-
公开(公告)号:CN112380008B
公开(公告)日:2022-04-15
申请号:CN202011258509.8
申请日:2020-11-12
申请人: 天津理工大学
IPC分类号: G06F9/50 , G06F30/20 , G06N3/00 , G06F111/04 , G06F111/06
摘要: 一种面向移动边缘计算应用的多用户细粒度任务卸载调度方法。本发明方法研究了移动边缘计算(MEC)中节点执行位置和调度顺序的最优决策的问题。任务卸载可以有效的解决移动设备资源受限的问题,但是将全部任务都卸载到边缘服务器并不是最优的。本方法把计算任务看作一个有向无环图(DAG),对节点的执行位置和调度顺序进行了优化决策。考虑系统的能耗和延迟把计算卸载看作一个约束多目标优化问题(CMOP),然后提出了一个改进的NSGA‑Ⅱ算法来解决CMOP。所提出的算法能够实现本地和边缘的并行处理从而减少延迟和能耗。最后通过大量的实验来证明算法的性能,实验结果表明,算法能够在实际应用程序中作出最优决策。
-
公开(公告)号:CN112380008A
公开(公告)日:2021-02-19
申请号:CN202011258509.8
申请日:2020-11-12
申请人: 天津理工大学
IPC分类号: G06F9/50 , G06F30/20 , G06N3/00 , G06F111/04 , G06F111/06
摘要: 一种面向移动边缘计算应用的多用户细粒度任务卸载调度方法。本发明方法研究了移动边缘计算(MEC)中节点执行位置和调度顺序的最优决策的问题。任务卸载可以有效的解决移动设备资源受限的问题,但是将全部任务都卸载到边缘服务器并不是最优的。本方法把计算任务看作一个有向无环图(DAG),对节点的执行位置和调度顺序进行了优化决策。考虑系统的能耗和延迟把计算卸载看作一个约束多目标优化问题(CMOP),然后提出了一个改进的NSGA‑Ⅱ算法来解决CMOP。所提出的算法能够实现本地和边缘的并行处理从而减少延迟和能耗。最后通过大量的实验来证明算法的性能,实验结果表明,算法能够在实际应用程序中作出最优决策。
-
公开(公告)号:CN114449530A
公开(公告)日:2022-05-06
申请号:CN202210241594.X
申请日:2022-03-11
申请人: 天津理工大学
摘要: 一种基于多目标优化策略的边缘计算服务迁移方法,在蜂窝网络中部署移动边缘计算服务所面临的一个挑战是支持用户的移动性,特别是移动速度较快时,使卸下的任务能够在不影响资源利用效率和链路可靠性的情况下,在基站之间进行无缝迁移。在服务迁移场景中,需要解决三个问题:当用户设备通过相邻边缘计算服务器时,是否需要迁移该用户设备对应的虚拟机;如果虚拟机决定迁移,它应该迁移到哪个边缘计算服务器;如何找到用户设备与对应虚拟机之间的最佳通信路径。考虑了虚拟化、虚拟机之间的I/O干扰以及多用户访问干扰等问题,提出一种基于松弛和舍入的新方法,最大限度的提高整体服务质量和最小化迁移成本。实验结果表明,本发明能够在真实场景中做出最优决策。
-
-