一种任务迁移方法、装置、电子设备及存储介质

    公开(公告)号:CN112416554A

    公开(公告)日:2021-02-26

    申请号:CN202011312378.7

    申请日:2020-11-20

    Abstract: 本申请提供一种任务迁移方法、装置、电子设备及存储介质,该方法包括:获取多个用户设备终端生成的待迁移任务信息、各用户设备终端与基站之间的可用带宽以及边缘计算服务器可用资源;其中,待迁移任务信息包括:待迁移任务的计算资源需求和带宽需求;在预设的约束条件内,根据待迁移任务信息、各用户设备终端与基站之间的可用带宽以及边缘计算服务器可用资源,生成多个任务迁移策略;根据各任务迁移策略对应的系统总能耗,确定目标任务迁移策略。通过对多种可实现的任务迁移策略的系统总能耗进行预估,确定目标任务迁移策略,避免移动边缘计算系统能耗超标,提高了移动边缘计算系统的可靠性,为提高移动边缘计算系统的任务处理效率奠定了基础。

    基于移动边缘计算的资源分配方法

    公开(公告)号:CN109041130A

    公开(公告)日:2018-12-18

    申请号:CN201810904391.8

    申请日:2018-08-09

    CPC classification number: H04W28/16 H04W4/50 H04W24/06

    Abstract: 本发明实施例提供一种基于移动边缘计算的资源分配方法,包括:基于无线访问接入点AP和AP对应的若干个终端之间的斯塔克尔伯格模型,确定AP所需的最优物理资源块CRB数目,并将最优CRB数目发送至边缘服务器;接收边缘服务器基于最优CRB数目分配的若干个CRB,并将若干个CRB分配给AP对应的若干个终端,其中,若干个CRB是边缘服务器基于最优CRB数目,通过一对多的匹配算法确定的。本发明实施例提供的基于移动边缘计算的资源分配方法,综合考虑了三层的公平性与效益最大化的问题,满足时延敏感型应用对于时延和速率的需求,使得边缘服务器的效益最大化。本发明很好的利用了移动边缘计算位于网络边缘的优势,考虑了无线访问接入点。

    一种移动通信网的负载均衡方法和系统

    公开(公告)号:CN104363619B

    公开(公告)日:2017-09-19

    申请号:CN201410589813.9

    申请日:2014-10-28

    Abstract: 本发明涉及一种移动通信网的负载均衡方法和系统,该方法包括:监测网络中小区负载,当存在某小区负载大于触发阈值时,选择负载均衡区域,标记可切换终端,标记切换群组,根据小区的邻接关系生成邻接图,并按照终端负载设置邻接图的顶点权重和边权重,以邻接图分割方式为自变量以最小化邻接图分割后每个部分的权重差异为主要目标、执行切换的终端数量最少为次要目标建立方程,计算方程最优解,根据方程最优解和初始解求得均衡区域每个小区需要切换到相邻小区的用户终端。由于所构建方程的目标等效于小区负载差异最小化,所以求得的最优解可以使选定区域负载均衡度最高,优化网络负载均衡的解决方式,避免在处理大量高负载小区聚集时方法失效。

    网络流量预测方法、装置、电子设备及存储介质

    公开(公告)号:CN119728457A

    公开(公告)日:2025-03-28

    申请号:CN202411619302.7

    申请日:2024-11-13

    Abstract: 本发明提供一种网络流量预测方法、装置、电子设备及存储介质,涉及网络流量预测技术领域。其中,方法包括:基于多个网元设备各自的多个流量指标在预设时间段内随时间的变化,确定多个指标序列;将多个指标序列输入至网络流量预测模型的空间特征提取层,获得空间特征提取层输出的空间特征向量;空间特征提取层用于根据多个网元设备和多个流量指标各自之间的因果关系知识,对多个指标序列的拼接过程进行剪枝处理;将空间特征向量输入至网络流量预测模型的时间特征提取层,获得时间特征提取层输出的时空特征向量;将时空特征向量输入至网络预测模型的线性映射层,获得线性映射层输出的预测时段内多个网元设备各自的多个网络指标的预测值。

    SRv6网络故障的智能诊断方法以及装置

    公开(公告)号:CN119182654A

    公开(公告)日:2024-12-24

    申请号:CN202411079452.3

    申请日:2024-08-07

    Abstract: 本发明提供一种SRv6网络故障的智能诊断方法以及装置,其中,上述方法包括:获取SRv6网络中流量工程策略模式下段列表集合中头节点至尾节点之间的流量特征向量,其中,流量特征向量包括端到端时延、网络时延抖动、丢包率以及链路带宽利用率;将流量特征向量输入至预训练的数据降维聚类模型中,得到预训练的数据降维聚类模型输出的多个网络状态标签,其中,多个网络状态标签中的每个网络状态标签分别用于表示每个流量工程策略模式的网络状态;通过本发明能够提升SRv6网络的故障定位效率。

Patent Agency Ranking