检索结果-南通市图书馆

计算机工程与应用 2024年第10期60卷 301-310页

作者：张冀齐国梁朵春红龚雯雯华北电力大学(保定)计算机系河北保定071000 河北省能源电力知识计算重点实验室河北保定071000

为降低多设备多边缘服务器场景中设备层级的总成本,并解决现有深度强化学习(deep reinforcement learning,DRL)只支持单一动作空间的算法局限性,提出基于混合决策的多智能体深度确定性策略梯度方法(hybrid-based multi-agent deep deter... 详细信息

为降低多设备多边缘服务器场景中设备层级的总成本,并解决现有深度强化学习(deep reinforcement learning,DRL)只支持单一动作空间的算法局限性,提出基于混合决策的多智能体深度确定性策略梯度方法(hybrid-based multi-agent deep determination policy gradient,H-MADDPG)。首先考虑物联网设备/服务器计算能力随负载的动态变化、时变的无线传输信道增益、能量收集的未知性、任务量不确定性多种复杂的环境条件,建立MEC系统模型;其次以一段连续时隙内综合时延、能耗的总成本最小作为优化目标建立问题模型;最后将问题以马尔科夫决策过程(Markov decision procession,MDP)的形式交付给H-MADDPG,在价值网络的辅助下训练并行的两个策略网络,为设备输出离散的服务器选择及连续的任务卸载率。实验结果表明,H-MADDPG方法具有良好的收敛性和稳定性,从计算任务是否密集、延迟是否敏感等不同角度进行观察,H-MADDPG系统整体回报优于Local、OffLoad和DDPG,在计算密集型的任务需求下也能保持更大的系统吞吐量。

关键词：物联网(IoT) 边缘计算卸载多智能体深度确定性策略梯度(MADDPG) 混合动作空间

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

混合动作空间下的多设备边缘计算卸载方法

引用

计算机工程与应用 2023年

作者：张冀齐国梁朵春红龚雯雯河北省能源电力知识计算重点实验室华北电力大学(保定)计算机系

为降低多设备多边缘服务器场景中设备层级的总成本并解决现有深度强化学习(Deep Reinforcement Learning，DRL)只支持单一动作空间的算法局限性，提出基于混合决策的多智能体深度确定性策略梯度方法(Hybrid-based Multi-Agent Deep Dete... 详细信息

为降低多设备多边缘服务器场景中设备层级的总成本并解决现有深度强化学习(Deep Reinforcement Learning，DRL)只支持单一动作空间的算法局限性，提出基于混合决策的多智能体深度确定性策略梯度方法(Hybrid-based Multi-Agent Deep Determination Policy Gradient， H-MADDPG)。首先，考虑物联网设备/服务器计算能力随负载动态变化、时变的无线传输信道增益、能量收集的未知性、任务量不确定性多种复杂的环境条件建立MEC系统模型；其次，以一段连续时隙内综合时延、能耗的总成本最小作为优化目标建立问题模型；最后，将问题以马尔科夫决策过程(Markov Decision Procession， MDP)的形式交付给H-MADDPG，在价值网络的辅助下训练并行的两个策略网络，为设备输出离散的服务器选择及连续的任务卸载率。实验结果表明，H-MADDPG方法具有良好的收敛性和稳定性，从计算任务是否密集、延迟是否敏感等不同角度观察，H-MADDPG系统整体回报优于Local、OffLoad和DDPG，计算密集型的任务需求下也能保持更大的系统吞吐量。

关键词：物联网(IoT) 边缘计算卸载多智能体深度确定性策略梯度(MADDPG) 混合动作空间

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

服务缓存辅助的边缘网络计算卸载与资源分配研究

服务缓存辅助的边缘网络计算卸载与资源分配研究

引用

作者：范静怡华北电力大学(北京)

学位级别：硕士

第五代通信系统中大量智能设备的接入和新兴应用服务的涌现带来了巨大的数据流量负荷和终端资源压力。集中式云计算伴随着高回程开销和时延,无法满足用户对网络性能和服务质量愈发严苛的需求。同时,大量对热门数据的重复请求造成数据冗... 详细信息

第五代通信系统中大量智能设备的接入和新兴应用服务的涌现带来了巨大的数据流量负荷和终端资源压力。集中式云计算伴随着高回程开销和时延,无法满足用户对网络性能和服务质量愈发严苛的需求。同时,大量对热门数据的重复请求造成数据冗余,导致网络资源和能量的浪费。服务缓存辅助的边缘计算卸载通过在网络的边缘位置缓存任务执行所需的服务程序数据,充分利用网络边缘的存储、计算和通信资源允许任务卸载并提供就近且可重用的服务程序数据,已成为未来无线网络中提供超低延迟和低功耗绿色通信的重要计算范式。本文以降低任务执行时延、用户能耗成本为目标探索边缘网络中高效的服务缓存放置、任务计算卸载决策和多维资源分配联合优化方案,主要工作如下:(1)考虑具有多任务的用户存在的边缘计算场景,基于将任务执行所需数据划分为输入数据和服务程序数据,提出了支持多个任务重用服务数据的面向服务的服务缓存-计算模型,并表征了任务的异构性。为进一步利用终端侧分布式资源,通过划分协作用户对并结合设备到设备通信技术实现用户间就近的缓存数据传输和共享。以最小化基于缓存受益率的加权时延-能耗系统成本为目标,联合优化服务缓存放置、任务计算卸载策略及频谱带宽、计算资源分配,将联合优化问题分解为两层三个子问题迭代进行求解。仿真结果显示,相较于对比方案所提算法获得了更优的缓存增益和更低的系统成本,并揭示了加权成本模型通过动态控制权重实现时延-能耗的权衡。(2)为进一步加强边缘网络的协作互联互通和时延服务质量保障,结合确定性算力网络资源预留机制为任务提供确定性算力,构建混合分布式-集中式资源池,基于所提服务缓存-计算模型进行云-边-端垂直方向协作计算和多边缘服务器水平方向的协作缓存,同时在边缘多小小区中采用非正交多址接入技术提升网络容量。以最小化系统任务执行总时延为目标,基于局部流行度-缓存多样性、超图染色和几何规划理论,提出服务缓存放置、通信资源分配和任务算力匹配联合优化算法。从仿真结果可得,所提方案在满足时延保障前提下可获得更低的系统总时延和显著的协作缓存增益,相较于正交多址系统有更优的性能。

关键词：服务缓存边缘计算卸载协作缓存机制云-边-端协同计算多维资源分配

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移动边缘计算卸载和缓存

基于深度强化学习的移动边缘计算卸载和缓存

引用

作者：毛宁大连理工大学

学位级别：硕士

随着移动设备和智能设备数量的增加,应用的计算复杂度也越来越高。移动边缘计算是当前互联网新兴的计算范式,它部署于互联网边缘,能够更加高效的为用户服务。本文将针对当前移动边缘计算中的计算卸载与边缘缓存两个方面展开研讨。对于... 详细信息

随着移动设备和智能设备数量的增加,应用的计算复杂度也越来越高。移动边缘计算是当前互联网新兴的计算范式,它部署于互联网边缘,能够更加高效的为用户服务。本文将针对当前移动边缘计算中的计算卸载与边缘缓存两个方面展开研讨。对于计算卸载,由于现在的计算密集型任务一般由多个子任务构成,并且子任务之间具有依赖关系。为了解决有计算依赖性的多个子任务之间的计算卸载问题,本文提出了一种基于深度强化学习的任务映射算法。首先,将计算密集型任务建模为有向无环图,然后又提出了一种图序列算法将建模后的任务转换为一个特定的拓扑序列,通过建立马尔可夫决策过程来处理计算卸载,根据序列顺序确定所有子任务的最优卸载决策。该算法目标是最大化时延和能耗的综合收益。实验结果表明,该算法具有很强的决策能力,能够获得近似最优的综合收益,证明了该算法的有效性。对于边缘缓存,在当前互联网环境中,热门数据会被很多用户所访问,请求量一旦增大,必定会增加网络和服务器的负担。而边缘节点的内容缓存是一种很有效的减少数据流量的技术。本文提出了一个用于基站内容缓存的深度强化学习的框架:KNN-DDPG,该框架目的是在不需要了解内容流行度分布的前提下,最大化加权缓存命中率。通过结合KNN算法,来减少动作空间的规模,从而提高模型的计算性能,实验结果表明相比于其它基线缓存算法,KNN-DDPG拥有更高、更稳定的加权缓存命中率。

关键词：边缘计算卸载边缘缓存深度强化学习马尔可夫决策过程

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

面向高移动性车联网场景的预测卸载决策算法

引用

北京邮电大学学报 2023年第2期46卷 43-49页

作者：彭维平王戈宋成阎俊豪河南理工大学计算机科学与技术学院焦作454000

针对车联网场景下高移动性车辆在不同边缘服务器之间频繁切换导致任务卸载失败率高的问题,提出了一种新的预测卸载决策算法。首先,构建了本地、边缘服务器和云服务器的计算模型,并基于计算任务量大小、最大容忍时延、服务器资源等约束条... 详细信息

针对车联网场景下高移动性车辆在不同边缘服务器之间频繁切换导致任务卸载失败率高的问题,提出了一种新的预测卸载决策算法。首先,构建了本地、边缘服务器和云服务器的计算模型,并基于计算任务量大小、最大容忍时延、服务器资源等约束条件,预测任务的卸载方式;其次,针对边缘服务器的卸载方式,利用长短期记忆网络构建车辆位置预测模型,生成可用于卸载的边缘服务器集合;最后,采用改进的蚁群算法在多个边缘服务器之间实现最优的任务分配。仿真实验结果表明,所提算法可提高任务的完成率和资源利用率。

关键词：车联网边缘计算卸载位置预测长短期记忆网络蚁群算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于社交感知的物理层安全关键技术研究

基于社交感知的物理层安全关键技术研究

引用

作者：张腾南京邮电大学

学位级别：硕士

当今社会中无线网络的应用越来越广泛,无线网络的普及给人们的生活带来了许多便利,与此同时也带来一些通信安全问题。因此,物理层安全技术引来了越来越多研究人员的关注。无线通信系统中在没有上层密钥加密的情况下,物理层安全技术被认... 详细信息

当今社会中无线网络的应用越来越广泛,无线网络的普及给人们的生活带来了许多便利,与此同时也带来一些通信安全问题。因此,物理层安全技术引来了越来越多研究人员的关注。无线通信系统中在没有上层密钥加密的情况下,物理层安全技术被认为是解决无线通信系统信息安全传输问题的有效方法。但目前现有研究很少考虑到社交感知特性与物理层安全的结合,即很少考虑社交感知特性对辅助节点参与协作的影响。针对上述问题,本文考虑了社交特性与物理特性的结合,目的是研究社交特性对辅助节点参与协作意愿的影响,以及社交特性对系统总开销的影响。本文内容主要分为三个部分,分别将物理层安全的两大技术,即协作干扰技术及协作中继技术与社交感知特性结合。另外,本文还研究了移动终端用户在任务卸载过程中所面临的安全问题,也即可以使用物理层安全技术来保证移动终端用户计算任务卸载时的安全性。首先,本文研究了基于社交感知的物理层安全协作干扰方案,综合考虑了通信设备的物理特性与社交特性。一方面,我们为每个设备定义了信任值,以此来描述设备之间的社交关系以及网络交互性,社交关系越强的辅助节点参与协作干扰的可能性也越大。另一方面,构建了合法链路和窃听链路的效用函数,并且以最大化整个网络的效用函数为优化目标,将问题转换为一对一匹配博弈,最终合法发送节点和协作干扰节点会达到一对一匹配状态。与现有的其它物理层安全方案相比,本方案能有效的提升系统的平均保密率。其次,本文还研究了基于社交感知的物理层安全协作中继方案,且中继节点采用放大转发协议（AF）。在单用户场景下,系统总开销定义为合法发送节点开销以及中继节点开销之和,合法发送节点在多个辅助节点中以系统总开销最小化的标准找出最合适的中继节点进行协作传输。同样的在多用户场景下,本优化目标可以看作是一对一匹配算法中合法发送节点建立偏好列表的过程,一对一匹配算法沿用上一方案所述。仿真结果表明,与其它方案相比,本方案在保证系统安全性的情况下能有效降低系统的总开销。最后,本文还研究了面向物理层安全的移动边缘计算卸载策略。因为目前大多终端用户的计算能力都有限,也不能够独立进行大规模的运算,所以当移动终端用户的运算量很大时,就必须考虑把移动终端用户的部分运算任务卸载到移动边缘服务器。所以本文还研究了在移动终端用户任务卸载时面临的安全问题,在保证系统卸载安全的情况下,也即在保密容量的约束下,最小化移动终端用户的总能耗,也即移动终端用户用于本地计算的能量消耗与移动终端用户用于任务卸载时的能量消耗。

关键词：物理层安全社交感知协作干扰协作中继边缘计算卸载

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

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

在线全文

在线全文

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

在线全文

在线全文

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：