检索结果-南通市图书馆

三维无人机-多接入边缘计算场景下的多智能体协作任务调度能效优化方案（英文）

在线全文

学校读者我要写书评

暂无评论

Frontiers of Information Technology & Electronic Engineering 2024年第6期 824-839页

作者：李阳魏子令苏金树赵宝康国防科技大学计算机学院军事科学院

针对智能应用算力处理需求，多接入边缘计算（multi-access edge computing,MEC）在网络边缘为其提供计算服务。无人机（unmanned aerial vehicle,UAV）具有良好机动性，可在MEC中作为临时空中边缘节点为地面用户提供边缘服务。然而，ME... 详细信息

针对智能应用算力处理需求，多接入边缘计算（multi-access edge computing,MEC）在网络边缘为其提供计算服务。无人机（unmanned aerial vehicle,UAV）具有良好机动性，可在MEC中作为临时空中边缘节点为地面用户提供边缘服务。然而，MEC环境复杂且动态可变，如何为多台无人机制定合适的服务策略具有一定挑战。此外，现有很多UAV-MEC相关工作均假定无人机飞行高度固定，即飞行在二维平面内，忽略了飞行高度的重要性。在同信道干扰存在的前提下，本文通过优化能效实现任务完成量的最大化，多台无人机在三维空间中共同协作为地面用户提供任务计算服务。为实现能效优化目标，最大化任务完成量并最小化飞行能耗，须制定最优飞行策略、子信道选择策略以及任务调度策略。基于多智能体深度确定性策略梯度算法（multi-agent deep deterministic policy gradient,MADDPG），本文提出好奇心驱动和双网络结构的多智能体深度确定性策略梯度算法（curiosity-driven and twin-networks-structured MADDPG,CTMADDPG）解决上述优化问题，通过内部奖励促进智能体的状态探索，避免收敛于次优策略。同时，利用双批评家网络降低Q值高估概率，实现稳定更新。仿真结果表明CTMADDPG算法在最大化整个系统能效方面表现突出，优于其他基准测试算法。

关键词：多接入边缘计算多智能体强化学习无人机任务调度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多接入边缘计算中相关性任务的联合调度算法

通信学报 2023年第4期44卷 87-98页

作者：鲁蔚锋李宁徐佳徐力杰徐建南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023 南京邮电大学江苏省大数据安全与智能处理重点实验室江苏南京210023 南京理工大学计算机科学与工程学院江苏南京210094

多接入边缘计算已经成为资源密集型应用程序的有前途的计算范式。不过,先前大部分研究工作没有考虑到任务的相关性,这可能导致不可行的调度决策。考虑应用程序上有些任务必须要在本地完成,研究了相关性任务在本地和边缘侧的联合调度方法... 详细信息

多接入边缘计算已经成为资源密集型应用程序的有前途的计算范式。不过,先前大部分研究工作没有考虑到任务的相关性,这可能导致不可行的调度决策。考虑应用程序上有些任务必须要在本地完成,研究了相关性任务在本地和边缘侧的联合调度方法,并考虑了多接入边缘计算卸载场景下的另一个不可忽视的能耗问题。将问题形式化为在满足应用程序的完成截止时间约束的条件下最小化系统中的能耗,并提出联合调度(JS)算法解决该问题。最后通过仿真实验分析JS算法在应用程序的完成率和系统能耗两方面的性能。仿真结果表明,JS算法在应用程序的完成率上优于其他对比算法并且至少可以节省43%的系统能耗。

关键词：多接入边缘计算相关性任务能耗任务调度联合调度算法

在线全文

学校读者我要写书评

暂无评论

多接入边缘计算网络的资源共享与激励机制

通信学报 2023年第11期44卷 67-78页

作者：宋良均孙罡孙健虞红芳电子科技大学信息与通信工程学院四川成都611731

针对“云-边-端”三层边缘网络架构,提出了一种三方激励机制辅助的边缘设备资源共享算法以管理和分配共享资源。首先,考虑单点网络拥塞、全网覆盖率约束、有限资源约束和传输成本约束,将边缘设备抽象为不同的功能性节点并设计基于凸包... 详细信息

针对“云-边-端”三层边缘网络架构,提出了一种三方激励机制辅助的边缘设备资源共享算法以管理和分配共享资源。首先,考虑单点网络拥塞、全网覆盖率约束、有限资源约束和传输成本约束,将边缘设备抽象为不同的功能性节点并设计基于凸包络的共享节点选择算法,实现了全覆盖、低能耗的共享资源部署方案。其次,针对在边缘设备上分配共享资源导致的附加成本问题,基于共享资源租赁模式设计了三方共享激励机制,保障了边缘设备长期稳定地参与共享机制。仿真结果表明,相较于现有算法,所提算法的系统能耗和节点收益都有显著的改善。

关键词：多接入边缘计算凸包络资源共享激励机制

多接入边缘计算赋能的AI质检系统任务实时调度策略

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年

作者：周晓天孙上张海霞邓伊琴鲁彬彬山东大学控制科学与工程学院山东省无线通信技术重点实验室

AI质检是智能制造的重要环节，其设备在进行产品质量检测时会产生大量计算密集型和时延敏感型任务。由于设备计算能力不足，执行检测任务时延较大，极大影响生产效率。多接入边缘计算(MEC)通过将任务卸载至边缘服务器为设备提供就近算... 详细信息

AI质检是智能制造的重要环节，其设备在进行产品质量检测时会产生大量计算密集型和时延敏感型任务。由于设备计算能力不足，执行检测任务时延较大，极大影响生产效率。多接入边缘计算(MEC)通过将任务卸载至边缘服务器为设备提供就近算力，提升任务执行效率。然而，系统中存在信道变化和任务随机到达等动态因素，极大影响卸载效率，给任务调度带来了挑战。该文面向多接入边缘计算赋能的AI质检任务调度系统，研究了联合任务调度与资源分配的长期时延最小化问题。由于该问题状态空间大、动作空间包含连续变量，该文提出运用深度确定性策略梯度(DDPG)进行实时任务调度算法设计。所设计算法可基于系统实时状态信息给出最优决策。仿真结果表明，与基准算法相比，该文所提算法具有更好的性能表现和更小的任务执行时延。

关键词：多接入边缘计算任务调度资源分配深度强化学习 AI质检系统

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多接入边缘计算在智慧矿山网络中应用分析

工矿自动化 2022年第3期48卷 26-31页

作者：刘海鹏周淑秋中国劳动关系学院应用技术学院北京100048

针对当前矿山网络软硬件设备种类繁多、制式复杂、资源共享率低,网络升级改造困难,因上下行传输带宽受限、服务总时延过长而导致垂直业务需求无法得到满足等问题,提出在矿山网络中引入多接入边缘计算(MEC)技术,为实现智慧矿山提供支撑... 详细信息

针对当前矿山网络软硬件设备种类繁多、制式复杂、资源共享率低,网络升级改造困难,因上下行传输带宽受限、服务总时延过长而导致垂直业务需求无法得到满足等问题,提出在矿山网络中引入多接入边缘计算(MEC)技术,为实现智慧矿山提供支撑。针对智慧矿山视频监控类、时延敏感类、连接类业务,探讨了MEC应用模式,分析了MEC支持多种协议和设备接入特性,指出MEC是基于现有井下多种协议和设备提供融合管控的唯一选择,是为用户提供端到端、无差别高质量服务的最佳解决方案。建立了基于业务需求的矿山网络计算树模型,将其演进发展划分为Pre-5G、5G、Beyond-5G(6G) 3个阶段,分析了各阶段的主要特征和标志性技术,以及负载均衡性、业务移动性、数据安全性、可扩展性、一体化特性等业务特性,指出各特性在第1阶段最差,在第3阶段最优,但距离实现硬件设备真正通用、接口完全标准化的目标还存在差距。结合计算树模型,提出了一种智慧矿山网络MEC部署模型,指出该模型基于深度为2的三级扁平化结构,能够充分发挥各级节点的边缘计算能力,在兼顾各节点负载均衡的同时动态选择任务卸载策略,从而完成高效任务协同,且各节点功能可根据地面/井下实际情况按需取舍、灵活调配,适用于智慧矿山建设的各个阶段。

关键词：智慧矿山矿山专网多接入边缘计算 5G 计算树网络切片网元下沉

在线全文

学校读者我要写书评

暂无评论

面向多接入边缘计算的计算卸载方案研究综述

计算机科学与探索 2023年第9期17卷 2030-2046页

作者：张冰洁杨彦红曹少中北京印刷学院信息工程学院北京102600

物联网盛行背景下海量大规模机器通信时代的发展带来数据流量的爆炸式增长,传统的云计算模式不再满足终端数据处理低时延和低能耗的需求,靠近终端侧分布式多节点的多接入边缘计算(MEC)正在成为解决该问题的最佳选择。计算卸载作为MEC的... 详细信息

物联网盛行背景下海量大规模机器通信时代的发展带来数据流量的爆炸式增长,传统的云计算模式不再满足终端数据处理低时延和低能耗的需求,靠近终端侧分布式多节点的多接入边缘计算(MEC)正在成为解决该问题的最佳选择。计算卸载作为MEC的关键技术,卸载性能受多种因素的影响,存在很大的优化空间,如何设计出高性能的计算卸载方案成为国内外学者主要的研究目标。综述了面向MEC的计算卸载方案,介绍了MEC的概念,梳理了MEC的发展与应用、计算卸载的执行过程,对近期关于计算卸载的研究方法进行分析对比,针对不同的改进,归纳总结出以计算卸载系统环境和计算卸载时延、移动设备能耗以及综合多个评价指标为优化方向的计算卸载方案。提出当前面向MEC的计算卸载存在的资源分配问题、通用性与安全性问题,并且基于现有的这些问题展望了未来研究方向。

关键词：多接入边缘计算计算卸载方案负载均衡延迟最小化降低能耗

在线全文

学校读者我要写书评

暂无评论

多接入边缘计算中任务卸载策略的研究

多接入边缘计算中任务卸载策略的研究

作者：马淑月山东师范大学

学位级别：硕士

随着5G和物联网的快速发展,增强/虚拟现实、远程医疗和无人驾驶等计算密集型应用得到广泛的使用,用户对传输速率和服务体验的要求呈指数级增长。而移动设备本身有一些不可忽视的特性,比如电池水平、内存和传输数据速率等,这些特性会导... 详细信息

随着5G和物联网的快速发展,增强/虚拟现实、远程医疗和无人驾驶等计算密集型应用得到广泛的使用,用户对传输速率和服务体验的要求呈指数级增长。而移动设备本身有一些不可忽视的特性,比如电池水平、内存和传输数据速率等,这些特性会导致一些任务在本地处理困难或根本无法完成。在云计算中,用户通过将应用程序卸载到云端执行,可以延长电池寿命,执行复杂应用程序。而由于远程云服务器距离用户较远,将任务卸载到远程云服务器,不可避免地会造成大量的通信时延。因此,无论是本地计算,还是云计算都无法满足新兴应用的需求。为应对这一挑战,研究人员提出了多接入边缘计算。用户通过将自身任务卸载到多接入边缘计算系统的边缘云服务器中,可以弥补自身资源受限的缺点,降低任务执行时延和终端设备能量消耗。在现实场景中,一个任务往往有多种执行方式可供选择,服务器的计算和存储等资源也往往被多个任务同时请求。因此,如何选择任务的卸载策略对整个系统的性能有着关键性影响。在本文中,首先研究了在多接入边缘计算中独立任务的卸载问题。在此基础上,研究了多接入边缘计算中依赖任务的卸载问题。本文的主要工作如下:(1)针对多接入边缘计算独立任务场景,本文提出了一种同时考虑任务执行时延和本地设备能量消耗的计算卸载方案。该场景下,任务不仅可以本地计算,还可以卸载到边缘云服务器执行。本文建模研究了任务在两种执行方式下的时延和能耗成本,综合考虑了通信、排队、切换、计算和传输时延。优化目标是最小化系统的总成本,其中每个任务的成本由任务的执行时延和本地设备的能耗加权求和组成,而且每个任务的时延和能耗权重各不相同。由于该问题是NP难问题,为解决该问题,本文基于粒子群优化算法设计了一种计算卸载算法。在提出的算法中,设计了一个用于选择网络选择点和服务放置点的转移概率,并使用Dijkstra算法计算从网络选择点到服务放置点的最佳路径。仿真结果表明,该算法显著降低了系统成本。(2)针对多接入边缘计算依赖任务场景,合理的安排任务执行顺序和执行位置对提高用户体验至关重要。本文针对多接入边缘计算依赖任务场景,提出了在多接入边缘计算中同时考虑任务的完成时间和执行成本两个指标,卸载多依赖任务的问题。在问题建模中,本文考虑了将该用户的多个相互依赖的子任务分别放到本地设备、边缘云服务器和远程云服务器执行,以实现降低多接入边缘计算任务卸载的总完成时间和执行成本的目标。由于研究的问题是NP难问题,为解决这个问题,本文设计了一个基于队列的改进多目标粒子群算法,并引入帕累托最优关系比较不同解在两个目标下的优劣。大量的仿真实验显示,本文的算法能够很好的均衡任务的完成时间和执行成本,从而使得用户的体验感更好。

关键词：多接入边缘计算任务卸载策略联合优化帕累托最优关系粒子群算法

多接入边缘计算增强FiWi网络动态资源分配算法

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

多接入边缘计算增强FiWi网络动态资源分配算法

作者：于阳阳大连海事大学

学位级别：硕士

光纤无线(Fiber-wireless,Fi Wi)网络融合了光接入网和无线接入网的优点,可以高效、灵活地支持5G网络的新兴业务应用。多接入边缘计算(Multi-access Edge Computing,MEC)增强Fi Wi网络将Fi Wi与MEC有机结合,在光网络单元-基站(Optical N... 详细信息

光纤无线(Fiber-wireless,Fi Wi)网络融合了光接入网和无线接入网的优点,可以高效、灵活地支持5G网络的新兴业务应用。多接入边缘计算(Multi-access Edge Computing,MEC)增强Fi Wi网络将Fi Wi与MEC有机结合,在光网络单元-基站(Optical Network Unit-Base Station,ONU-BS)处部署MEC服务器,使计算资源更靠近用户,同时大容量、高可靠的光回程网络可满足移动终端计算卸载任务的高带宽和低时延需求,是一种极具应用前景的实现MEC方案。MEC增强Fi Wi网络的计算卸载除了要解决卸载决策和计算资源分配外,还涉及后端光回程网络的动态带宽分配(Dynamic Bandwidth Allocation,DBA)问题,需要为网络中共存的宽带接入业务和计算卸载业务合理授权带宽资源,以满足不同用户业务的差异化要求。本文首先介绍了MEC增强Fi Wi网络的研究背景与意义,概述了Fi Wi网络、MEC以及MEC增强Fi Wi网络的基本概念,总结了MEC增强Fi Wi网络的关键问题及其研究现状,分析了其典型应用场景。在此基础上,进一步分析了MEC增强Fi Wi网络中一些典型的卸载策略和动态资源调度算法。其次,提出一种卸载感知的动态带宽分配算法。该算法在每个轮询周期内,移动设备将超过自身计算能力的计算任务通过无线信道卸载到其关联ONU-BS,ONU-BS根据自身配置MEC服务器的计算资源占用和计算任务负载情况,将超载的计算任务以及传统业务的带宽需求信息上传光线路终端(Optical Line Terminal,OLT)。OLT通过卸载决策和DBA算法协同调度,依据满足计算时延约束下可卸载任务量最大的卸载策略,选择合适的轻载ONU-BS完成计算任务并回传计算结果。该算法综合考虑计算卸载业务和传统宽带业务的共存,充分利用光回程网络的带宽资源和本地及邻近ONU-BS处配置MEC服务器的计算资源,尽可能多满足移动用户的宽带业务和计算业务需求,既能增加计算任务的计算完成率、降低其时延,又有利于提高传统宽带业务的吞吐量、降低其端到端时延。随后,提出一种协同卸载感知的动态波长带宽分配算法。该算法采用在线-离线混合调度方式,首先通过在线调度方式利用轮询周期开始时的信道空隙回传计算结果,以减少计算结果的回传时延和提高信道利用率;然后将离线子周期分为计算卸载子周期和宽带业务传输子周期,优先在计算卸载子周期利用最早可用波长信道上传卸载的计算任务,以降低计算任务的排队等待时延,随后在宽带业务传输子周期利用剩余的带宽和窗口传输传统宽带业务。在卸载决策时,为充分满足超载ONU-BS的计算需求,优先利用水平计算协同卸载方式为超载ONU-BS的计算任务选择合适的轻载ONU-BS作为卸载目标,然后再利用远程集中云来满足超载ONU-BS的剩余计算需求,以尽可能减少核心网的负载量。该算法有利于充分利用MEC服务器和远程集中云的计算资源,可以提升计算任务的计算完成率、减少完成时延,同时也有利于减少对传统宽带业务和核心网的不利影响。最后,基于OPNET仿真软件搭建MEC增强Fi Wi网络平台,对所提出的两种算法进行仿真分析,并与几种典型算法进行比较,仿真结果验证了所提算法的有效性。

关键词：光纤无线接入网多接入边缘计算动态带宽分配协同卸载

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

多接入边缘计算中相关性任务的调度研究

多接入边缘计算中相关性任务的调度研究

作者：李学晴南京邮电大学

学位级别：硕士

目前,由于物联网和智能移动设备的广泛使用极大地促进了许多延迟敏感型和资源密集型应用的发展,例如虚拟/增强现实、人脸识别等应用程序。随着应用程序越来越复杂,所需的资源也在不断地增加。然而,智能移动设备通常是资源受限的,例如设... 详细信息

目前,由于物联网和智能移动设备的广泛使用极大地促进了许多延迟敏感型和资源密集型应用的发展,例如虚拟/增强现实、人脸识别等应用程序。随着应用程序越来越复杂,所需的资源也在不断地增加。然而,智能移动设备通常是资源受限的,例如设备的处理速度、内存大小以及电池电量等有限,这使得智能移动设备没有足够的计算资源用于执行复杂的应用程序。边缘计算（Edge Computing,EC）已成为执行延迟敏感型和资源密集型应用程序的新型计算范式。然而,很多应用程序的任务可以划分为多个相关任务,例如,人脸识别应用可以分为五个相关的任务:目标获取、人脸检测、预处理、特征提取和分类。当这些任务卸载到边缘节点时,需要考虑任务之间的依赖关系。例如,任务“特征提取”的输出是任务“分类”的输入。因此,“分类”任务只有在“特征提取”任务完成后才能开始。先前大部分研究工作忽略了任务的相关性和边缘节点的异构性对卸载策略的影响,这可能导致不可行的调度决策。本文主要研究了由多个终端设备和多个异构边缘节点组成的多接入边缘计算系统中相关性任务的调度决策。首先,本文研究相关性任务在异构边缘节点上的调度,将问题形式化为异构环境中的相关任务调度问题（Correlative Task Scheduling in HEterogeneous environment,CTSHE）,并证明这个问题是NP难的,然后提出了基于速度的最早时间优先调度算法（Speed-based Earliest Time First Scheduling,SETFS）以解决CTSHE问题,并提供了算法在最坏情况下的近似保证。最后通过在随机生成的DAG和分子动力学代码DAG上进行大量的模拟,以分析SETFS算法在makespan和运行时间上的实验结果。仿真结果表明,SETFS算法可以显著提高任务的makespan。此外,SETFS适用于处理速度和单位传输时间异构性高的大规模相关性任务调度。接着,本文研究了更复杂的系统模型,由于应用程序上有些任务必须要在本地完成,因此,研究了相关性任务在本地和边缘侧的联合调度方法,并研究了多接入边缘计算卸载场景下的另一个不可忽视的能耗问题。本文将问题形式化为在满足应用程序的完成截止时间约束的条件下最小化系统中的能耗,并提出联合调度算法（Joint Scheduling,JS）解决该问题。最后通过仿真实验分析JS算法在应用程序的完成率和系统能耗两方面的实验结果。仿真结果表明,JS算法在应用程序的完成率上优于其它对比算法并且至少可以节省43%的系统能耗。

关键词：多接入边缘计算相关性任务异构性任务调度任务卸载