申请/专利权人:浙江大学中原研究院
申请日:2022-08-17
公开(公告)日:2022-11-18
公开(公告)号:CN115361453A
主分类号:H04L67/63
分类号:H04L67/63;H04L67/1004;H04L41/0823;H04L41/16
优先权:
专利状态码:有效-授权
法律状态:2023.09.29#授权;2022.12.06#实质审查的生效;2022.11.18#公开
摘要:本发明公开了一种面向边缘服务网络的负载公平卸载与迁移方法,以边缘系统执行的所有用户任务的效用函数帕累托最优为优化目标,这种方法不仅兼顾了边缘网络资源的约束,也同样保障了系统中所有用户任务的效用函数的最大化,对提升多用户竞争下的任务效用质量提出来一种新的量化衡量指标。此外,本发明采用了图神经网络与强化学习算法对最终优化目标求解,这种算法执行效率高,返回的近似结果较为准确,特别适合于多用户复杂任务的下的边缘网络系统的场景,使得在多用户任务竞争网络资源的时候,边缘计算网络系统可以高效的得出多用户效用函数帕累托最优的结果,大大提高了边缘网络环境的服务质量和用户体验。
主权项:1.一种面向边缘服务网络的负载公平卸载与迁移方法,包括如下步骤:1检测边缘网络中移动用户的任务请求,确定当前检测到的所有用户任务请求;2枚举所有用户任务请求传输至边缘服务器的迁移路径;3建立用于评价所有用户任务的公平效用优劣评判函数;4对所述公平效用优劣评判函数进行优化求解,即可确定每个用户任务请求的迁移路径。
全文数据:
权利要求:
百度查询: 浙江大学中原研究院 一种面向边缘服务网络的负载公平卸载与迁移方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。