公开(公告)号：CN115150893B

公开(公告)日：2025-01-14

申请号：CN202210669923.0

申请日：2022-06-14

Applicant: 燕山大学

Inventor： 金顺福 ,  李开萍 ,  王宇廷

IPC: H04W28/08 ,  H04W28/084 ,  H04W24/02

Abstract: 本发明提供了一种基于任务划分与D2D的MEC任务卸载策略方法，其包括：求解卸载子任务与本地固有子任务在用户设备的本地服务器计算的平均时延和平均电池电量，求解卸载子任务在用户设备的输出端口计算和传输过程、所有D2D设备、边缘云和远程云的平均时延和平均电池电量以及在边缘云和远程云的平均评价，进而获得任务在服务器群内的总平均时延、总平均电池电量和总平均评价，通过改进快速精英非支配排序遗传算法，找出一组时延、电池电量与评价的最优帕累托前沿点，并获得任务分配概率的智能优化方案。本发明针对用户设备本地存储和计算能力有限等问题，考虑计算卸载技术，实现了云‑边‑端协作的卸载策略方法，降低了任务响应时间，提升了用户体验感。

公开(公告)号：CN115150893A

公开(公告)日：2022-10-04

申请号：CN202210669923.0

申请日：2022-06-14

Applicant: 燕山大学

Inventor： 金顺福 ,  李开萍 ,  王宇廷

IPC: H04W28/08 ,  H04W24/02

Abstract: 本发明提供了一种基于任务划分与D2D的MEC任务卸载策略方法，其包括：求解卸载子任务与本地固有子任务在用户设备的本地服务器计算的平均时延和平均电池电量，求解卸载子任务在用户设备的输出端口计算和传输过程、所有D2D设备、边缘云和远程云的平均时延和平均电池电量以及在边缘云和远程云的平均评价，进而获得任务在服务器群内的总平均时延、总平均电池电量和总平均评价，通过改进快速精英非支配排序遗传算法，找出一组时延、电池电量与评价的最优帕累托前沿点，并获得任务分配概率的智能优化方案。本发明针对用户设备本地存储和计算能力有限等问题，考虑计算卸载技术，实现了云‑边‑端协作的卸载策略方法，降低了任务响应时间，提升了用户体验感。