CN111787618A - 一种边缘计算中联合能量获取的能耗优化资源分配方法 - Google Patents
一种边缘计算中联合能量获取的能耗优化资源分配方法 Download PDFInfo
- Publication number
- CN111787618A CN111787618A CN202010451272.9A CN202010451272A CN111787618A CN 111787618 A CN111787618 A CN 111787618A CN 202010451272 A CN202010451272 A CN 202010451272A CN 111787618 A CN111787618 A CN 111787618A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- energy
- edge server
- resource allocation
- edge
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- 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
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/543—Allocation or scheduling criteria for wireless resources based on quality criteria based on requested quality, e.g. QoS
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种边缘计算中联合能量获取的能耗优化资源分配方法。主要包括如下步骤:1、构建边缘计算中联合能量获取的能耗优化资源分配的数学模型。2、对构建的数学模型构造拉格朗日函数。3、求解边缘服务器给移动终端设备充电的时间与充电功率。4、求解终端用户分配的CPU频率和边缘服务器分配的CPU频率。5、求解终端设备到边缘服务器的传输功率。6、求解终端用户的任务卸载到边缘服务器的卸载决策变量。7、基于梯度下降法求解联合能量获取的能耗优化资源分配问题。应用本发明,解决了边缘计算中联合能量获取的卸载决策、能量获取时间、充电功率分配、传输功率分配、CPU频率分配的优化问题,可以最小化所有任务的能耗。
Description
技术领域
本发明属于移动边缘计算技术领域,涉及一种边缘计算中联合能量获取的能耗优化资源分配方法。
背景技术
联合能量获取(Energy Harvest,EH)技术的移动边缘计算网络(Mobile EdgeComputing Networks,MECN)是结合了能量获取技术的移动边缘计算网络。MECN作为5G下一代宽带接入***,将EH应用于MECN中解决移动设备端电池容量有限和资源不足问题具有潜在的优势。与典型的移动云计算网络相比,移动终端用户可以将应用迁移至边缘云端处理来减小卸载任务至云服务器产生的较大能量消耗,并解决移动终端计算机能力弱和存储空间小的缺点,并大幅提高用户的服务体验质量。将EH应用于MECN中能有效解决移动设备端电池容量有限问题,减小移动终端设备的压力。
本发明研究MECN中联合EH的能耗最小化资源分配问题,考虑能量获取约束,本地和边缘服务器执行时延约束,对卸载决策、移动终端设备端的传输功率和CPU频率、移动边缘服务器的充电功率和CPU频率,以及能量获取时间进行联合优化。经查阅相关文献,未见MECN中针对该问题的研究。
鉴于以上考虑,本发明提供了一种边缘计算中联合能量获取的能耗优化资源分配方法。
发明内容
本发明所要解决的技术问题是提供一种MECN中联合EH的能耗最小化方法,通过边缘服务器与本地终端设备之间的合作,联合卸载决策、优化移动终端设备端的传输功率和CPU频率、边缘服务器的充电功率和CPU频率,以及能量获取时间,合理分配计算与通信资源,降低***的执行能耗。
发明的技术解决方案如下:
在MECN中,包含N(i=1,...N)个终端用户,每一个用户1个任务,1个移动边缘计算(Mobile Edge Computing,MEC)服务器。终端用户i的任务Ti为(Di,Ci),其中Di为任务输入数据量的大小,单位为bits,Ci为执行任务需要的CPU周期数,单位为cycles。每个任务可以在本地,移动边缘服务器上执行任务。其中xi为决策变量,xi∈{0,1},xi=1表示终端用户i的任务卸载到移动边缘服务器执行,xi=0表示本地执行。
本发明提出的边缘计算中联合能量获取的能耗优化资源分配方法,步骤如下:
1.构建边缘计算中联合能量获取的能耗优化资源分配的数学模型,首先定义边缘服务器给终端用户设备充电的数学模型,然后定义任务本地执行和卸载计算的能耗和延迟,步骤如下:
1)能量获取模型
其中ηi表示每个终端用户设备i将接受的信号转换成能量的转换率。Ps是边缘服务器为终端用户充电的功率,hi是MEC到设备i的信道增益。τ0是MEC为终端用户充电的时间。
2)本地执行
其中fi,loc为终端用户的CPU频率,单位为cycles/s。
其中γl为有效电容系数,取决于终端用户设备CPU的芯片架构。
3)卸载执行
本地用户i将任务卸载到边缘服务器计算时,需要将任务从本地卸载到边缘服务器。从本地到边缘服务器的数据率为Ri,
公式如下:
其中g0,d0,θ,N0为常数,di为终端用户i到边缘服务器的距离,B为信道带宽,pi为终端用户i卸载任务的功率。
其中fi,ser为终端用户分配的CPU频率,单位为cycles/s。
其中γc为有效电容系数,取决于边缘服务器CPU的芯片架构。
定义数学模型,本发明联合优化计算与通信资源,考虑本地执行时延约束、边缘服务器执行时延,能量获取约束的情况下,优化本地CPU频率与传输功率,优化边缘服务器的充电功率、充电时间与CPU频率以及卸载决策,目标是最小化执行所有任务的能量消耗,目标函数定义如下:
约束条件为:
xi∈{0,1},pi≥0,ps≥0,fi,ser≥0,fi,loc≥0,τ0∈[0,T] (17)
其中χ={xi,pi,ps,fi,ser,fi,loc,τ0}为优化变量;公式(10)、(11)表示本地执行的时延约束和边缘服务器执行的时延约束,公式(12)表示本地执行的能耗约束,为终端用户i获取的能量,见公式(1),Eo为终端用户的初始能量;公式(13)、(14)表示本地及边缘服务器的CPU频率约束,公式(15)、(16)表示本地及边缘服务器的功率约束,公式(17)表示各优化变量的取值范围。
2.对构建的数学模型进行变量松弛并构建拉格朗日函数,步骤如下:
数学模型包含连续优化变量:本地CPU频率与传输功率,边缘服务器的CPU频率、充电功率与充电时间,还包含二进制优化变量:卸载决策。首先将二值变量xi进行松弛为连续变量,根据复合函数凸凹性准则,对函数凸凹性以及透视函数的性质可以证明目标函数为凹函数,所以进行变量松弛之后问题是一个凸问题。引入拉格朗日乘子变量矩阵λ=[λ1,λ2,λ3,λ4,λ5,λ6,λ7],构造拉格朗日函数为如下:
3.求解边缘服务器给移动终端设备充电的时间τ0与充电功率ps,步骤如下:
拉格朗日函数式(18)分别对τ0和ps求偏导,如下所示:
解式(19)和(20),可以得到关于ps和τ0的表达式,如下所示:
4.求解终端用户分配的CPU频率fi,loc和边缘服务器分配的CPU频率fi,ser,步骤如下:
拉格朗日函数式(18)分别对fi,loc和fi,ser求偏导,如下所示:
解式(23)和(24),可以得到关于fi,loc和fi,ser的一元三次方程fi,loc和fi,ser如下所示:
基于求解一元三次方程的盛京公式法求解fi,loc和fi,ser,先进行判别式判别,再直接求解,步骤如下:
1)计算重根判别式和总判别式。令一元三次方程aX3+bX2+cX+d=0,其中(a,b,c,d∈R,且a≠0),对于式(25),a=2γlCi,b=λ6,i,c=0,d=-λ1,iCi;对于式(26),a=2γcCi,b=λ5,c=0,d=-λ2,iCi。计算重根判别式A=b2-3ac,B=bc-9ad,C=c2-3bd,计算总判别式Δ=B2-4AC。
2)当A=B=0时,由盛京公式1可得一元三次方程的3个相等解如下所示:
3)当Δ=B2-4AC>0时,由盛京公式2可得一元三次方程的3个解如下所示:
4)当Δ=B2-4AC=0时,由盛京公式3可得一元三次方程的3个解如下所示:
5)当Δ=B2-4AC<0时,由盛京公式4可得一元三次方程的3个解如下所示:
5.求解终端设备卸载任务到边缘服务器的传输功率pi,步骤如下:
1)拉格朗日函数式(18)对pi求偏导,如下所示:
解式(34),可以得到关于pi的对数方程,如下所示:
2)对式(35)再次求偏导后,公式如下:
通过观察,可知式(36)是非正的,也就是说式(35)是一个单调递减的函数。
①确定区间[a,b],验证f(a)·f(b)<0,给定精确度ω;
③计算f(c),若f(c)=0,则c就是函数的零点;
④若f(a)·f(c)<0,则令b=c;
⑤若f(c)·f(b)<0,则令a=c;
⑥判断区间两段点的差值是否达到精确度ω,即若|a-b|<ω,则得到式(35)零点近似值a(或b)结束最优值求解,否则跳转至步骤②。
6.求解终端用户i的任务卸载到边缘服务器的卸载决策变量xi,步骤如下:
因卸载决策变量xi为二值变量,经过卸载决策变量xi进行变量松弛后,对拉格朗日函数式(18)提取变量xi与1-xi,可变型如下:
考虑贪心算法的思想,当卸载决策能使总能量消耗降低的情况下,就考虑将其卸载,如下式所示:
其中:
7.基于梯度下降法求解联合能量获取的能耗优化资源分配问题,步骤如下:
7)梯度下降法更新拉格朗日乘子λ=[λ1,λ2,λ3,λ4,λ5,λ6,λ7],如下所示:
有益效果:
本发明解决了边缘计算中联合能量获取的能耗优化资源分配问题,终端用户的任务选择本地执行或者边缘服务器进行卸载,有效的降低了***的能量消耗。
下面结合附图对本发明进一步的详细描述。
图1为本发明场景模型示意图;
图2为本发明协作卸载机制下的最小化时延算法流程图;
图3为梯度下降法求解联合能量获取的能耗优化资源分配问题流程图。
具体实施方式
以下将结合附图和具体实施例对本发明做进一步详细说明:
实施例1:
本实施例中,图1所示为联合能量获取技术的移动边缘计算网络模型的示意图,网络包含30(N=30)个终端用户,每一个用户1个任务,1个MEC服务器。终端用户i的任务Ti为(Di,Ci),Di为任务输入数据量的大小,范围为[bits],Ci为执行任务需要的CPU周期数,范围为[cycles]。其中g0=-40dB,d0=1m,di为用户i到边缘服务器的距离,N0=-174dB/HZ,B=20KHZ,θ=3,ηi=0.5。
S1建立场景
S1-1设场景中有30个终端用户,每个用户1个任务,1个边缘服务器。
终端用户i的任务Ti的Ci和Di如下所示:
终端用户i到移动边缘服务器的距离di为:
移动边缘服务器到终端用户i的信道增益hi为:
S2基于梯度下降法求解联合能量获取的能耗优化资源分配问题
S2-1第一次迭代的初始值:
λ<sub>3</sub> | 900 |
λ<sub>5</sub> | 4e-6 |
通过式子(25)、(26)、(35)计算fi,loc,fi,ser,pi。
S2-2通过S2-1求出的临时最优变量,通过式子(38)做出卸载决策xi。
终端用户i的任务的卸载决策xi:
执行所有任务的能量消耗为:6.429288179930334e+03
S2-3判断目标是否收敛,若否,则更新λ=[λ1,λ2,λ3,λ4,λ5,λ6,λ7]继续下一轮迭代,直至目标收敛。
目标收敛时,两次迭代的差值为9.323995527665830e-06。
收敛时λ的值:
λ<sub>3</sub> | 946.0862137880565 |
λ<sub>5</sub> | 8.827558293088503e-05 |
收敛时的边缘服务器充电功率与充电时间:
收敛时本地设备的CPU频率:
收敛时边缘服务器的CPU频率:
收敛时终端设备到边缘服务器的传输功率:
收敛时终端用户i的任务卸载决策xi:
收敛时执行所有任务的能量消耗为:6.829703870241112e+02
Claims (8)
1.一种边缘计算中联合能量获取的能耗优化资源分配方法,其特征在于,包括以下步骤:
步骤1:构建边缘计算中联合能量获取的能耗优化资源分配的数学模型。
步骤2:对构建的数学模型进行变量松弛并构建拉格朗日函数。
步骤3:求解边缘服务器给移动终端设备充电的时间τ0与充电功率ps。
步骤4:求解终端用户分配的CPU频率fi,loc和边缘服务器分配的CPU频率fi,ser。
步骤5:求解终端设备卸载任务到边缘服务器的传输功率pi。
步骤6:求解终端用户i的任务卸载到边缘服务器的卸载决策变量xi。
步骤7:基于梯度下降法求解联合能量获取的能耗优化资源分配问题。
2.根据权利要求1所述的边缘计算中联合能量获取的能耗优化资源分配方法,其特征在于,步骤1中构建边缘计算中联合能量获取的能耗优化资源分配的数学模型。
3.根据权利要求1所述的边缘计算中联合能量获取的能耗优化资源分配方法,其特征在于,步骤2中对构建的数学模型进行变量松弛并构建拉格朗日函数。
4.根据权利要求1所述的边缘计算中联合能量获取的能耗优化资源分配方法,其特征在于,步骤3中求解边缘服务器给移动终端设备充电的时间τ0与充电功率ps。
5.根据权利要求1所述的边缘计算中联合能量获取的能耗优化资源分配方法,其特征在于,步骤4中求解终端用户分配的CPU频率fi,loc和边缘服务器分配的CPU频率fi,ser。
6.根据权利要求1所述的边缘计算中联合能量获取的能耗优化资源分配方法,其特征在于,步骤5中求解终端设备端卸载到边缘服务器的传输功率pi。
7.根据权利要求1所述的边缘计算中联合能量获取的能耗优化资源分配方法,其特征在于,步骤6中求解终端用户i的任务卸载到边缘服务器的卸载决策变量xi。
8.根据权利要求1所述的边缘计算中联合能量获取的能耗优化资源分配方法,其特征在于,步骤7中基于梯度下降法求解联合能量获取的能耗优化资源分配问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010451272.9A CN111787618B (zh) | 2020-05-25 | 2020-05-25 | 一种边缘计算中联合能量获取的能耗优化资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010451272.9A CN111787618B (zh) | 2020-05-25 | 2020-05-25 | 一种边缘计算中联合能量获取的能耗优化资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111787618A true CN111787618A (zh) | 2020-10-16 |
CN111787618B CN111787618B (zh) | 2022-03-18 |
Family
ID=72754379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010451272.9A Active CN111787618B (zh) | 2020-05-25 | 2020-05-25 | 一种边缘计算中联合能量获取的能耗优化资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111787618B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542357A (zh) * | 2021-06-15 | 2021-10-22 | 长沙理工大学 | 一种能量消耗成本最小化的电动汽车辅助移动边缘计算卸载方法 |
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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140118108A1 (en) * | 2012-10-26 | 2014-05-01 | Mark Kramer | Wireless Personal Tracking Device |
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 |
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 |
CN109814951A (zh) * | 2019-01-22 | 2019-05-28 | 南京邮电大学 | 移动边缘计算网络中任务卸载及资源分配的联合优化方法 |
CN110545584A (zh) * | 2019-08-20 | 2019-12-06 | 浙江科技学院 | 一种全双工移动边缘计算通信***的通信处理方法 |
CN110809291A (zh) * | 2019-10-31 | 2020-02-18 | 东华大学 | 基于能量采集设备的移动边缘计算***双层负载平衡方法 |
CN111124639A (zh) * | 2019-12-11 | 2020-05-08 | 安徽大学 | 一种边缘计算***的操作方法、***及电子设备 |
-
2020
- 2020-05-25 CN CN202010451272.9A patent/CN111787618B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140118108A1 (en) * | 2012-10-26 | 2014-05-01 | Mark Kramer | Wireless Personal Tracking Device |
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 |
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 |
CN109814951A (zh) * | 2019-01-22 | 2019-05-28 | 南京邮电大学 | 移动边缘计算网络中任务卸载及资源分配的联合优化方法 |
CN110545584A (zh) * | 2019-08-20 | 2019-12-06 | 浙江科技学院 | 一种全双工移动边缘计算通信***的通信处理方法 |
CN110809291A (zh) * | 2019-10-31 | 2020-02-18 | 东华大学 | 基于能量采集设备的移动边缘计算***双层负载平衡方法 |
CN111124639A (zh) * | 2019-12-11 | 2020-05-08 | 安徽大学 | 一种边缘计算***的操作方法、***及电子设备 |
Non-Patent Citations (2)
Title |
---|
于博文等: "移动边缘计算任务卸载和基站关联协同决策问题研究", 《计算机研究与发展》 * |
陈超等: "移动云计算基于随机数据模型的最优控制策略", 《计算机工程与设计》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542357A (zh) * | 2021-06-15 | 2021-10-22 | 长沙理工大学 | 一种能量消耗成本最小化的电动汽车辅助移动边缘计算卸载方法 |
CN113542357B (zh) * | 2021-06-15 | 2022-05-31 | 长沙理工大学 | 一种能量消耗成本最小化的电动汽车辅助移动边缘计算卸载方法 |
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 |
---|---|
CN111787618B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110928654B (zh) | 一种边缘计算***中分布式的在线任务卸载调度方法 | |
CN108920280B (zh) | 一种单用户场景下的移动边缘计算任务卸载方法 | |
CN113950103B (zh) | 一种移动边缘环境下多服务器完全计算卸载方法及*** | |
CN108880893B (zh) | 一种移动边缘计算服务器联合能量收集及任务卸载方法 | |
CN112817653A (zh) | 一种基于云边端的联邦学习计算卸载计算***及方法 | |
Shi et al. | Toward energy-efficient federated learning over 5G+ mobile devices | |
CN107708152B (zh) | 异构蜂窝网络的任务卸载方法 | |
CN109388492B (zh) | 一种在多个边缘计算服务器场景下基于模拟退火的移动区块链优化算力分配方法 | |
CN111787618A (zh) | 一种边缘计算中联合能量获取的能耗优化资源分配方法 | |
CN111988792B (zh) | 无人机联盟网络卸载模型的***及决策计算方法 | |
CN113286329B (zh) | 基于移动边缘计算的通信和计算资源联合优化方法 | |
CN111836284B (zh) | 基于移动边缘计算的能耗优化计算、卸载方法和*** | |
CN112866006B (zh) | 一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法 | |
CN110809291B (zh) | 基于能量采集设备的移动边缘计算***双层负载平衡方法 | |
CN111556143A (zh) | 移动边缘计算中协作卸载机制下的最小化时延方法 | |
CN112667406A (zh) | 一种云边融合异构网络中任务卸载与数据缓存方法 | |
CN110768827B (zh) | 一种基于群智能算法的任务卸载方法 | |
CN114693141B (zh) | 一种基于端边协同的变电站巡检方法 | |
CN116663644A (zh) | 一种多压缩版本的云边端dnn协同推理加速方法 | |
CN115119234A (zh) | 一种无线供能边缘计算网络中无线设备任务处理优化方法 | |
CN114466335A (zh) | 一种d2d辅助mec***中基于博弈论的联合优化方法 | |
CN115413044A (zh) | 一种工业无线网络的计算和通信资源联合分配方法 | |
CN113423115B (zh) | 一种基于边缘计算的能量协作与任务卸载优化方法 | |
Azimi-Abarghouyi et al. | Quantized Hierarchical Federated Learning: A Robust Approach to Statistical Heterogeneity | |
Pan et al. | Joint optimization of DNN inference delay and energy under accuracy constraints for AR applications |
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 |