基于用户联合开销最小化确定用户任务调度及资源分配策略。本发明可以通过优化确定用户任务调度及资源分配策略实现任务执行开销最小化。
Description
技术领域
本发明属于无线通信技术领域,涉及支持D2D-边缘服务器卸载的联合任务调度及资源分配方法。
背景技术
随着移动互联网的快速发展和智能终端的普及,增强现实(Augment Reality,AR)、虚拟现实(Virtual Reality,VR)和移动高清视频等应用对服务质量(Quality ofService,QoS)的需求越来越高。然而,智能设备处理器资源的局限以及传统移动云计算(Mobile Cloud Computing,MCC)网络架构的不足导致整个网络无法满足用户短时间内处理大量数据的业务需求,此外,移动设备的高功耗也严重影响用户的服务体验(Quality ofExperience,QoE)。这促使了云端服务器的边缘化部署以及与基站的融合,为低时延、低功耗的业务需求提供支撑
目前已有研究中,有文献针对多用户卸载的场景设计卸载策略,在满足最大可允许执行时延的前提下最小化用户的能耗,通过求解各用户最优功率分配及最优计算资源分配得到各用户的卸载策略。又例如,有文献研究了采用动态频率及电压调整(DynamicFrequency and Voltage Scaling,DFVS)及能量收集技术实现执行时延最小化,提出了一种基于李雅普诺夫优化的动态计算卸载算法,该算法首先以时隙为单位做出二元卸载决策,继而为本地执行的用户分配计算资源或为卸载的用户分配功率。
现有基于任务卸载用户网络场景的资源分配方案的研究较少考虑蜂窝D2D网络场景,然而,接入网络的异构特性可能对资源分配方式提出困难及挑战。此外,现有资源分配研究较多考虑时延减少,较少研究任务执行时延与能耗的折中,这可能导致网络能耗增加,对于能效敏感用户设备而言,传输性能及用户体验难以保障。
发明内容
有鉴于此,本发明的目的在于提供支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,假设用户需执行一定计算任务,移动边缘计算服务器及D2D对端用户均有一定的任务计算及处理能力,用户可采用本地执行,也可通过蜂窝移动边缘计算服务器或D2D对端实现任务卸载,建模用户联合开销为优化目标,实现用户任务调度、通信资源和计算资源的联合优化分配。
为达到上述目的,本发明提供如下技术方案:
支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,该方法包括以下步骤:
S1:建模用户联合开销;
S2:建模用户任务执行所需时延;
S3:建模用户任务执行所需能耗;
S4:建模用户任务调度及资源分配限制条件;
S5:基于用户联合开销最小化确定用户任务调度及资源分配策略。
进一步,所述步骤S1具体为:根据公式建模用户联合开销为网络中所有用户执行任务的开销总和,其中,为第i个用户执行任务所需开销,1≤i≤N,N为网络中待执行任务的用户数目;
建模为其中,ti表示第i个用户执行任务所需时延,ei表示第i个用户执行任务所需能耗,表示第i个用户时延开销的加权系数,表示第i个用户能耗开销的加权系数。
进一步,步骤S2具体为:根据公式ti=max{ti,L,ti,B,ti,D}建模第i个用户任务执行所需时延,其中,ti,L表示第i个用户本地执行任务所需时延,ti,B表示第i个用户将任务卸载至基站移动边缘计算服务器执行所需时延,ti,D表示第i个用户将任务卸载至D2D用户执行所需时延;
ti,L建模为其中,λi,L表示第i个用户本地执行任务量的比例,Di表示第i个用户执行任务所需计算资源量,fi表示第i个用户的CPU频率;所述ti,B建模为其中,xi,B表示第i个用户任务卸载至基站移动边缘计算服务器的调度决策标识,xi,B=1表示第i个用户将任务卸载至基站移动边缘计算服务器执行,否则xi,B=0,Zi表示第i个用户待执行任务的数据量,Ri,B表示第i个用户与基站间链路的传输速率,μi表示第i个用户所分配的基站移动边缘计算服务器计算资源比例,F表示基站移动边缘计算服务器计算资源总量;所述ti,D建模为其中,xi,j表示第i个用户任务卸载至第j个D2D用户的调度决策标识,xi,j=1表示第i个用户将任务卸载至第j个D2D用户执行,否则xi,j=0,Ri,D表示第i个用户与D2D用户间链路的传输速率,表示第j个D2D用户的CPU频率,1≤j≤M,M为网络中D2D用户数目;
所述Ri,B建模为其中,ηi表示基站为第i个用户分配的带宽资源比例,WB表示基站的传输带宽,pi表示第i个用户任务数据的发送功率,gi,B表示第i个用户与基站间链路的信道增益,σ2为传输信道噪声功率;所述Ri,D建模为其中,WD表示D2D链路的传输带宽,gi,j表示第i个用户与第j个D2D用户间链路的信道增益。
进一步,所述步骤S3具体为:根据公式ei=ei,L+ei,B+ei,D建模第i个用户任务执行所需能耗,其中,ei,L表示第i个用户本地执行任务所需能耗,ei,B表示第i个用户将任务卸载至基站移动边缘计算服务器执行所需能耗,ei,D表示第i个用户将任务卸载至D2D用户执行所需能耗;
所述ei,L建模为其中,δ表示与CPU芯片结构有关的有效电容系数;所述ei,B建模为所述ei,D建模为
进一步,所述步骤S4具体为:建模用户任务调度及资源分配限制条件,其中任务调度限制条件建模为xi,B∈{0,1},xi,j∈{0,1},λi,L∈[0,1], 及任务卸载数据传输速率限制条件建模为及其中,表示第i个用户任务的最低传输速率,资源分配限制条件建模为及
进一步,所述步骤S5具体为:基于用户联合开销最小化确定用户任务调度及资源分配策略:在满足任务调度及资源分配限制条件下,以用户联合开销最小化为目标,优化确定用户任务调度及资源分配策略,即
本发明的有益效果在于:本发明可以保障在任务有效执行情况下用户任务调度策略最优,通信及计算资源分配最优,实现用户开销最小化。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为支持D2D-边缘服务器卸载的网络示意图;
图2为本发明所述方法的流程示意图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
本发明提出一种支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,假设用户需执行一定计算任务,移动边缘计算服务器及D2D对端用户均有一定的任务计算及处理能力,用户可采用本地执行,也可通过移动边缘计算服务器或D2D对端实现任务卸载,建模用户联合开销为优化目标,实现用户任务调度、通信资源及计算资源分配策略的联合优化。
本发明所述的一种支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,假设蜂窝通信和D2D通信共存的网络中,两种不同的网络之间,以及同一接入网络内部因采用正交多址接入方式,因而任务传输无干扰;该网络中存在多个任务待执行用户及D2D用户,任务待执行用户可选择合适的方式卸载任务;建模用户联合开销为网络中所有用户执行任务的总开销之和,基于用户联合开销优化实现任务调度及资源分配策略。
如图1所示,网络中存在多个任务待执行用户,用户选择合适的方式卸载任务,通过优化用户任务调度策略和资源分配策略最小化任务执行开销。
如图2所示,本发明所述方法具体包括以下步骤:
1)建模用户联合开销;
建模用户联合开销,具体为根据公式建模用户联合开销为网络中所有用户执行任务的开销总和,其中,为第i个用户执行任务所需开销,1≤i≤N,N为网络中待执行任务的用户数目,建模为其中,ti表示第i个用户任务执行所需时延,ei表示第i个用户执行任务所需能耗,表示第i个用户时延开销的加权系数,表示第i个用户能耗开销的加权系数。
2)建模用户任务执行所需时延;
建模用户任务执行所需时延,具体为根据公式ti=max{ti,L,ti,B,ti,D}建模第i个用户任务执行所需时延,其中,ti,L表示第i个用户本地执行任务所需时延,ti,B表示第i个用户将任务卸载至基站移动边缘计算服务器执行所需时延,ti,D表示第i个用户将任务卸载至D2D用户执行所需时延,建模ti,L为其中,λi,L表示第i个用户本地执行任务量的比例,Di表示第i个用户执行任务所需计算资源量,fi表示第i个用户的CPU频率,建模ti,B为其中,xi,B表示第i个用户任务卸载至基站移动边缘计算服务器的调度决策标识,xi,B=1表示第i个用户将任务卸载至基站移动边缘计算服务器执行,否则xi,B=0,Zi表示第i个用户待执行任务的数据量,Ri,B表示第i个用户与基站间链路的传输速率,μi表示第i个用户所分配的基站移动边缘计算服务器计算资源比例,F表示基站移动边缘计算服务器计算资源总量;建模ti,D为其中,xi,j表示第i个用户任务卸载至第j个D2D用户的调度决策标识,xi,j=1表示第i个用户将任务卸载至第j个D2D用户执行,否则xi,j=0,Ri,D表示第i个用户与D2D用户间链路的传输速率,表示第j个D2D用户的CPU频率,1≤j≤M,M为网络中D2D用户数目,建模Ri,B为其中,ηi表示基站为第i个用户分配的带宽资源比例,WB表示基站的传输带宽,pi表示第i个用户任务数据的发送功率,gi,B表示第i个用户与基站间链路的信道增益,σ2为传输信道噪声功率,建模Ri,D为其中,WD表示D2D链路的传输带宽,gi,j表示第i个用户与第j个D2D用户间链路的信道增益。
3)建模用户任务执行所需能耗;
建模用户任务执行所需能耗,具体为根据公式ei=ei,L+ei,B+ei,D建模第i个用户任务执行所需能耗,其中,ei,L表示第i个用户本地执行任务所需能耗,ei,B表示第i个用户将任务卸载至基站移动边缘计算服务器执行所需能耗,ei,D表示第i个用户将任务卸载至D2D用户执行所需能耗,建模ei,L为其中,δ表示与CPU芯片结构有关的有效电容系数,建模ei,B为建模ei,D为
4)建模用户任务调度及资源分配限制条件;
建模用户任务调度及资源分配限制条件,具体为任务调度限制条件建模为xi,B∈{0,1},xi,j∈{0,1},λi,L∈[0,1],及任务卸载数据传输速率限制条件建模为及其中,表示第i个用户任务的最低传输速率,资源分配限制条件建模为及
5)基于用户联合开销最小化确定用户任务卸载及资源分配策略;
基于用户联合开销最小化确定用户任务调度及资源分配策略,具体为在满足任务调度及资源分配限制条件下,以用户联合开销最小化为目标,优化确定用户任务调度及资源分配策略,即
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (6)
1.支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,其特征在于:该方法包括以下步骤:
S1:建模用户联合开销;
S2:建模用户任务执行所需时延;
S3:建模用户任务执行所需能耗;
S4:建模用户任务调度及资源分配限制条件;
S5:基于用户联合开销最小化确定用户任务调度及资源分配策略。
2.根据权利要求1所述的支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,其特征在于:所述步骤S1具体为:根据公式建模用户联合开销为网络中所有用户执行任务的开销总和,其中,为第i个用户执行任务所需开销,1≤i≤N,N为网络中待执行任务的用户数目;
建模为其中,ti表示第i个用户执行任务所需时延,ei表示第i个用户执行任务所需能耗,表示第i个用户时延开销的加权系数,表示第i个用户能耗开销的加权系数。
3.根据权利要求2所述的支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,其特征在于:步骤S2具体为:根据公式ti=max{ti,L,ti,B,ti,D}建模第i个用户任务执行所需时延,其中,ti,L表示第i个用户本地执行任务所需时延,ti,B表示第i个用户将任务卸载至基站移动边缘计算服务器执行所需时延,ti,D表示第i个用户将任务卸载至D2D用户执行所需时延;
ti,L建模为其中,λi,L表示第i个用户本地执行任务量的比例,Di表示第i个用户执行任务所需计算资源量,fi表示第i个用户的CPU频率;所述ti,B建模为其中,xi,B表示第i个用户任务卸载至基站移动边缘计算服务器的调度决策标识,xi,B=1表示第i个用户将任务卸载至基站移动边缘计算服务器执行,否则xi,B=0,Zi表示第i个用户待执行任务的数据量,Ri,B表示第i个用户与基站间链路的传输速率,μi表示第i个用户所分配的基站移动边缘计算服务器计算资源比例,F表示基站移动边缘计算服务器计算资源总量;所述ti,D建模为其中,xi,j表示第i个用户任务卸载至第j个D2D用户的调度决策标识,xi,j=1表示第i个用户将任务卸载至第j个D2D用户执行,否则xi,j=0,Ri,D表示第i个用户与D2D用户间链路的传输速率,表示第j个D2D用户的CPU频率,1≤j≤M,M为网络中D2D用户数目;
所述Ri,B建模为其中,ηi表示基站为第i个用户分配的带宽资源比例,WB表示基站的传输带宽,pi表示第i个用户任务数据的发送功率,gi,B表示第i个用户与基站间链路的信道增益,σ2为传输信道噪声功率;所述Ri,D建模为其中,WD表示D2D链路的传输带宽,gi,j表示第i个用户与第j个D2D用户间链路的信道增益。
4.根据权利要求3所述的支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,其特征在于:所述步骤S3具体为:根据公式ei=ei,L+ei,B+ei,D建模第i个用户任务执行所需能耗,其中,ei,L表示第i个用户本地执行任务所需能耗,ei,B表示第i个用户将任务卸载至基站移动边缘计算服务器执行所需能耗,ei,D表示第i个用户将任务卸载至D2D用户执行所需能耗;
所述ei,L建模为ei,L=λi,LDiδfi 2,其中,δ表示与CPU芯片结构有关的有效电容系数;所述ei,B建模为所述eiD建模为
5.根据权利要求4所述的支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,其特征在于:所述步骤S4具体为:建模用户任务调度及资源分配限制条件,其中任务调度限制条件建模为xi,B∈{0,1},xi,j∈{0,1},λi,L∈[0,1], 及任务卸载数据传输速率限制条件建模为及其中,表示第i个用户任务的最低传输速率,资源分配限制条件建模为及
6.根据权利要求5所述的支持D2D-边缘服务器卸载的联合任务调度及资源分配方法,其特征在于:所述步骤S5具体为:基于用户联合开销最小化确定用户任务调度及资源分配策略:在满足任务调度及资源分配限制条件下,以用户联合开销最小化为目标,优化确定用户任务调度及资源分配策略,即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711366700.2A CN107995660B (zh) | 2017-12-18 | 2017-12-18 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711366700.2A CN107995660B (zh) | 2017-12-18 | 2017-12-18 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107995660A true CN107995660A (zh) | 2018-05-04 |
CN107995660B CN107995660B (zh) | 2021-08-17 |
Family
ID=62037738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711366700.2A Active CN107995660B (zh) | 2017-12-18 | 2017-12-18 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107995660B (zh) |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108809723A (zh) * | 2018-06-14 | 2018-11-13 | 重庆邮电大学 | 一种边缘服务器联合任务卸载及卷积神经网络层调度方法 |
CN108880893A (zh) * | 2018-06-27 | 2018-11-23 | 重庆邮电大学 | 一种移动边缘计算服务器联合能量收集及任务卸载方法 |
CN108924938A (zh) * | 2018-08-27 | 2018-11-30 | 南昌大学 | 一种用于无线充电边缘计算网络计算能效的资源分配方法 |
CN108924796A (zh) * | 2018-08-15 | 2018-11-30 | 电子科技大学 | 一种资源分配及卸载比例联合决策的方法 |
CN108933815A (zh) * | 2018-06-15 | 2018-12-04 | 燕山大学 | 一种移动边缘计算卸载的边缘服务器的控制方法 |
CN108934002A (zh) * | 2018-07-18 | 2018-12-04 | 广东工业大学 | 一种基于d2d通信协作的任务卸载算法 |
CN108964817A (zh) * | 2018-08-20 | 2018-12-07 | 重庆邮电大学 | 一种异构网络联合计算卸载及资源分配方法 |
CN109067842A (zh) * | 2018-07-06 | 2018-12-21 | 电子科技大学 | 面向车联网的计算任务卸载方法 |
CN109151077A (zh) * | 2018-10-31 | 2019-01-04 | 电子科技大学 | 一种基于目标导向的计算卸载方法 |
CN109240818A (zh) * | 2018-09-04 | 2019-01-18 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
CN109298933A (zh) * | 2018-09-03 | 2019-02-01 | 北京邮电大学 | 基于边缘计算网络的无线通信网络设备及*** |
CN109343904A (zh) * | 2018-09-28 | 2019-02-15 | 燕山大学 | 一种基于Lyapunov优化的雾计算动态卸载方法 |
CN109413197A (zh) * | 2018-11-07 | 2019-03-01 | 中山大学 | 一种基于少数派博弈的不完全信息异构边缘任务卸载方法 |
CN109413724A (zh) * | 2018-10-11 | 2019-03-01 | 重庆邮电大学 | 一种基于mec的任务卸载和资源分配方案 |
CN109714382A (zh) * | 2018-09-18 | 2019-05-03 | 贵州电网有限责任公司 | 一种非平衡边缘云mec***的多用户多任务迁移决策方法 |
CN109710336A (zh) * | 2019-01-11 | 2019-05-03 | 中南林业科技大学 | 联合能量和延迟优化的移动边缘计算任务调度方法 |
CN109729175A (zh) * | 2019-01-22 | 2019-05-07 | 中国人民解放军国防科技大学 | 一种不稳定信道条件下的边缘协同数据卸载方法 |
CN109756912A (zh) * | 2019-03-25 | 2019-05-14 | 重庆邮电大学 | 一种多用户多基站联合任务卸载及资源分配方法 |
CN109819046A (zh) * | 2019-02-26 | 2019-05-28 | 重庆邮电大学 | 一种基于边缘协作的物联网虚拟计算资源调度方法 |
CN109828838A (zh) * | 2018-12-18 | 2019-05-31 | 深圳先进技术研究院 | 一种资源分配和任务调度多目标协同处理方法 |
CN109905888A (zh) * | 2019-03-21 | 2019-06-18 | 东南大学 | 移动边缘计算中联合优化迁移决策和资源分配方法 |
CN109992387A (zh) * | 2019-04-01 | 2019-07-09 | 北京邮电大学 | 一种终端协同的任务处理方法、装置及电子设备 |
CN110022381A (zh) * | 2019-05-14 | 2019-07-16 | 中国联合网络通信集团有限公司 | 一种负载分担方法及装置 |
CN110096362A (zh) * | 2019-04-24 | 2019-08-06 | 重庆邮电大学 | 一种基于边缘服务器协作的多任务卸载方法 |
CN110099384A (zh) * | 2019-04-25 | 2019-08-06 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
CN110113190A (zh) * | 2019-04-24 | 2019-08-09 | 西北工业大学 | 一种移动边缘计算场景中卸载时延优化方法 |
CN110149401A (zh) * | 2019-05-22 | 2019-08-20 | 湖南大学 | 一种用于优化边缘计算任务的方法和*** |
CN110198339A (zh) * | 2019-04-17 | 2019-09-03 | 浙江大学 | 一种基于QoE感知的边缘计算任务调度方法 |
CN110351760A (zh) * | 2019-07-19 | 2019-10-18 | 重庆邮电大学 | 一种移动边缘计算***动态任务卸载及资源分配方法 |
CN110493801A (zh) * | 2019-08-19 | 2019-11-22 | 南京邮电大学 | Mec环境下基于d2d通信的蜂窝***数据卸载方法 |
CN110557287A (zh) * | 2019-09-10 | 2019-12-10 | 北京邮电大学 | 一种基于李雅普诺夫优化的资源分配方法及装置 |
CN111158893A (zh) * | 2018-11-06 | 2020-05-15 | 上海科技大学 | 应用于雾计算网络的任务卸载方法、***、设备及介质 |
CN111245878A (zh) * | 2018-11-29 | 2020-06-05 | 天元瑞信通信技术股份有限公司 | 一种基于混合云计算和雾计算的计算卸载通信网络的方法 |
CN111556576A (zh) * | 2020-05-06 | 2020-08-18 | 南京邮电大学 | 基于d2d_mec***的时延优化方法 |
CN111711962A (zh) * | 2020-06-15 | 2020-09-25 | 重庆邮电大学 | 一种移动边缘计算***子任务协同调度方法 |
CN111786839A (zh) * | 2020-07-15 | 2020-10-16 | 南通大学 | 一种车载边缘计算网络中能效优化的计算卸载方法及*** |
CN112788605A (zh) * | 2020-12-25 | 2021-05-11 | 威胜信息技术股份有限公司 | 基于双延迟深度确定性策略边缘计算资源调度方法和*** |
CN112799812A (zh) * | 2021-01-27 | 2021-05-14 | 苏州科技大学 | 一种多智能设备协同优化*** |
CN112954592A (zh) * | 2021-02-08 | 2021-06-11 | 南京邮电大学 | 一种针对d2d-mec***的能耗优化方法 |
CN113518330A (zh) * | 2021-07-06 | 2021-10-19 | 重庆工商大学 | 基于d2d通信的多用户计算卸载资源优化决策方法 |
CN114077491A (zh) * | 2020-08-18 | 2022-02-22 | 中国科学院沈阳自动化研究所 | 一种工业智能制造边缘计算任务调度方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103596223A (zh) * | 2013-11-16 | 2014-02-19 | 清华大学 | 调度顺序可控的蜂窝网络移动设备能耗优化方法 |
CN105657839A (zh) * | 2015-12-23 | 2016-06-08 | 山东大学 | 基于QoS要求的全双工多载波安全***的功率分配方法 |
CN105704181A (zh) * | 2014-11-26 | 2016-06-22 | 国际商业机器公司 | 管理移动设备中的任务的方法和装置 |
US20160224094A1 (en) * | 2012-09-19 | 2016-08-04 | Amazon Technologies, Inc. | Monitoring and real-time adjustment of power consumption settings |
CN105893148A (zh) * | 2016-03-30 | 2016-08-24 | 华侨大学 | 一种基于rm策略的偶发任务低能耗调度方法 |
CN105976456A (zh) * | 2016-05-30 | 2016-09-28 | 陈牧锋 | 急救出车d2d状态感知方法及装置 |
CN106445070A (zh) * | 2016-09-12 | 2017-02-22 | 华侨大学 | 一种硬实时***资源受限偶发任务能耗优化调度方法 |
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 |
CN106936892A (zh) * | 2017-01-09 | 2017-07-07 | 北京邮电大学 | 一种自组织云多对多计算迁移方法及*** |
CN107122249A (zh) * | 2017-05-10 | 2017-09-01 | 重庆邮电大学 | 一种基于边缘云定价机制的任务卸载决策方法 |
CN107295109A (zh) * | 2017-08-16 | 2017-10-24 | 重庆邮电大学 | 自组织网络云计算中的任务卸载与功率分配联合决策方法 |
-
2017
- 2017-12-18 CN CN201711366700.2A patent/CN107995660B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160224094A1 (en) * | 2012-09-19 | 2016-08-04 | Amazon Technologies, Inc. | Monitoring and real-time adjustment of power consumption settings |
CN103596223A (zh) * | 2013-11-16 | 2014-02-19 | 清华大学 | 调度顺序可控的蜂窝网络移动设备能耗优化方法 |
CN105704181A (zh) * | 2014-11-26 | 2016-06-22 | 国际商业机器公司 | 管理移动设备中的任务的方法和装置 |
CN105657839A (zh) * | 2015-12-23 | 2016-06-08 | 山东大学 | 基于QoS要求的全双工多载波安全***的功率分配方法 |
CN105893148A (zh) * | 2016-03-30 | 2016-08-24 | 华侨大学 | 一种基于rm策略的偶发任务低能耗调度方法 |
CN105976456A (zh) * | 2016-05-30 | 2016-09-28 | 陈牧锋 | 急救出车d2d状态感知方法及装置 |
CN106445070A (zh) * | 2016-09-12 | 2017-02-22 | 华侨大学 | 一种硬实时***资源受限偶发任务能耗优化调度方法 |
CN106936892A (zh) * | 2017-01-09 | 2017-07-07 | 北京邮电大学 | 一种自组织云多对多计算迁移方法及*** |
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 |
CN107122249A (zh) * | 2017-05-10 | 2017-09-01 | 重庆邮电大学 | 一种基于边缘云定价机制的任务卸载决策方法 |
CN107295109A (zh) * | 2017-08-16 | 2017-10-24 | 重庆邮电大学 | 自组织网络云计算中的任务卸载与功率分配联合决策方法 |
Non-Patent Citations (1)
Title |
---|
XIAOHUI ZHAO: "An Energy Comsumption Oriented Offloading Algorithm for Fog computing", 《PART OF THE LECTURE NOTES OF THE INSTITUTE FOR COMPUTER SCIENCES, SOCIAL INFORMATICS AND TELECOMMUNICATIONS ENGINEERING BOOK SERIES (LNICST, VOLUME 199)》 * |
Cited By (66)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108809723A (zh) * | 2018-06-14 | 2018-11-13 | 重庆邮电大学 | 一种边缘服务器联合任务卸载及卷积神经网络层调度方法 |
CN108933815A (zh) * | 2018-06-15 | 2018-12-04 | 燕山大学 | 一种移动边缘计算卸载的边缘服务器的控制方法 |
CN108880893A (zh) * | 2018-06-27 | 2018-11-23 | 重庆邮电大学 | 一种移动边缘计算服务器联合能量收集及任务卸载方法 |
CN108880893B (zh) * | 2018-06-27 | 2021-02-09 | 重庆邮电大学 | 一种移动边缘计算服务器联合能量收集及任务卸载方法 |
CN109067842A (zh) * | 2018-07-06 | 2018-12-21 | 电子科技大学 | 面向车联网的计算任务卸载方法 |
CN108934002A (zh) * | 2018-07-18 | 2018-12-04 | 广东工业大学 | 一种基于d2d通信协作的任务卸载算法 |
CN108924796A (zh) * | 2018-08-15 | 2018-11-30 | 电子科技大学 | 一种资源分配及卸载比例联合决策的方法 |
CN108964817A (zh) * | 2018-08-20 | 2018-12-07 | 重庆邮电大学 | 一种异构网络联合计算卸载及资源分配方法 |
CN108964817B (zh) * | 2018-08-20 | 2021-02-09 | 重庆邮电大学 | 一种异构网络联合计算卸载及资源分配方法 |
CN108924938A (zh) * | 2018-08-27 | 2018-11-30 | 南昌大学 | 一种用于无线充电边缘计算网络计算能效的资源分配方法 |
CN108924938B (zh) * | 2018-08-27 | 2022-03-22 | 南昌大学 | 一种用于无线充电边缘计算网络计算能效的资源分配方法 |
CN109298933B (zh) * | 2018-09-03 | 2020-09-11 | 北京邮电大学 | 基于边缘计算网络的无线通信网络设备及*** |
CN109298933A (zh) * | 2018-09-03 | 2019-02-01 | 北京邮电大学 | 基于边缘计算网络的无线通信网络设备及*** |
CN109240818A (zh) * | 2018-09-04 | 2019-01-18 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
CN109240818B (zh) * | 2018-09-04 | 2021-01-15 | 中南大学 | 一种边缘计算网络中基于用户体验的任务卸载方法 |
CN109714382A (zh) * | 2018-09-18 | 2019-05-03 | 贵州电网有限责任公司 | 一种非平衡边缘云mec***的多用户多任务迁移决策方法 |
CN109714382B (zh) * | 2018-09-18 | 2021-06-25 | 贵州电网有限责任公司 | 一种非平衡边缘云mec***的多用户多任务迁移决策方法 |
CN109343904A (zh) * | 2018-09-28 | 2019-02-15 | 燕山大学 | 一种基于Lyapunov优化的雾计算动态卸载方法 |
CN109343904B (zh) * | 2018-09-28 | 2021-12-10 | 燕山大学 | 一种基于Lyapunov优化的雾计算动态卸载方法 |
CN109413724B (zh) * | 2018-10-11 | 2021-09-03 | 重庆邮电大学 | 一种基于mec的任务卸载和资源分配方案 |
CN109413724A (zh) * | 2018-10-11 | 2019-03-01 | 重庆邮电大学 | 一种基于mec的任务卸载和资源分配方案 |
CN109151077A (zh) * | 2018-10-31 | 2019-01-04 | 电子科技大学 | 一种基于目标导向的计算卸载方法 |
CN111158893A (zh) * | 2018-11-06 | 2020-05-15 | 上海科技大学 | 应用于雾计算网络的任务卸载方法、***、设备及介质 |
CN111158893B (zh) * | 2018-11-06 | 2023-04-11 | 上海科技大学 | 应用于雾计算网络的任务卸载方法、***、设备及介质 |
CN109413197A (zh) * | 2018-11-07 | 2019-03-01 | 中山大学 | 一种基于少数派博弈的不完全信息异构边缘任务卸载方法 |
CN109413197B (zh) * | 2018-11-07 | 2021-01-05 | 中山大学 | 一种基于少数派博弈的不完全信息异构边缘任务卸载方法 |
CN111245878A (zh) * | 2018-11-29 | 2020-06-05 | 天元瑞信通信技术股份有限公司 | 一种基于混合云计算和雾计算的计算卸载通信网络的方法 |
CN109828838A (zh) * | 2018-12-18 | 2019-05-31 | 深圳先进技术研究院 | 一种资源分配和任务调度多目标协同处理方法 |
CN109710336A (zh) * | 2019-01-11 | 2019-05-03 | 中南林业科技大学 | 联合能量和延迟优化的移动边缘计算任务调度方法 |
CN109729175A (zh) * | 2019-01-22 | 2019-05-07 | 中国人民解放军国防科技大学 | 一种不稳定信道条件下的边缘协同数据卸载方法 |
CN109729175B (zh) * | 2019-01-22 | 2021-05-11 | 中国人民解放军国防科技大学 | 一种不稳定信道条件下的边缘协同数据卸载方法 |
CN109819046A (zh) * | 2019-02-26 | 2019-05-28 | 重庆邮电大学 | 一种基于边缘协作的物联网虚拟计算资源调度方法 |
CN109819046B (zh) * | 2019-02-26 | 2021-11-02 | 重庆邮电大学 | 一种基于边缘协作的物联网虚拟计算资源调度方法 |
CN109905888A (zh) * | 2019-03-21 | 2019-06-18 | 东南大学 | 移动边缘计算中联合优化迁移决策和资源分配方法 |
CN109905888B (zh) * | 2019-03-21 | 2021-09-07 | 东南大学 | 移动边缘计算中联合优化迁移决策和资源分配方法 |
CN109756912B (zh) * | 2019-03-25 | 2022-03-08 | 重庆邮电大学 | 一种多用户多基站联合任务卸载及资源分配方法 |
CN109756912A (zh) * | 2019-03-25 | 2019-05-14 | 重庆邮电大学 | 一种多用户多基站联合任务卸载及资源分配方法 |
CN109992387A (zh) * | 2019-04-01 | 2019-07-09 | 北京邮电大学 | 一种终端协同的任务处理方法、装置及电子设备 |
CN109992387B (zh) * | 2019-04-01 | 2021-09-24 | 北京邮电大学 | 一种终端协同的任务处理方法、装置及电子设备 |
CN110198339A (zh) * | 2019-04-17 | 2019-09-03 | 浙江大学 | 一种基于QoE感知的边缘计算任务调度方法 |
CN110113190A (zh) * | 2019-04-24 | 2019-08-09 | 西北工业大学 | 一种移动边缘计算场景中卸载时延优化方法 |
CN110096362A (zh) * | 2019-04-24 | 2019-08-06 | 重庆邮电大学 | 一种基于边缘服务器协作的多任务卸载方法 |
CN110096362B (zh) * | 2019-04-24 | 2023-04-14 | 重庆邮电大学 | 一种基于边缘服务器协作的多任务卸载方法 |
CN110099384A (zh) * | 2019-04-25 | 2019-08-06 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
CN110099384B (zh) * | 2019-04-25 | 2022-07-29 | 南京邮电大学 | 基于边-端协同的多用户多mec任务卸载资源调度方法 |
CN110022381A (zh) * | 2019-05-14 | 2019-07-16 | 中国联合网络通信集团有限公司 | 一种负载分担方法及装置 |
CN110149401A (zh) * | 2019-05-22 | 2019-08-20 | 湖南大学 | 一种用于优化边缘计算任务的方法和*** |
CN110351760A (zh) * | 2019-07-19 | 2019-10-18 | 重庆邮电大学 | 一种移动边缘计算***动态任务卸载及资源分配方法 |
CN110351760B (zh) * | 2019-07-19 | 2022-06-03 | 重庆邮电大学 | 一种移动边缘计算***动态任务卸载及资源分配方法 |
CN110493801A (zh) * | 2019-08-19 | 2019-11-22 | 南京邮电大学 | Mec环境下基于d2d通信的蜂窝***数据卸载方法 |
CN110493801B (zh) * | 2019-08-19 | 2022-05-03 | 南京邮电大学 | Mec环境下基于d2d通信的蜂窝***数据卸载方法 |
CN110557287A (zh) * | 2019-09-10 | 2019-12-10 | 北京邮电大学 | 一种基于李雅普诺夫优化的资源分配方法及装置 |
CN111556576A (zh) * | 2020-05-06 | 2020-08-18 | 南京邮电大学 | 基于d2d_mec***的时延优化方法 |
CN111711962A (zh) * | 2020-06-15 | 2020-09-25 | 重庆邮电大学 | 一种移动边缘计算***子任务协同调度方法 |
CN111711962B (zh) * | 2020-06-15 | 2022-04-12 | 重庆邮电大学 | 一种移动边缘计算***子任务协同调度方法 |
CN111786839A (zh) * | 2020-07-15 | 2020-10-16 | 南通大学 | 一种车载边缘计算网络中能效优化的计算卸载方法及*** |
US11445400B2 (en) | 2020-07-15 | 2022-09-13 | Nantong University | Energy-efficient optimized computing offloading method for vehicular edge computing network and system thereof |
CN111786839B (zh) * | 2020-07-15 | 2021-09-07 | 南通大学 | 一种车载边缘计算网络中能效优化的计算卸载方法及*** |
CN114077491A (zh) * | 2020-08-18 | 2022-02-22 | 中国科学院沈阳自动化研究所 | 一种工业智能制造边缘计算任务调度方法 |
CN114077491B (zh) * | 2020-08-18 | 2024-05-24 | 中国科学院沈阳自动化研究所 | 一种工业智能制造边缘计算任务调度方法 |
CN112788605B (zh) * | 2020-12-25 | 2022-07-26 | 威胜信息技术股份有限公司 | 基于双延迟深度确定性策略边缘计算资源调度方法和*** |
CN112788605A (zh) * | 2020-12-25 | 2021-05-11 | 威胜信息技术股份有限公司 | 基于双延迟深度确定性策略边缘计算资源调度方法和*** |
CN112799812A (zh) * | 2021-01-27 | 2021-05-14 | 苏州科技大学 | 一种多智能设备协同优化*** |
CN112954592A (zh) * | 2021-02-08 | 2021-06-11 | 南京邮电大学 | 一种针对d2d-mec***的能耗优化方法 |
CN112954592B (zh) * | 2021-02-08 | 2022-07-26 | 南京邮电大学 | 一种针对d2d-mec***的能耗优化方法 |
CN113518330A (zh) * | 2021-07-06 | 2021-10-19 | 重庆工商大学 | 基于d2d通信的多用户计算卸载资源优化决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107995660B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107995660A (zh) | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 | |
Bi et al. | Joint optimization of service caching placement and computation offloading in mobile edge computing systems | |
Liu et al. | Multiobjective optimization for computation offloading in fog computing | |
Guo et al. | Collaborative computation offloading for multiaccess edge computing over fiber–wireless networks | |
CN114189892B (zh) | 一种基于区块链和集体强化学习的云边协同物联网***资源分配方法 | |
Chen et al. | Dynamic task offloading for internet of things in mobile edge computing via deep reinforcement learning | |
CN110187973A (zh) | 一种面向边缘计算的服务部署优化方法 | |
CN108809695A (zh) | 一种面向移动边缘计算的分布上行链路卸载策略 | |
CN110392079A (zh) | 面向雾计算的节点计算任务调度方法及其设备 | |
CN114051254B (zh) | 一种基于星地融合网络的绿色云边协同计算卸载方法 | |
CN109756912A (zh) | 一种多用户多基站联合任务卸载及资源分配方法 | |
Lin et al. | Three-tier capacity and traffic allocation for core, edges, and devices for mobile edge computing | |
CN110096362A (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
Li et al. | Distributed task offloading strategy to low load base stations in mobile edge computing environment | |
Tanzil et al. | A distributed coalition game approach to femto-cloud formation | |
CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
Miao et al. | Intelligent task caching in edge cloud via bandit learning | |
Zu et al. | SMETO: Stable matching for energy-minimized task offloading in cloud-fog networks | |
Xue et al. | Task allocation optimization scheme based on queuing theory for mobile edge computing in 5G heterogeneous networks | |
Guan et al. | Joint optimization for computation offloading and resource allocation in Internet of Things | |
Liu et al. | Genetic algorithm for delay efficient computation offloading in dispersed computing | |
Zuo et al. | Delay-limited computation offloading for MEC-assisted mobile blockchain networks | |
Zhang et al. | Energy minimization task offloading mechanism with edge-cloud collaboration in IoT networks | |
Wang et al. | Joint heterogeneous tasks offloading and resource allocation in mobile edge computing systems | |
Fan et al. | Task caching and computation offloading for muti-user mobile edge computing 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 |