摘要:
边缘智能已成为新一代物联网的发展趋势。边缘计算设备地理分布广,设备种类多,服务多样化,时延敏感,终端具备移动性。因此,边缘系统需要提供灵活多样的、可重构可扩充的服务。通过将自适应思想融入边缘计算,首先探索了智能自适应边缘系统应用需求,分析并总结了现有自适应边缘系统基础框架,并将深度学习、强化学习等人工智能技术应用于自适应边缘系统。然后,介绍了如何在特定的应用领域设计专门的智能算法。最后,探讨了该领域的发展潜力以及未来面临的挑战。
关键词: 边缘计算 ; 自适应系统 ; 物联网 ; MAPE-K循环控制
1 引言
物联网、人工智能、5G 的全面发展将推动更多智能应用的产生,同时也对底层计算与通信系统架构提出了新的挑战。目前,边缘计算已成为智能应用架构技术的新趋势。如在智能交通系统中,自动驾驶车辆可以受益于移动边缘计算提供的低时延通信,以协调其行为并实时做出决策;视频、在线游戏等应用也能够利用边缘服务获得高效的计算、通信服务,从而提升用户的体验质量(QoE, quality of experience)。处理数据爆炸和网络流量、对更智能的计算范式的需求以及可持续的能源消耗等,是许多应用选择边缘计算的关键原因。借助边缘计算,通过在各种应用中采用不同的电子设备、传感器和执行器,来改善如智能家居、监视系统、环境保护、车辆交通和运输、医疗保健以及天气和水资源管理系统等的服务质量(QoS, quality of service),智能城市等概念将更接近现实。
物联网节点由于受功耗、体积、成本等因素的约束,计算能力较弱。云服务器一般用于集中控制,负责处理全局性的任务。由于云服务器距离物联网节点较远,网络带宽有限,很难提供实时的数据处理服务。边缘计算使计算靠近数据源&#