检索结果-南通市图书馆

检索条件"主题词=多任务卸载"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

车联网中基于移动边缘计算的多任务卸载方案研究

车联网中基于移动边缘计算的多任务卸载方案研究

引用

作者：闫润搏重庆邮电大学

学位级别：硕士

随着车联网技术持续迭代升级,大量新型车载应用设备不断涌现,这些应用设备在提供服务的过程中会产生大量数据,而车联网中车辆自身的计算能力有限,无法处理庞大数据量。将移动边缘计算(Mobile Edge Computing,MEC)引入车联网,通过将具有... 详细信息

随着车联网技术持续迭代升级,大量新型车载应用设备不断涌现,这些应用设备在提供服务的过程中会产生大量数据,而车联网中车辆自身的计算能力有限,无法处理庞大数据量。将移动边缘计算(Mobile Edge Computing,MEC)引入车联网,通过将具有计算能力的MEC服务器部署到车辆周边设备,把车辆数据卸载到服务器上进行计算,从而降低数据处理时延。但在实际应用中,车辆数目的增多会造成MEC服务器在处理数据过程中计算资源不足,同时过多的车辆数据卸载也会造成通信过程中信道资源不足。为解决以上问题本文主要开展了以下研究:1.为解决车辆数目增多造成MEC服务器计算资源不足的问题,提出了一种车联网中基于MEC的多任务部分卸载方案。该方案引入车辆雾网络(Vehicle Fog Network,Ve FN)的概念,可以使车辆综合运用本地车辆、MEC服务器和邻近车辆的计算资源,实现处理任务数据低时延的目的。首先为研究多任务卸载问题,构建系统模型;其次以最小任务处理时延为目标,选择一跳通信范围内符合条件的车辆用户作为其卸载部分任务数据进行处理的邻近车辆;然后以最大可容忍时延阈值和可用计算资源为约束,分配最优部分任务卸载决策比例;最后将任务按比例部分卸载到MEC服务器和邻近车辆上进行数据处理并反馈给车辆。仿真结果证明,所提多任务部分卸载方案可有效降低时延。2.为解决多车辆数据卸载造成信道资源不足的问题,在车联网中引入非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术,提出了一种基于NOMA的多任务卸载方案。该方案为实现最小化总任务传输时延的目的,分别设计了多用户分组算法和自适应发射功率分配算法。首先在有限的信道资源情况下,以车辆用户集合、子信道集合和效用函数构建博弈论模型,其次以效用函数最大化为目标通过迭代循环为多车辆用户分配最优用户分组,然后在最大传输时延约束和NOMA接收机制特性下为每组车辆用户分配最优发射功率,最后以NOMA方式进行数据卸载传输。仿真结果表明,所提多任务卸载方案能够有效地优化任务传输时延,为更多的车辆用户提供任务卸载服务。

关键词：车联网移动边缘计算多任务卸载非正交多址接入技术

来源：

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

基于深度强化学习的多任务卸载策略研究

基于深度强化学习的多任务卸载策略研究

引用

作者：付鸿添广东技术师范大学

学位级别：硕士

随着人工智能和无线通信的快速发展,以图像识别、自然语言处理、虚拟现实等为代表的新兴智能应用受到广泛的关注。然而当前的用户设备受到计算资源和能源资源的限制,难以满足这些应用的性能需求。从移动边缘计算(Mobile Edge Computing... 详细信息

随着人工智能和无线通信的快速发展,以图像识别、自然语言处理、虚拟现实等为代表的新兴智能应用受到广泛的关注。然而当前的用户设备受到计算资源和能源资源的限制,难以满足这些应用的性能需求。从移动边缘计算(Mobile Edge Computing)发展到多接入边缘计算(Multi-access Edge Computing,MEC),MEC技术通过在靠近终端侧部署计算、存储等资源的方式可以快速响应用户的服务请求,有效降低任务处理时延,提升用户服务体验。计算卸载策略是边缘计算技术的核心组件,设计合适的计算卸载策略能够有效提升网络性能和用户体验。现有的计算卸载策略主要考虑对单个计算任务,单个性能目标的优化,忽略了异构系统中多任务之间的协作关系以及用户之间存在差异化性能需求的问题。深度强化学习具备在动态环境中边交互边学习的特点,适用于求解边缘异构网络中环境动态变化的计算卸载决策问题。本文基于深度强化学习,从不同场景出发,研究了边缘异构网络中的多任务卸载决策问题,主要研究内容总结如下。(1)针对多接入多任务的边-端混合计算卸载场景,提出一种基于深度强化学习的多任务混合卸载策略。对多个计算任务进行全局卸载决策,将其卸载到边缘计算服务器和邻近空闲终端,对长期系统总时延进行优化。同时,利用循环神经网络提取任务和网络状态的特征信息,提高了多任务混合卸载模型的收敛速度和稳定性。仿真结果表明,所提算法可以有效地降低长期系统总时延和终端能耗。(2)在研究内容一的基础上,进一步考虑云-边-端异构网络中不同用户存在差异化优化目标的场景,提出一种基于多智能体深度强化学习的多目标计算卸载优化策略。设计两个强化学习智能体分别为一组时延敏感型任务和能耗敏感型任务进行全局卸载决策,将任务卸载至云计算中心、边缘服务器或邻近空闲终端,对用户差异化的性能需求进行优化。仿真结果表明,所提算法能够满足不同用户之间的差异化性能需求,与时延能耗加权协同优化算法相比具备更好的性能表现。综上,本文针对不同的边缘异构网络场景,根据不同的优化目标分别设计了相应的计算卸载决策算法,对于构建低时延、低能耗、高性能的移动通信网络具有重要的现实意义。

关键词：边缘计算异构网络多任务卸载深度强化学习

来源：

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：