-
公开(公告)号:CN111953759B
公开(公告)日:2022-11-11
申请号:CN202010770330.4
申请日:2020-08-04
申请人: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
IPC分类号: H04L67/1008 , H04L67/101 , H04L67/1023 , G06F9/50 , G06N20/00
摘要: 本发明实施例提供的基于强化学习的协同计算任务卸载和迁移的方法及装置,通过使用云边端协同网络中用户终端及服务器执行任务能耗及任务传输能耗,用户终端及服务器执行任务时延、任务传输时延及EN到云端服务器的时延,在能耗约束下,基于延迟成本最小化为目标,完成对用户设备端、云端、边缘端的能耗和延迟成本的优化,从而得到最优任务卸载和迁移策略。这样可以通过云边端协同网络,在优化能耗和延迟的基础上,协同目标端卸载任务,节省任务计算的端到端时延,优化网络能耗;并且,对任务迁移的边缘节点,通过任务迁移,提升边缘端的资源利用率,从而提升了云边端协同网络的资源利用率。
-
公开(公告)号:CN113285832A
公开(公告)日:2021-08-20
申请号:CN202110565689.2
申请日:2021-05-24
申请人: 国网河南省电力公司信息通信公司 , 国网河南省电力公司 , 北京邮电大学 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号: H04L12/24
摘要: 基于NSGA‑II的电力多模态网络资源优化分配方法,所述方法包括如下三个步骤:步骤S1:电力多模态网络模型的构建,包括的评估指标有:资源开销、链路可靠性、资源占用分布;步骤S2:基于NSGA‑II的资源优化算法;包含的步骤如下:步骤S2.1:种群初始化;步骤S2.2:拥挤度函数的计算;步骤S2.3:种群选择;步骤S2.4:种群交叉及变异;步骤S3:将步骤S2中基于NSGA‑II的资源优化算法应用到步骤S1中构建的电力多模态网络模型中,进行网络资源优化分配。本发明的资源优化分配方法有效的解决了现有技术中存在的电力多模态网络资源优化结果较为单一,难以满足业务需求,网络资源利用率、收敛速度、可靠性有待提高,网络堵塞严重的问题。
-
公开(公告)号:CN113114762A
公开(公告)日:2021-07-13
申请号:CN202110388501.1
申请日:2021-04-12
申请人: 北京邮电大学 , 国网河南省电力公司信息通信公司 , 国家电网有限公司
摘要: 本发明实施例提供的数据缓存方法及系统,可以获取边缘缓存服务器ECS存储的数据请求对应的请求信息;根据ECS或MCD服务的区域内MUE的总数量和ECS或MCD服务的区域内预设时间段内发送数据请求的MUE的数量,计算数据请求的流行度;将流行度输入预先训练好的深度强化学习模型DRL模型中,得到目标数据对应的分配策略;若分配策略为是,则根据分配策略向ECS或MCD缓存目标数据,以使ECS或MCD在接收到指定MUE发送的数据请求后向指定MUE反馈目标数据。从而可知保证数据请求的分配策略满足MCD服务的区域内数据请求的实际情况,在MCD接收到数据请求后反馈对应的请求数据,从而减小相应时延,提高用户体验。
-
公开(公告)号:CN110135603A
公开(公告)日:2019-08-16
申请号:CN201910423784.1
申请日:2019-05-21
申请人: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
摘要: 本发明的一种基于改进熵权法的电力网络告警空间特征分析方法,所述方法具体实现步骤包括S1、采用滑动时间窗口算法划分告警事务集;S2、结合网络实际拓扑,采用改进熵权法对每个告警事务集内的告警数据进行加权处理;S3、根据权值进一步将告警事务集划分为具有空间特征的子集;通过以上处理,进一步将每个具有时间特征的告警事务集划分成了在空间上也有严格的相关性的子集。本发明采用滑动窗口算法划分了告警事务集,从一个较小的粒度来分析海量的告警信息,提高分析效率,针对电网中告警数据的特点对熵权法进行优化,并使用优化后的熵权法为每条告警数据赋权,最后从发出权值最大的告警的设备开始分析,加快告警空间特征提取的效率。
-
公开(公告)号:CN113285832B
公开(公告)日:2022-11-01
申请号:CN202110565689.2
申请日:2021-05-24
申请人: 国网河南省电力公司信息通信公司 , 国网河南省电力公司 , 北京邮电大学 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号: H04L41/0823 , H04L41/14
摘要: 基于NSGA‑II的电力多模态网络资源优化分配方法,所述方法包括如下三个步骤:步骤S1:电力多模态网络模型的构建,包括的评估指标有:资源开销、链路可靠性、资源占用分布;步骤S2:基于NSGA‑II的资源优化算法;包含的步骤如下:步骤S2.1:种群初始化;步骤S2.2:拥挤度函数的计算;步骤S2.3:种群选择;步骤S2.4:种群交叉及变异;步骤S3:将步骤S2中基于NSGA‑II的资源优化算法应用到步骤S1中构建的电力多模态网络模型中,进行网络资源优化分配。本发明的资源优化分配方法有效的解决了现有技术中存在的电力多模态网络资源优化结果较为单一,难以满足业务需求,网络资源利用率、收敛速度、可靠性有待提高,网络堵塞严重的问题。
-
公开(公告)号:CN112579194A
公开(公告)日:2021-03-30
申请号:CN202011359457.3
申请日:2020-11-27
申请人: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
摘要: 本发明实施例提供了一种基于时延和事务吞吐量的区块链共识任务卸载方法及装置,其中方法包括:基于预设的马尔可夫决策过程MDP,获得当前时刻的当前信道条件、MEC服务器的当前可用计算资源和各个第二移动设备的当前信任值,作为当前马尔可夫状态;MDP中包括:预设的状态空间,预设的奖励函数以及预设的动作空间;将当前马尔可夫状态,输入预设的异步的优势行动者评论家算法A3C模型中,以使该A3C模型基于奖励函数计算奖励,基于奖励获得并输出与当前马尔可夫状态对应的目标动作。本发明实施例能够在降低区块链系统中对区块链共识任务的处理时延的基础上提高事务吞吐量。
-
公开(公告)号:CN115033355A
公开(公告)日:2022-09-09
申请号:CN202210482168.5
申请日:2022-05-05
申请人: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
摘要: 本申请提供一种任务调度方法、电子设备及存储介质,该方法包括:基于应用程序请求信息形成应用任务图;确定应用任务图中各个应用任务对应的任务优先级,形成任务优先队列;基于优先队列集合确定队首任务集合;根据队首任务集合确定目标调度任务;分别确定边缘云系统中的各个异构边缘服务器对应的容器配置状态,确定目标调度任务在各个异构边缘服务器中分别对应的第一预估完成时间;确定目标调度任务在边缘云系统中的远程云服务器中的第二预估完成时间;基于各个第一预估完成时间以及第二预估完成时间确定目标调度服务器。本申请提供的方案,能够充分利用服务器资源,提升任务动态调度合理性,提高应用任务处理效率。
-
公开(公告)号:CN113114762B
公开(公告)日:2022-06-03
申请号:CN202110388501.1
申请日:2021-04-12
申请人: 北京邮电大学 , 国网河南省电力公司信息通信公司 , 国家电网有限公司
IPC分类号: H04L67/1001 , H04L67/566 , H04L67/568 , G06N3/08
摘要: 本发明实施例提供的数据缓存方法及系统,可以获取边缘缓存服务器ECS存储的数据请求对应的请求信息;根据ECS或MCD服务的区域内MUE的总数量和ECS或MCD服务的区域内预设时间段内发送数据请求的MUE的数量,计算数据请求的流行度;将流行度输入预先训练好的深度强化学习模型DRL模型中,得到目标数据对应的分配策略;若分配策略为是,则根据分配策略向ECS或MCD缓存目标数据,以使ECS或MCD在接收到指定MUE发送的数据请求后向指定MUE反馈目标数据。从而可知保证数据请求的分配策略满足MCD服务的区域内数据请求的实际情况,在MCD接收到数据请求后反馈对应的请求数据,从而减小相应时延,提高用户体验。
-
公开(公告)号:CN112737854A
公开(公告)日:2021-04-30
申请号:CN202011627202.0
申请日:2020-12-30
申请人: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
摘要: 本发明实施例提供了一种基于能耗和服务质量的服务链迁移方法及装置,方法包括:确定目标服务功能链及待迁移VNF,其中,目标服务功能链包含多个服务请求,每一服务请求由多个特定顺序的VNF组成;以目标服务功能链的资源需求、服务质量需求、网络中各服务器节点的资源容量限制为约束,根据预先构建的迁移成本优化模型,计算最小化迁移成本的服务迁移策略,所述服务迁移策略包含待迁移VNF的目标服务器节点,其中,迁移成本优化模型是基于服务迁移的能耗成本、服务质量损失、以及周期性流量模式构建的。实现对NVF迁移过程中的能耗和QoS损失进行均衡优化,以减小迁移成本。
-
公开(公告)号:CN111953759A
公开(公告)日:2020-11-17
申请号:CN202010770330.4
申请日:2020-08-04
申请人: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
IPC分类号: H04L29/08
摘要: 本发明实施例提供的基于强化学习的协同计算任务卸载和迁移的方法及装置,通过使用云边端协同网络中用户终端及服务器执行任务能耗及任务传输能耗,用户终端及服务器执行任务时延、任务传输时延及EN到云端服务器的时延,在能耗约束下,基于延迟成本最小化为目标,完成对用户设备端、云端、边缘端的能耗和延迟成本的优化,从而得到最优任务卸载和迁移策略。这样可以通过云边端协同网络,在优化能耗和延迟的基础上,协同目标端卸载任务,节省任务计算的端到端时延,优化网络能耗;并且,对任务迁移的边缘节点,通过任务迁移,提升边缘端的资源利用率,从而提升了云边端协同网络的资源利用率。
-
-
-
-
-
-
-
-
-