-
公开(公告)号：CN115103404B
公开(公告)日：2025-03-28
申请号：CN202210514304.4
申请日：2022-05-11
Applicant: 北京邮电大学
Abstract: 本发明公开了一种算力网络中节点任务调度方法。包括以下步骤：步骤1、构建边缘算网模型并对外进行数据发布：步骤2、各个节点根据接入设备的数据采集情况生成任务；步骤3、统计时间帧内所有节点上的任务发起情况；步骤4、计算任务的调度决策、服务的伸缩决策结果；步骤5、根据任务调度决策结果将任务转发至对应的节点；步骤6、将任务与容器服务副本进行逐一匹对并最终在容器中处理；本发明所述方法通过算力感知监控与算力整合，提供了全局一致的基础设施资源视图，通过并发任务调度决策算法将任务分配至合适的算力节点，降低了任务的平均完成时延；通过容器服务伸缩决策算法实现了资源的动态分配，提高了全网算力资源的整体利用率。
-
公开(公告)号：CN113010305B
公开(公告)日：2022-09-23
申请号：CN202110180514.X
申请日：2021-02-08
Applicant: 北京邮电大学
Abstract: 本发明公开一种部署在边缘计算网络中的联邦学习系统及其学习方法，所述系统包括：联邦学习模块、边缘推理模块和云服务模块；所述方法包括：步骤1，联邦学习模块与云服务模块初始化以获取全局模型；步骤2，利用本地数据对全局模型在本地进行训练；步骤3，在云服务模块的协助下修改拓扑结构；步骤4，分发新模型至根节点的子节点；步骤5，联邦学习节点的联邦学习模块对推理模块中的模型进行更新。本发明所述系统及其学习方法采用逐层聚合的方式，减少了不必要的数据传输；能够提高联邦学习的效率；并能够在不破坏联邦学习的隐私性的前提下使得联邦学习能够突破本地计算能力的限制。
-
公开(公告)号：CN114679451A
公开(公告)日：2022-06-28
申请号：CN202210152966.1
申请日：2022-02-18
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L67/1095 , H04L67/1097 , H04L67/60
Abstract: 本发明公开一种面向边缘计算的服务调度系统及其调度方法，所述系统包括资源监控模块、服务信息感知模块、服务调度模块，所述方法包括：资源监控模块实时收集每个节点上监控服务的上报信息并进行服务信息自更新；服务调度模块接收、解析服务部署请求；执行调度决策流程；调度器遍历边缘集群节点，过滤不符合条件的节点；得到各算法对节点的打分结果；更新全局服务、镜像层缓存信息；服务调度模块根据决策结果通知该节点的kubelet组件。本发明所述系统及其调度方法实现了在边缘场景下对于节点资源利用效率，服务启动时延和服务间调用时延的优化，具有较强的可操作性和实用价值。
-
Patent Agency Ranking
公开(公告)号：CN112995023B
公开(公告)日：2022-04-19
申请号：CN202110231691.6
申请日：2021-03-02
Applicant: 北京邮电大学
Abstract: 本发明涉及一种多接入边缘计算网络计算卸载系统及其计算卸载方法。一种多接入边缘计算网络计算卸载系统，基于算力网络图的多接入边缘计算网络计算卸载系统包括云端服务器、边缘智能网关和输入设备；一种多接入边缘计算网络计算卸载方法，通过采集用户数据，建立数据模型，任务调度客户端将处理结果上传至云端的展示平台进行展示。计算卸载的优化问题以全网络中计算任务的完成时延最小为优化目标，为用户提供了良好的用户体验与服务质量；计算卸载的优化算法为一种多项式时间复杂度的理论最优算法，为计算卸载对的最终效果提供了稳定的效用保证。
-
公开(公告)号：CN114679451B
公开(公告)日：2023-04-25
申请号：CN202210152966.1
申请日：2022-02-18
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L67/1095 , H04L67/1097 , H04L67/60
Abstract: 本发明公开一种面向边缘计算的服务调度系统及其调度方法，所述系统包括资源监控模块、服务信息感知模块、服务调度模块，所述方法包括：资源监控模块实时收集每个节点上监控服务的上报信息并进行服务信息自更新；服务调度模块接收、解析服务部署请求；执行调度决策流程；调度器遍历边缘集群节点，过滤不符合条件的节点；得到各算法对节点的打分结果；更新全局服务、镜像层缓存信息；服务调度模块根据决策结果通知该节点的kubelet组件。本发明所述系统及其调度方法实现了在边缘场景下对于节点资源利用效率，服务启动时延和服务间调用时延的优化，具有较强的可操作性和实用价值。
-
公开(公告)号：CN113010305A
公开(公告)日：2021-06-22
申请号：CN202110180514.X
申请日：2021-02-08
Applicant: 北京邮电大学
Abstract: 本发明公开一种部署在边缘计算网络中的联邦学习系统及其学习方法，所述系统包括：联邦学习模块、边缘推理模块和云服务模块；所述方法包括：步骤1，联邦学习模块与云服务模块初始化以获取全局模型；步骤2，利用本地数据对全局模型在本地进行训练；步骤3，在云服务模块的协助下修改拓扑结构；步骤4，分发新模型至根节点的子节点；步骤5，联邦学习节点的联邦学习模块对推理模块中的模型进行更新。本发明所述系统及其学习方法采用逐层聚合的方式，减少了不必要的数据传输；能够提高联邦学习的效率；并能够在不破坏联邦学习的隐私性的前提下使得联邦学习能够突破本地计算能力的限制。
-
公开(公告)号：CN115103404A
公开(公告)日：2022-09-23
申请号：CN202210514304.4
申请日：2022-05-11
Applicant: 北京邮电大学
Abstract: 本发明公开了一种算力网络中节点任务调度方法。包括以下步骤：步骤1、构建边缘算网模型并对外进行数据发布：步骤2、各个节点根据接入设备的数据采集情况生成任务；步骤3、统计时间帧内所有节点上的任务发起情况；步骤4、计算任务的调度决策、服务的伸缩决策结果；步骤5、根据任务调度决策结果将任务转发至对应的节点；步骤6、将任务与容器服务副本进行逐一匹对并最终在容器中处理；本发明所述方法通过算力感知监控与算力整合，提供了全局一致的基础设施资源视图，通过并发任务调度决策算法将任务分配至合适的算力节点，降低了任务的平均完成时延；通过容器服务伸缩决策算法实现了资源的动态分配，提高了全网算力资源的整体利用率。
-
公开(公告)号：CN112995023A
公开(公告)日：2021-06-18
申请号：CN202110231691.6
申请日：2021-03-02
Applicant: 北京邮电大学
Abstract: 本发明涉及一种多接入边缘计算网络计算卸载系统及其计算卸载方法。一种多接入边缘计算网络计算卸载系统，基于算力网络图的多接入边缘计算网络计算卸载系统包括云端服务器、边缘智能网关和输入设备；一种多接入边缘计算网络计算卸载方法，通过采集用户数据，建立数据模型，任务调度客户端将处理结果上传至云端的展示平台进行展示。计算卸载的优化问题以全网络中计算任务的完成时延最小为优化目标，为用户提供了良好的用户体验与服务质量；计算卸载的优化算法为一种多项式时间复杂度的理论最优算法，为计算卸载对的最终效果提供了稳定的效用保证。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
