- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Deep Reinforcement Learning for Task Offloading in Mobile Edge Computing Systems
在移动边缘计算系统中，当大量移动设备将其任务卸载到边缘节点时，边缘节点可能具有高负载。那些被卸载的任务可能会经历巨大的处理延迟，甚至在截止日期到期时被丢弃。由于边缘节点的负载动态不确定，每个设备都很难以分散的方式确定其卸载决策（即是否卸载，以及应将任务卸载到哪个边缘节点）。在这项工作中，我们考虑不可分和延迟敏感的任务以及边缘负荷动态，并制定任务卸载问题，以尽量减少预期的长期成本。我们提出了一种基于无模型深度强化学习的分布式算法，每个设备都可以在不知道其他设备的任务模型和卸载决策的情况下确定其卸载决策。为了改
2022-03-30 16:38:59
3176
6
原创 【无标题】
基于LSTM预测和深度强化学习的任务卸载在物联网中的高效边缘计算摘要在物联网边缘计算中，任务卸载会导致额外的传输延迟和传输能耗。为了降低任务卸载所需的资源成本，提高服务器资源的利用率，本文将任务卸载问题建模为一个成本最小化的联合决策问题，该问题综合了处理延迟、处理能耗和延迟敏感任务的任务抛出率。针对上述任务卸载决策问题，提出了基于深度强化学习（DRL）和长短时记忆（LSTM）网络的在线预测卸载（OPO）算法。在模型的训练阶段，该算法利用LSTM算法实时预测边缘服务器的负载，有效地提高了DRL算法在卸载过
2022-03-27 20:31:26
559
原创 【无标题】
Dynamic VNF placement, resource allocation and traffic routing in 5G5G中的动态VNF布局、资源分配和流量路由ABSTRACT5G网络将通过使用软件定义的网络和网络功能虚拟化等使能技术，支持各种垂直服务，并提供一组不同的关键性能指标（KPI）。网络运营商有责任有效地将可用资源分配给服务请求，以满足KPI要求，同时考虑可用资源的有限数量及其成本。一个关键挑战是，请求可能随着时间的推移而变化很大，需要一个解决方案来解释它们的动态生成和终
2022-03-18 16:35:35
794
原创 移动边缘缓存2
C.有关移动边缘缓存的问题缓存的位置、方式和内容是移动边缘缓存的关键研究问题。缓存在哪指的是缓存位置的选择。缓存方案可以通过利用UE自己的存储在UE上实现。UE上的缓存内容可以通过D2D通信共享。流行内容也可以缓存在BSs处，例如，中继、femto基站（fbs）、微微基站（pbs）、小型基站（sbs）和宏基站（mbs）。在云无线电接入网络（C-RAN）[36]中，内容可以缓存在远程无线电头（RRH）和基带单元（BBU）池中。如何缓存涉及到选择缓存标准和设计缓存方案的问题。要提高移动边缘缓存的性能..
2022-01-13 18:43:11
1845
原创 On Mobile Edge Caching 1
移动边缘缓存研究期刊：IEEE时间：2019Abstract随着各种移动应用的广泛采用，无线网络中的通信量正以指数级的速度增长，这给移动核心网络和回程链路带来了巨大的负担。移动边缘缓存是缓解这一问题的一种很有前途的解决方案，它可以为移动边缘提供缓存存储。在本文中，我们旨在回顾移动边缘缓存的最新技术。我们首先介绍了移动边缘缓存及其优势。然后，我们讨论移动边缘缓存可以在网络中实现的位置。我们还分析了不同的缓存标准及其对缓存性能的影响。此外，我们还比较了几种缓存方案，并讨论了它们的优缺点。我们进一
2022-01-13 10:41:28
1935
/Users/fangchuxi/Desktop/IEEE:ACM/视频流 李雅普诺夫/基于边缘的视频分析的自适应配置选择和带宽
2022-04-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人