CN114461299B - 一种卸载决策确定方法、装置、电子设备及存储介质 - Google Patents
一种卸载决策确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114461299B CN114461299B CN202210095162.2A CN202210095162A CN114461299B CN 114461299 B CN114461299 B CN 114461299B CN 202210095162 A CN202210095162 A CN 202210095162A CN 114461299 B CN114461299 B CN 114461299B
- Authority
- CN
- China
- Prior art keywords
- terminal
- edge cloud
- preset
- cloud server
- representing
- 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
Links
Images
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- 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
- G06F2209/502—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
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种卸载决策确定方法、装置、电子设备及存储介质,涉及通信技术领域,用以解决现有边缘云计算技术中制定卸载决策时,耗费时间长、且计算过程复杂的问题,包括:获取多个目标终端,以及多个边缘云服务器;确定多个目标终端中每个目标终端预卸载预设计算任务的收益值,以及每个边缘云服务器的基尼系数;根据每个边缘云服务器的基尼系数,确定每个边缘云服务器对应的第二终端的数量;根据目标终端的收益值,确定多个目标终端中每个目标终端的上传优先级;根据第二终端的数量和每个目标终端的上传优先级,确定每个边缘云服务器对应的第二终端。本申请用于边缘云计算场景下的卸载决策制定。
Description
技术领域
本申请涉及通信领域,尤其涉及一种卸载决策确定方法、装置、电子设备及存储介质。
背景技术
终端移动设备可以将计算密集型任务卸载到云上,借助于云服务器的强大计算资源来执行,不仅可以显著减少任务完成的时延,设备上的能耗,也可以追求更轻巧的重量,更舒适的体验。但是,传统的中心云计算模式中,需要终端设备将数据发送到远端的中心云上,在这个过程中,浪费了大量的时间与能耗。并且随着卸载任务的终端设备数量增加,还会造成网络堵塞。针对此,业界进一步提出边缘云计算的概念,其分散的网络架构,将应用、数据与服务移到了网络边缘,减少了端到端的延迟,减轻了回程链路的负担。
现阶段,在将边缘计算与云计算结合的领域中,对终端的预设计算任务进行卸载至边缘云服务器的决策方案,大多数是通过迭代算法或是机器学习等方法来进行制定,使得整个云边协同***中的用户终端总时延或总能耗最低。此类方案虽然可以取得最优的性能,但往往需要大量的时间,且随着边缘云和移动设备的数量规模越来越大,计算过程也越来越复杂。
发明内容
本申请提供一种卸载决策确定方法、装置、电子设备及存储介质,能够解决现有边缘云计算技术中制定卸载决策时,耗费时间长、且计算过程复杂的问题。
第一方面,本申请提供一种卸载决策确定方法,该方法包括:
获取多个目标终端,以及多个边缘云服务器。确定多个目标终端中每个目标终端预卸载预设计算任务的收益值,以及每个边缘云服务器的基尼系数;基尼系数用表示第一终端之间的收益值的差距,第一终端为多个目标终端中将预设计算任务预卸载至边缘云服务器的目标终端。根据每个边缘云服务器的基尼系数,确定每个边缘云服务器对应的第二终端的数量;第二终端为在卸载决策制定后多个目标终端中用于将预设计算任务卸载至边缘云服务器的目标终端。根据目标终端的收益值,确定多个目标终端中每个目标终端的上传优先级。根据第二终端的数量和每个目标终端的上传优先级,确定每个边缘云服务器对应的第二终端。
基于上述技术方案,本申请首先获取多个目标终端,以及多个边缘云服务器,即能够根据对边缘云计算的所有终端进行筛选,获取到目标终端集合,初步降低确定卸载决策时的计算量;再基于构建的边缘云服务器的基尼系数,确定每个边缘云服务器对应的第二终端的数量,充分考虑到每个边缘云服务器所能够承担的预设计算任务量,得出各边缘云服务器合适的对应接收其卸载的预设计算任务的终端数量;之后,根据目标终端的收益值,确定每个目标终端的上传优先级,最终确定出每个边缘云服务器对应的实际上传预设计算任务的终端,兼顾了每个目标终端卸载预设计算任务至边缘云服务器时的收益,使得预设计算任务卸载后终端的收益最大化。由此,本申请提供的卸载决策耗费时间短,有效降低了计算过程的复杂程度,同时能够兼顾边缘云服务器和终端的实时状态,更具备时效性和实用性。
在一种可能的实现方式中,上述根据每个边缘云服务器对应的第二终端的数量和每个目标终端的上传优先级,确定每个边缘云服务器对应的第二终端,具体包括:根据每个边缘云服务器的第二终端的数量和每个目标终端的上传优先级,确定每个边缘云服务器对应的第三终端;第三终端为多个目标终端中上传优先级由高至低排列后,上传优先级排行前第一数量的目标终端,第一数量的大小与第二终端的数量相等。根据预设算法,将第三终端中未向另一边缘云服务器卸载预设计算任务的目标终端,确定为每个边缘云服务器对应的第二终端。
在一种可能的实现方式中,上述获取多个目标终端,具体包括:获取多个预设终端;多个预设终端中包括多个目标终端。根据每个预设终端的预设计算任务的能耗和时延,确定每个预设终端的效益函数;效益函数用于指示预设终端在预卸载预设计算任务后的预期收益。将效益函数的值大于或等于零且时延小于或等于预设约束时延的预设终端确定为目标终端。
在一种可能的实现方式中,预设终端的效益函数满足以下公式:
其中,x表示任务卸载变量,w表示信道变量,f表示边缘云服务器的处理器频率,u表示预设终端的编号,λu表示预设终端u的预设计算任务权重,U表示预设终端集合,Ju表示预设终端u的初始效益函数。初始效益函数Ju满足以下公式:
其中,Ju表示初始效益函数,u表示预设终端的编号,表示预设终端u的时延加权系数,/>表示预设终端u的能耗加权系数,/>表示预设终端u的预设计算任务的时延,/>表示预设终端u的任务卸载时延,/>表示预设终端u的预设计算任务的能耗,ES表示预设终端u的任务卸载能耗,S表示边缘云服务器集合,s表示预设终端对应的边缘云服务器,/>表示预设终端u的任务卸载变量,m表示预设终端使用的上传信道的编号。
在一种可能的实现方式中,收益值根据收益评估函数确定,收益值根据收益评估函数确定,收益评估函数满足以下公式:
在一种可能的实现方式中,边缘云服务器的基尼系数满足以下公式:
其中,Gs表示边缘云服务器s的基尼系数,s表示边缘云服务器的编号,Bs表示目标终端集合,yis表示累计收入比;
累计收入比yis满足以下公式:
其中,s表示边缘云服务器的编号,Ys表示边缘云服务器s对应的目标终端的收益评估函数值之和,ψns表示收益评估函数,n表示终端的编号;
边缘云服务器对应的目标终端的收益评估函数值之和Ys满足以下公式:
其中,Ys表示边缘云服务器s对应的目标终端的收益评估函数值之和,s表示边缘云服务器的编号,Bs表示目标终端集合,ψns表示收益评估函数,n表示目标终端的编号,S表示边缘云服务器集合。
在一种可能的实现方式中,边缘云服务器对应的第二终端的数量满足以下公式:
其中,Is表示第二终端的数量,Gs表示边缘云服务器的基尼系数,Bs表示目标终端集合。
第二方面,本申请提供一种卸载决策确定装置,该卸载决策确定装置包括:获取单元和处理单元。获取单元,用于获取多个目标终端,以及多个边缘云服务器。处理单元,用于确定多个目标终端中每个目标终端预卸载预设计算任务的收益值,以及每个边缘云服务器的基尼系数;基尼系数用表示第一终端之间的收益值的差距,第一终端为多个目标终端中将预设计算任务预卸载至边缘云服务器的目标终端。处理单元,还用于根据每个边缘云服务器的基尼系数,确定每个边缘云服务器对应的第二终端的数量;第二终端为在卸载决策制定后多个目标终端中用于将预设计算任务卸载至边缘云服务器的目标终端。处理单元,还用于根据目标终端的收益值,确定多个目标终端中每个目标终端的上传优先级。处理单元,还用于根据第二终端的数量和每个目标终端的上传优先级,确定每个边缘云服务器对应的第二终端。
在一种可能的实现方式中,处理单元,还用于根据每个边缘云服务器的第二终端的数量和每个目标终端的上传优先级,确定每个边缘云服务器对应的第三终端;第三终端为多个目标终端中上传优先级由高至低排列后,上传优先级排行前第一数量的目标终端,第一数量的大小与第二终端的数量相等。处理单元,还用于根据预设算法,将第三终端中未向另一边缘云服务器卸载预设计算任务的目标终端,确定为每个边缘云服务器对应的第二终端。
在一种可能的实现方式中,获取单元,还用于获取多个预设终端;多个预设终端中包括多个目标终端。处理单元,还用于根据每个预设终端的预设计算任务的能耗和时延,确定每个预设终端的效益函数;效益函数用于指示预设终端在预卸载预设计算任务后的预期收益。处理单元,还用于将效益函数的值大于或等于零且时延小于或等于预设约束时延的预设终端确定为目标终端。
在一种可能的实现方式中,预设终端的效益函数满足以下公式:
其中,x表示任务卸载变量,w表示信道变量,f表示边缘云服务器的处理器频率,u表示预设终端的编号,λu表示预设终端u的预设计算任务权重,U表示预设终端集合,Ju表示预设终端u的初始效益函数。初始效益函数Ju满足以下公式:
其中,Ju表示初始效益函数,u表示预设终端的编号,表示预设终端u的时延加权系数,/>表示预设终端u的能耗加权系数,/>表示预设终端u的预设计算任务的时延,/>表示预设终端u的任务卸载时延,/>表示预设终端u的预设计算任务的能耗,ES表示预设终端u的任务卸载能耗,S表示边缘云服务器集合,s表示预设终端对应的边缘云服务器,/>表示预设终端u的任务卸载变量,m表示预设终端使用的上传信道的编号。
在一种可能的实现方式中,收益值根据收益评估函数确定,收益值根据收益评估函数确定,收益评估函数满足以下公式:
在一种可能的实现方式中,边缘云服务器的基尼系数满足以下公式:
其中,Gs表示边缘云服务器s的基尼系数,s表示边缘云服务器的编号,Bs表示目标终端集合,yis表示累计收入比;
累计收入比yis满足以下公式:
其中,s表示边缘云服务器的编号,Ys表示边缘云服务器s对应的目标终端的收益评估函数值之和,ψns表示收益评估函数,n表示终端的编号;
边缘云服务器对应的目标终端的收益评估函数值之和Ys满足以下公式:
其中,Ys表示边缘云服务器s对应的目标终端的收益评估函数值之和,s表示边缘云服务器的编号,Bs表示目标终端集合,ψns表示收益评估函数,n表示目标终端的编号,S表示边缘云服务器集合。
在一种可能的实现方式中,边缘云服务器对应的第二终端的数量满足以下公式:
其中,Is表示第二终端的数量,Gs表示边缘云服务器的基尼系数,Bs表示目标终端集合。
此外,第二方面所述的卸载决策确定装置的技术效果可以参考上述第一方面所述的卸载决策确定方法的技术效果,此处不再赘述。
第三方面,本申请提供一种存储一个或多个程序的计算机可读存储介质,该一个或多个程序包括指令,上述指令当被本申请的电子设备执行时使电子设备执行如第一方面和第一方面的任一种可能的实现方式中所描述的卸载决策确定方法。
第四方面,本申请提供一种电子设备,包括:处理器以及存储器;其中,存储器用于存储一个或多个程序,一个或多个程序包括计算机执行指令,当电子设备运行时,处理器执行存储器存储的计算机执行指令,以使电子设备执行如第一方面和第一方面的任一种可能的实现方式中所描述的卸载决策确定方法。
第五方面,本申请提供一种包含指令的计算机程序产品,当该指令在计算机上运行时,使得本申请的电子设备执行如第一方面和第一方面的任一种可能的实现方式中所描述的卸载决策确定方法。
第六方面,本申请提供一种芯片***,该芯片***应用于卸载决策确定装置;所述芯片***包括一个或多个接口电路,以及一个或多个处理器。所述接口电路和所述处理器通过线路互联;所述接口电路用于从所述卸载决策确定装置的存储器接收信号,并向所述处理器发送所述信号,所述信号包括所述存储器中存储的计算机指令。当所述处理器执行所述计算机指令时,所述卸载决策确定装置执行如第一方面及其任一种可能的设计方式所述的卸载决策确定方法。
在本申请中,上述卸载决策确定装置的名字对设备或功能单元本身不构成限定,在实际实现中,这些设备或功能单元可以以其他名称出现。只要各个设备或功能单元的功能和本申请类似,均属于本申请权利要求及其等同技术的范围之内。
附图说明
图1为本申请实施例提供的一种卸载决策确定方法的流程示意图;
图2为本申请实施例提供的另一种卸载决策确定方法的流程示意图;
图3为本申请实施例提供的另一种卸载决策确定方法的流程示意图;
图4为本申请实施例提供的一种卸载决策确定装置的结构示意图;
图5为本申请实施例提供的另一种卸载决策确定装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
本文中字符“/”,一般表示前后关联对象是一种“或者”的关系。例如,A/B可以理解为A或者B。
本申请的说明书和权利要求书中的术语“第一”和“第二”是用于区别不同的对象,而不是用于描述对象的特定顺序。例如,第一边缘服务节点和第二边缘服务节点是用于区别不同的边缘服务节点,而不是用于描述边缘服务节点的特征顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,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、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外,在本申请实施例中,“示例性的”、或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”、或者“例如”等词旨在以具体方式呈现概念。
移动边缘计算(Mobile Edge Computing,MEC)技术作为移动云计算(MobileCloud Computing,MCC)技术的补充被广泛应用。MEC采用分布式处理,将终端设备的复杂计算卸载到位于网络边缘的边缘云服务器,不但能够为终端设备提供强大的计算能力以及存储能力,并且能够解决MCC时延长的问题。
随着第五代移动通信技术(5th generation mobile communicationtechnology,5G)时代的到来,对各种移动终端设备的需求也发生了全新的变化,对确定性、实时性、差异性的服务都提出了更高的要求。为了满足更加个性化,碎片化的需求,云计算技术应运而生。终端移动设备在可以将计算密集型任务卸载到云上,借助于云上服务器的强大计算资源来执行,不仅可以显著减少任务完成的时延,设备上的能耗,也可以追求更轻巧的重量,更舒适的体验。
然而,传统的中心云计算模式中,需要终端设备将数据发送到远端的中心云上,在这个过程中,浪费了大量的时间与能耗。随着卸载任务的终端设备数量增加,还会造成网络堵塞。针对此种情况,研究者进一步提出边缘计算的概念,其分散的网络架构,将应用、数据与服务移到了网络边缘,极大减少了端到端的延迟,减轻了回程链路的负担,也更适用局部性、实时、短周期数据的处理与分析需求。边缘计算与云计算通过紧密协同才能更好的满足各种需求场景的匹配,从而放大边缘计算和云计算的应用价值。
随着现阶段边缘云与移动设备的增加,一方面,边缘云上服务器的资源是有限的,需要控制卸载任务的移动终端数量。另一方面,一个移动设备可以同时被多个边缘云覆盖,它也需要选择一个合适的边缘云进行上传。总之,在云边缘计算的协同中,关键问题之一是制定边缘云与终端设备的匹配决策。
示例性的,现阶段边缘云计算中制定边缘云与终端设备的匹配决策包括以下两种:
方案一:按照任务执行时延大小和所占资源大小对MEC服务器进行优先级排序,并将任务顺序分配给优先级高的MEC服务器计算卸载。这种方案核心是优先级分配决策,但是其存在一个显著的缺点,即将预卸载用户卸载时间存入资源池后,其使用贪心算法遍历所有服务器,这将导致其很难得到全局最优解乃至次优解。
方案二:采用训练集训练好的深度学习模型执行强分支决策,将结果传给分支定界,进行多次迭代,得到最优的卸载任务方法,确定任务计算位置是在本地进行或卸载到其他服务器进行计算。此方案的缺点在于多次迭代,甚至回退造成时间复杂度过高,大大影响了实际运行效率。
为了便于理解本方案,下面对本申请中出现的技术名词进行解释说明:
1、基尼系数
基尼系数原本是经济学中用来评价一个地区贫富差距的量。在本申请中则用来评判终端设备在卸载预设计算任务后产生收益大小的差距。若是差距比较大,则选择较小数量的终端进行卸载产生的收益就可以占总收益的较大比例。反之,若是差距较小,则需要上传较多的终端数量。再结合每个边缘云的承载能力,可以确定其具体的接受终端任务的数量。
以上对本申请中出现的技术名词进行了解释说明。
为了解决上述现有技术中存在的缺陷,本申请提出了一种基于基尼系数的卸载方案,来降低卸载决策的复杂度。具体包括一种卸载决策确定方法及装置。其中,卸载决策确定装置首先根据预设终端的预设计算任务的能耗和时延,构建效益函数,该效益函数用于指示预设终端在预卸载预设计算任务后的预期收益;卸载决策确定装置再将所有效益函数值大于或等于零且时延小于或等于预设约束时延的预设终端,确定为目标终端;在此之后,卸载决策确定装置对目标终端集合中的每个目标终端,确定每个终端的收益值和每个边缘云服务器的基尼系数,进而确定出每个边缘云服务器对应的第二终端的数量;最后,卸载决策确定装置根据第二终端的数量和每个目标终端的上传优先级,确定每个边缘云服务器对应的第二终端,第二终端即为在卸载决策制定后多个目标终端中用于将预设计算任务卸载至边缘云服务器的目标终端。另外,卸载决策确定装置还会对重复出现在两个或两个以上的边缘云服务器的上传终端名单中的目标终端,进行排除,避免出现一个目标终端的预设计算任务被多次上传至边缘云服务器,导致资源浪费的情况。
在本申请提供的卸载决策确定方法中,执行主体是卸载决策确定装置。该卸载决策确定装置可以是一种电子设备(例如电脑终端、服务器),还可以是电子设备中的处理器,还可以是电子设备中用于卸载决策确定的控制模块,还可以是电子设备中用于卸载决策确定的客户端。
实施例一:
为了解决现有技术方案中现有边缘云计算技术中制定卸载决策时,耗费时间长、且计算过程复杂的问题,本申请提供一种卸载决策确定方法。
首先,对本实施例中的边缘云计算***模型和计算与通信模型进行介绍。
(1)边缘云计算***模型
在本实施例中,选用的边缘云计算***为通用的云边协同模型中的三层结构模型,包括中心云层、边缘云层、用户层。
其中,中心云层具有丰富的计算资源可以扩展到边缘云上,同时负责边缘云之间的资源调度与数据迁移。边缘云服务器可以是基站,物理服务器,或虚拟机等具有由网络运营商提供的中等计算能力,为覆盖范围内的多个移动终端提供计算与通信服务。用户层由大量的移动设备组成,如手机,平板,可穿戴设备等等,具有移动性,需要大量的计算资源。
用户层中所有终端的集合表示为U={1,2,…,u},同时假定每一个终端u,在任一时刻,只能产生一个预设计算任务Tu。Tu由三元数组表示,<du,cu,δu>,其中,du表示任务执行所需要的输入数据量(包括***设置、程序代码和输入参数),cu表示完成预设计算任务所需的计算量。du,cu的值可以通过分析预设计算任务的执行情况获得。δu表示预设计算任务的最大时延约束。边缘云服务器的集合表示为S={1,2,…,s}。
以上对本实施例的边缘云计算***模型进行了说明。
(2)通信计算模型
在本实施例中,当终端u将数据du通过上传链路发送至边缘云时,在上行链路中使用正交频分多址方案的***。任务卸载变量定义为:
由于向同一基站发射的终端使用不同的子带,上行小区内干扰得到很好的缓解,但同时,这些终端要遭受小区间干扰。由此,计算可得到终端u到基站s之间的信道干噪比(signal to interference noise ratio,SINR)和终端u的传输速度
其中,Pu为终端通过信道与边缘云服务器进行数据传输的信号发射功率。
以上对本实施例的通信计算模型进行了说明。
下面对本实施例提供的卸载决策确定方法的流程进行说明。
示例性的,如图1所示,本申请提供的卸载决策确定方法包括以下步骤:
S101、卸载决策确定装置获取多个目标终端,以及多个边缘云服务器。
可选的,卸载决策确定装置根据预设终端的预设计算任务的能耗和时延,确定效益函数。其中,效益函数用于指示预设终端在预卸载预设计算任务后的预期收益。在此之后,卸载决策确定装置将效益函数的值大于或等于零且时延小于或等于预设约束时延的预设终端确定为目标终端。
可以理解的是,预设终端即为边缘云计算网络中包括的所有终端。
可选的,卸载决策装置将获取到的多个目标终端确定为目标终端集合,以便于后续流程中的计算。
具体的,卸载决策确定装置预设计算任务确定的效益函数满足以下公式:
其中,x表示任务卸载变量,w表示信道变量,f表示边缘云服务器的处理器频率,u表示预设终端的编号,λu表示终端u的预设计算任务权重,U表示终端集合,Ju表示终端u的初始效益函数。需要说明,预设终端的预设计算任务权重λ,具体由预设计算任务的类型决定。此外,相同类型的预设计算任务在不同预设终端执行时,其对应的预设计算任务权重λ也不相同。
需要指出,预设终端的效益函数用于体现预设终端在预卸载预设计算任务后的预期收益。此处的预期收益不等同于在实际卸载预设计算任务到边缘云服务器是的收益。
可选的,初始效益函数Ju满足以下公式:
Ju表示初始效益函数,u表示预设终端的编号,表示预设终端u的时延加权系数,表示预设终端u的能耗加权系数,/>表示预设终端u的预设计算任务的时延,/>表示预设终端u的任务卸载时延,/>表示预设终端u的预设计算任务的能耗,ES表示预设终端u的任务卸载能耗,S表示边缘云服务器集合,s表示预设终端对应的边缘云服务器,/>表示终端u的任务卸载变量,m表示预设终端使用的上传信道的编号。
需要说明的是,对初始效益函数进行进一步取最大值优化的目的是为了在***模型中,保障终端集合的卸载预设计算任务的效益之和为最大。
进一步的,卸载决策确定装置将效益函数的值大于或等于零且所述时延小于或等于预设约束时延的终端确定为目标终端,并将全部的目标终端确定为目标终端集合。可以理解,目标终端集合可以是数学集合的形式,例如目标终端集合可以是一个数学矩阵,包括每个终端的编号及其能够连接的对应边缘云服务器编号;目标终端集合也可以是以名单的形式体现,本实施例不做具体限定。
如图2所示,卸载决策确定装置在执行步骤S101具体可包括以下步骤:
S201、根据所有预设终端的预设计算任务的能耗和时延,确定所有预设终端的效益函数。
S202、判断预设终端u的效益函数是否大于或等于零。
其中,u为正整数,其初始值为1,最大值与预设终端集合U中包含的预设终端数量值相同。
若预设终端的效益函数小于零,则执行步骤S203。
若预设终端的效益函数大于或等于零,则执行步骤S204;
S203、u的取值加1。
将u的取值加1,并执行步骤S202。
可以理解,将u的取值加1,即表示开始下个预设终端执行步骤S202。
S204、判断每个预设终端的预设计算任务的时延是否小于或等于预设约束时延。
可选的,此处的预设约束时延即为前文所述的预设计算任务的最大时延约束δu。
若预设终端的预设计算任务的时延大于预设约束时延,则执行步骤S203。
若预设终端的预设计算任务的时延小于或等于预设约束时延,则执行步骤S205。
S205、将预设终端u确定为目标终端。
将预设终端u确定为目标终端集合的一个元素。
S206、判断是否每个预设终端都已执行过步骤S202。
若存在预设终端未执行过步骤S202,则执行步骤S203。
若每个预设终端都已执行过步骤S202,则执行步骤S207。
S207、输出目标终端集合。
由此,本实施例能够根据对边缘云计算的所有预设终端进行预卸载,筛选出目标终端集合,初步降低确定卸载决策时的计算量。
S102、卸载决策确定装置确定多个目标终端中每个目标终端预卸载预设计算任务的收益值,以及每个边缘云服务器的基尼系数。
可选的,卸载决策确定装置根据收益评估函数确定收益值,收益评估函数满足以下公式:
需要说明的是,目标终端的收益权重系数η可由人工预先设置,本申请对此不做限制。示例性的,收益权重系数η的取值范围为0.5至0.9。可以理解,收益评估函数用于评估终端在实际卸载预设计算任务到边缘云服务器后的收益。
可选的,基尼系数满足以下公式:
其中,Gs表示边缘云服务器s的基尼系数,s表示边缘云服务器的编号,Bs表示目标终端集合,yis表示累计收入比。
可选的,累计收入比yis满足以下公式:
其中,s表示边缘云服务器的编号,Ys表示边缘云服务器s对应的目标终端的收益评估函数值之和,ψns表示收益评估函数,n表示终端的编号。
可选的,边缘云服务器s对应的目标终端的收益评估函数值之和Ys满足以下公式:
其中,Ys表示边缘云服务器s对应的目标终端的收益评估函数值之和,s表示边缘云服务器的编号,Bs表示目标终端集合,ψns表示收益评估函数,n表示目标终端的编号,S表示边缘云服务器集合。
可以理解的是,基尼系数用于评判边缘云服务器对应的目标终端在卸载所述预设计算任务后产生收益的差距,若是差距比较大,则选择较小数量的终端进行卸载产生的收益就可以占总收益的较大比例。反之,若是差距较小,则需要上传较多的终端数量。再结合每个边缘云的承载能力,可以确定其具体的接受终端任务的数量。
S103、卸载决策确定装置根据每个边缘云服务器的基尼系数,确定每个边缘云服务器对应的第二终端的数量。
其中,第二终端为在卸载决策制定后多个目标终端中用于将预设计算任务卸载至边缘云服务器的目标终端。
可选的,边缘云服务器对应的第二终端的数量Is满足以下公式:
其中,Is表示第二终端的数量,Gs表示边缘云服务器s的基尼系数,Bs表示目标终端集合。
S104、卸载决策确定装置根据目标终端的收益值,确定多个目标终端中每个目标终端的上传优先级。
可选的,在卸载决策确定装置根据收益评估函数确定收益值的情况下,目标终端集合中目标终端的上传优先级由各个目标终端的收益评估函数来决定。示例性的,一个目标终端的收益评估函数的值越大,该目标终端的上传优先级越高。
S105、卸载决策确定装置根据第二终端的数量和每个目标终端的上传优先级,确定每个边缘云服务器对应的第二终端。
可选的,卸载决策确定装置将全部目标终端,按照上传优先级由高至低的顺序排列后。在此之后,示例性的,针对一个边缘云服务器,卸载决策确定装置将排行前第一数量的目标终端,确定为第三终端。需要指出,此处的第一数量的大小与步骤S103中确定出的第二终端的数量相等。示例性的,边缘云服务器对应的第二终端的数量为5,则将目标终端集合中上传优先级排行前五的目标终端,确定为边缘云服务器对应的第三终端。
进一步的,卸载决策确定装置根据预设算法,将第三终端中未向其他边缘云服务器卸载预设计算任务的目标终端,确定为每个边缘云服务器对应的第二终端。示例性的,预设算法可以是贪心算法或贪婪算法。
基于上述技术方案,本实施例先获取多个目标终端,以及多个边缘云服务器,即能够根据对边缘云计算的所有终端进行筛选,获取到目标终端集合,初步降低确定卸载决策时的计算量;再基于构建的边缘云服务器的基尼系数,确定每个边缘云服务器对应的第二终端的数量,充分考虑到每个边缘云服务器所能够承担的预设计算任务量,得出各边缘云服务器合适的对应接收其卸载的预设计算任务的终端数量;之后,根据目标终端的收益值,确定每个目标终端的上传优先级,最终确定出每个边缘云服务器对应的实际上传预设计算任务的终端,兼顾了每个目标终端卸载预设计算任务至边缘云服务器时的收益,使得预设计算任务卸载后终端的收益最大化。由此,本申请提供的卸载决策耗费时间短,有效降低了计算过程的复杂程度,同时能够兼顾边缘云服务器和终端的实时状态,更具备时效性和实用性。
实施例二:
示例性的,结合图1及实施例一,如图3所示,本申请提供的卸载决策确定方法在实施例一的步骤S105中具体包括以下步骤:
以实施例一中预设算法是贪心算法为例,对步骤S105中卸载决策确定装置根据第二终端的数量和每个目标终端的上传优先级,确定第二终端进行具体说明。
S301、卸载决策确定装置输入上传决策矩阵和收益矩阵。
其中,上传决策矩阵由第一数量个终端的任务卸载变量x及这些终端对应的边缘云服务器的编号组成,收益矩阵由这些终端的收益评估函数的值组成。
上传决策矩阵中每个终端的任务卸载变量x初始的值为0。
S302、卸载决策确定装置根据上传决策矩阵,计算总上传数量。
其中,总上传数量包括每个边缘云服务器的预上传总量。可以理解,此处每个边缘云服务器的预上传总量即为实施例一中的边缘云服务器的第一数量,具体确定方法参考实施例一,本实施例不再赘述。
S303、卸载决策确定装置计算收益矩阵的元素降序序列MAK。
需要说明的是,元素降序序列MAK具体用于后续步骤中根据边缘云服务器的预上传数量,选择具体将哪些终端的预设计算任务卸载至边缘服务器。
S304、卸载决策确定装置判断是否同时满足边缘云服务器s当前剩余上传数量大于零且当前终端u的收益评估函数大于等于零。
其中,s为正整数,其初始值为1,最大值与实施例一中边缘云服务器集合S包含的边缘云服务器的数量值相同。u为正整数,其初始值为1,最大值与终端集合U中包含的终端数量值相同。
若边缘云服务器s未能同时满足当前剩余上传数量大于零且对应终端的收益评估函数大于等于零,则执行步骤S309。
若边缘云服务器s同时满足当前剩余上传数量大于零且对应终端的收益评估函数大于等于零,则执行步骤S305。
S305、卸载决策确定装置判断终端u是否已将预设计算任务卸载至其他边缘云服务器。
可选的,卸载决策确定装置根据终端的编号u,查询对应的预设计算任务卸载记录,判断终端u是否已将预设计算任务卸载至其他边缘云服务器。
若终端u已将预设计算任务卸载至其他边缘云服务器,则执行步骤S308。
若终端u未将预设计算任务卸载至其他边缘云服务器,则执行步骤S306。
S306、卸载决策确定装置判断边缘云服务器s预上传的终端数量是否已达到预上传数量。
若边缘云服务器s上传的终端数量已达到预上传总量,则执行步骤S308。
若边缘云服务器s上传的终端数量未达到预上传总量,则执行步骤S307。
S307、卸载决策确定装置将终端u确定为边缘云服务器s的预上传矩阵中的元素,之后将u的取值加1。
可以理解的是,将终端u确定为边缘云服务器s的预上传矩阵中的元素,即表明后续实际上传时终端u会即将自身的预设计算任务卸载至边缘云服务器s。
可以理解,将u的取值加1,即表示开始对下个终端执行步骤S304。
S308、卸载决策确定装置取消终端u的预设计算任务上传,并将u的取值加1。
卸载决策确定装置在将u的取值加1后,执行步骤S304。
可以理解,将u的取值加1,即表示开始对下个终端执行步骤S304。
S309、卸载决策确定装置判断是否每个边缘云服务器都已执行过S304。
若存在边缘云服务器未执行过S304,则执行步骤S310。
若每个边缘云服务器都已执行过S304,则执行步骤S311。
S310、卸载决策确定装置将s的取值加1。
卸载决策确定装置s的取值加1后,执行步骤S304。
可以理解,将s的取值加1,即表示开始对下个边缘云服务器执行步骤S304。
S311、卸载决策确定装置输出所有边缘服务器的预上传矩阵,作为最终卸载决策。
经过上述算法可知,生成的MAK数组在(u*s)个范围内,输出所有边缘服务器的预上传矩阵最多需要检索完(u*s)个元素,而内循环需要将所有边缘云服务器都遍历完毕,即此时计算量为(u*s2)个元素。而实施例一中基尼系数根据公式生成的计算量最多为(u*s)个元素。进而,总计算量为[u*s(1+s)]个元素,考虑到服务器数改变不大或基本不变,最终计算复杂度可取为u。因此,本实施例的总体计算复杂程度相较于现有技术中例如模拟退火算法u3的计算复杂程度大大降低。本实施例提出的卸载决策确定方法大大提高了次优解的求解效率,能有效降低算法复杂度。
此外,基于上述技术方案,本实施例中卸载决策确定装置能够对重复出现在两个或两个以上的边缘云服务器的上传终端名单中的目标终端,进行排除,避免出现一个目标终端的预设计算任务被多次上传至边缘云服务器的情况。
本申请实施例可以根据上述方法示例对卸载决策确定装置进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
示例性的,如图4所示,为本申请实施例所涉及的一种卸载决策确定装置的一种可能的结构示意图。该卸载决策确定装置400包括:获取单元401和处理单元402。
其中,获取单元401,用于获取多个目标终端,以及多个边缘云服务器。
处理单元402,用于确定所述多个目标终端中每个所述目标终端预卸载预设计算任务的收益值,以及每个所述边缘云服务器的基尼系数。
处理单元402,还用于根据每个所述边缘云服务器的基尼系数,确定每个所述边缘云服务器对应的第二终端的数量。
处理单元402,还用于根据所述目标终端的收益值,确定所述多个目标终端中每个所述目标终端的上传优先级。
处理单元402,还用于根据所述第二终端的数量和每个所述目标终端的上传优先级,确定每个所述边缘云服务器对应的第二终端。
可选的,处理单元402,还用于根据每个所述边缘云服务器的第二终端的数量和每个所述目标终端的上传优先级,确定每个所述边缘云服务器对应的第三终端。
可选的,处理单元402,还用于根据预设算法,将所述第三终端中未向另一边缘云服务器卸载所述预设计算任务的目标终端,确定为所述每个所述边缘云服务器对应的第二终端。
可选的,获取单元401,还用于获取多个预设终端;所述多个预设终端中包括多个所述目标终端。
可选的,处理单元402,还用于根据每个预设终端的预设计算任务的能耗和时延,确定所述每个预设终端的效益函数。
可选的,处理单元402,还用于将所述效益函数的值大于或等于零且所述时延小于或等于预设约束时延的预设终端确定为所述目标终端。
可选的,卸载决策确定装置400还可以包括存储单元(图4中以虚线框示出),该存储单元存储有程序或指令,当处理单元402执行该程序或指令时,使得卸载决策确定装置可以执行上述方法实施例所述的卸载决策确定方法。
此外,图4所述的卸载决策确定装置的技术效果可以参考上述实施例所述的卸载决策确定方法的技术效果,此处不再赘述。
示例性地,图5为上述实施例中所涉及的卸载决策确定装置的又一种可能的结构示意图。如图5所示,卸载决策确定装置500包括:处理器502。
其中,处理器502,用于对该卸载决策确定装置的动作进行控制管理,例如,执行上述获取单元401和处理单元402执行的步骤,和/或用于执行本文所描述的技术方案的其它过程。
上述处理器502可以是实现或执行结合本申请内容所描述的各种示例性的逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
可选地,卸载决策确定装置500还可以包括通信接口503、存储器501和总线504。其中,通信接口503用于支持卸载决策确定装置500与其他网络实体的通信。存储器501用于存储该卸载决策确定装置的程序代码和数据。
其中,存储器501可以是卸载决策确定装置中的存储器,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
总线504可以是扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。总线504可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的***,装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供一种包含指令的计算机程序产品,当所述计算机程序产品在本申请的电子设备上运行时,使得所述计算机执行上述方法实施例所述的卸载决策确定方法。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当计算机执行该指令时,该本申请的电子设备执行上述方法实施例所示的方法流程中卸载决策确定装置执行的各个步骤。
其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘。随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的人以合适的组合、或者本领域数值的任何其他形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit,ASIC)中。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (12)
1.一种卸载决策确定方法,其特征在于,所述方法包括:
获取多个目标终端,以及多个边缘云服务器;
确定所述多个目标终端中每个所述目标终端预卸载预设计算任务的收益值,以及每个所述边缘云服务器的基尼系数;所述基尼系数用于表示第一终端之间的收益值的差距,所述第一终端为所述多个目标终端中将所述预设计算任务预卸载至所述边缘云服务器的目标终端;
根据每个所述边缘云服务器的基尼系数,确定每个所述边缘云服务器对应的第二终端的数量;所述第二终端为在卸载决策制定后所述多个目标终端中用于将所述预设计算任务卸载至所述边缘云服务器的目标终端;
根据所述目标终端的收益值,确定所述多个目标终端中每个所述目标终端的上传优先级;
根据所述第二终端的数量和每个所述目标终端的上传优先级,确定每个所述边缘云服务器对应的第二终端;
获取多个预设终端;所述多个预设终端中包括多个所述目标终端;
根据每个预设终端的预设计算任务的能耗和时延,确定所述每个预设终端的效益函数;所述效益函数用于指示所述预设终端在预卸载所述预设计算任务后的预期收益;
将所述效益函数的值大于或等于零且所述时延小于或等于预设约束时延的预设终端确定为所述目标终端;
根据每个所述边缘云服务器的第二终端的数量和每个所述目标终端的上传优先级,确定每个所述边缘云服务器对应的第三终端;所述第三终端为所述多个目标终端中所述上传优先级由高至低排列后,所述上传优先级排行前第一数量的目标终端,所述第一数量的大小与所述第二终端的数量相等;
根据预设算法,将所述第三终端中未向另一边缘云服务器卸载所述预设计算任务的目标终端,确定为所述每个所述边缘云服务器对应的第二终端。
2.根据权利要求1所述的方法,其特征在于,所述预设终端的效益函数满足以下公式:
其中,x表示任务卸载变量,w表示信道变量,f表示所述边缘云服务器的处理器频率,u表示所述预设终端的编号,λu表示预设终端u的预设计算任务权重,U表示预设终端集合,Ju表示预设终端u的初始效益函数;
所述初始效益函数Ju满足以下公式:
4.根据权利要求3所述的方法,其特征在于,所述边缘云服务器的基尼系数满足以下公式:
其中,Gs表示边缘云服务器s的基尼系数,s表示所述边缘云服务器的编号,Bs表示所述目标终端集合,yis表示累计收入比;
所述累计收入比yis满足以下公式:
其中,s表示所述边缘云服务器的编号,Ys表示边缘云服务器s对应的所述目标终端的收益评估函数值之和,ψns表示所述收益评估函数,n表示所述终端的编号;
所述边缘云服务器对应的所述目标终端的收益评估函数值之和Ys满足以下公式:
其中,Ys表示边缘云服务器s对应的所述目标终端的收益评估函数值之和,s表示所述边缘云服务器的编号,Bs表示所述目标终端集合,ψns表示所述收益评估函数,n表示所述目标终端的编号,S表示边缘云服务器集合。
6.一种卸载决策确定装置,其特征在于,所述卸载决策确定装置包括:获取单元和处理单元;
所述获取单元,用于获取多个目标终端,以及多个边缘云服务器;
所述处理单元,用于确定所述多个目标终端中每个所述目标终端预卸载预设计算任务的收益值,以及每个所述边缘云服务器的基尼系数;所述基尼系数用于表示第一终端之间的收益值的差距,所述第一终端为所述多个目标终端中将所述预设计算任务预卸载至所述边缘云服务器的目标终端;
所述处理单元,还用于根据每个所述边缘云服务器的基尼系数,确定每个所述边缘云服务器对应的第二终端的数量;所述第二终端为在卸载决策制定后所述多个目标终端中用于将所述预设计算任务卸载至所述边缘云服务器的目标终端;
所述处理单元,还用于根据所述目标终端的收益值,确定所述多个目标终端中每个所述目标终端的上传优先级;
所述处理单元,还用于根据所述第二终端的数量和每个所述目标终端的上传优先级,确定每个所述边缘云服务器对应的第二终端;
所述获取单元,还用于获取多个预设终端;所述多个预设终端中包括多个所述目标终端;
所述处理单元,还用于根据每个预设终端的预设计算任务的能耗和时延,确定所述每个预设终端的效益函数;所述效益函数用于指示所述预设终端在预卸载所述预设计算任务后的预期收益;
所述处理单元,还用于将所述效益函数的值大于或等于零且所述时延小于或等于预设约束时延的预设终端确定为所述目标终端;
所述处理单元,还用于根据每个所述边缘云服务器的第二终端的数量和每个所述目标终端的上传优先级,确定每个所述边缘云服务器对应的第三终端;所述第三终端为所述多个目标终端中所述上传优先级由高至低排列后,所述上传优先级排行前第一数量的目标终端,所述第一数量的大小与所述第二终端的数量相等;
所述处理单元,还用于根据预设算法,将所述第三终端中未向另一边缘云服务器卸载所述预设计算任务的目标终端,确定为所述每个所述边缘云服务器对应的第二终端。
7.根据权利要求6所述的卸载决策确定装置,其特征在于,所述预设终端的效益函数满足以下公式:
其中,x表示任务卸载变量,w表示信道变量,f表示所述边缘云服务器的处理器频率,u表示所述预设终端的编号,λu表示预设终端u的预设计算任务权重,U表示预设终端集合,Ju表示预设终端u的初始效益函数;
所述初始效益函数Ju满足以下公式:
9.根据权利要求8所述的卸载决策确定装置,其特征在于,所述边缘云服务器的基尼系数满足以下公式:
其中,Gs表示边缘云服务器s的基尼系数,s表示所述边缘云服务器的编号,Bs表示所述目标终端集合,yis表示累计收入比;
所述累计收入比yis满足以下公式:
其中,s表示所述边缘云服务器的编号,Ys表示边缘云服务器s对应的所述目标终端的收益评估函数值之和,ψns表示所述收益评估函数,n表示所述终端的编号;
所述边缘云服务器对应的所述目标终端的收益评估函数值之和Ys满足以下公式:
其中,Ys表示边缘云服务器s对应的所述目标终端的收益评估函数值之和,s表示所述边缘云服务器的编号,Bs表示所述目标终端集合,ψns表示所述收益评估函数,n表示所述目标终端的编号,S表示边缘云服务器集合。
11.一种电子设备,其特征在于,包括:处理器以及存储器;其中,所述存储器用于存储计算机执行指令,当所述电子设备运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述电子设备执行权利要求1-5中任一项所述的卸载决策确定方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括指令,当所述计算机可读存储介质中的指令由电子设备执行时,使得所述电子设备能够执行如权利要求1-5中任一项所述的卸载决策确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210095162.2A CN114461299B (zh) | 2022-01-26 | 2022-01-26 | 一种卸载决策确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210095162.2A CN114461299B (zh) | 2022-01-26 | 2022-01-26 | 一种卸载决策确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114461299A CN114461299A (zh) | 2022-05-10 |
CN114461299B true CN114461299B (zh) | 2023-06-06 |
Family
ID=81412248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210095162.2A Active CN114461299B (zh) | 2022-01-26 | 2022-01-26 | 一种卸载决策确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114461299B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116232781B (zh) * | 2022-12-08 | 2024-04-16 | 中国联合网络通信集团有限公司 | 节能方法、装置及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829332A (zh) * | 2019-01-03 | 2019-05-31 | 武汉理工大学 | 一种基于能量收集技术的联合计算卸载方法及装置 |
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 |
CN110096318A (zh) * | 2019-05-08 | 2019-08-06 | 北京邮电大学 | 一种基于移动边缘计算的任务卸载方法及装置 |
CN111132235A (zh) * | 2019-12-27 | 2020-05-08 | 东北大学秦皇岛分校 | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 |
CN111836283A (zh) * | 2020-07-03 | 2020-10-27 | 重庆邮电大学 | 一种基于mec多服务器的车联网资源分配方法 |
CN112752302A (zh) * | 2021-01-05 | 2021-05-04 | 全球能源互联网研究院有限公司 | 一种基于边缘计算的电力业务时延优化方法及*** |
CN112860350A (zh) * | 2021-03-15 | 2021-05-28 | 广西师范大学 | 一种边缘计算中基于任务缓存的计算卸载方法 |
CN112929915A (zh) * | 2021-02-20 | 2021-06-08 | 中南大学 | 一种移动边缘计算的动态数据卸载方法及*** |
CN112969163A (zh) * | 2021-02-22 | 2021-06-15 | 安徽大学 | 一种基于自适应任务卸载的蜂窝网络计算资源分配方法 |
CN113163004A (zh) * | 2021-04-09 | 2021-07-23 | 北京易华录信息技术股份有限公司 | 一种工业互联网边缘任务卸载决策方法、装置及存储介质 |
US11095534B1 (en) * | 2019-11-29 | 2021-08-17 | Amazon Technologies, Inc. | API-based endpoint discovery of resources in cloud edge locations embedded in telecommunications networks |
CN113377547A (zh) * | 2021-08-12 | 2021-09-10 | 南京邮电大学 | 一种5g边缘计算环境下计算任务智能卸载和安全保障方法 |
CN113950103A (zh) * | 2021-09-10 | 2022-01-18 | 西安电子科技大学 | 一种移动边缘环境下多服务器完全计算卸载方法及*** |
-
2022
- 2022-01-26 CN CN202210095162.2A patent/CN114461299B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829332A (zh) * | 2019-01-03 | 2019-05-31 | 武汉理工大学 | 一种基于能量收集技术的联合计算卸载方法及装置 |
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 |
CN110096318A (zh) * | 2019-05-08 | 2019-08-06 | 北京邮电大学 | 一种基于移动边缘计算的任务卸载方法及装置 |
US11095534B1 (en) * | 2019-11-29 | 2021-08-17 | Amazon Technologies, Inc. | API-based endpoint discovery of resources in cloud edge locations embedded in telecommunications networks |
CN111132235A (zh) * | 2019-12-27 | 2020-05-08 | 东北大学秦皇岛分校 | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 |
CN111836283A (zh) * | 2020-07-03 | 2020-10-27 | 重庆邮电大学 | 一种基于mec多服务器的车联网资源分配方法 |
CN112752302A (zh) * | 2021-01-05 | 2021-05-04 | 全球能源互联网研究院有限公司 | 一种基于边缘计算的电力业务时延优化方法及*** |
CN112929915A (zh) * | 2021-02-20 | 2021-06-08 | 中南大学 | 一种移动边缘计算的动态数据卸载方法及*** |
CN112969163A (zh) * | 2021-02-22 | 2021-06-15 | 安徽大学 | 一种基于自适应任务卸载的蜂窝网络计算资源分配方法 |
CN112860350A (zh) * | 2021-03-15 | 2021-05-28 | 广西师范大学 | 一种边缘计算中基于任务缓存的计算卸载方法 |
CN113163004A (zh) * | 2021-04-09 | 2021-07-23 | 北京易华录信息技术股份有限公司 | 一种工业互联网边缘任务卸载决策方法、装置及存储介质 |
CN113377547A (zh) * | 2021-08-12 | 2021-09-10 | 南京邮电大学 | 一种5g边缘计算环境下计算任务智能卸载和安全保障方法 |
CN113950103A (zh) * | 2021-09-10 | 2022-01-18 | 西安电子科技大学 | 一种移动边缘环境下多服务器完全计算卸载方法及*** |
Non-Patent Citations (5)
Title |
---|
"Distributed task offloading strategy to low load base stations in mobile edge computing environment";Yihong Li 等;《Computer Communications》;第164卷;第240-248页 * |
"移动边缘网络中资源分配问题研究";魏峰;《中国博士学位论文全文数据库 (信息科技辑)》;第I136-90页 * |
"移动边缘计算在工业***中的计算卸载策略研究";蔡振启;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;第I136-7页 * |
"移动边缘计算网络中基于DQN的能效性卸载决策及无线资源分配";高云 等;《测试技术学报》;第36卷(第01期);第54-59页 * |
一种移动边缘云计算任务卸载算法;查易艺;袁烨;李金湖;柳欢;陈振兴;李进;;计算机应用与软件(第06期);第141-147页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114461299A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113242568B (zh) | 一种不确定网络环境中的任务卸载和资源分配方法 | |
CN109240818B (zh) | 一种边缘计算网络中基于用户体验的任务卸载方法 | |
CN109829332B (zh) | 一种基于能量收集技术的联合计算卸载方法及装置 | |
CN110069341B (zh) | 边缘计算中结合功能按需配置的有依赖关系任务的调度方法 | |
CN112015545B (zh) | 车辆边缘计算网络中的任务卸载方法及*** | |
CN109951873B (zh) | 一种物联网雾计算中信息不对称不确定下的任务卸载机制 | |
CN114915630A (zh) | 基于物联网设备的任务分配方法、网络训练方法及装置 | |
CN104503831A (zh) | 设备优化方法及装置 | |
CN114461299B (zh) | 一种卸载决策确定方法、装置、电子设备及存储介质 | |
CN114007225A (zh) | Bwp的分配方法、装置、电子设备及计算机可读存储介质 | |
CN114595049A (zh) | 一种云边协同任务调度方法及装置 | |
CN113849302A (zh) | 任务执行方法及装置、存储介质及电子装置 | |
CN113010317A (zh) | 联合服务部署与任务卸载方法、装置、计算机设备及介质 | |
CN112488563A (zh) | 一种算力参数的确定方法和装置 | |
CN113365290A (zh) | 天地融合网络中基于贪心策略的博弈论计算卸载方法 | |
CN116932086A (zh) | 一种基于哈里斯鹰算法的移动边缘计算卸载方法及*** | |
CN115955479A (zh) | 一种云边端协作***中的任务快速调度与资源管理方法 | |
CN110856215B (zh) | 一种多接入边缘计算的资源分配算法 | |
CN111328107B (zh) | 多云异构移动边缘计算***架构和能量优化的设计方法 | |
CN114281544A (zh) | 一种基于边缘计算的电力任务执行方法及装置 | |
CN111309460B (zh) | 一种移动边缘计算场景下智能移动设备的任务处理方法 | |
CN111372268B (zh) | 一种超密集网络中联合无线资源管理与任务卸载优化方法 | |
CN114615705A (zh) | 一种基于5g网络下单用户资源分配策略方法 | |
CN114217881A (zh) | 任务卸载方法及相关装置 | |
CN113709817A (zh) | 多基站多服务器场景下的任务卸载和资源调度方法及装置 |
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 |