-
公开(公告)号：CN112685163A
公开(公告)日：2021-04-20
申请号：CN202110013997.4
申请日：2021-01-06
Applicant: 北京信息科技大学
Abstract: 本申请提供了一种基于移动边缘计算的计算卸载方法和移动边缘计算服务器，包括：确定本轮在不同移动边缘计算服务节点上处理卸载任务的时延；获取本轮多个用户终端的卸载任务对应的时延最小值之和以及本轮的卸载任务分配策略；确定下一轮在不同移动边缘计算服务节点上处理卸载任务的时延；获取下一轮多个用户终端的卸载任务对应的时延最小值之和以及下一轮的卸载任务的分配策略；本轮的时延最小值之和与下一轮的时延最小值之和的差值绝对值小于预定阈值或者本轮的卸载任务分配策略与下一轮的卸载任务分配策略相同时，按照下一轮的卸载任务分配策略分配每个用户终端的卸载任务。根据所述方法和服务器，能够有效降低移动边缘计算服务器的计算负担。
-
公开(公告)号：CN112714178B
公开(公告)日：2023-05-12
申请号：CN202011560186.8
申请日：2020-12-25
Applicant: 北京信息科技大学
IPC: H04L67/1004 , H04L67/12 , G06F9/445 , G06N3/08
Abstract: 本发明提供了一种基于车载边缘计算的任务卸载方法及装置，方法包括：接收多个任务卸载车辆在进入路边单元覆盖范围内发起的任务卸载请求，根据路边单元覆盖范围内每一候选服务器的任务计算资源、剩余电量、移动性信息，计算候选服务器的任务计算资源综合服务概率；提取超过预先设置的任务计算资源综合服务概率阈值的候选服务器，得到任务计算服务器集；基于多个任务卸载车辆对应的任务计算服务器集，构建任务计算服务器矩阵；将任务计算服务器矩阵作为深度学习算法的输入，得到用于接收每一任务卸载请求对应的卸载任务的目标服务器，通知任务卸载车辆将卸载任务卸载至该卸载任务对应的目标服务器。可以提高卸载任务的计算效率。
-
公开(公告)号：CN112714178A
公开(公告)日：2021-04-27
申请号：CN202011560186.8
申请日：2020-12-25
Applicant: 北京信息科技大学
Abstract: 本发明提供了一种基于车载边缘计算的任务卸载方法及装置，方法包括：接收多个任务卸载车辆在进入路边单元覆盖范围内发起的任务卸载请求，根据路边单元覆盖范围内每一候选服务器的任务计算资源、剩余电量、移动性信息，计算候选服务器的任务计算资源综合服务概率；提取超过预先设置的任务计算资源综合服务概率阈值的候选服务器，得到任务计算服务器集；基于多个任务卸载车辆对应的任务计算服务器集，构建任务计算服务器矩阵；将任务计算服务器矩阵作为深度学习算法的输入，得到用于接收每一任务卸载请求对应的卸载任务的目标服务器，通知任务卸载车辆将卸载任务卸载至该卸载任务对应的目标服务器。可以提高卸载任务的计算效率。
-
公开(公告)号：CN112685163B
公开(公告)日：2023-05-02
申请号：CN202110013997.4
申请日：2021-01-06
Applicant: 北京信息科技大学
Abstract: 本申请提供了一种基于移动边缘计算的计算卸载方法和移动边缘计算服务器，包括：确定本轮在不同移动边缘计算服务节点上处理卸载任务的时延；获取本轮多个用户终端的卸载任务对应的时延最小值之和以及本轮的卸载任务分配策略；确定下一轮在不同移动边缘计算服务节点上处理卸载任务的时延；获取下一轮多个用户终端的卸载任务对应的时延最小值之和以及下一轮的卸载任务的分配策略；本轮的时延最小值之和与下一轮的时延最小值之和的差值绝对值小于预定阈值或者本轮的卸载任务分配策略与下一轮的卸载任务分配策略相同时，按照下一轮的卸载任务分配策略分配每个用户终端的卸载任务。根据所述方法和服务器，能够有效降低移动边缘计算服务器的计算负担。
-
-
-
Search Results
4
records
(took 0.019 seconds)
