-
公开(公告)号：CN117331621A
公开(公告)日：2024-01-02
申请号：CN202311316504.X
申请日：2023-10-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于Serverless冷启动问题的混用策略优化方法及系统，针对不同特征的调度函数，采用不同的调度策略，所述策略包括基于无工作流的时间序列模型调度策略和基于工作流的时间序列模型调度策略；针对高频函数，采用无工作流的时间序列模型调度策略，同时查询是否有初始化的实例，若有则执行，若没有则进入有工作流的时间序列模型调度策略；针对低频函数：进入有工作流的时间序列模型调度策略。本发明通过分析函数特征，对函数采取基于有无工作流的调度策略，对serverless的冷启动问题进行优化，对无服务器的性能提升有显著作用。
-
公开(公告)号：CN117221951A
公开(公告)日：2023-12-12
申请号：CN202311217434.2
申请日：2023-09-20
Applicant: 东南大学
IPC: H04W28/084 , H04L67/10 , G06N3/092
Abstract: 本发明公开了一种车载边缘环境下基于深度强化学习的任务卸载方法，包括预处理阶段、解决方案阶段及卸载决策阶段，首先构建车载边缘网络系统架构，根据车载边缘网络系统架构建立通信、计算模型以及目标优化；再根据系统的动态性，对车辆调度、资源分配和任务卸载进行联合优化，优化过程被表述为马尔可夫决策过程(MDP)，开发强化学习框架，并根据强化学习框架构建和设置基于PA‑TODM‑DDPG的深度强化学习模型；最后使用训练好的PA‑TODM‑DDPG求解最优卸载策略。本发明将车辆移动性、时变信道状态、任务卸载决策和资源分配的混合动作空间要求进行联合考虑，从减少系统成本的角度考虑可分割的独立车载任务卸载问题，通过联合优化系统能耗和总体时延降低系统总成本。
-
公开(公告)号：CN116634401A
公开(公告)日：2023-08-22
申请号：CN202310586317.7
申请日：2023-05-23
Applicant: 东南大学
Abstract: 本发明公开了一种解决边缘计算下最大化车载用户满意度的任务卸载方法，属于边缘计算与优化算法领域，该方法分为3个阶段：模型构建阶段、目标优化设计阶段、任务卸载阶段。模型构建阶段是为车辆边缘计算建立一个具有资源约束的三层模型架构，包括云、路边单元和车辆，其中车辆中携带多个即将卸载的独立任务；目标优化设计阶段深度考虑任务的截止期限、资源需求量、各个节点的资源约束和任务截止期约束，以最大化用户满意度为优化目标；任务卸载阶段提出一种基于改进粒子群的任务卸载算法，旨在降低任务执行延迟和提高任务最大截止期限内被完成的比率，最大化用户满意度。
-
公开(公告)号：CN116614389A
公开(公告)日：2023-08-18
申请号：CN202310586316.2
申请日：2023-05-23
Applicant: 东南大学
IPC: H04L41/142 , H04L41/16 , H04L41/12 , H04L67/10
Abstract: 本发明公开了一种基于马尔可夫决策过程的工作流任务卸载方法，包括预处理阶段：对整个云边端系统进行资源监测与记录，定义服务器集合和网络拓扑的邻接矩阵表；解决方案阶段：对于每一个待卸载的工作流，构造直接前驱表、已卸载任务集、待卸载任务集等，基于工作流构建马尔可夫决策过程模型，根据价值函数选出当前状态下的最佳决策；更新阶段：根据不同原因产生的状态更新，更新系统各参数。本发明使用马尔可夫决策过程，在异构云边端场景下解决工作流卸载问题，优化了任务的最快完成时间，在移动物联网领域有广泛的应用价值和使用前景。
-
-
Patent Agency Ranking
公开(公告)号：CN111917818A
公开(公告)日：2020-11-10
申请号：CN202010516848.5
申请日：2020-06-09
Applicant: 东南大学
IPC: H04L29/08 , H04L12/917
Abstract: 本发明提供了一种个性化服务需求的动态匹配方法，包括：云平台根据经验值下发初始阈值给客户端/终端；确定一个统计分析周期，周期内云平台计算各子任务的熵；应用在周期内因资源需求的变化，客户端感知变化向云平台发起资源重分配/回收的请求；将云平台一个周期内的所有子任务重分配方案认为是一个蚁群，针对优化目标函数，采用蚁群算法迭代子任务的分配方案；求得每个子任务资源分配门限的一组近似最优解，得到优化的全局资源重分配方案。本发明用多目标优化求解，不仅消除资源动态匹配中的扰动，还在动态匹配中兼顾到了全局负载均衡效果。
-
公开(公告)号：CN111898779A
公开(公告)日：2020-11-06
申请号：CN202010516843.2
申请日：2020-06-09
Applicant: 东南大学
IPC: G06Q10/02 , G06Q50/12 , G06F16/22 , G06F16/2458
Abstract: 本发明提供了一种用于个性化服务需求的组织管理方法及系统，统计分析大量云服务中个性化子服务的熵，将熵作为键值码，将大量的个性化服务模式建成一个AVL树，重复键码用hash表存储，当用户在云平台上发起服务请求时，可以快速通过这个数据结构和方法索引到用户的个性化需求具体内容、特征、关联需求，综合推荐等。通过本发明可建立面向个性化服务的动态链接集成模型，从而提高资源与服务的兼容度，提高需求与资源的匹配效率和集成效率。
-
公开(公告)号：CN106569887B
公开(公告)日：2020-04-24
申请号：CN201610969793.7
申请日：2016-11-04
Applicant: 东南大学
Abstract: 本发明公开了一种云环境下细粒度任务调度方法，包括如下步骤：(1)将作业按一定方式划分为细粒度任务，对细粒度的任务进行优先级和资源限制情况进行判断，根据优先级高低和资源是否有限制，将任务调度到不同的机器和机器中不同的队列上；(2)每个机器上预设有不同的架构执行器，机器接收到任务后，分配到相应与有任务一致架构的队列上排队等待执行器执行。本发明的有益效果为：提供细粒度任务去中心化调度方法，有效解决中心化方式调度对于细粒度任务的高延迟问题，并且不存在长尾现象，吞吐量也相应提高。
-
公开(公告)号：CN110209889A
公开(公告)日：2019-09-06
申请号：CN201910462115.5
申请日：2019-05-30
Applicant: 东南大学
IPC: G06F16/901 , G06F17/50
Abstract: 本发明公开了一种服务互联网的动态服务需求模式匹配方法，用户的需求可建模生成由节点和边组成的需求实例图，将其与需求模式库进行比对，如果存在完全相同的模式，则可通过服务模式与用户之间的静态关联关系得到匹配；如果不存在完全相同的模式，则取与该需求实例图相似度最高的需求模式，并将需求实例图中与该需求模式互补的部分作为个性化需求。组合个性化需求可能涉及到的服务资源，利用线性回归选定其中匹配度最高的服务集，并与静态匹配结果合并作为需求最终的服务匹配结果。本发明通过发明把服务在线动态地分配给用户的个性化需求，优化了需求与服务之间匹配的准确性和效率。
-
公开(公告)号：CN109976890A
公开(公告)日：2019-07-05
申请号：CN201910240851.6
申请日：2019-03-28
Applicant: 东南大学
Abstract: 本发明公开了一种最小化异构私有云计算资源能耗的变频方法，首先对工作流应用进行任务排序，根据任务调度序列，依次为每个任务划分子截止时间；再对私有云中的物理机根据功耗比优先的原则进行排序；为任务分配的处理器调节频率，使得任务在满足子截止期的前提下能耗最小，并确定任务是否需要副本，根据副本数量，决定将副本任务优先放置于物理机上执行或从剩余云服务资源中新开一台物理机执行副本任务；根据本发明中的变频方法，使每个任务分配得到的物理机得到一个优化的频率，对受DVFS影响的瞬时故障做了容错处理，利用任务复制的方式为工作流任务调整任务副本数，并对任务副本也做了能耗优化调度，有效地降低截止期约束的工作流应用的能耗。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
