一种计算资源受限的MEC关联任务卸载方法.pdf
爱欢****23
亲,该文档总共17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
一种计算资源受限的MEC关联任务卸载方法.pdf
本发明公开了一种计算资源受限的MEC关联任务卸载方法,应用于MEC场景下受限资源设备下的关联任务卸载优化;该方法将关联任务建模为任务序列图;随后将计算卸载过程建模为马尔科夫决策过程,提出利用长短期记忆改进近端优化策略的数据记忆近端优化策略算法。实验结果表明,本方案相比于其他卸载算法可以更好的解决多个关联任务之间的卸载决策问题。
一种延迟与能耗联合优化的MEC计算卸载方法.pdf
本发明公开了一种延迟与能耗联合优化的MEC计算卸载方法,为解决MEC的多用户对多服务器的计算卸载中用户卸载请求争抢服务器资源,出现趋优卸载、资源有效利用率低下、卸载服务质量差等问题;该方法以延迟、能耗为约束,构建计算卸载成本评价模型,为确定卸载目标,设计服务器选择算子,优先选择满足任务响应延迟的服务器执行卸载计算,设计以响应延迟、能耗和服务器负载为适应值函数的改进差分算法,搜索低适应值的卸载决策,实现低开销且负载均衡的高效计算卸载;仿真实验证明,该方法降低了移动边缘计算网络的延迟和能耗,提高了任务满足响应
一种基于MEC的蜂窝基站间任务卸载方法.pdf
本发明公开一种基于MEC的蜂窝基站间任务卸载方法,所述方法包括:热区基站向周边基站发送携带建立协作簇请求的参考信号;所述热区基站收到至少一个基站的汇报,在预设时隙内选择信道较优的,且剩余计算资源足够计算卸载请求的N个协作基站,建立协作簇;初始化所述热区基站向协作簇内各个协作基站的发送功率,并判断各个发送功率是否满足卸载请求的时延要求;根据所述热区基站的发送功率和时延确定联合效用值,并选取所述联合效用值最小的一组数据中的发送功率作为实际的发送功率。本发明公开的基于MEC的蜂窝基站间任务卸载方法,在提升热区用
一种基于深度强化学习的MEC任务卸载和资源分配方法.pdf
本发明公开的属于通信技术领域,具体为一种基于深度强化学习的MEC任务卸载和资源分配方法,包括以下步骤:S1:在移动边缘计算场景下,构建包括云服务器、移动边缘计算服务器与终端设备的三层计算卸载与资源分配模型,并初始化系统参数;S2:针对三层的卸载场景,计算系统总体开销;S3:以最小化系统开销为优化目标,构建深度强化学习模型;S4:提出一种基于最大熵框架的柔性制动策略,进行卸载决策和资源分配决策。该基于深度强化学习的MEC任务卸载和资源分配方法,在保证满足不同用户服务质量需求的情况下不仅有效利用了系统的资源而
带有任务重试的MEC任务卸载策略及优化方法.pdf
本发明提供了一种带有任务重试的MEC任务卸载策略及优化方法,其包括:求解任务在本地处理器接受服务的第一平均时延,求解任务卸载到边缘服务器接受服务的第二平均时延,进而求解任务的平均时延,将多个性能指标的折衷优化问题抽象为多目标优化问题,利用NSGA‑III算法,运用MATLAB软件求解多目标优化问题,得到满足条件的帕累托Pareto前沿点。本发明针对边缘网络设备的局限性,在保证终端用户服务质量的前提下,在边缘层引入任务重试机制,可有效降低任务丢弃率,提升边缘系统吞吐量,并辅助遴选出合适的最优解,提升系统利用