CN108964817A - 一种异构网络联合计算卸载及资源分配方法 - Google Patents

一种异构网络联合计算卸载及资源分配方法 Download PDF

Info

Publication number
CN108964817A
CN108964817A CN201810949323.3A CN201810949323A CN108964817A CN 108964817 A CN108964817 A CN 108964817A CN 201810949323 A CN201810949323 A CN 201810949323A CN 108964817 A CN108964817 A CN 108964817A
Authority
CN
China
Prior art keywords
user
calculating task
energy consumption
unloading
calculating
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
CN201810949323.3A
Other languages
English (en)
Other versions
CN108964817B (zh
Inventor
陈前斌
陈泓
赵冬梅
柴蓉
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post 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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201810949323.3A priority Critical patent/CN108964817B/zh
Publication of CN108964817A publication Critical patent/CN108964817A/zh
Application granted granted Critical
Publication of CN108964817B publication Critical patent/CN108964817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种异构网络联合计算卸载及资源分配方法，属于无线通信技术领域。该方法包括以下步骤：S1：建模用户计算任务特性；S2：建模用户计算卸载决策变量及其限定条件；S3：建模用户计算任务本地处理能耗及完成时间；S4：建模用户计算任务卸载完成时间；S5：建模用户计算任务卸载完成能耗；S6：建模***总能耗；S7：建模用户计算任务完成时间及其限定条件；S8：基于***总能耗最小化，确定计算卸载及资源分配优化策略。本发明所述方法在满足用户计算任务最大时延容忍条件下，可合理利用无线资源，通过优化设计计算卸载及资源分配策略，实现***总能耗最小化。

Description

一种异构网络联合计算卸载及资源分配方法
技术领域
本发明属于无线通信技术领域，涉及异构网络资源分配技术领域，具体涉及一种异构网络联合计算卸载及资源分配方法。
背景技术
随着计算机、通信技术的高速发展，用户业务需求日趋多元化，下一代通信网络将朝向异构化趋势发展，并逐步走向互联互通。为满足市场需求，相继出现了种类纷呈的无线接入技术(Radio Access Technologies，RATs)，从蜂窝网到局域网，从公共网到专业网，从单业务服务网络到多媒体网络，且各自具有不同的特征和业务提供能力。由于单一无线接入技术已无法完全满足不同用户的业务需求，未来通信网络将实现多种RATs的高效异构融合，为用户提供多样化网络服务。
移动边缘计算技术在下一代无线网络中被认为是一种前景可观的方式，通过将云计算能力移至移动设备附近，赋予无线接入网络(Radio Access Networks,RANs)强大的计算能力，可实现在任何时间任何地点为移动设备提供计算服务。移动边缘计算技术在计算卸载过程中能够提供低时延、高带宽和计算灵活性。作为移动边缘计算技术的典型应用之一，微云近几年发展迅速，通过将微云服务器部署在RANs接入点处，可覆盖网络内的移动用户，为用户提供计算卸载服务。由于本地执行用户计算任务需要较高计算花销，而采用计算卸载方案由云端执行用户任务涉及通信花销，因此如何划分计算任务并确定任务卸载方案，以实现无线网络资源高效利用，以及***计算和通信花销的优化是当今热点研究课题。
近年来，已有文献研究异构网络联合计算卸载及资源分配问题。文献T.T.Nguyenand B.L.Long.Joint computation offloading and resource allocation in cloudbased wireless hetnets[C].IEEE Global Communications Conference,Dec 2017,pp.1–6，针对一个两层的多小区多用户***，提出了一种联合计算卸载及资源分配优化策略，在满足带宽、计算资源和可容忍时延的限制条件下，实现最大加权能耗最小化的目标。文献J.Zhang,W.Xia,F.Yan,and L.Shen.Joint computation offloading and resourceallocation optimization in heterogeneous networks with mobile edge computing[J].IEEE Access,vol.6,pp.19324–19337,2018，针对异构网络的移动边缘计算***，研究移动设备上行子信道分配、上传传输功率分配以及计算资源调度问题，提出了一种分布式的联合计算卸载及资源分配优化策略。
以上研究通过建模特定网络性能函数，基于优化理论确定对应性能函数最优的资源分配策略，但现有研究较少综合考虑异构网络的多样性、多接入特性以及网络资源状态的差异性等问题，难以实现网络综合性能优化。
发明内容
有鉴于此，本发明的目的在于提供一种异构网络联合计算卸载及资源分配方法，在该方法中，针对包含1个宏基站和多个小基站的异构网络场景，假设所有基站(BaseStation,BS)均部署一定数量的微云服务器，综合考虑用户计算任务特性、用户终端及服务器处理能力等因素，建模***总能耗为优化目标，实现联合计算卸载及资源分配优化策略。
为达到上述目的，本发明提供如下技术方案：
一种异构网络联合计算卸载及资源分配方法，具体包括以下步骤：
S1：建模用户计算任务特性；
S2：建模用户计算卸载决策变量及其限定条件；
S3：建模用户计算任务本地处理能耗及完成时间；
S4：建模用户计算任务卸载完成时间；
S5：建模用户计算任务卸载完成能耗；
S6：建模***总能耗；
S7：建模用户计算任务完成时间及其限定条件；
S8：基于***总能耗最小化，确定计算卸载及资源分配优化策略。
进一步，所述步骤S1具体包括：假设每个用户在某一时刻产生一个可能需要卸载完成的计算任务，令dm表示执行用户m的计算任务所需要的输入数据大小，这些输入数据可能包括程序代码、输入文件等；令cm表示用户m计算任务的计算负载；令表示用户m计算任务的最大时延容忍，1≤m≤M，其中，M为网络中用户总数。
进一步，所述步骤S2具体包括：
假设所有基站均部署一定数量的微云服务器，令BSn表示第n个基站，δm,n∈{0,1}表示用户m的计算任务是否卸载到BSn的微云完成计算的卸载决策变量，δm,n＝1表示用户m的计算任务卸载到BSn的微云服务器完成计算，否则，δm,n＝0；
假设每个用户的计算任务至多只能卸载到一个BS的微云服务器上完成计算，则δm,n应满足令Sn为BSn上的微云服务器数目，则同时卸载到BSn的用户数目不能超过其微云服务器总数，即δm,n应满足1≤n≤N，其中，N为网络中BS的总数。
进一步，所述步骤S3具体包括：建模用户计算任务本地处理能耗及完成时间根据公式计算用户m的计算任务本地处理能耗，其中，表示用户m本地处理计算任务消耗的电池功率，表示用户m本地处理计算任务的完成时间；根据公式计算用户m本地处理计算任务的完成时间，其中，为用户m的本地处理速率。
进一步，所述步骤S4具体包括：建模用户计算任务卸载完成时间根据公式计算用户计算任务卸载完成时间，其中，表示用户m卸载计算任务到BSn的微云服务器的无线链路传输时间，表示用户m的计算任务在BSn的微云服务器的计算时间。
进一步，建模用户m卸载计算任务到BSn的微云服务器的无线链路传输时间为：其中，Rm,n表示接入BSn的用户m的数据传输速率；根据公式计算接入BSn的用户m的数据传输速率，其中，W表示子信道带宽，Pm,n表示接入BSn的用户m的传输功率，gm,n及σ2分别表示用户m与BSn之间的信道增益及噪声功率；
建模用户m的计算任务在BSn的微云服务器的计算时间为：其中，fn表示BSn的微云服务器的计算能力。
进一步，所述步骤S5具体包括：建模用户计算任务卸载完成能耗根据公式计算用户计算任务卸载完成能耗，其中，表示用户m卸载计算任务到BSn的微云服务器的传输能耗，表示用户m的计算任务在BSn的微云服务器的计算能耗；根据公式计算用户m卸载计算任务到BSn的微云服务器的传输能耗；根据公式计算用户m的计算任务在BSn的微云服务器的计算能耗，其中，表示BSn的微云服务器的数据计算功率消耗。
进一步，所述步骤S6具体包括：建模***总能耗E，所述***总能耗为完成网络中所有用户计算任务所需的能量，即
进一步，所述步骤S7具体包括：根据公式计算用户m的计算任务完成时间，应满足
进一步，所述步骤S8具体包括：综合考虑用户计算任务特性及计算卸载限定条件，基于***总能耗最小化，确定计算卸载及资源分配优化策略，记
本发明的有益效果在于：本发明所述方法在满足用户计算任务最大时延容忍条件下，可合理利用无线资源，通过优化设计计算卸载及资源分配策略，实现***总能耗最小化。
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为部署有微云服务器的异构网络场景示意图；
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。
图1为部署有微云服务器的异构网络场景示意图，该异构网络中多个小基站位于一个宏基站的网络覆盖区域内，并且该异构网络中存在多个用户，且用户位于多个BS的网络覆盖区域，根据用户的计算任务特性，可选择卸载到合适的BS上的微云服务器处理计算任务；建模***总能耗为完成网络中所有用户计算任务所需的能量，基于***总能耗最小化实现联合计算卸载及资源分配最优策略。
图2为本发明所述方法的流程示意图，如图2所示，本发明所述异构网络联合计算卸载及资源分配方法具体包括以下步骤：
1)建模用户计算任务特性：
假设每个用户在某一时刻产生一个可能需要卸载完成的计算任务，建模用户计算任务特性，具体为：令dm表示执行用户m的计算任务所需要的输入数据大小，这些输入数据可能包括程序代码、输入文件等；令cm表示用户m计算任务的计算负载；令表示用户m计算任务的最大时延容忍，1≤m≤M，其中，M为网络中用户总数。
2)构建用户计算卸载决策变量，建模限定条件：
假设所有基站均部署一定数量的微云服务器，构建用户计算卸载决策变量，具体为：令BSn表示第n个基站，δm,n∈{0,1}表示用户m的计算任务是否卸载到BSn的微云完成计算的卸载决策变量，δm,n＝1表示用户m的计算任务卸载到BSn的微云服务器完成计算，否则，δm,n＝0；假设每个用户的计算任务至多只能卸载到一个BS的微云服务器上完成计算，则δm,n应满足令Sn为BSn上的微云服务器数目，则同时卸载到BSn的用户数目不能超过其微云服务器总数，即δm,n应满足1≤n≤N，其中，N为网络中BS的总数。
3)建模用户计算任务本地处理能耗及完成时间：
建模用户计算任务本地处理能耗及完成时间根据公式计算用户m的计算任务本地处理能耗，其中，表示用户m本地处理计算任务消耗的电池功率，表示用户m本地处理计算任务的完成时间；根据公式计算用户m本地处理计算任务的完成时间，其中，为用户m的本地处理速率。
4)建模用户计算任务卸载完成时间：
建模用户计算任务卸载完成时间根据公式计算用户计算任务卸载完成时间，其中，表示用户m卸载计算任务到BSn的微云服务器的无线链路传输时间，表示用户m的计算任务在BSn的微云服务器的计算时间。进而，建模用户m卸载计算任务到BSn的微云服务器的无线链路传输时间为：其中，Rm,n为接入BSn的用户m的数据传输速率；根据公式计算接入BSn的用户m的数据传输速率，其中，W为子信道带宽，Pm,n为接入BSn的用户m的传输功率，gm,n及σ2分别表示用户m与BSn之间的信道增益及噪声功率；建模用户m的计算任务在BSn的微云服务器的计算时间为：其中，fn为BSn的微云服务器的计算能力。
5)建模用户计算任务卸载完成能耗：
建模用户计算任务卸载完成能耗根据公式计算用户计算任务卸载完成能耗，其中，表示用户m卸载计算任务到BSn的微云服务器的传输能耗，表示用户m的计算任务在BSn的微云服务器的计算能耗；根据公式计算用户m卸载计算任务到BSn的微云服务器的传输能耗；根据公式计算用户m的计算任务在BSn的微云服务器的计算能耗，其中，表示BSn的微云服务器的数据计算功率消耗。
6)建模***总能耗：
建模***总能耗E为完成网络中所有用户计算任务所需的能量，即
7)建模用户计算任务完成时间及其限定条件：
建模用户计算任务完成时间及限定条件，具体为：根据公式计算用户m的计算任务完成时间，应满足
8)基于***总能耗最小化，确定计算卸载及资源分配优化策略：
综合考虑用户计算任务特性及计算卸载限定条件，基于***总能耗最小化，确定计算卸载及资源分配优化策略，记
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 (10)

1.一种异构网络联合计算卸载及资源分配方法，其特征在于，该方法具体包括以下步骤：
S1：建模用户计算任务特性；
S2：建模用户计算卸载决策变量及其限定条件；
S3：建模用户计算任务本地处理能耗及完成时间；
S4：建模用户计算任务卸载完成时间；
S5：建模用户计算任务卸载完成能耗；
S6：建模***总能耗；
S7：建模用户计算任务完成时间及其限定条件；
S8：基于***总能耗最小化，确定计算卸载及资源分配优化策略。
2.根据权利要求1所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，所述步骤S1具体包括：假设每个用户在某一时刻产生一个可能需要卸载完成的计算任务，令dm表示执行用户m的计算任务所需要的输入数据大小；令cm表示用户m计算任务的计算负载；令表示用户m计算任务的最大时延容忍，1≤m≤M，其中，M为网络中用户总数。
3.根据权利要求2所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，所述步骤S2具体包括：
假设所有基站均部署一定数量的微云服务器，令BSn表示第n个基站，δm,n∈{0,1}表示用户m的计算任务是否卸载到BSn的微云完成计算的卸载决策变量，δm,n＝1表示用户m的计算任务卸载到BSn的微云服务器完成计算，否则，δm,n＝0；
假设每个用户的计算任务至多只能卸载到一个BS的微云服务器上完成计算，则δm,n应满足令Sn为BSn上的微云服务器数目，则同时卸载到BSn的用户数目不能超过其微云服务器总数，即δm,n应满足1≤n≤N，其中，N为网络中BS的总数。
4.根据权利要求3所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，所述步骤S3具体包括：建模用户计算任务本地处理能耗及完成时间根据公式计算用户m的计算任务本地处理能耗，其中，表示用户m本地处理计算任务消耗的电池功率，表示用户m本地处理计算任务的完成时间；根据公式计算用户m本地处理计算任务的完成时间，其中，为用户m的本地处理速率。
5.根据权利要求4所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，所述步骤S4具体包括：建模用户计算任务卸载完成时间根据公式计算用户计算任务卸载完成时间，其中，表示用户m卸载计算任务到BSn的微云服务器的无线链路传输时间，表示用户m的计算任务在BSn的微云服务器的计算时间。
6.根据权利要求5所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，
建模用户m卸载计算任务到BSn的微云服务器的无线链路传输时间为：其中，Rm,n表示接入BSn的用户m的数据传输速率；根据公式计算接入BSn的用户m的数据传输速率，其中，W表示子信道带宽，Pm,n表示接入BSn的用户m的传输功率，gm,n及σ2分别表示用户m与BSn之间的信道增益及噪声功率；
建模用户m的计算任务在BSn的微云服务器的计算时间为：其中，fn表示BSn的微云服务器的计算能力。
7.根据权利要求6所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，所述步骤S5具体包括：建模用户计算任务卸载完成能耗根据公式计算用户计算任务卸载完成能耗，其中，表示用户m卸载计算任务到BSn的微云服务器的传输能耗，表示用户m的计算任务在BSn的微云服务器的计算能耗；根据公式计算用户m卸载计算任务到BSn的微云服务器的传输能耗；根据公式计算用户m的计算任务在BSn的微云服务器的计算能耗，其中，表示BSn的微云服务器的数据计算功率消耗。
8.根据权利要求7所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，所述步骤S6具体包括：建模***总能耗E，所述***总能耗为完成网络中所有用户计算任务所需的能量，即
9.根据权利要求8所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，所述步骤S7具体包括：根据公式计算用户m的计算任务完成时间，应满足
10.根据权利要求9所述的一种异构网络联合计算卸载及资源分配方法，其特征在于，所述步骤S7具体包括：综合考虑用户计算任务特性及计算卸载限定条件，基于***总能耗最小化，确定计算卸载及资源分配优化策略，记
CN201810949323.3A 2018-08-20 2018-08-20 一种异构网络联合计算卸载及资源分配方法 Active CN108964817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810949323.3A CN108964817B (zh) 2018-08-20 2018-08-20 一种异构网络联合计算卸载及资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810949323.3A CN108964817B (zh) 2018-08-20 2018-08-20 一种异构网络联合计算卸载及资源分配方法

Publications (2)

Publication Number Publication Date
CN108964817A true CN108964817A (zh) 2018-12-07
CN108964817B CN108964817B (zh) 2021-02-09

Family

ID=64470897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810949323.3A Active CN108964817B (zh) 2018-08-20 2018-08-20 一种异构网络联合计算卸载及资源分配方法

Country Status (1)

Country Link
CN (1) CN108964817B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109698861A (zh) * 2018-12-14 2019-04-30 深圳先进技术研究院 一种基于代价优化的计算任务卸载算法
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
CN109729543A (zh) * 2018-12-29 2019-05-07 南京邮电大学 一种基于数据压缩的高能效计算任务卸载方法
CN109922479A (zh) * 2019-01-11 2019-06-21 西安电子科技大学 一种基于时延预估的计算任务卸载方法
CN110287024A (zh) * 2019-06-12 2019-09-27 浙江理工大学 一种工业智能边缘计算中面向多服务器多用户的调度方法
CN110418418A (zh) * 2019-07-08 2019-11-05 广州海格通信集团股份有限公司 基于移动边缘计算的无线资源调度方法和装置
CN111200831A (zh) * 2020-01-08 2020-05-26 中国科学院计算技术研究所 一种融合移动边缘计算的蜂窝网络计算卸载方法
CN112004239A (zh) * 2020-08-11 2020-11-27 中国科学院计算机网络信息中心 一种基于云边协同的计算卸载方法及***
CN112395089A (zh) * 2020-11-19 2021-02-23 联通智网科技有限公司 一种云端异构计算方法及设备
CN112689296A (zh) * 2020-12-14 2021-04-20 山东师范大学 一种异构IoT网络中的边缘计算与缓存方法及***
CN112769910A (zh) * 2020-12-29 2021-05-07 杭州电子科技大学 基于动态电压调节技术的雾计算任务卸载方法
CN115100898A (zh) * 2022-05-31 2022-09-23 东南大学 一种城市智能停车管理***的协同计算任务卸载方法
CN116541153A (zh) * 2023-07-06 2023-08-04 南昌工程学院 边缘计算的任务调度方法、***、可读存储介质及计算机

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104703270A (zh) * 2015-03-26 2015-06-10 南京智雅信息科技有限公司 适用于异构无线蜂窝网络的用户接入和功率分配方法
CN105517134A (zh) * 2015-12-09 2016-04-20 重庆邮电大学 支持信息安全传输的异构融合网络联合用户关联及功率分配方法
CN107995660A (zh) * 2017-12-18 2018-05-04 重庆邮电大学 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104703270A (zh) * 2015-03-26 2015-06-10 南京智雅信息科技有限公司 适用于异构无线蜂窝网络的用户接入和功率分配方法
CN105517134A (zh) * 2015-12-09 2016-04-20 重庆邮电大学 支持信息安全传输的异构融合网络联合用户关联及功率分配方法
CN107995660A (zh) * 2017-12-18 2018-05-04 重庆邮电大学 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109698861A (zh) * 2018-12-14 2019-04-30 深圳先进技术研究院 一种基于代价优化的计算任务卸载算法
CN109729543A (zh) * 2018-12-29 2019-05-07 南京邮电大学 一种基于数据压缩的高能效计算任务卸载方法
CN109729543B (zh) * 2018-12-29 2021-11-16 南京邮电大学 一种基于数据压缩的高能效计算任务卸载方法
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
CN109922479A (zh) * 2019-01-11 2019-06-21 西安电子科技大学 一种基于时延预估的计算任务卸载方法
CN109922479B (zh) * 2019-01-11 2020-11-24 西安电子科技大学 一种基于时延预估的计算任务卸载方法
CN110287024A (zh) * 2019-06-12 2019-09-27 浙江理工大学 一种工业智能边缘计算中面向多服务器多用户的调度方法
CN110287024B (zh) * 2019-06-12 2021-09-28 浙江理工大学 一种工业智能边缘计算中面向多服务器多用户的调度方法
CN110418418A (zh) * 2019-07-08 2019-11-05 广州海格通信集团股份有限公司 基于移动边缘计算的无线资源调度方法和装置
CN110418418B (zh) * 2019-07-08 2022-12-06 广州海格通信集团股份有限公司 基于移动边缘计算的无线资源调度方法和装置
CN111200831A (zh) * 2020-01-08 2020-05-26 中国科学院计算技术研究所 一种融合移动边缘计算的蜂窝网络计算卸载方法
CN111200831B (zh) * 2020-01-08 2021-08-24 中国科学院计算技术研究所 一种融合移动边缘计算的蜂窝网络计算卸载方法
CN112004239B (zh) * 2020-08-11 2023-11-21 中国科学院计算机网络信息中心 一种基于云边协同的计算卸载方法及***
CN112004239A (zh) * 2020-08-11 2020-11-27 中国科学院计算机网络信息中心 一种基于云边协同的计算卸载方法及***
CN112395089A (zh) * 2020-11-19 2021-02-23 联通智网科技有限公司 一种云端异构计算方法及设备
CN112689296A (zh) * 2020-12-14 2021-04-20 山东师范大学 一种异构IoT网络中的边缘计算与缓存方法及***
CN112689296B (zh) * 2020-12-14 2022-06-24 山东师范大学 一种异构IoT网络中的边缘计算与缓存方法及***
CN112769910B (zh) * 2020-12-29 2022-07-19 杭州电子科技大学 基于动态电压调节技术的雾计算任务卸载方法
CN112769910A (zh) * 2020-12-29 2021-05-07 杭州电子科技大学 基于动态电压调节技术的雾计算任务卸载方法
CN115100898A (zh) * 2022-05-31 2022-09-23 东南大学 一种城市智能停车管理***的协同计算任务卸载方法
CN115100898B (zh) * 2022-05-31 2023-09-12 东南大学 一种城市智能停车管理***的协同计算任务卸载方法
CN116541153A (zh) * 2023-07-06 2023-08-04 南昌工程学院 边缘计算的任务调度方法、***、可读存储介质及计算机
CN116541153B (zh) * 2023-07-06 2023-10-03 南昌工程学院 边缘计算的任务调度方法、***、可读存储介质及计算机

Also Published As

Publication number Publication date
CN108964817B (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
CN108964817A (zh) 一种异构网络联合计算卸载及资源分配方法
Hu et al. Wireless powered cooperation-assisted mobile edge computing
Zhang et al. Dynamic task offloading and resource allocation for mobile-edge computing in dense cloud RAN
Fadlullah et al. HCP: Heterogeneous computing platform for federated learning based collaborative content caching towards 6G networks
Guo et al. Energy-aware computation offloading and transmit power allocation in ultradense IoT networks
Sun et al. Learning-based task offloading for vehicular cloud computing systems
CN107995660B (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
Chamola et al. Delay aware resource management for grid energy savings in green cellular base stations with hybrid power supplies
Lin et al. Three-tier capacity and traffic allocation for core, edges, and devices for mobile edge computing
CN113810233B (zh) 一种在随机网络中基于算网协同的分布式计算卸载方法
Chughtai et al. Energy efficient resource allocation for energy harvesting aided H-CRAN
CN113286317B (zh) 一种基于无线供能边缘网络的任务调度方法
CN109756912A (zh) 一种多用户多基站联合任务卸载及资源分配方法
CN106095529B (zh) 一种c-ran架构下的载波迁移方法
CN109639833A (zh) 一种基于无线城域网微云负载均衡的任务调度方法
Tanzil et al. A distributed coalition game approach to femto-cloud formation
Pang et al. Joint wireless source management and task offloading in ultra-dense network
Wang et al. Energy consumption minimization with throughput heterogeneity in wireless-powered body area networks
Nguyen et al. Joint computation offloading, SFC placement, and resource allocation for multi-site MEC systems
Chi et al. Spatiotemporal D2D small cell allocation and on-demand deployment for microgrids
Fei et al. Delay-oriented task scheduling and bandwidth allocation in fog computing networks
Gu et al. Energy‐Efficient Computation Offloading and Transmit Power Allocation Scheme for Mobile Edge Computing
Zhang et al. Price-based joint offloading and resource allocation for ad hoc mobile cloud
Li et al. A distributed ADMM approach with decomposition-coordination for mobile data offloading
Nguyen et al. Let's share the resource when we’re Co-located: colocation edge computing

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