公开(公告)号：CN118445081A

公开(公告)日：2024-08-06

申请号：CN202410613627.8

申请日：2024-05-17

Applicant: 东南大学

Inventor： 陈龙 ,  曹瀚 ,  张金泉 ,  杜佳其

IPC: G06F9/50 ,  G06F9/48

Abstract: 本发明公开了一种基于Serverless的多边缘智能牧场计算任务卸载方法及系统，包括预处理阶段：在具备多个边缘计算节点的牧场中构建函数卸载调度控制系统，选取边缘计算节点作为集中式调度器，并构建资源、传输、能量和拒绝模型；卸载决策阶段：集中式调度器通过能量和容器状态感知的卸载调度方法将函数卸载到最合适的节点上，同时利用NSGA2算法优化决策参数，从而联合优化系统的能耗和拒绝率；决策下发阶段：边缘计算节点对函数请求按照调度结果进行本地计算或转发。本发明不仅面向偏远牧场中网络受限、电力受限的场景，也适用于其他无服务器边缘计算的场景，可以显著降低能耗和请求拒绝率，在绿色计算领域有广泛的应用价值和使用前景。

公开(公告)号：CN118860646A

公开(公告)日：2024-10-29

申请号：CN202410891035.2

申请日：2024-07-04

Applicant: 东南大学

Inventor： 陈龙 ,  杜佳其 ,  曹瀚 ,  马钒浩

IPC: G06F9/50 ,  H04L67/10 ,  H04L67/12 ,  G06N3/0442 ,  G06N3/092

Abstract: 本发明公开了一种车联网场景下动态可分割任务预测与卸载方法，包括预处理模块:在具备多个边缘计算节点的车联网中构建可分割任务卸载调度系统，选取边缘计算节点作为集中式调度器，并构建资源、任务、计算、传输和预测模型；卸载序列排序模块:集中式调度器通过最激烈竞争者优先方法、最少备选节点数优先方法、最小计算量数据量比例优先方法来决定任务卸载序列，优化序列排序，从而优化系统的处理效率和资源利用率；卸载决策模块:集中式调度器通过深度强化学习(DQN)卸载调度方法将任务卸载到最合适的节点上，利用奖励函数的设置优化决策效率。本发明可以显著提升资源利用率和请求拒绝率，在车联网、物联网计算领域有广泛的应用价值和使用前景。