-
公开(公告)号：CN117873681A
公开(公告)日：2024-04-12
申请号：CN202410040916.3
申请日：2024-01-11
Applicant: 东北大学
Abstract: 本发明公开一种云际环境下最小化时间跨度与成本的工作流调度方法，涉及云际环境下的工作流调度技术领域。获取用户任务组成的工作流，并将用户任务组成的工作流转化为有向无环图；对云服务提供商、虚拟机实例化的种类及实例化进行管理；对时间跨度和成本进行公式化描述；对最小化时间跨度与成本的多目标进行建模；采用MCAWS调度算法获得工作流中任务的调度方案并按照调度方案进行工作流调度。本发明在云际环境的工作流调度中考虑了多个云服务提供商的情况，同时平衡了最小化时间跨度与成本之间的关系，为用户提供更快地服务，并且可以在支出不变的情况下提供更多的服务；设计了一种交叉与变异的进化算法，有效减少了时间跨度，并尽可能降低了成本。
-
公开(公告)号：CN117519923A
公开(公告)日：2024-02-06
申请号：CN202311362641.7
申请日：2023-10-19
Applicant: 东北大学
Abstract: 本发明公开一种云际环境下基于资源预测的负载均衡任务分配方法，涉及云际计算技术领域。在云际环境中，大规模任务总是对CPU、内存有着高度多样化的资源需求，然而这些任务与目标云之间的不匹配很容易造成许多资源碎片，导致资源可用性低、负载不平衡等，因此，任务调度策略是解决上述问题的关键，该框架以最低的用户成本和VM类型为目标进行任务初始分配，通过基于神经网络的在线预测器预测VM和云主体的资源利用率，并相应地平衡负载，通过合作博弈的任务再分配策略有效处理云上的过载/欠载，并最大限度的提高资源可用率，减少资源碎片。
-
Patent Agency Ranking
公开(公告)号：CN114585006A
公开(公告)日：2022-06-03
申请号：CN202210257111.5
申请日：2022-03-16
Applicant: 东北大学
Abstract: 本发明提供一种基于深度学习的边缘计算任务卸载和资源分配方法，将多目标进化优化应用于多用户多边缘服务器的网络环境中。具体是在构建系统模型的过程中，分别将系统内总能量消耗、总时间延迟和总价格成本作为三个独立的子目标，利用NSGA‑Ⅱ求解最优解集；然后根据不同用户对这三个目标的偏好情况从最优解集中确定最佳方案；最后通过上述方法构建用于训练的数据集，利用深度学习算法获得训练模型来替代详细决策和分配过程，本发明有效提高了移动边缘计算系统中任务卸载问题的决策速度和可靠性，为系统内的移动用户带来了更优的服务质量。
-
公开(公告)号：CN113301158A
公开(公告)日：2021-08-24
申请号：CN202110571751.9
申请日：2021-05-25
Applicant: 东北大学
Abstract: 本发明公开了一种移动边缘计算环境下基于拍卖理论的资源分配方法，涉及移动边缘计算环境下的资源分配技术领域。包括：步骤1：初始化边缘服务器资源容量；步骤2：移动用户向边缘服务器提交计算任务需求及估价；步骤3：对边缘服务器的资源配置组合根据归一化处理结果进行重新排序；步骤4：将移动用户提交的计算任务需求转换为CPU资源和信道资源需求；步骤5：确定移动用户的投标标的并参与投标竞价；步骤6：利用原始‑对偶近似算法对参与竞价的移动用户进行赢家确定；步骤7：通过VCG竞价机制确定每个赢家需要支付的价格。本发明解决了移动设备在本地无法处理新型应用的问题，在多项式时间复杂度内得到一个近似最优解的资源分配结果。
-
公开(公告)号：CN114585006B
公开(公告)日：2024-03-19
申请号：CN202210257111.5
申请日：2022-03-16
Applicant: 东北大学
IPC: H04W24/02 , H04W28/06 , H04W72/53 , H04W16/22 , H04W72/1263
Abstract: 本发明提供一种基于深度学习的边缘计算任务卸载和资源分配方法，将多目标进化优化应用于多用户多边缘服务器的网络环境中。具体是在构建系统模型的过程中，分别将系统内总能量消耗、总时间延迟和总价格成本作为三个独立的子目标，利用NSGA‑Ⅱ求解最优解集；然后根据不同用户对这三个目标的偏好情况从最优解集中确定最佳方案；最后通过上述方法构建用于训练的数据集，利用深度学习算法获得训练模型来替代详细决策和分配过程，本发明有效提高了移动边缘计算系统中任务卸载问题的决策速度和可靠性，为系统内的移动用户带来了更优的服务质量。
-
公开(公告)号：CN117171411A
公开(公告)日：2023-12-05
申请号：CN202311148477.X
申请日：2023-09-07
Applicant: 东北大学
IPC: G06F16/906 , G06F16/901 , G06N3/045 , G06N3/0499 , G06F17/11 , G06Q10/0633
Abstract: 本发明提供一种基于组合嵌入图Transformer的新兴应用工作流分类方法，涉及云际计算技术领域。首先，明确定义工作流的整体结构，任务节点的特征以及任务节点之间的依赖关系边特征。然后，构建一个模型，它能够融合学习节点特征和依赖关系边特征。通过采用不同的组合嵌入方式，将任务节点特征和关系特征相结合。经过网络的学习，得到关于工作流任务节点特征和任务间依赖关系的丰富信息。最后，将这些学习到的信息应用于下游的分类任务，即能够准确分类出不同的任务存算类型。本发明增强了模型的学习能力，可以对未知的工作流节点进行分类处理，对于不同任务存算类型的分类精度有了明显提高。
-
公开(公告)号：CN113301158B
公开(公告)日：2022-03-22
申请号：CN202110571751.9
申请日：2021-05-25
Applicant: 东北大学
IPC: H04L67/10 , H04L67/1074 , H04W28/16
Abstract: 本发明公开了一种移动边缘计算环境下基于拍卖理论的资源分配方法，涉及移动边缘计算环境下的资源分配技术领域。包括：步骤1：初始化边缘服务器资源容量；步骤2：移动用户向边缘服务器提交计算任务需求及估价；步骤3：对边缘服务器的资源配置组合根据归一化处理结果进行重新排序；步骤4：将移动用户提交的计算任务需求转换为CPU资源和信道资源需求；步骤5：确定移动用户的投标标的并参与投标竞价；步骤6：利用原始‑对偶近似算法对参与竞价的移动用户进行赢家确定；步骤7：通过VCG竞价机制确定每个赢家需要支付的价格。本发明解决了移动设备在本地无法处理新型应用的问题，在多项式时间复杂度内得到一个近似最优解的资源分配结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
