CN112506656B - 一种基于配电物联网计算任务的分配方法 - Google Patents

一种基于配电物联网计算任务的分配方法 Download PDF

Info

Publication number
CN112506656B
CN112506656B CN202011424440.1A CN202011424440A CN112506656B CN 112506656 B CN112506656 B CN 112506656B CN 202011424440 A CN202011424440 A CN 202011424440A CN 112506656 B CN112506656 B CN 112506656B
Authority
CN
China
Prior art keywords
edge
data
cloud
core equipment
computing
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.)
Active
Application number
CN202011424440.1A
Other languages
English (en)
Other versions
CN112506656A (zh
Inventor
刘庆扬
逄林
李铮
武延年
杜明臣
毛珊珊
王康
付美明
武兴佩
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.)
State Grid Information and Telecommunication Co Ltd
Beijing Smartchip Microelectronics Technology Co Ltd
China Gridcom Co Ltd
Shenzhen Zhixin Microelectronics Technology Co Ltd
Original Assignee
State Grid Information and Telecommunication Co Ltd
Beijing Smartchip Microelectronics Technology Co Ltd
China Gridcom Co Ltd
Shenzhen Zhixin Microelectronics Technology Co Ltd
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 State Grid Information and Telecommunication Co Ltd, Beijing Smartchip Microelectronics Technology Co Ltd, China Gridcom Co Ltd, Shenzhen Zhixin Microelectronics Technology Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Priority to CN202011424440.1A priority Critical patent/CN112506656B/zh
Publication of CN112506656A publication Critical patent/CN112506656A/zh
Application granted granted Critical
Publication of CN112506656B publication Critical patent/CN112506656B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F9/50—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
    • G06F9/5038—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 considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
    • 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]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • G06F2209/502—Proximity
    • 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
    • G06F2209/5021—Priority

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明基于配电物联网的计算任务的分配方法，包括建立边云协同的处理***；设置电力线信道参数，用户端产生待处理数据，并将待处理数据传输至远端核心设备端；边缘端和云端分别获取计算能力以及通信信道的信道容量信息，并将采集到的信息回传至远端核心设备端；远端核心设备端根据待处理数据的大小以及云端、边缘端回传的信息制定分配方案，并将分配方案交互传输至云端、边缘端进行实施：待处理数据处理完成后回传汇总至远端核心设备端，由远端核心设备端整合处理，回传至用户端。本发明可以不浪费空闲的边缘和云端的计算能力，使得远端核心设备端、边缘端、云端三者的计算能力有效结合起来，减小数据处理时延，从而提高用户体验质量。

Description

一种基于配电物联网计算任务的分配方法
技术领域
本公开涉及无线通信技术领域，特别涉及基于一种基于配电物联网计算任务的分配方法。
背景技术
配电物联网是一种新型电力网络运行形态，在如今的配电物联网的整体部署中，大多数采用云、管、边、端的整体架构。近年来，随着各项技术的不断进步和发展，配电网络不断发展，但是配电网建设仍然面临诸多挑战。配电网络所使用的协议以及传输方式等诸多因素都会导致用户质量低下。
同时随着通信、计算机网络相关技术的不断发展，人们所需要处理的数据量***状的生长，人们对数据传输的时效性和安全性有了新的要求，原本只以云计算为中心的计算处理数据模型不再满足人们的需求，因此，边缘计算迅速崛起，边缘计算同云计算互补存在。边缘计算和云计算各有其优缺点。云计算更倾向于对数据进行全局性的、非实时性的、长时间、大数据的分析处理。而边缘计算更倾向于局部性的实时性的数据处理和分析。云边协同的处理模式更能够满足人们对数据处理的种种要求。而在边云协同的模式中，为了应对终端设备处理能力不足、资源有限等问题，业界在移动边缘计算(MEC)和移动云计算(MCC)中引入了计算卸载概念。
计算卸载可以极大的解决用户的海量数据的处理问题，通过把处理的任务分配到计算能力较强的边缘端和云端进行处理和计算，能够减小任务的数据计算处理时间，从而提高用户的用户体验。
使用计算卸载技术就会面临一个分配任务数据的问题，一个用户所需要处理的数据可以通过卸载到边缘端、云端进行计算，也可以在自身设备来进行计算处理，如何进行分配使得处理时延最小的问题需要解决。
发明内容
本公开针对上述现有问题中的一个或者多个，提出了基于API的查询***及方法。
根据本公开的一个方面，提供基于配电物联网的计算任务的分配方法，步骤一、建立边云协同的处理***，所述处理***包括云端、边
缘端以及远端核心设备端，所述云端和边缘端无线通信，所述边缘端和远端核心设备端无线通信，所述边缘端包括多个边缘节点，远端核心设备端包括多个远端核心设备，每个边缘节点连接多个远端核心设备，每个远端核心设备通过总线连接多个有线用户端；
步骤二、用户端设置电力线信道参数，用户端产生待处理数据，并将待处理数据传输至所述远端核心设备端；
步骤三、所述边缘端获取边缘计算能力以及远端通信信道的信道容量信息，并将采集到的信息发送至所述远端核心设备端；
步骤四、所述云端获取云端计算能力以及本地通信信道的信道容量信息，并将采集到的信息回传至所述远端核心设备端；
步骤五，待处理数据传输至所述远端核心设备端，远端核心设备端根据待处理数据的大小以及云端、边缘端回传的信息制定分配方案，并将所述分配方案交互传输至云端、边缘端进行实施：
步骤六，待处理数据处理完成后回传汇总至远端核心设备端，并由所述远端核心设备端进行整合处理，最后回传至用户端。
在一些实施方式中，所述分配方案包括：
设定在远端核心设备端分配的处理数据的比例λ1；
设定在边缘端分配的处理数据的比例λ2；
设定在云端分配的需要处理数据的比例λ3；
三者比例满足λ1+λ2+λ3＝1，通过对数据处理过程进行分析，我
门可以把时延表示为几个部分，包括末端总线传输时延端核心设备计算时延/>边缘卸载传输时延/>边缘计算时延/>云卸载传输时延云计算时延/>这样总时延可表示为T＝t0+max{t1,t2+t3,t2+t4+t5}，通过求解凸优化问题minT，得出时延最小的分配比例：
其中D(bit)为任务处理数据大小，fd(bit/s)为远端核心设备计算能力，fe(bit/s)为边缘节点计算能力，fc(bit/s)为云端计算能力，r(bit/s)为本地通信的无线信道容量，R(bit/s)为远端通信的信道容量，W(bit/s)为末端总线传输速率。
在一些实施方式中，在步骤五中，将所述分配方案交互传输至云端、边缘端进行实施，还包括：
所述云端、边缘端以及远端核心设备端分别实施所制定的分配方案，根据分配比例λ1、λ2以及λ3获得分配的数据大小，分配相应的云端计算能力、边缘端计算能力以及远端核心设备端计算能力，保留相应比例大小的数据在本地进行计算处理。
在一些实施方式中，所述云端包括云端服务器，所述边缘端包括多个边缘节点，每个边缘节点都包含一个移动边缘计算服务器，每个边缘节点下存在多个远端核心设备。
本公开的有益效果是：本发明在配电物联网的背景下，通过采用本发明分配方法，使得总体用户时延最小，可以不浪费空闲的边缘和云端的计算能力，使得远端核心设备端、边缘端、云端三者的计算能力有效结合起来，减小数据处理时延，从而提高用户体验质量。同时，本发明考虑到最坏通信情况，在无线传输不普及的偏远地区，使用电力线信道传输依然可以使用本发明的优化方法，进行减小时延。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本公开的基于配电物联网的计算任务的分配方法的结构图；
图2为本公开的基于配电物联网的计算任务的分配方法的流程图；
图3为本公开的基于配电物联网的计算任务的分配方法的一实施例的仿真图；
图4为本公开的基于配电物联网的计算任务的分配方法的一实施例的仿真图；
图5为本公开的基于配电物联网的计算任务的分配方法的一实施例的仿真图；
图6为本公开的基于配电物联网的计算任务的分配方法的一实施例的仿真图；
图7为本公开的基于配电物联网的计算任务的分配方法的一实施例的仿真图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面结合附图，对本公开做进一步的详细说明。
实施例1：
参考说明书附图1－2所示，示出了本申请基于配电物联网的计算任务的分配方法，该方法可以包括以下步骤：
步骤一、建立边云协同的处理***，所述处理***包括云端、边缘端以及远端核心设备端，所述云端和边缘端无线通信，所述边缘端和远端核心设备端无线通信，所述边缘端包括多个边缘节点，远端核心设备端包括多个远端核心设备，每个边缘节点连接多个远端核心设备，每个远端核心设备通过总线连接多个有线用户端；
步骤二、用户端设置电力线信道参数，用户端产生待处理数据，并将待处理数据传输至所述远端核心设备端；其中，这里的传输信道可以任意选取，后面计算最优方案时只需要更改传输速率方面参数即可。
步骤二，边缘端获取边缘计算能力以及远端通信信道的信道容量信息，并将采集到的信息发送至远端核心设备端；
其中，远端通信信道可以使无线公网或者光纤、以太网等，采集到的部分信息可能会随时间变化发生变化，所以最优化的分配方案需要定时更新。
步骤三，云端获取云端计算能力以及本地通信信道的信道容量信息，并将采集到的信息回传至远端核心设备端。
其中，云端采集到的数据应同边缘端相同，并定时更新，定时回传至远端核心设备。
步骤四，待处理数据传输至远端核心设备端，远端核心设备端根据数据大小以及云端、边缘端回传的信息制定分配方案，并将方案交互传输至云端、边缘端。
作为本实施例的优先方案，制定的分配方案具体如下：
设λ为分配在本地服务器处理的数据大小。λ1表示在远端核心设备端分配的处理数据的比例，λ2表示在边缘端节点分配的处理数据的比例，λ3表示在云端分配的需要处理数据的比例。三者比例满足λ1+λ2+λ3＝1。通过对数据处理过程进行分析，可以把时延表示为几个部分，包括末端用户端总线传输时延远端核心设备计算时延/>边缘卸载传输时延/>边缘计算时延/>云端卸载传输时延/>云端计算时延/>这样总时延可表示为T＝t0+max{t1,t2+t3,t2+t4+t5}，通过求解凸优化问题minT，得出时延最小的分配比例。
具体为：当λ1，λ2，λ3分别取以下值时，用户整体时延将会达到最小。
其中D(bit)为任务处理数据大小，fd(bit/s)为远端核心设备计算能力，fe(bit/s)为边缘节点计算能力，fc(bit/s)为云端计算能力，r(bit/s)为本地通信的无线信道容量，R(bit/s)为远端通信的信道容量。
步骤五，云端、边缘端以及远端核心设备端实施所制定的方案，分配数据大小、分配相应的云端计算能力、边缘端计算能力以及远端核心设备端计算能力，并保留相应比例大小的数据在本地进行计算处理。
步骤六，数据处理完成后回传汇总至远端核心设备端，再由远端核心设备进行整合处理，最后回传至末端用户。
本发明的优点及积极效果为：本发明在配电物联网的背景下，通过采用本发明分配方法，使得总体用户时延最小，可以不浪费空闲的边缘和云端的计算能力，使得远端核心设备端、边缘端、云端三者的计算能力有效结合起来，减小数据处理时延，从而提高用户体验质量。同时，本发明考虑到最坏通信情况，在无线传输不普及的偏远地区，使用电力线信道传输依然可以使用本发明的优化方法，进行减小时延。
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合matlab仿真，可对本发明进行进一步详细说明。应当理解，此处所描述的仿真仅仅用以解释本发明，并不用于限定本发明。
作为本实施例的优先方案，采用matlab来进行仿真，从而验证上文给出的计算任务分配方法的有效性。首先，假设边缘端节点数量n为5，每个边缘端节点下存在的远端核心设备的数量k为4，每个远端核心设备的末端用户的数量m为5。其次，假设所有设备优先级设定相同以及均分时隙。同时，假设所有的远端核心设备不出现在其他边缘节点的范围内，只通过自己的边缘节点进行计算卸载。
参数设置如下：
具体的，通过matlab将边缘节点数量以及每个边缘节点下的核心设备数量作为自变量来进行仿真，观察并比较二者分别和***平均时延的关系，仿真结果如图3、图4所示。
为了以下解释方便，解释说明图中各线条所代表的含义：如图3－4中所示，TIME1表示设计的分配方案；TIME2表示不启用计算卸载，只在远端核心设备进行处理的方案；TIME3表示数据进行计算卸载，并只在边缘节点进行处理的方案；TIME4表示数据进行计算卸载并只在云端进行数据处理的方案；TIME5表示核心设备端、边缘端、云端三者分配比例分别为：0.1、0.3、0.6时的方案。TIME6表示核心设备端、边缘端、云端三者分配比例分别为：0.4、0.3、0.3时的方案。从图中，可以得出，本发明提供方法在六种方案中始终保持最小时延。
如图3所示，通过仿真图象可以观察到TIME2、TIME3随着边缘端节点数目的增加***总时延并没有发生变化。原因是，TIME2为仅由远端核心设备端进行处理的方案，增加边缘端节点数同样等比例增加了远端核心设备数目，而每个远端核心设备都在本地处理自身数据，时延当然不会发生变化。TIME3为仅由边缘端处理的方案，边缘端节点数目增加虽然增加了需要处理的设备的数量，但是边缘计算能力同样成比例增加，所以说总的时延不变。TIME4仅由云端来计算，总体时延显然会随着数据处理量的增加而增加。其他两种方案，也同样会随节点数增加，而导致时延的增加，只不过不再是线性增加。
如图4所示，将自变量变换成远端核心设备端的数量，在这种情况下，总体时延保持不变的方法只剩下TIME2，该方案仅由远端核心设备进行本地计算。这是因为远端核心设备增加的任务和其增加的核心设备计算能力是成正比的。其他几种分配方案，都会随着远端核心设备端数目的增加而以不同的形式增加。但本发明提供的方案同样保持最小时延。
如图5－图7所示，分别以边缘端、云端以及远端核心设备端计算能力为自变量通过matlab做出仿真图像来示出与***总平均时延的关系。
如图5所示，随着云端计算能力的增强，只有TIME2、TIME3的方案的***时延不发生变化，因为两种方案都没有分配到云端来计算，所以云端的计算能力不会影响其时延。而如图6所示，只有TIME2、TIME4处于不变状态，因为二者分别只采用远端核心设备和云端计算，所以时延与边缘端计算的能力无关。如图7所示，图7和图6相同，不在赘述。综合图5－7所示，除去上述时延不变的几个方案，其他方案都分别随相应计算能力的增加而时延减小。因此，如图3－7所示，本发明提出的分配方案一直保持时延最低，也证明了本发明方法的有效性。
本发明有益效果：本发明在配电物联网的背景下，通过采用本发明分配方法，使得总体用户时延最小，可以不浪费空闲的边缘和云端的计算能力，使得远端核心设备端、边缘端、云端三者的计算能力有效结合起来，减小数据处理时延，从而提高用户体验质量。同时，本发明考虑到最坏通信情况，在无线传输不普及的偏远地区，使用电力线信道传输依然可以使用本发明的优化方法，进行减小时延。
以上的仅是本公开的一些实施方式。对于本领域的普通技术人员来说，在不脱离本公开创造构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。

Claims (3)

1.基于配电物联网的计算任务的分配方法，其特征在于，包括：
步骤一、建立边云协同的处理***，所述处理***包括云端、边缘端以及远端核心设备端，所述云端和边缘端无线通信，所述边缘端和远端核心设备端无线通信，所述边缘端包括多个边缘节点，远端核心设备端包括多个远端核心设备，每个边缘节点连接多个远端核心设备，每个远端核心设备通过总线连接多个有线用户端；
步骤二、用户端设置电力线信道参数，用户端产生待处理数据，并将待处理数据传输至所述远端核心设备端；
步骤三、所述边缘端获取边缘计算能力以及远端通信信道的信道容量信息，并将采集到的信息发送至所述远端核心设备端；
步骤四、所述云端获取云端计算能力以及本地通信信道的信道容量信息，并将采集到的信息回传至所述远端核心设备端；
步骤五，待处理数据传输至所述远端核心设备端，远端核心设备端根据待处理数据的大小以及云端、边缘端回传的信息制定分配方案，并将所述分配方案交互传输至云端、边缘端进行实施：
步骤六，待处理数据处理完成后回传汇总至远端核心设备端，并由所述远端核心设备端进行整合处理，最后回传至用户端；
所述分配方案包括：
设定在远端核心设备端分配的处理数据的比例λ1；
设定在边缘端分配的处理数据的比例λ2；
设定在云端分配的需要处理数据的比例λ3；
根据λ1+λ2+λ3＝1，通过求解凸优化问题的方法，得出在用户整体时延最小时的比例值：
其中D(bit)为任务处理数据大小，fd(bit/s)为远端核心设备计算能力，fe(bit/s)为边缘节点计算能力，fc(bit/s)为云端计算能力，r(bit/s)为本地通信的无线信道容量，R(bit/s)为远端通信的信道容量。
2.根据权利要求1所述的基于配电物联网的计算任务的分配方法，其特征在于，在步骤五中，将所述分配方案交互传输至云端、边缘端进行实施，还包括：
所述云端、边缘端以及远端核心设备端分别实施所制定的分配方案，根据分配比例λ1、λ2以及λ3获得分配的数据大小，分配相应的云端计算能力、边缘端计算能力以及远端核心设备端计算能力，保留相应比例大小的数据在本地进行计算处理。
3.根据权利要求1所述的基于配电物联网的计算任务的分配方法，其特征在于，所述云端包括云端服务器，所述边缘端包括多个边缘节点，每个边缘节点都包含一个移动边缘计算服务器，每个边缘节点下无线通信连接有多个远端核心设备。
CN202011424440.1A 2020-12-08 2020-12-08 一种基于配电物联网计算任务的分配方法 Active CN112506656B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011424440.1A CN112506656B (zh) 2020-12-08 2020-12-08 一种基于配电物联网计算任务的分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011424440.1A CN112506656B (zh) 2020-12-08 2020-12-08 一种基于配电物联网计算任务的分配方法

Publications (2)

Publication Number Publication Date
CN112506656A CN112506656A (zh) 2021-03-16
CN112506656B true CN112506656B (zh) 2024-06-14

Family

ID=74971483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011424440.1A Active CN112506656B (zh) 2020-12-08 2020-12-08 一种基于配电物联网计算任务的分配方法

Country Status (1)

Country Link
CN (1) CN112506656B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113055482A (zh) * 2021-03-17 2021-06-29 山东通维信息工程有限公司 一种基于边缘计算的智能云盒设备
CN114449507B (zh) * 2022-02-16 2023-10-27 中国神华能源股份有限公司神朔铁路分公司 轨道交通应急通信***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 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

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10568000B2 (en) * 2015-12-11 2020-02-18 Lg Electronics Inc. Method and apparatus for indicating an offloading data size and time duration in a wireless communication system
US10470192B2 (en) * 2017-03-08 2019-11-05 Zte Corporation Traffic path change detection mechanism for mobile edge computing
CN108021531A (zh) * 2018-01-05 2018-05-11 贾宝银 基于fpga可重构架构的可变限速云端边缘数据处理平台***
CN110958612B (zh) * 2019-10-24 2023-04-07 浙江工业大学 一种多用户场景下的边缘计算卸载周期最小化方法
CN111585916B (zh) * 2019-12-26 2023-08-01 国网辽宁省电力有限公司电力科学研究院 基于云边协同的lte电力无线专网任务卸载和资源分配方法
CN111913723B (zh) * 2020-06-15 2022-09-23 合肥工业大学 基于流水线的云-边-端协作卸载方法和***
CN111884696B (zh) * 2020-07-01 2022-03-25 广州大学 一种基于多载波的中继协作移动边缘计算方法
CN111954236B (zh) * 2020-07-27 2021-11-09 河海大学 一种基于优先级的分层边缘计算卸载方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684075A (zh) * 2018-11-28 2019-04-26 深圳供电局有限公司 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

Also Published As

Publication number Publication date
CN112506656A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
Nguyen et al. Cooperative task offloading and block mining in blockchain-based edge computing with multi-agent deep reinforcement learning
CN112506656B (zh) 一种基于配电物联网计算任务的分配方法
Tang et al. An offloading method using decentralized P2P-enabled mobile edge servers in edge computing
CN107241767A (zh) 一种移动协同计算的方法及装置
Guan et al. Effective data communication based on social community in social opportunistic networks
CN111556516B (zh) 面向时延和能效敏感业务的分布式无线网络任务协同分配方法
CN108924796B (zh) 一种资源分配及卸载比例联合决策的方法
WO1998030061A1 (en) Method and system for quality of service assessment for multimedia traffic under aggregate traffic conditions
CN111475274A (zh) 云协同多任务调度方法及装置
US20230421501A1 (en) Joint optimization method and system for delay and spectrum occupation in cloud-edge collaborative network
CN112650581A (zh) 一种面向智能楼宇的云边协同任务调度方法
CN108632077B (zh) 一种电力业务数据传输建模流程及传输通道确定方法
CN103001892B (zh) 基于云计算的网络资源分配方法及***
CN114650227A (zh) 一种分层联邦学习场景下的网络拓扑构建方法及***
CN114546632A (zh) 算力分发方法、平台和***、计算机可读存储介质
WO2023020502A1 (zh) 数据处理方法及装置
WO2020177255A1 (zh) 无线接入网的资源分配方法及装置
CN115665227B (zh) 一种普适的异构融合算网资源智慧适配网络架构及方法
CN101917406B (zh) 数据传输方法及数据传输***
CN112003660A (zh) 一种网内资源的量纲测量方法、算力调度方法及存储介质
CN115174404A (zh) 一种基于sdn组网的多设备联邦学习***
CN115119233A (zh) 一种分簇的无线通信方法和***
Li et al. A distributed ADMM approach with decomposition-coordination for mobile data offloading
CN112989251B (zh) 一种基于协同计算的移动Web增强现实3D模型数据服务方法
EP3902279A1 (en) Audio and video stream distribution method in audio and video stream distribution system, and dynamic parent node

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