一种基于深度学习的无线供能边缘计算延迟优化方法.pdf
飞舟****文章
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的无线供能边缘计算延迟优化方法.pdf
本发明公开了一种基于深度学习的无线供能边缘计算延迟优化方法,属于边缘计算领域。本发明的优化方法,包括以下步骤:1)基于节点协同传输的无线供能边缘计算,建立任务卸载到边缘服务器时延模型;2)采用分段线性化算法将边缘服务器时延模型转化为线性整数规划模型;3)进行仿真实验验证优化方法的有效性,若时延得到优化,转到步骤4);否则,转到步骤2);4)求解线性整数规划模型获得训练深度置信网络的数据集;5)利用生成的数据集训练DBN网络,直至错误率小于预设值,得到训练好的网络模型。解决了关于无线供能边缘计算网络的“远近
一种基于边缘计算的延迟优化方法.pdf
本发明公开了一种基于边缘计算的延迟优化方法,包括如下步骤:数据处理模块用于获取数据采集模块上采集到的数据包并进行分析;对数据传输的节点资源与时延要求进行具体分析,测量各路径的往返时间RTT及往返时间的变化导数值;为各路径分配数据传输配额,通过粒子群算法实现自动分配路径资源与数据传输的节点数量;调度器按照得出的各路径的数据传输配额分发传输数据包;本发明根据处理优先值的大小依次对对应数据包进行处理,使数据处理更加有层次,有条不紊,根据往返时延RTT和往返时延RTT变化导数值对各传输路径进行初步筛选,淘汰过度拥
一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法.pdf
本发明公开了一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法,包括:根据用户传输能耗和UAV计算能耗,构造以最小化系统能耗为目标的优化问题;根据终端设备的卸载决策对UAV资源分配的影响,采用分支定界法对二者求最优解;根据得到的卸载决策和资源分配,采用半正定松弛法对RIS上下行波束成形矩阵求解,采用连续松弛对UAV轨迹求解;通过块坐标下降法,迭代更新至卸载决策、资源分配、RIS上下行波束成形矩阵和UAV轨迹收敛,得到最小系统能耗;本发明能耗较传统UAV边缘计算系统有明显降低。
一种5G边缘计算环境下无线携能终端节能效率优化方法.pdf
本发明所述的一种5G边缘计算环境下无线携能终端节能效率优化方法,包括:一、利用斯塔克伯格博弈模型对终端节能效率优化问题和无线供电装置收益问题进行联合建模;二、利用最优性条件求解无线供电装置收益问题,将得到的最优值关系带入终端节能效率优化问题进行化简;三、针对化简后的终端节能效率优化问题,采用交替迭代分别求解子问题,得到优化结果;四、根据优化结果,设置终端发送功率、终端与小蜂窝基站连接关系、终端传输时长、无线供电装置激励价格。该方法主要解决现有技术节能效率低、复杂度高等问题,能有效提升无线携能终端的节能效率
一种基于深度强化学习的协作边缘计算任务卸载方法.pdf
本发明公开一种基于深度强化学习的协作边缘计算任务卸载方法。主要包括如下步骤:1、构建协作移动边缘计算系统的数学模型p1;2、将问题p1转化为为双层问题p2;3、上层基于深度强化学习求解卸载决策,功率分配和信道分配,提供给下层;4、根据上层提供的卸载决策,功率分配和信道分配,下层求解计算资源的最优分配,计算得出能耗后反馈给上层;5、上层收到下层反馈,存入经验池,更新网络参数;6、训练评估网络与目标网络;7、判断算法迭代次数iteration是否大于最大迭代代数I,如果iteration>I,则迭代结束