移动业务边缘协作卸载方法、装置、设备及介质

    公开(公告)号:CN115134829B

    公开(公告)日:2024-10-29

    申请号:CN202210583735.6

    申请日:2022-05-25

    IPC分类号: H04W24/02

    摘要: 本发明提供一种移动业务边缘协作卸载方法、装置、设备及介质,包括:将多个边缘节点进行聚类,得到节点簇,每个节点簇中的节点组成边缘节点协作域;根据边缘协作服务域的服务能力和待处理移动业务的任务信息,确定待处理移动业务的卸载决策;将卸载决策下发至边缘协作服务域对应的目标移动终端,以供目标移动终端将待处理移动业务上传至卸载决策对应的边缘节点进行协助处理;其中,卸载决策包括卸载模式、卸载位置和服务路径,服务能力是基于边缘协作服务域中边缘节点的数量、剩余的计算能力和预先缓存的服务组件确定的。本发明实现适当的能量时延权衡,最小化平均执行时间和能量消耗。

    一种物联网跨域子任务组合协同计算方法及系统

    公开(公告)号:CN113821318B

    公开(公告)日:2024-08-02

    申请号:CN202110982229.X

    申请日:2021-08-25

    IPC分类号: G06F9/48 G06F9/50 G06N3/126

    摘要: 本发明提供一种物联网跨域子任务组合协同计算方法及系统,该方法包括:基于用户终端生成的多个子任务与不同计算终端之间的时延类型,构建得到完成所有子任务所需时长对应的时延模型;基于所述多个子任务与不同计算终端之间的能耗类型,构建得到完成所有子任务所需能耗对应的能耗代价模型;根据所述时延模型和所述能耗代价模型,以最小化时延和能耗代价为目标,构建目标函数,并对所述目标函数求解,得到任务组合协同计算最优策略。本发明将边缘设备划分为本地边缘与异地边缘,充分利用附近空闲的边缘设备,提高资源利用率,并建立该架构下的时延和能耗模型,同时将时延与能耗作为优化目标,得到任务组合协同计算策略,实现较低时延与较低能耗。

    任务卸载方法及装置
    24.
    发明授权

    公开(公告)号:CN113918240B

    公开(公告)日:2024-05-28

    申请号:CN202111205701.5

    申请日:2021-10-15

    IPC分类号: G06F9/445 G06N3/126

    摘要: 本发明提供一种任务卸载方法及装置,该方法包括:对终端发送的卸载请求进行解析,获取卸载请求中待处理任务中每个子任务的任务信息;根据每个子任务的任务信息、服务于终端的本地边缘服务器集群和邻近边缘服务器集群的服务性能,以及终端的位置和速度,构建待处理任务的任务卸载优化模型;基于遗传算法对任务卸载优化模型进行求解,根据任务卸载优化模型的最优解,获取待处理任务的最优卸载方案;根据最优卸载方案和每个子任务的重要性,将每个子任务卸载在本地边缘服务器集群中和/或邻近边缘服务器集群中。本发明实现多服务器集群协作,有效缓解单一服务器集群的负载承载能力有限的问题,进而减少服务延迟和提高服务的可靠性和稳定性。

    车联网业务边缘协作方法及装置
    25.
    发明公开

    公开(公告)号:CN117915408A

    公开(公告)日:2024-04-19

    申请号:CN202311845169.2

    申请日:2023-12-28

    摘要: 本发明提供一种车联网业务边缘协作方法及装置,涉及车联网技术领域,方法包括:基于在先构建的边缘协作计算域,接收终端服务能力模型,终端服务能力模型是域内终端上传的本地模型,或,终端服务能力模型是域成员节点基于覆盖范围内的域内终端上传的本地模型进行聚合后上传的;基于半异步机制,对终端服务能力模型进行聚合,得到区域模型;将区域模型下发至对应域内终端和/或对应域成员节点,以对对应域内终端进行本地终端服务能力模型更新。本发明避免了同步聚合等待时延过长引起的聚合效率低的问题,以及避免了异步聚合时局部过时模型参与终端本地模型训练导致终端本地模型训练精度差的问题。

    微电网场景下基于联邦学习的电网净负荷预测方法及装置

    公开(公告)号:CN117748471A

    公开(公告)日:2024-03-22

    申请号:CN202311617048.2

    申请日:2023-11-29

    摘要: 本发明提供一种微电网场景下基于联邦学习的电网净负荷预测方法及装置,包括:获取每一联邦学习本地节点上传的局部参数;基于所述局部参数对微电网净负荷预测模型的参数进行聚合,得到全局参数;将所述全局参数发送至联邦学习本地节点,所述全局参数用于确定训练好的微电网净负荷预测模型,训练好的微电网净负荷预测模型用于预测微电网场景下的电网净负荷。本发明提供的微电网场景下基于联邦学习的电网净负荷预测方法及装置,通过搭建联邦学习架构对各个用电节点的净负荷进行预测,在保障整体系统的数据安全的同时有力地支撑了智能电网进行统一调配,提高了对微电网场景下电网净负荷预测结果的精准度。