-
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。
-
公开(公告)号：CN111124531A
公开(公告)日：2020-05-08
申请号：CN201911168638.5
申请日：2019-11-25
Applicant: 哈尔滨工业大学
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：CN111031102A
公开(公告)日：2020-04-17
申请号：CN201911166849.5
申请日：2019-11-25
Applicant: 哈尔滨工业大学
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：CN108897602A
公开(公告)日：2018-11-27
申请号：CN201810709486.4
申请日：2018-07-02
Applicant: 哈尔滨工业大学
Abstract: 一种基于KVM的虚拟机自省采集系统及采集方法，本发明涉及基于KVM的虚拟机自省采集系统及采集方法。本发明的目的是为了解决现有当外来的网络攻击出现时，进程的死亡或者网络的瘫痪都会导致虚拟机内部采集的失效的问题。一种基于KVM的虚拟机自省采集系统包括配置下发模块、任务调度模块、文件度量模块、语义解析模块、虚拟机连接模块、流处理模块和数据库模块，实现了对虚拟机的多维度信息采集，包括虚拟机内存信息采集和虚拟机文件信息采集，并且支持Windows虚拟机和Linux虚拟机的采集。本发明用于虚拟机自省采集领域。
-
公开(公告)号：CN107463430A
公开(公告)日：2017-12-12
申请号：CN201710656895.8
申请日：2017-08-03
Applicant: 哈尔滨工业大学
IPC: G06F9/455
Abstract: 本发明涉及虚拟机内存管理领域，具体涉及一种基于内存和Swap空间的虚拟机内存动态管理系统及方法，本发明为了解决现有的虚拟机内存调度算法在使用Swap空间时会造成系统性能损耗，并且在虚拟机内存监控中仅使用带内监控，使得虚拟机运行性能降低、安全隐患高的缺点，而提出一种基于内存和Swap空间的虚拟机内存动态管理系统及方法。本发明的系统包括设置在特权域中的监控模块、计算模块以及执行模块，其中监控模块用于向虚拟机发出待读取数据的地址，并接收虚拟机返回的待读取数据；还用于将待读取数据发送至计算模块。计算模块用于计算应当为虚拟机分配的目标内存大小。执行模块用于根据目标内存大小，调节虚拟机的内存。本发明适用于内存动态管理工具。
-
Patent Agency Ranking
公开(公告)号：CN107360031A
公开(公告)日：2017-11-17
申请号：CN201710587014.1
申请日：2017-07-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于优化开销收益比的虚拟网络映射方法，本发明涉及虚拟网络映射方法。本发明为了解决现有技术不能在有限的物理资源内保证高的映射成功率，以及现有技术大多是从单个虚拟节点到单个物理节点的映射的问题。本发明是在现有的虚拟网络映射问题中扩大虚拟网络的规模，使其大于底层物理网络的规模，也就是虚拟网络的节点规模数大于物理网络的节点规模。本发明主要目的是在映射所有的虚拟网络请求的情况下，尽可能的减少底层物理资源的使用，提高本发明方法映射的成功率以及算法收益。比较传统Node-Opt算法，本发明在映射收益上高出将近30％，在不同的虚拟网络请求规模下普遍将映射成功率提高了50％以上。本发明用于虚拟网络映射领域。
-
公开(公告)号：CN113597013B
公开(公告)日：2024-03-22
申请号：CN202110895107.7
申请日：2021-08-05
Applicant: 哈尔滨工业大学
IPC: H04W72/566 , H04W72/53 , H04W72/51
Abstract: 一种移动边缘计算中用户移动场景下的协同任务调度方法，属于移动边缘计算技术领域，用以解决现有移动边缘计算中的任务调度方法对于用户处于移动场景时不能有效减少任务的执行时间的问题。本发明的技术要点包括：提出任务紧迫度排序算法对任务进行排序，以让执行时间较为紧迫的任务得到优先执行；提出基于资源匹配的MEC服务器选择算法得到资源匹配度最高的MEC服务器；比较任务的执行时间，调度任务在执行时间最小的MEC服务器或本地移动设备上计算执行。在用户移动场景下，本发明方法在任务平均执行时间和任务超时率上拥有最优性能，在保证用户服务质量的同时优化了任务的平均执行时间。本发明适用于用户移动场景下移动设备与MEC服务器的协同任务调度。
-
公开(公告)号：CN115408151A
公开(公告)日：2022-11-29
申请号：CN202211014211.1
申请日：2022-08-23
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种联邦学习训练加速方法。该方法包括：边缘设备根据初始模型参数构建局部模型，根据动态分层决策算法计算获得边缘设备与边缘服务器的训练任务；边缘设备和边缘服务器根据训练任务分别构建前端模型和后端模型，协同训练前端模型和后端模型，获得局部模型参数发送至边缘服务器；边缘服务器根据各个边缘设备发送的局部模型参数进行中间聚合，获得中间模型参数并发送至中心云；中心云根据各个边缘服务端发送的中间模型参数更新全局模型，并将更新后的全局模型的模型参数发送至各个边缘服务器，迭代更新全局模型直至全局模型收敛。本发明的有益效果：保证联邦学习训练准确度的同时，提高联邦学习训练效率。
-
公开(公告)号：CN113489604B
公开(公告)日：2022-08-26
申请号：CN202110707656.7
申请日：2021-06-24
IPC: H04L41/14 , H04L41/12 , H04L41/082 , H04L43/0829 , H04L43/0852 , G06F9/455
Abstract: 本发明公开一种网络仿真方法，所述方法包括以下步骤：构建目标网络拓扑结构；获取所述目标网络拓扑结构的目标网络参数；基于所述目标网络参数和最佳估计网络参数，获得配置网络参数；利用所述配置网络参数对所述目标网络拓扑结构进行控制。本发明还公开了一种网络仿真装置、终端设备以及计算机可读存储介质。利用本发明的网络仿真方法，获得的配置网络参数的准确率较高，网络仿真的真实性较好。
-
公开(公告)号：CN112087509B
公开(公告)日：2022-04-19
申请号：CN202010917559.6
申请日：2020-09-03
Applicant: 哈尔滨工业大学
IPC: H04L67/1074 , H04L67/10 , H04L41/12
Abstract: 一种边缘计算平台中任务迁移方法，属于边缘计算技术领域，用以解决在边缘计算平台中进行任务迁移时减小能耗开销、通信开销、迁移开销以及三者的综合开销。本发明方法步骤包括将物理网络拓扑各服务器节点按照CPU资源利用率分为hotspot节点、warmspot节点和coldspot节点；对物理网络拓扑进行预处理；对hotspot节点和coldspot节点分别进行短期内资源利用率预测；对需要进行任务迁移的hotspot节点和coldspot节点分别进行任务迁移，获取迁移后各任务所在服务器位置。本发明方法用于消除边缘计算平台中超过资源利用率上限及低于资源利用率下限的服务器，有效减少系统的能耗开销、计算时延、数据传输压力，充分利用边缘服务器的存储和计算能力并缓解云计算中心压力。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.029 seconds)
