专利交易市场

本发明提出了一种基于优化的雾计算动态卸载方法，属于无线网络通信领域。本发明将计算请求分为局部计算部分和雾计算部分。通过将计算密集型的请求卸载到雾节点，可以显著提高应用程序的性能。利用一种基于Lyapunov优化的在线联合无线电和计算资源算法，推导了Lyapunov偏移惩罚函数的上界。通过从不同决策变量的角度最小化上界。利用凸优化方法，得到局部处理器的最优CPU周期频率。利用预定义的卸载优先函数，得出最优子信道的最优传输功率。而在雾节点上，通过反证法证明，获得最优请求调度决策。

本发明涉及雾计算技术领域，具体涉及一种面向雾计算的成本效率优化的动态自适应任务调度方法，包括：根据预估的任务需求资源、时间要求计算节点的延迟以及吞吐量，并根据节点的延迟以及吞吐量获得QoS违反率Rqos；根据QoS违反率Rqos的值，将系统QoS状态划分不可用状态、可容忍状态和不易察觉状态；不可用状态下采用最大化QoS策略，可容忍状态采用最大化单位成本策略，不易察觉状态下采用成本最低策略；根据具体任务调度策略请求雾节点，通过使用FFD算法为任务分配合适的雾节点；本发明能够更精确地衡量系统实际运行的成本，通过该调度策略框架，实现雾计算平台在保障系统QoS的前提下自适应准确降低成本。

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。

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。