检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向车辆边缘计算的任务合作卸载

工程科学与技术 2024年第1期56卷 89-98页

作者：鲁蔚锋印文徐王菁费汉明徐佳南京邮电大学计算机学院江苏南京210023 江苏省大数据安全与智能处理重点实验室江苏南京210023 国铁吉讯科技有限公司北京100081

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于... 详细信息

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于车辆应用设备计算资源的有限性,车辆用户的任务计算需求无法满足,需要提升车辆周边计算资源的利用率来完成计算任务。本文研究了车辆边缘计算中任务的合作卸载机制,以最小化车辆任务的计算时延。首先,考虑周边停泊车辆以及路边单元的计算资源,设计了由云服务器层、停泊车辆合作集群层和路边单元合作集群层组成的任务合作卸载3层系统架构,通过路边单元合作集群和停泊车辆合作集群的合作卸载,充分利用系统的空闲计算资源,进一步提高了系统的资源利用率。然后,基于k-聚类算法的思想提出了路边单元合作集群划分算法对路边单元进行合作集群的划分,并采用块连续上界最小化的分布式迭代优化方法设计了任务合作卸载算法,对终端车辆用户的任务进行卸载计算。最后,通过将本文算法和其他算法方案进行实验仿真对比,仿真结果表明,本文算法在系统时延和系统吞吐量方面具有更好的性能表现,可以降低23%的系统时延,并且能提升28%的系统吞吐量。

关键词：边缘计算车辆边缘计算合作卸载 k-聚类计算卸载

在线全文

学校读者我要写书评

暂无评论

局部观测的车辆边缘计算在线服务迁移决策

广西大学学报（自然科学版） 2024年第3期49卷 575-584页

作者：陈钟礼陈积常李陶深吕品广西大学计算机与电子信息学院广西南宁530004 南宁学院信息工程学院广西南宁530299

针对多用户、全局信息缺失的复杂车辆边缘计算场景,提出了一种基于多智能体强化学习的车辆边缘计算服务迁移策略,使车辆在仅获得部分观察的情况下仍能进行不完整系统信息学习并进行分布式在线迁移决策。该策略使用Gumbel-Softmax采样改... 详细信息

针对多用户、全局信息缺失的复杂车辆边缘计算场景,提出了一种基于多智能体强化学习的车辆边缘计算服务迁移策略,使车辆在仅获得部分观察的情况下仍能进行不完整系统信息学习并进行分布式在线迁移决策。该策略使用Gumbel-Softmax采样改进的多智能体深度确定性策略梯度算法实现,用户间通过协作和竞争来达到共同的目标,从而使系统更加灵活,提高系统的整体收益和稳定性。真实数据集的仿真实验结果表明,该策略收敛速度快,在不同用户数量和任务到达率场景下均表现出较好的性能,鲁棒性和稳定性优于其他对比策略。

关键词：车辆边缘计算多智能体强化学习在线服务迁移决策

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

联合任务卸载和资源优化的车辆边缘计算方案

计算机应用 2024年

作者：薛天宇李爱萍段利国太原理工大学计算机科学与技术学院(大数据学院)

针对车辆边缘计算（VEC）中存在的用户体验质量需求不断增加、高度移动车辆引起的链路状态获取困难、异构边缘节点为车辆提供资源的时变性等问题，制定了一种联合任务卸载和资源优化的车辆边缘计算方案。首先，在不失一般性的前提下，... 详细信息

针对车辆边缘计算（VEC）中存在的用户体验质量需求不断增加、高度移动车辆引起的链路状态获取困难、异构边缘节点为车辆提供资源的时变性等问题，制定了一种联合任务卸载和资源优化的车辆边缘计算方案。首先，在不失一般性的前提下，综合考虑边缘内和边缘间干扰，提出一种车辆到基础设施的传输模型，通过引入非正交多址接入技术使得边缘节点不仅无需依赖链路状态信息，还可以提升信道容量；其次，为增强系统的性能和效率，设计出一种多智能体双延迟深度确定性算法用于制定任务卸载策略，可通过与环境的交互学习动态调整任务卸载策略；再次，联合考虑两种策略的协同作用并制定优化方案，将最大化任务服务比率作为目标进行求解以满足不断提升的用户体验质量需求。最后，通过真实车辆轨迹数据集进行仿真实验。结果表明，与当前具有代表性的3种方案（即分别以随机卸载（RO）算法、D4PG(Distributed Distributional Deep Deterministic Policy Gradient)算法和MADDPG(Multi-agent Deep Deterministic Policy Gradient)算法为任务卸载算法的方案）在3类场景下（即普通场景、任务密集型场景和时延敏感型场景）相比，本文所提方案的平均服务比率指标分别提高了20%,10%和29%以上，验证了该方案的优势和有效性。

关键词：车辆边缘计算非正交多址接入深度强化学习任务卸载资源分配

基于车辆边缘计算的志愿者车辆辅助任务卸载和服务缓存策略研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于车辆边缘计算的志愿者车辆辅助任务卸载和服务缓存策略研究

作者：程晨山东师范大学

学位级别：硕士

随着计算密集型车载应用的不断涌现,车联网中诸多新兴应用和指数级增长的数据对通信、计算和存储资源的需求呈现出爆发式增长的趋势,同时也对响应时间和网络带宽提出了严格的性能要求。云计算拥有丰富的计算资源,可以缓解上述挑战,但在... 详细信息

随着计算密集型车载应用的不断涌现,车联网中诸多新兴应用和指数级增长的数据对通信、计算和存储资源的需求呈现出爆发式增长的趋势,同时也对响应时间和网络带宽提出了严格的性能要求。云计算拥有丰富的计算资源,可以缓解上述挑战,但在海量数据的传输下,会造成高时延影响。近年来,相关研究将车联网与移动边缘计算相结合,提出了车辆边缘计算的概念,将存储和计算资源部署在路边单元上的边缘服务器以及具有空闲资源的车辆上,这被认为是一种提高车辆通信、计算和资源利用率的新型车辆网络架构。然而,车辆移动引起了网络拓扑结构的改变,通信信道状态的不可靠性和时变性,以及计算资源的有限性等问题。因此,如何设计出高效的任务卸载策略和服务缓存策略,满足车辆用户的时延要求,提高车辆用户的服务质量,仍是一项具有挑战的工作。针对于以上背景,本文研究了时延约束下的志愿者车辆辅助多依赖任务卸载问题以及多任务卸载和服务缓存问题。本文的主要研究和贡献如下:(1)在考虑任务执行延迟和执行成本的前提下,本文研究了车辆边缘计算中志愿者车辆辅助多依赖任务卸载问题。具体来说,在传统的志愿者车辆辅助的车载自组织网络基础上,本文综合考虑了车辆移动性、非正交多址技术、任务的时空差异性和边缘服务器的能耗。然后,通过联合优化定价策略和任务卸载策略,提出了请求车辆多依赖任务卸载问题,以最小化任务完成时间和执行成本。由于请求车辆多依赖任务卸载问题是一个NP-hard问题,所以本文提出了一种基于改进的多目标蚁群算法的多依赖任务卸载优化算法。首先,为了构建车辆之间的联系,本文设计了一种基于密度的聚类算法对志愿者车辆进行分簇,得到一个志愿者联盟,志愿者联盟中的车辆可以共享计算资源。然后,为了提高蚁群算法的收敛速度,使用层次分析法对信息素矩阵进行初始化。由于请求车辆多依赖任务卸载问题是一个多目标优化问题,本文设计了新的适应度评价函数来评价不同解的优缺点。然后,设计了一种新的Pareto集更新策略,根据适应度偏差比对Pareto集进行更新。仿真结果和理论分析验证了提出的方案与其他替代方案相比具有明显的优势。(2)在高度动态的网络拓扑环境下,本文研究了车辆边缘计算中动态任务卸载与服务缓存问题。具体来说,通过对任务卸载、定价和服务缓存策略的联合优化,提出了车辆边缘计算网络中的任务卸载和服务缓存联合优化问题,以最小化所有车辆的总任务时能效用值和用户成本值。由于联合任务卸载和服务缓存问题的NP-hard性,本文提出了一种CO-MATCH的协同服务缓存和任务卸载算法,该算法由两个部分组成。针对服务缓存,提出了基于缓存偏好和社会相似度的动态规划算法,以激励车辆与VEC服务器之间的协作。针对任务卸载,在任务和边缘服务器(路边单元或志愿者车辆)之间构建多对一匹配,以刺激车辆与车辆之间的协作、车辆与路边单元之间的协作,更好地对任务进行卸载。数值仿真结果表明,与其他算法相比,本文提出的算法可以获得更好的性能。

关键词：车联网车辆边缘计算任务卸载服务缓存多目标优化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向车辆边缘计算的多目标任务卸载算法

铁路计算机应用 2024年第3期33卷 13-18页

作者：王忠峰王小进高鹏申佳胤徐佳国铁吉讯科技有限公司北京100081 南京邮电大学江苏省大数据安全与智能处理重点实验室南京210023 中国铁道科学研究院集团有限公司电子计算技术研究所北京100081

为解决车联网动态环境下,计算和通信资源不足时的任务卸载问题,提出一种基于车辆边缘计算的多目标任务卸载算法。搭建车辆边缘计算中的通信模型和计算模型,考虑每个车辆应用的任务时延约束,设计了多目标优化目标函数,联合优化时延和能... 详细信息

为解决车联网动态环境下,计算和通信资源不足时的任务卸载问题,提出一种基于车辆边缘计算的多目标任务卸载算法。搭建车辆边缘计算中的通信模型和计算模型,考虑每个车辆应用的任务时延约束,设计了多目标优化目标函数,联合优化时延和能耗成本;引入交叉变异、非支配排序、拥挤度排序等技术,提出了多目标任务卸载算法。实验表明,相比于其他任务卸载算法,所提算法显著减少了处理任务的时间和能耗。

关键词：车联网车辆边缘计算任务卸载调度遗传算法多目标优化

在线全文

学校读者我要写书评

暂无评论

车辆边缘计算环境下任务卸载研究综述

计算机学报 2021年第5期44卷 963-982页

作者：李智勇王琦陈一凡谢国琪李仁发湖南大学信息科学与工程学院长沙410082 湖南大学嵌入式与网络计算湖南省重点实验室长沙410082

计算密集和延迟敏感型车辆应用的出现对车辆设备有限的计算能力提出了严峻的挑战,将任务卸载到传统的云平台会有较大的传输延迟,而移动边缘计算专注于将计算资源转移到网络的边缘,为移动设备提供高性能、低延迟的服务,因此可作为处理计... 详细信息

计算密集和延迟敏感型车辆应用的出现对车辆设备有限的计算能力提出了严峻的挑战,将任务卸载到传统的云平台会有较大的传输延迟,而移动边缘计算专注于将计算资源转移到网络的边缘,为移动设备提供高性能、低延迟的服务,因此可作为处理计算密集和延迟敏感的任务的一种有效方法.同时,鉴于城市地区拥有大量智能网联车辆,将闲置的车辆计算资源充分利用起来可以提供巨大的资源和价值,因此在车联网场景下,结合移动边缘计算产生了新的计算模式——车辆边缘计算.近年来,智能网联车辆数量的增长和新兴车辆应用的出现促进了对车辆边缘计算环境下任务卸载的研究,本文对现有车辆边缘计算环境下任务卸载研究进展进行综述,首先,从计算模型、任务模型和通信模型三个方面对系统模型进行梳理、比较和分析.然后介绍了最小化卸载延迟、最小化能量消耗和应用结果质量三种常见的优化目标,并按照集中式和分布式两种不同的决策方式对现有的研究进行了详细的归类和比较.此外,本文还介绍了几种常用的实验工具,包括SUMO、Veins和VeinsLTE.最后,本文围绕卸载决策算法复杂度、安全与隐私保护和车辆移动性等方面对车辆边缘计算任务卸载目前面临的挑战进行了总结,并展望了车辆边缘计算环境下任务卸载未来的发展方向与前景.

关键词：车辆边缘计算移动边缘计算任务卸载资源分配车联网

基于车辆边缘计算的用户能耗最小化资源分配研究

在线全文

学校读者我要写书评

暂无评论

电子科技大学学报 2020年第2期49卷 206-212页

作者：李世超王秋云寇为刚贺国庆桂林电子科技大学信息与通信学院广西桂林541004 甘肃政法大学公安技术学院兰州730070

考虑车辆时变信道对资源分配策略的影响,构建在保证任务QoS要求下的车载用户终端能量消耗最小化问题。利用车辆信道可预测特性以及李雅普诺夫随机优化理论将原问题分解为计算资源分配和无线资源分配两个子问题。由于计算资源分配子问题... 详细信息

考虑车辆时变信道对资源分配策略的影响,构建在保证任务QoS要求下的车载用户终端能量消耗最小化问题。利用车辆信道可预测特性以及李雅普诺夫随机优化理论将原问题分解为计算资源分配和无线资源分配两个子问题。由于计算资源分配子问题是单变量优化问题,因此可以直接得到解决方案。而对于无线资源分配子问题,通过将其转换为单变量优化问题进行求解。基于两个子问题的结果,提出一种联合无线与计算资源分配算法。仿真结果显示,当数据包平均到达速率从20个/时隙增加到40个/时隙时,该算法能耗相较于传统的贪婪算法能耗降低了48.85%。

关键词：联合无线与计算资源分配李雅普诺夫时变信道车辆边缘计算

基于李雅普诺夫随机优化的车辆边缘计算资源管理

在线全文

学校读者我要写书评

暂无评论

控制与决策 2022年第3期37卷 721-728页

作者：付主木王俊朋司鹏举陶发展于晓升河南科技大学信息工程学院河南洛阳471023 东北大学机器人科学与工程学院沈阳110004

针对车辆边缘计算系统中的计算资源管理问题,提出一种基于李雅普诺夫随机优化的计算卸载与资源分配方案.构建在保证任务量及长期能耗约束下的车辆用户服务时延最小化优化问题,利用李雅普诺夫随机优化理论将优化问题分解.在本地计算资源... 详细信息

针对车辆边缘计算系统中的计算资源管理问题,提出一种基于李雅普诺夫随机优化的计算卸载与资源分配方案.构建在保证任务量及长期能耗约束下的车辆用户服务时延最小化优化问题,利用李雅普诺夫随机优化理论将优化问题分解.在本地计算资源分配子问题中,通过求解线性问题的方法,得到最优本地计算CPU频率;在计算卸载子问题中,利用数值优化求解得到最优发射功率.借助李雅普诺夫随机优化中的漂移惩罚方法,设计一种低复杂度的联合计算卸载与资源分配算法,通过同时控制卸载决策、本地计算CPU频率和计算卸载的发射功率,实现整个车辆边缘计算系统中车辆用户的服务时延最小,提高车辆边缘计算服务质量.仿真结果验证了所提出算法的有效性.

关键词：车辆边缘计算李雅普诺夫随机优化计算卸载与资源分配时变信道服务时延

车辆边缘计算系统中的任务卸载与资源分配方法研究

在线全文

学校读者我要写书评

暂无评论

车辆边缘计算系统中的任务卸载与资源分配方法研究

作者：邱传曦湖南大学

学位级别：硕士

随着车辆到万物(Vehicle-to-Everything,V2X)通信技术的迅速发展,出现了许多新兴的计算密集型的车载应用。车辆边缘计算(Vehicular Edge Computing,VEC)通过将智能网联车辆产生的计算任务卸载到附近闲置且愿意共享资源的车辆或者路侧单... 详细信息

随着车辆到万物(Vehicle-to-Everything,V2X)通信技术的迅速发展,出现了许多新兴的计算密集型的车载应用。车辆边缘计算(Vehicular Edge Computing,VEC)通过将智能网联车辆产生的计算任务卸载到附近闲置且愿意共享资源的车辆或者路侧单元(Road Side Unit,RSU)中处理,能够充分利用边缘节点的计算资源,有效降低公网传输压力并减少任务处理延迟。然而,车辆环境的高度动态性、如何激励车辆共享闲置资源,车辆共享资源量的不确定性等问题给VEC系统中的任务卸载与资源分配方法的设计带来了许多的挑战。主要的研究内容和创新点总结如下:1)车辆-车辆(Vehicle-Vehicle,V-V)卸载模式中,网络拓扑快速变化,信道状态和任务分配到的计算资源量的不确定性都给车辆间的任务卸载带来了挑战,因此基于多臂赌博机(multi-armed bandit,MAB)理论设计了一种带滑动窗口的在线学习任务卸载(SW-OLTO)算法。SW-OLTO以分布式方式工作,边卸载任务边学习各共享资源车辆的延迟性能,车辆间不需要频繁交换状态信息。为了更好的适应动态环境,该算法具有出现感知的能力,并通过滑动窗口来追踪最优共享资源车辆的变化。从理论上分析了SW-OLTO的学习遗憾上界,在python合成场景和基于Veins的真实高速公路场景中的实验结果表明,相比于其他已有的基于置信度上界的学习算法,SW-OLTO算法可以提高任务处理的延迟性能。2)混合车辆-RSU(Vehicle-RSU,V-R)卸载和车辆-RSU-车辆(VehicleRSU-Vehicle,V-R-V)卸载模式中,考虑以计算资源租赁的方式来激励车辆共享闲置资源。为了使卸载任务车辆、RSU和共享资源车辆各方利益最大化,首先基于MAB理论为共享资源车辆设计了自适应类型选择(ALTS)算法,再将三方的交互建模为一个多阶段Stackelberg博弈,制定了计算资源租赁合同。实验结果表明提出的ALTS算法优于其他现有的学习算法,说明了租赁合同和三方交易机制的有效性以及能源成本对能源消耗和卸载决策的影响,对比表明了整合RSU与车辆闲置资源提供服务优于纯边缘服务器和纯共享资源车辆的情况。

关键词：车辆边缘计算任务卸载资源分配 MAB Stackelberg博弈