CN110096362A - 一种基于边缘服务器协作的多任务卸载方法 - Google Patents
一种基于边缘服务器协作的多任务卸载方法 Download PDFInfo
- Publication number
- CN110096362A CN110096362A CN201910334429.7A CN201910334429A CN110096362A CN 110096362 A CN110096362 A CN 110096362A CN 201910334429 A CN201910334429 A CN 201910334429A CN 110096362 A CN110096362 A CN 110096362A
- Authority
- CN
- China
- Prior art keywords
- task
- edge server
- subtask
- indicate
- user
- 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
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5017—Task decomposition
-
- 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
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于边缘服务器协作的多任务卸载方法,属于无线通信领域。该方法包括以下步骤:S1:建模边缘服务器变量;S2:建模用户任务特性;S3:建模用户任务分割变量、卸载变量及时隙分配变量;S4:建模用户任务本地执行时延;S5:建模边缘服务器执行任务时延;S6:建模用户任务调度限制条件;S7:基于用户最大任务处理时延最小化确定用户任务卸载策略。本发明能够保障在任务有效执行情况下用户任务调度策略最优及卸载比率最优,实现用户时延最小化。
Description
技术领域
本发明属于无线通信领域,涉及一种边缘服务器协作的多任务卸载方法。
背景技术
随着移动互联网的发展及智能终端的普及,增强现实(Augmented Reality,AR)、虚拟现实及自然语言处理等新型应用不断涌现。然而,各类新型应用的计算资源密集特性对智能终端任务处理能力提出严峻挑战。为解决上述问题,移动边缘计算(Mobile EdgeComputing,MEC)技术应运而生。该技术通过将具备较强计算能力的MEC服务器部署至无线接入网络(Radio Access Network,RAN)中,支持用户将任务卸载至MEC服务器执行计算,可有效降低终端任务执行时延及能耗,显著提升用户服务质量(Quality of Service,QoS)。在MEC***中,综合考虑任务特性及***可用状态,设计高效的任务卸载机制。
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实现用户时延优化,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。
现有基于多任务卸载用户网络场景方案的研究较少考虑最大任务处理时延用户的优化问题,然而对于时延敏感用户而言,这会导致传输性能及用户体验难以保障,因此亟需一种基于用户最大任务处理时延的优化方案。
发明内容
有鉴于此,本发明的目的在于提供一种基于边缘服务器协作的多任务卸载方法,在该方法中,用户任务请求可通过三种方式执行,全部本地执行、本地与边缘服务器协作执行及边缘服务器执行,且用户任务可以被分割成任意数据量的子任务,建模最大用户任务处理时延为优化目标,确定最优用户任务卸载策略、卸载比率及时隙分配方案,最小化任务执行总时延。
为达到上述目的,本发明提供如下技术方案:
一种基于边缘服务器协作的多任务卸载方法,具体包括以下步骤:
S1:建模边缘服务器变量;
S2:建模用户任务特性;
S3:建模用户任务分割变量、卸载变量及时隙分配变量;
S4:建模用户任务本地执行时延;
S5:建模边缘服务器执行任务时延;
S6:建模用户任务调度限制条件;
S7:基于用户最大任务处理时延最小化确定用户任务卸载策略。
进一步,所述步骤S1具体包括:令E={Ej}表示边缘服务器集合,其中,Ej表示第j个边缘服务器,1≤j≤N,N为边缘服务器的数量。
进一步,所述步骤S2具体包括:令***中拟执行任务的用户设备(UserEquipment,UE)集合为UE={UEi},其中,UEi表示第i个用户设备,1≤i≤M,M为用户设备的总数;UEi任务执行请求由三元组<Ii,Si,Ti d>描述,其中,Ii、Si及Ti d分别表示UEi拟执行任务所需输入数据量、待处理的数据量及任务完成截止时刻;
假设在某段给定时间段内执行用户任务,将该时段依次划分为P个时隙,令Tt表示第t个时隙,1≤t≤P。
进一步,所述步骤S3具体包括:UEi的任务被分割为Li个任意数据量的子任务,各子任务分别卸载至不同边缘服务器执行或在用户本地执行;
令λi,l∈[0,1]表示UEi的第l个子任务本地执行数据量的比率,λi,l,j∈[0,1]表示UEi的第l个子任务卸载至边缘服务器Ej进行执行的数据量比率;
令xi,l={0,1}表示UEi第l个子任务本地执行决策标识,xi,l=1表示UEi的第l个子任务本地执行,否则,xi,l=0;
令xi,l,j={0,1}表示UEi的第l个子任务卸载至边缘服务器Ej的调度决策标识,xi,l,j=1表示UEi的第l个子任务卸载至边缘服务器Ej进行执行,否则,xi,l,j=0;
令yi,l,j,t={0,1}表示UEi子任务卸载至边缘服务Ej执行对应的时隙分配标识,yi,l,j,t=1表示在时隙t,UEi的第l个子任务卸载至边缘服务器Ej进行执行,否则,yi,l,j,t=0。
进一步,所述步骤S4具体包括:建模UEi第l个子任务本地执行所需时延为其中,fi表示UEi的本地计算能力。
进一步,所述步骤S5具体包括:假设边缘服务器Ej依次执行所有用户设备所卸载的任务,令Dj为边缘服务器Ej执行UE所卸载子任务的时延总和,即其中,表示边缘服务器Ej执行UEi所卸载第l个子任务所需时延;
其中,表示UEi的任务全部在边缘服务器Ej上执行所需总时延;
其中,表示UEi的任务传输至边缘服务器Ej所需的传输时延,表示UEi的任务卸载至边缘服务器Ej对应的传输速率;Bi,j表示UEi的任务卸载至边缘服务器Ej所占用的传输带宽,Pi,j表示UEi的任务卸载至边缘服务器Ej所采用的发送功率,gi,j表示UEi与边缘服务器Ej之间链路的信道增益,σ2表示信道噪声功率;
表示UEi的任务在边缘服务器Ej上执行所需处理时延,其中,表示边缘计算服务器Ej的计算能力。
进一步,所述步骤S6具体包括:
(1)任务卸载约束条件:假设一个边缘服务器Ej最多接收UEi的一个子任务,即UEi的每个子任务最多卸载至一个边缘服务器,即且UEi的每个子任务最多卸载一个至本地,即
(2)任务卸载变量与任务分割变量之间应满足:xi,l,j⊙yi,l,j,t=1,其中⊙表示二元变量的同或运算;任务分割变量约束条件:
(3)用户任务执行截止时间限制条件应满足:其中,Ti表示用户UEi任务完成执行时刻,令其中,Ti,l表示用户UEi子任务l完成执行时刻,建模为其中,表示UEi子任务l在边缘服务器Ej开始执行任务时刻;
(4)用户UEi时隙分配应满足:时隙连续性约束条件:
(5)UEi的任务最多同时卸载至Ci个边缘服务器,即其中,Ci表示UEi通信范围内的所有边缘服务器个数,Ci≤N;用户UEi子任务数应该满足:1≤Li≤Ci+1。
进一步,所述步骤S7具体包括:在满足步骤S6约束条件下,基于用户最大任务处理时延最小化确定用户任务调度策略,实现任务执行总时延最小化,即
其中,为UEi第l个子任务本地执行的最优调度决策;表示UEi第l个子任务卸载至边缘服务器Ej执行的最优调度策略;为UEi第l个子任务本地执行的最优比例,表示UEi第l个子任务卸载至边缘服务器Ej执行的最优比例,表示UEi第l个子任务卸载至边缘服务器Ej执行的最优时隙分配策略。
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及卸载比率最优,实现用户时延最小化。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为边缘服务器协作的多任务卸载的网络示意图;
图2为本发明所述多任务卸载方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
本发明提出的一种基于边缘服务器协作的多任务卸载方法,假设用户需执行一定计算任务,边缘服务器及用户设备均具有一定的任务计算及处理能力,用户可采用全部本地执行、本地与边缘服务器协作执行及边缘服务器执行,建模最大用户任务处理时延为优化目标,确定最优用户任务卸载策略及卸载比率,最小化任务执行总时延。
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、卸载比率及时隙分配方案,最小化任务执行时延。
如图2所示,本发明所述多任务卸载方法具体包括以下步骤:
1)建模边缘服务器变量:令E={Ej}表示边缘服务器集合,其中,Ej表示第j个边缘服务器,1≤j≤N,N为边缘服务器的数量
2)建模用户任务特性:
令***中拟执行任务的用户设备(User Equipment,UE)集合为UE={UEi},其中,UEi表示第i个用户设备,1≤i≤M,M为用户设备的总数;UEi任务执行请求由三元组<Ii,Si,Ti d>描述,其中,Ii、Si及Ti d分别表示UEi拟执行任务所需输入数据量、待处理的数据量及任务完成截止时刻。
假设在某段给定时间段内执行用户任务,将该时段依次划分为P个时隙,Tt表示第t个时隙,1≤t≤P。
3)建模用户任务分割变量、卸载变量及时隙分配变量:
UEi的任务被分割为Li个任意数据量的子任务,各子任务分别卸载至不同边缘服务器执行或在用户本地执行;
令λi,l∈[0,1]表示UEi的第l个子任务本地执行数据量的比率,λi,l,j∈[0,1]表示UEi的第l个子任务卸载至边缘服务器Ej进行执行的数据量比率;
令xi,l={0,1}表示UEi第l个子任务本地执行决策标识,xi,l=1表示UEi的第l个子任务本地执行,否则,xi,l=0;
令xi,l,j={0,1}表示UEi的第l个子任务卸载至边缘服务器Ej的调度决策标识,xi,l,j=1表示UEi的第l个子任务卸载至边缘服务器Ej进行执行,否则,xi,l,j=0;
令yi,l,j,t={0,1}表示UEi子任务卸载至边缘服务Ej执行对应的时隙分配标识,yi,l,j,t=1表示在时隙t,UEi的第l个子任务卸载至边缘服务器Ej进行执行,否则,yi,l,j,t=0。
4)建模用户任务本地执行时延:建模UEi第l个子任务本地执行所需时延为其中,fi表示UEi的本地计算能力。
5)建模边缘服务器执行任务时延:假设边缘服务器Ej依次执行所有用户设备所卸载的任务,令Dj为边缘服务器Ej执行UE所卸载子任务的时延总和,即其中,表示边缘服务器Ej执行UEi所卸载第l个子任务所需时延;其中,表示UEi的任务全部在边缘服务器Ej上执行所需总时延。
其中,表示UEi的任务传输至边缘服务器Ej所需的传输时延,建模为Ri,j表示UEi的任务卸载至边缘服务器Ej对应的传输速率,建模为其中,Bi,j表示UEi的任务卸载至边缘服务器Ej所占用的传输带宽,Pi,j表示UEi的任务卸载至边缘服务器Ej所采用的发送功率,gi,j表示UEi与边缘服务器Ej之间链路的信道增益,σ2表示信道噪声功率。
表示UEi的任务在边缘服务器Ej上执行所需处理时延,建模为其中,表示边缘计算服务器Ej的计算能力。
6)建模用户任务调度限制条件:
(1)任务卸载约束条件:假设一个边缘服务器Ej最多接收UEi的一个子任务,即UEi的每个子任务最多卸载至一个边缘服务器,即且UEi的每个子任务最多卸载一个至本地,也即
(2)任务卸载变量与任务分割变量之间应满足:xi,l,jeyi,l,j,t=1;任务分割变量约束条件:
(3)用户任务执行截止时间限制条件应满足:其中,Ti表示用户UEi任务完成执行时刻,令其中,Ti,l表示用户UEi子任务l完成执行时刻,建模为其中,表示UEi子任务l在边缘服务器Ej开始执行任务时刻,建模为
(4)用户UEi时隙分配应满足:时隙连续性约束条件:
(5)UEi的任务最多可同时卸载至Ci个边缘服务器,即其中,Ci表示UEi可通信范围内的所有边缘服务器个数,Ci≤N;用户UEi子任务数应该满足:1≤Li≤Ci+1。
7)基于用户最大任务处理时延最小化确定用户任务卸载策略;
基于用户最大任务处理时延最小化确定用户任务调度策略,实现任务执行总时延最小化,即其中,为UEi第l个子任务本地执行的最优调度决策;表示UEi第l个子任务卸载至边缘服务器Ej执行的最优调度策略;为UEi第l个子任务本地执行的最优比例,表示UEi第l个子任务卸载至边缘服务器Ej执行的最优比例,表示UEi第l个子任务卸载至边缘服务器Ej执行的最优时隙分配策略。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于边缘服务器协作的多任务卸载方法,其特征在于,该方法具体包括以下步骤:
S1:建模边缘服务器变量;
S2:建模用户任务特性;
S3:建模用户任务分割变量、卸载变量及时隙分配变量;
S4:建模用户任务本地执行时延;
S5:建模边缘服务器执行任务时延;
S6:建模用户任务调度限制条件;
S7:基于用户最大任务处理时延最小化确定用户任务卸载策略。
2.根据权利要求1所述的一种基于边缘服务器协作的多任务卸载方法,其特征在于,所述步骤S1具体包括:令E={Ej}表示边缘服务器集合,其中,Ej表示第j个边缘服务器,1≤j≤N,N为边缘服务器的数量。
3.根据权利要求2所述的一种基于边缘服务器协作的多任务卸载方法,其特征在于,所述步骤S2具体包括:令***中拟执行任务的用户设备(User Equipment,UE)集合为UE={UEi},其中,UEi表示第i个用户设备,1≤i≤M,M为用户设备的总数;UEi任务执行请求由三元组<Ii,Si,Ti d>描述,其中,Ii、Si及Ti d分别表示UEi拟执行任务所需输入数据量、待处理的数据量及任务完成截止时刻;
假设在某段给定时间段内执行用户任务,将该时段依次划分为P个时隙,令Tt表示第t个时隙,1≤t≤P。
4.根据权利要求3所述的一种基于边缘服务器协作的多任务卸载方法,其特征在于,所述步骤S3具体包括:UEi的任务被分割为Li个任意数据量的子任务,各子任务分别卸载至不同边缘服务器执行或在用户本地执行;
令λi,l∈[0,1]表示UEi的第l个子任务本地执行数据量的比率,λi,l,j∈[0,1]表示UEi的第l个子任务卸载至边缘服务器Ej进行执行的数据量比率;
令xi,l={0,1}表示UEi第l个子任务本地执行决策标识,xi,l=1表示UEi的第l个子任务本地执行,否则,xi,l=0;
令xi,l,j={0,1}表示UEi的第l个子任务卸载至边缘服务器Ej的调度决策标识,xi,l,j=1表示UEi的第l个子任务卸载至边缘服务器Ej进行执行,否则,xi,l,j=0;
令yi,l,j,t={0,1}表示UEi子任务卸载至边缘服务Ej执行对应的时隙分配标识,yi,l,j,t=1表示在时隙t,UEi的第l个子任务卸载至边缘服务器Ej进行执行,否则,yi,l,j,t=0。
5.根据权利要求4所述的一种基于边缘服务器协作的多任务卸载方法,其特征在于,所述步骤S4具体包括:建模UEi第l个子任务本地执行所需时延为其中,fi表示UEi的本地计算能力。
6.根据权利要求5所述的一种基于边缘服务器协作的多任务卸载方法,其特征在于,所述步骤S5具体包括:假设边缘服务器Ej依次执行所有用户设备所卸载的任务,令Dj为边缘服务器Ej执行UE所卸载子任务的时延总和,即其中,表示边缘服务器Ej执行UEi所卸载第l个子任务所需时延;
其中,表示UEi的任务全部在边缘服务器Ej上执行所需总时延;
其中,表示UEi的任务传输至边缘服务器Ej所需的传输时延,表示UEi的任务卸载至边缘服务器Ej对应的传输速率;Bi,j表示UEi的任务卸载至边缘服务器Ej所占用的传输带宽,Pi,j表示UEi的任务卸载至边缘服务器Ej所采用的发送功率,gi,j表示UEi与边缘服务器Ej之间链路的信道增益,σ2表示信道噪声功率;
表示UEi的任务在边缘服务器Ej上执行所需处理时延,其中,表示边缘计算服务器Ej的计算能力。
7.根据权利要求6所述的一种基于边缘服务器协作的多任务卸载方法,其特征在于,所述步骤S6具体包括:
(1)任务卸载约束条件:假设一个边缘服务器Ej最多接收UEi的一个子任务,即UEi的每个子任务最多卸载至一个边缘服务器,即且UEi的每个子任务最多卸载一个至本地,即
(2)任务卸载变量与任务分割变量之间应满足:xi,l,j⊙yi,l,j,t=1,其中⊙表示二元变量的同或运算;任务分割变量约束条件:
(3)用户任务执行截止时间限制条件应满足:其中,Ti表示用户UEi任务完成执行时刻,令其中,Ti,l表示用户UEi子任务l完成执行时刻,建模为其中,表示UEi子任务l在边缘服务器Ej开始执行任务时刻;
(4)用户UEi时隙分配应满足:时隙连续性约束条件:
(5)UEi的任务最多同时卸载至Ci个边缘服务器,即其中,Ci表示UEi通信范围内的所有边缘服务器个数,Ci≤N;用户UEi子任务数应该满足:1≤Li≤Ci+1。
8.根据权利要求7所述的一种基于边缘服务器协作的多任务卸载方法,其特征在于,所述步骤S7具体包括:在满足步骤S6约束条件下,基于用户最大任务处理时延最小化确定用户任务调度策略,实现任务执行总时延最小化,即
其中,为UEi第l个子任务本地执行的最优调度决策;表示UEi第l个子任务卸载至边缘服务器Ej执行的最优调度策略;为UEi第l个子任务本地执行的最优比例,表示UEi第l个子任务卸载至边缘服务器Ej执行的最优比例,表示UEi第l个子任务卸载至边缘服务器Ej执行的最优时隙分配策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910334429.7A CN110096362B (zh) | 2019-04-24 | 2019-04-24 | 一种基于边缘服务器协作的多任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910334429.7A CN110096362B (zh) | 2019-04-24 | 2019-04-24 | 一种基于边缘服务器协作的多任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110096362A true CN110096362A (zh) | 2019-08-06 |
CN110096362B CN110096362B (zh) | 2023-04-14 |
Family
ID=67445774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910334429.7A Active CN110096362B (zh) | 2019-04-24 | 2019-04-24 | 一种基于边缘服务器协作的多任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110096362B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110764885A (zh) * | 2019-08-28 | 2020-02-07 | 中科晶上(苏州)信息技术有限公司 | 一种多移动设备的dnn任务的拆分和卸载方法 |
CN111131835A (zh) * | 2019-12-31 | 2020-05-08 | 中南大学 | 一种视频处理方法及*** |
CN111988805A (zh) * | 2020-08-28 | 2020-11-24 | 重庆邮电大学 | 一种面向可靠时延保障的端边协同方法 |
CN112202886A (zh) * | 2020-09-30 | 2021-01-08 | 广州大学 | 任务卸载方法、***、装置和存储介质 |
CN112822264A (zh) * | 2021-01-05 | 2021-05-18 | 中国科学院计算技术研究所 | 一种dnn任务卸载的方法 |
WO2021227414A1 (zh) * | 2020-05-12 | 2021-11-18 | 华为技术有限公司 | 用户设备ue用户数据的检测方法、设备及存储介质 |
CN114285847A (zh) * | 2021-12-17 | 2022-04-05 | 中国电信股份有限公司 | 数据处理、模型训练方法及装置、电子设备、存储介质 |
CN115133972A (zh) * | 2022-03-14 | 2022-09-30 | 重庆邮电大学 | 一种卫星***任务调度及卸载方法 |
EP4055877A4 (en) * | 2019-11-29 | 2023-01-11 | Samsung Electronics Co., Ltd. | METHOD AND APPARATUS FOR LOADING DATA IN A WIRELESS COMMUNICATION SYSTEM |
CN117635924A (zh) * | 2024-01-25 | 2024-03-01 | 南京慧然科技有限公司 | 一种基于自适应知识蒸馏的低能耗目标检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180109428A1 (en) * | 2016-10-19 | 2018-04-19 | Tata Consultancy Services Limited | Optimal deployment of fog computations in iot environments |
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 |
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 |
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 |
CN109246761A (zh) * | 2018-09-11 | 2019-01-18 | 北京工业大学 | 考虑延迟及能耗的基于交替方向乘子法的卸载方法 |
CN109656703A (zh) * | 2018-12-19 | 2019-04-19 | 重庆邮电大学 | 一种移动边缘计算辅助车辆任务卸载方法 |
-
2019
- 2019-04-24 CN CN201910334429.7A patent/CN110096362B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180109428A1 (en) * | 2016-10-19 | 2018-04-19 | Tata Consultancy Services Limited | Optimal deployment of fog computations in iot environments |
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 |
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 |
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 |
CN109246761A (zh) * | 2018-09-11 | 2019-01-18 | 北京工业大学 | 考虑延迟及能耗的基于交替方向乘子法的卸载方法 |
CN109656703A (zh) * | 2018-12-19 | 2019-04-19 | 重庆邮电大学 | 一种移动边缘计算辅助车辆任务卸载方法 |
Non-Patent Citations (2)
Title |
---|
JUNLIANG LIN ET AL.: ""Task Execution Cost Minimization-based Joint Computation Offloading and Resource Allocation for Cellular D2D Systems"", 《2018 IEEE 29TH ANNUAL INTERNATIONAL SYMPOSIUM ON PERSONAL, INDOOR AND MOBILE RADIO COMMUNICATIONS (PIMRC)》 * |
李邱苹等: ""移动边缘计算中的计算卸载和资源管理方案"", 《电信科学》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110764885A (zh) * | 2019-08-28 | 2020-02-07 | 中科晶上(苏州)信息技术有限公司 | 一种多移动设备的dnn任务的拆分和卸载方法 |
CN110764885B (zh) * | 2019-08-28 | 2024-04-09 | 中科晶上(苏州)信息技术有限公司 | 一种多移动设备的dnn任务的拆分和卸载方法 |
US11601848B2 (en) | 2019-11-29 | 2023-03-07 | Samsung Electronics Co., Ltd. | Method and apparatus for offloading data in wireless communication system |
EP4055877A4 (en) * | 2019-11-29 | 2023-01-11 | Samsung Electronics Co., Ltd. | METHOD AND APPARATUS FOR LOADING DATA IN A WIRELESS COMMUNICATION SYSTEM |
CN111131835A (zh) * | 2019-12-31 | 2020-05-08 | 中南大学 | 一种视频处理方法及*** |
WO2021227414A1 (zh) * | 2020-05-12 | 2021-11-18 | 华为技术有限公司 | 用户设备ue用户数据的检测方法、设备及存储介质 |
CN113727348A (zh) * | 2020-05-12 | 2021-11-30 | 华为技术有限公司 | 用户设备ue用户数据的检测方法、设备及存储介质 |
EP4145769A4 (en) * | 2020-05-12 | 2023-10-25 | Huawei Technologies Co., Ltd. | METHOD AND DEVICE FOR DETECTING USER DATA OF USER EQUIPMENT (UE), AND STORAGE MEDIUM |
CN111988805A (zh) * | 2020-08-28 | 2020-11-24 | 重庆邮电大学 | 一种面向可靠时延保障的端边协同方法 |
CN111988805B (zh) * | 2020-08-28 | 2022-03-29 | 重庆邮电大学 | 一种面向可靠时延保障的端边协同方法 |
CN112202886A (zh) * | 2020-09-30 | 2021-01-08 | 广州大学 | 任务卸载方法、***、装置和存储介质 |
CN112202886B (zh) * | 2020-09-30 | 2023-06-23 | 广州大学 | 任务卸载方法、***、装置和存储介质 |
CN112822264A (zh) * | 2021-01-05 | 2021-05-18 | 中国科学院计算技术研究所 | 一种dnn任务卸载的方法 |
CN112822264B (zh) * | 2021-01-05 | 2022-07-15 | 中国科学院计算技术研究所 | 一种dnn任务卸载的方法 |
CN114285847A (zh) * | 2021-12-17 | 2022-04-05 | 中国电信股份有限公司 | 数据处理、模型训练方法及装置、电子设备、存储介质 |
CN115133972A (zh) * | 2022-03-14 | 2022-09-30 | 重庆邮电大学 | 一种卫星***任务调度及卸载方法 |
CN115133972B (zh) * | 2022-03-14 | 2023-06-27 | 重庆邮电大学 | 一种卫星***任务调度及卸载方法 |
CN117635924A (zh) * | 2024-01-25 | 2024-03-01 | 南京慧然科技有限公司 | 一种基于自适应知识蒸馏的低能耗目标检测方法 |
CN117635924B (zh) * | 2024-01-25 | 2024-05-07 | 南京慧然科技有限公司 | 一种基于自适应知识蒸馏的低能耗目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110096362B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096362A (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
CN109857546B (zh) | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 | |
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 | |
CN109684075B (zh) | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 | |
CN109240818B (zh) | 一种边缘计算网络中基于用户体验的任务卸载方法 | |
WO2022121097A1 (zh) | 一种移动用户计算任务的卸载方法 | |
CN110708713B (zh) | 一种采用多维博弈的移动边缘计算移动端能效优化方法 | |
CN111475274A (zh) | 云协同多任务调度方法及装置 | |
CN109756912A (zh) | 一种多用户多基站联合任务卸载及资源分配方法 | |
Sun et al. | Energy-efficient multimedia task assignment and computing offloading for mobile edge computing networks | |
CN113867843B (zh) | 一种基于深度强化学习的移动边缘计算任务卸载方法 | |
WO2023116460A1 (zh) | 移动边缘计算环境下多用户多任务计算卸载方法及*** | |
CN111511028B (zh) | 一种多用户资源分配方法、装置、***及存储介质 | |
CN111988787B (zh) | 一种任务的网络接入和服务放置位置选择方法及*** | |
CN109005211B (zh) | 一种无线城域网环境下的微云部署及用户任务调度方法 | |
CN110149401A (zh) | 一种用于优化边缘计算任务的方法和*** | |
Li et al. | Computation offloading and service allocation in mobile edge computing | |
CN110167031B (zh) | 一种面向集中式基站的资源分配方法、设备及存储介质 | |
Li et al. | Communication and computation cooperation in cloud radio access network with mobile edge computing | |
He et al. | Strategy for task offloading of multi-user and multi-server based on cost optimization in mobile edge computing environment | |
Hmimz et al. | Joint radio and local resources optimization for tasks offloading with priority in a mobile edge computing network | |
Di Pietro et al. | An optimal low-complexity policy for cache-aided computation offloading | |
Wu et al. | Deep reinforcement learning-based video quality selection and radio bearer control for mobile edge computing supported short video applications | |
Zhou et al. | Knowledge transfer based radio and computation resource allocation for 5G RAN slicing | |
Wang et al. | Resource allocation based on Radio Intelligence Controller for Open RAN towards 6G |
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 |