-
公开(公告)号：CN111124531B
公开(公告)日：2023-07-28
申请号：CN201911168638.5
申请日：2019-11-25
Applicant: 哈尔滨工业大学
IPC: G06F9/445 , G06F9/50 , H04L67/10 , H04L67/1008 , H04L67/1029 , H04L67/1023 , H04L67/12
Abstract: 一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法，属于雾计算应用技术领域。本发明为了充分利用附近车辆的计算资源，将云节点的任务从云节点下放到车辆节点上，为减轻云节点的过载，减少高峰时段的服务延迟，以及为电池供电的云节点节约电能。定义所述卸载方法对应的VFC环境；针对单个车辆节点的单个任务构建能源消耗成本，能源消耗成本为总能量消耗和总延迟的加权和：针对VFC环境下的所有节点所有任务的能耗和延迟的模型，构建联合目标函数，给出约束条件并定义优化问题；针对步骤三的优化问题求得当联合目标函数达到最小值时，每个任务所应卸载到的车辆节点，进而得到最优的任务卸载方案。本发明降低了能量消耗，降低整体处理延迟。
-
公开(公告)号：CN111045785B
公开(公告)日：2023-04-07
申请号：CN201911169998.7
申请日：2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于二进制引力搜索的节能虚拟机放置方法，属于节能优化的云计算领域。本发明的目的是为了实现在虚拟机放置降低能耗，同时提高云计算性能。技术要点：初始化；随机设置每个智能体的位置，确保位置在搜索空间中即可；在每次迭代中，我们计算初始位置的所有智能体的适应度，如果本轮迭代中的适应度高于上一轮迭代的适应度，则更新；对于每个智能体，都根据新的适应度计算质量，引力常数也会随着迭代次数的增加而更新，即随着时间的变化，重力值也会随之变化；用新质量和重力值计算加速度；在搜索空间中移动智能体的位置。虚拟机放置降低能耗，同时提高云计算性能。
-
公开(公告)号：CN111031102B
公开(公告)日：2022-04-12
申请号：CN201911166849.5
申请日：2019-11-25
Applicant: 哈尔滨工业大学
IPC: H04L67/568 , H04L67/10 , H04W16/10
Abstract: 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法，属于移动边缘计算系统的应用领域。本发明为了解决现有的移动边缘计算系统中任务迁移方法中确定迁移目标服务器时存实时性差、能耗开销较大的问题。本发明以最小的能耗开销将计算任务从终端设备迁移至选定的边缘服务器，在移动边缘计算系统中，定义移动设备用户的集合A＝{1,2，…，N}，并且每一个用户都有一个待完成的计算任务的集合B＝{1,2，…，M}，这些任务由一个单一的无线基站相连，其中的移动边缘计算服务器为这些移动设备提供计算和缓存服务；所述方法的实现包括通信模型、计算模型、任务缓存模型以及任务迁移模型的构建。本发明有效减少在整个移动边缘计算系统中所有用户所需的总的时间和能耗开销。
-
公开(公告)号：CN111124666B
公开(公告)日：2023-05-12
申请号：CN201911168370.5
申请日：2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种移动物联网中的高效、安全的多用户多任务卸载方法，涉及移动物联网移动边缘计算领域，为了实现在时间的约束下将能耗的加权总和最小化，使任务卸载能耗较低。建立通信模型；资源分配策略，量化本地计算和卸载计算的开销；压缩策略，采用JPEG算法对卸载计算时传输的用户数据进行压缩以减少能源消耗；安全策略；优化策略；构建一个考虑将资源分配、压缩和安全性的集成模型，将该模型表述为整数非线性问题，该问题的目标是在时间约束下使能量的加权总和最小化，获得任务卸载决策和任务压缩决策的最优解。减轻移动物联网的网络资源限制，在计算任务卸载的同时，兼顾考虑资源分配，传输数据压缩和安全性，实现在时间的约束下能耗的加权总和最小化。
-
公开(公告)号：CN111176817A
公开(公告)日：2020-05-19
申请号：CN201911402711.0
申请日：2019-12-30
Applicant: 哈尔滨工业大学
IPC: G06F9/48 , G06F16/901
Abstract: 一种多核处理器上基于划分调度的DAG实时任务间的干扰分析方法，涉及嵌入式实时系统技术领域。本发明为了提高了WCRT分析的精度，从而提高实时系统系统预测任务集可调度率的准确度。本发明分析高优先级DAG任务的内部结构对低优先级任务干扰的影响，得到更精确的干扰上界。对于DAG任务的拓扑结构以及其内部子任务被分配的处理器情况，首先提出了一个并行结构，并证明了这种并行结构会导致传统的分析方法产生任务间干扰的重复计算。根据这个并行结构提出了一种减少重复计算的WCRT分析策略，有效地提高了WCRT分析的精度。此WCRT分析策略可以降低实时系统预测任务集的WCRT数值，使其更加接近任务集在系统中执行的真实值，提高实时系统系统预测任务集可调度率的准确度。本发明用于同构多核处理器上。
-
Patent Agency Ranking
公开(公告)号：CN111176817B
公开(公告)日：2023-03-28
申请号：CN201911402711.0
申请日：2019-12-30
Applicant: 哈尔滨工业大学
IPC: G06F9/48 , G06F16/901
Abstract: 一种多核处理器上基于划分调度的DAG实时任务间的干扰分析方法，涉及嵌入式实时系统技术领域。本发明为了提高了WCRT分析的精度，从而提高实时系统系统预测任务集可调度率的准确度。本发明分析高优先级DAG任务的内部结构对低优先级任务干扰的影响，得到更精确的干扰上界。对于DAG任务的拓扑结构以及其内部子任务被分配的处理器情况，首先提出了一个并行结构，并证明了这种并行结构会导致传统的分析方法产生任务间干扰的重复计算。根据这个并行结构提出了一种减少重复计算的WCRT分析策略，有效地提高了WCRT分析的精度。此WCRT分析策略可以降低实时系统预测任务集的WCRT数值，使其更加接近任务集在系统中执行的真实值，提高实时系统系统预测任务集可调度率的准确度。本发明用于同构多核处理器上。
-
公开(公告)号：CN111083201B
公开(公告)日：2022-03-04
申请号：CN201911169997.2
申请日：2019-11-25
Applicant: 哈尔滨工业大学
IPC: H04L67/1029 , H04L67/1008 , G06F1/329
Abstract: 一种工业物联网中针对数据驱动制造服务的节能资源分配方法，属于工业物联网优化技术。本发明为了实现对分配后的任进行实时监控调整，降低系统资源消耗，确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。检测CPU利用率；确定待迁移出服务，SU‑hosts上的所有D2M服务以及从SO‑hosts中选择的D2M服务；搜索合适的主机为确定移出的D2M服务分配资源，利用能源和热感知资源分配方案找到适合D2M服务迁移的主机，进行服务迁移以减少能源消耗。本发明考虑了资源分配的节能消耗，并对任务分配后进行实时监控调整，降低了系统资源消耗，确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。
-
公开(公告)号：CN111083201A
公开(公告)日：2020-04-28
申请号：CN201911169997.2
申请日：2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种工业物联网中针对数据驱动制造服务的节能资源分配方法，属于工业物联网优化技术。本发明为了实现对分配后的任进行实时监控调整，降低系统资源消耗，确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。检测CPU利用率；确定待迁移出服务，SU-hosts上的所有D2M服务以及从SO-hosts中选择的D2M服务；搜索合适的主机为确定移出的D2M服务分配资源，利用能源和热感知资源分配方案找到适合D2M服务迁移的主机，进行服务迁移以减少能源消耗。本发明考虑了资源分配的节能消耗，并对任务分配后进行实时监控调整，降低了系统资源消耗，确保由云制造服务提供商交付SLA的同时降低主机能耗和冷却成本。
-
公开(公告)号：CN111045785A
公开(公告)日：2020-04-21
申请号：CN201911169998.7
申请日：2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于二进制引力搜索的节能虚拟机放置方法，属于节能优化的云计算领域。本发明的目的是为了实现在虚拟机放置降低能耗，同时提高云计算性能。技术要点：初始化；随机设置每个智能体的位置，确保位置在搜索空间中即可；在每次迭代中，我们计算初始位置的所有智能体的适应度，如果本轮迭代中的适应度高于上一轮迭代的适应度，则更新；对于每个智能体，都根据新的适应度计算质量，引力常数也会随着迭代次数的增加而更新，即随着时间的变化，重力值也会随之变化；用新质量和重力值计算加速度；在搜索空间中移动智能体的位置。虚拟机放置降低能耗，同时提高云计算性能。
-
公开(公告)号：CN111124666A
公开(公告)日：2020-05-08
申请号：CN201911168370.5
申请日：2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种移动物联网中的高效、安全的多用户多任务卸载方法，涉及移动物联网移动边缘计算领域，为了实现在时间的约束下将能耗的加权总和最小化，使任务卸载能耗较低。建立通信模型；资源分配策略，量化本地计算和卸载计算的开销；压缩策略，采用JPEG算法对卸载计算时传输的用户数据进行压缩以减少能源消耗；安全策略；优化策略；构建一个考虑将资源分配、压缩和安全性的集成模型，将该模型表述为整数非线性问题，该问题的目标是在时间约束下使能量的加权总和最小化，获得任务卸载决策和任务压缩决策的最优解。减轻移动物联网的网络资源限制，在计算任务卸载的同时，兼顾考虑资源分配，传输数据压缩和安全性，实现在时间的约束下能耗的加权总和最小化。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.027 seconds)
