一种雾计算网络中基于雾节点协作的负载均衡方法

    公开(公告)号:CN111641973A

    公开(公告)日:2020-09-08

    申请号:CN202010479747.5

    申请日:2020-05-29

    Abstract: 本发明涉及一种雾计算网络中基于雾节点协作的负载均衡方法,属于移动通信技术领域。本发明首先对雾节点协作场景的通信过程和计算过程进行了相关建模;之后设计了用于筛选协作雾节点的协作贡献度 和基于多属性决策的协作雾节点筛选算法;进而设计了基于协作贡献度的协作贡献比系数χm,并构建了引入协作贡献比系数的系统总开销优化问题模型;最后设计了基于协作贡献度的负载均衡算法,用于求解任务负载在雾节点间的最佳分配结果。本发明能够在保证雾节点协作的可行性、公平性、稳定性的前提下,对业务负载进行合理分流,提升系统性能和用户的QoE。

    一种基于自适应遗传算法的任务卸载决策方法

    公开(公告)号:CN111585816A

    公开(公告)日:2020-08-25

    申请号:CN202010393454.5

    申请日:2020-05-11

    Inventor: 申滨 闫伟 刘笑笑

    Abstract: 本发明涉及一种基于自适应遗传算法的任务卸载决策方法,属于移动边缘计算领域。通过针对单小区-多用户MEC场景下的计算任务卸载,设计系统总开销优化函数,并提出卸载决策的优化问题。由于该类问题是非线性限制的0-1规划问题,无法通过相应公式求解,但若使用枚举法求解,计算复杂度又过高,因此,需要使用启发式算法来求最优解。本发明采用一种自适应遗传算法,即交叉概率和变异概率能够随个体适应度函数自动改变,当种群各个适应度趋于一致或者趋于局部最优时,使交叉概率和变异概率二者增加、而当群体适应度比较分散时,使交叉概率和变异概率减少,从而防止算法进入局部最优解,更好地收敛于全局最优解,大大提高了算法的收敛速度。

    一种雾计算网络下基于OCWG-TOPSIS的用户关联方法

    公开(公告)号:CN111083724A

    公开(公告)日:2020-04-28

    申请号:CN201911373052.2

    申请日:2019-12-26

    Abstract: 本发明涉及一种雾计算网络下基于OCWG-TOPSIS的用户关联方法,属于移动通信技术领域。本发明选取RSRP、Fog Node的剩余计算容量Cr、XeNB的剩余通信容量Tr、衡量用户QoS的时延、FeNB的总能耗、用户所需支付费用,作为六个KPI参数,构成关联决策方案的属性集;具体设计了针对密集异构蜂窝网络雾计算系统场景下的决策属性的数学建模,并设计了结合主观权重与客观权重的最优组合权重,将最优组合权重与属性规范化后的决策矩阵相乘,对关联决策矩阵的属性值进行加权;最后结合TOPSIS方法原理与GRA方法设计了关联决策方案的相对贴合度δ,并依据相对贴合度对关联方案进行排序。本方法可以实现用户与最佳FeNB建立关联,在保证用户QoS的同时,通过约束FeNB的最大负载,平衡业务流量分配,减少FeNB的总能耗。

    一种基于自适应遗传算法的任务卸载决策方法

    公开(公告)号:CN111585816B

    公开(公告)日:2022-07-01

    申请号:CN202010393454.5

    申请日:2020-05-11

    Inventor: 申滨 闫伟 刘笑笑

    Abstract: 本发明涉及一种基于自适应遗传算法的任务卸载决策方法,属于移动边缘计算领域。通过针对单小区‑多用户MEC场景下的计算任务卸载,设计系统总开销优化函数,并提出卸载决策的优化问题。由于该类问题是非线性限制的0‑1规划问题,无法通过相应公式求解,但若使用枚举法求解,计算复杂度又过高,因此,需要使用启发式算法来求最优解。本发明采用一种自适应遗传算法,即交叉概率和变异概率能够随个体适应度函数自动改变,当种群各个适应度趋于一致或者趋于局部最优时,使交叉概率和变异概率二者增加、而当群体适应度比较分散时,使交叉概率和变异概率减少,从而防止算法进入局部最优解,更好地收敛于全局最优解,大大提高了算法的收敛速度。

    一种雾计算网络中基于雾节点协作的负载均衡方法

    公开(公告)号:CN111641973B

    公开(公告)日:2022-04-01

    申请号:CN202010479747.5

    申请日:2020-05-29

    Abstract: 本发明涉及一种雾计算网络中基于雾节点协作的负载均衡方法,属于移动通信技术领域。本发明首先对雾节点协作场景的通信过程和计算过程进行了相关建模;之后设计了用于筛选协作雾节点的协作贡献度和基于多属性决策的协作雾节点筛选算法;进而设计了基于协作贡献度的协作贡献比系数χm,并构建了引入协作贡献比系数的系统总开销优化问题模型;最后设计了基于协作贡献度的负载均衡算法,用于求解任务负载在雾节点间的最佳分配结果。本发明能够在保证雾节点协作的可行性、公平性、稳定性的前提下,对业务负载进行合理分流,提升系统性能和用户的QoE。

    一种多小区场景下的任务卸载和资源分配的联合优化方法

    公开(公告)号:CN111586720A

    公开(公告)日:2020-08-25

    申请号:CN202010393451.1

    申请日:2020-05-11

    Inventor: 申滨 闫伟 刘笑笑

    Abstract: 本发明涉及一种多小区场景下的任务卸载和资源分配的联合优化方法,属于移动边缘计算领域。该方法包括:首先,建立多小区场景下的MEC任务卸载模型,并设计系统总开销函数。然后,采用混沌变异二进制粒子群算法来优化用户的卸载决策;在得到用户的卸载决策的情况下,将原问题分解为MEC计算资源分配和上行链路子信道分配两个子问题;采用拉格朗日乘子法对卸载用户进行MEC计算资源的分配以及在满足用户最低速率和最大可容忍干扰的约束条件下采用改进的Kuhn-Munkres算法来对卸载用户进行上行链路子信道分配;本发明能够降低用户执行任务的系统总开销,有效地提升系统的性能。

    一种多小区场景下的任务卸载和资源分配的联合优化方法

    公开(公告)号:CN111586720B

    公开(公告)日:2022-04-22

    申请号:CN202010393451.1

    申请日:2020-05-11

    Inventor: 申滨 闫伟 刘笑笑

    Abstract: 本发明涉及一种多小区场景下的任务卸载和资源分配的联合优化方法,属于移动边缘计算领域。该方法包括:首先,建立多小区场景下的MEC任务卸载模型,并设计系统总开销函数。然后,采用混沌变异二进制粒子群算法来优化用户的卸载决策;在得到用户的卸载决策的情况下,将原问题分解为MEC计算资源分配和上行链路子信道分配两个子问题;采用拉格朗日乘子法对卸载用户进行MEC计算资源的分配以及在满足用户最低速率和最大可容忍干扰的约束条件下采用改进的Kuhn‑Munkres算法来对卸载用户进行上行链路子信道分配;本发明能够降低用户执行任务的系统总开销,有效地提升系统的性能。

    一种雾计算网络下基于OCWG-TOPSIS的用户关联方法

    公开(公告)号:CN111083724B

    公开(公告)日:2022-02-11

    申请号:CN201911373052.2

    申请日:2019-12-26

    Abstract: 本发明涉及一种雾计算网络下基于OCWG‑TOPSIS的用户关联方法,属于移动通信技术领域。本发明选取RSRP、Fog Node的剩余计算容量Cr、XeNB的剩余通信容量Tr、衡量用户QoS的时延、FeNB的总能耗、用户所需支付费用,作为六个KPI参数,构成关联决策方案的属性集;具体设计了针对密集异构蜂窝网络雾计算系统场景下的决策属性的数学建模,并设计了结合主观权重与客观权重的最优组合权重,将最优组合权重与属性规范化后的决策矩阵相乘,对关联决策矩阵的属性值进行加权;最后结合TOPSIS方法原理与GRA方法设计了关联决策方案的相对贴合度δ,并依据相对贴合度对关联方案进行排序。本方法可以实现用户与最佳FeNB建立关联,在保证用户QoS的同时,通过约束FeNB的最大负载,平衡业务流量分配,减少FeNB的总能耗。

Patent Agency Ranking