专利交易市场

本发明涉及一种基于时延能耗权衡的云雾融合网络多目标任务卸载方法，包括：S1、运营商获取信息数据；S2、计算时延、系统能耗和支付成本；S3、确定时延、能耗、支付成本的联合优化问题；S4、确定优化目标函数；S5、对联合优化问题进行求解，分为如下三种类型：端设备‑端设备的任务卸载，端设备‑雾节点的任务卸载，端设备‑雾节点‑云节点的任务卸载，求解得到各种类型下的最优卸载比例和最优发射功率；S6、选择剩余能量最多的端设备或相应的节点，并选择相应的最优卸载比例和最优发射功率，进行任务卸载。本发明解决了卸载计算的任务分配问题，在保证用户时延迟的条件下，显著降低系统能耗，提升系统总体性能。

本发明提供了一种云数据中心中基于双阈值滞后集群调度机制的节能策略，其包括：将一个云数据中心中的所有同构服务器分成基础集群和备用集群两个集群，设置任务分类器对任务进行分类与跟踪，构建基于双阈值滞后集群调度机制的节能策略，刻画基于双阈值滞后集群调度机制的节能策略的工作原理，并评估其下性能指标，分析基于双阈值滞后集群调度机制的节能策略下云数据中心的量化行为，寻找帕累托最优解，权衡云数据中心的整体功耗与实时任务的平均等待时间。本发明根据系统负载变化动态开启与关停部分服务器，可有效降低空闲能耗，大幅降低云数据中心的能耗开销，帮助云服务供应商根据其偏好选择代表不同的目标间最佳折衷解决方案。

本发明涉及一种非线性能量收集模型下无线供电移动边缘计算(MEC)中卸载和能量联合优化算法。为解决物联网设备计算能力和能量寿命有限的问题，本发明考虑具有多天线能量发射器(ET)，MEC服务器和无线设备(WD)的无线供电MEC系统。ET通过能量波束将能量传输到WD，WD收集能量供其本地计算或部分计算任务卸载到MEC服务器。本发明考虑一种实际的非线性能量收集(EH)模型。在此条件下，为充分利用能量资源和计算资源以提高系统计算能力，我们提出了最大化系统加权总计算速率的优化问题。由于非线性EH模型的非凸性，我们利用连续凸逼近法近似处理优化问题，并提出了一种迭代的计算卸载和能量联合优化算法。

本发明公开一种用于工业物联网中随机任务的AI卸载优化方法，利用无人机充当边缘服务器，建立一个两层无人机的边缘计算实体网络，用于卸载和处理随机任务，并通过人工智能的方法优化边缘计算模型。针对危险作业环境里生产区发生通信故障时的特定任务处理以及能耗问题提出一个邻近智能卸载方法NIO，在两层无人机的边缘计算实体网络下，根据无人机采集到的设备信息构建系统卸载模型，首先基于距离提出一种密集设备就近卸载、分散设备集中卸载的卸载决策，随后通过李雅普诺夫优化方法进行能耗优化处理，最后基于DDPG‑G算法得到计算资源分配及无人机部署的最优方案。本发明解决危险作业过程中通信故障造成的任务卸载失败问题，并实现系统能耗最优化。