基于低轨卫星边缘计算任务卸载方法、系统、设备及应用.pdf
书錦****by
亲,该文档总共28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
基于低轨卫星边缘计算任务卸载方法、系统、设备及应用.pdf
本发明属于卫星通信技术领域,公开了一种基于低轨卫星边缘计算任务卸载方法、系统、设备及应用,用户生成任务,用户将任务发送至附近地面站,地面站汇总任务;地面站以固定时间间隔将任务上传至接收卫星;在轨边缘计算任务分配,判断是否为时延敏感任务;是,进行最小化时延;不是,进行最小化能量;合并时延敏感和时延容忍任务分配矩阵;接收卫星根据任务分配矩阵向周围卫星分发任务,各卫星任务执行;在任务执行结果返回地面用户。本发明所提出的任务卸载策略分别针对时延敏感任务和时延容忍任务提出了考虑不同优化目标的任务卸载策略,从而有效减
一种低轨卫星网络的任务卸载与计算资源分配方法及系统.pdf
本发明公开了一种低轨卫星网络的任务卸载与计算资源分配方法及系统,为描述未来低轨卫星网络中的异构业务计算需求,根据融合边缘云与云边缘低轨卫星计算模型以及两类业务需求,建立任务卸载模型;并根据时延成本、能耗成本以及支付给计算平台的资金成本建立目标函数,得出优化问题;将优化问题建模为非合作博弈,通过构造势函数证明该博弈的均衡的存在性;并采用混合粒子群算法和求取解析解得到均衡,最终得出联合卸载决策与计算资源分配的最优策略;本发明考虑面向两类业务的融合边缘云与云边缘的低轨卫星边缘计算架构,解决实际边缘计算场景中任务
基于强化学习的在轨边缘计算任务卸载研究.docx
基于强化学习的在轨边缘计算任务卸载研究基于强化学习的在轨边缘计算任务卸载研究摘要:随着卫星技术的快速发展,卫星在轨计算需求不断增大,但却受限于计算能力和能源供应的限制。为解决这一问题,本文提出了一种基于强化学习的在轨边缘计算任务卸载方法。该方法利用强化学习算法为卫星设备选择合适的边缘节点执行计算任务,以降低卫星设备的计算负载,并提高计算效率。实验结果表明,本文提出的方法能够有效地分配计算任务,提升卫星的计算性能。关键词:强化学习;在轨边缘计算;任务卸载;卫星计算1.引言在现代卫星系统中,计算任务占据了重要
基于强化学习的在轨边缘计算任务卸载研究的任务书.docx
基于强化学习的在轨边缘计算任务卸载研究的任务书一、选题背景在轨卫星遥感数据处理越来越复杂,传输数据量也越来越大,卫星的计算能力相对有限,难以胜任大规模计算任务。因此,在轨边缘计算技术成为了航天领域研究的热点。在边缘计算技术中,任务卸载是其中一个关键技术。基于强化学习的任务卸载策略能够通过学习和完善自己的决策策略,提高在轨卫星的计算效率和数据传输效率。二、选题目的本研究的目的在于:1.探究在轨卫星边缘计算任务卸载的方法和技术;2.基于强化学习,确定合理的任务卸载决策策略;3.通过实验验证任务卸载策略的有效性
基于移动边缘计算的车联网数据驱动任务卸载系统和方法.pdf
本发明公开了一种基于移动边缘计算的车联网数据驱动任务卸载系统和方法,包括:应用层、车辆层、MEC层和云层。应用层包括数据感知管理、ITS服务管理和道路安全管理;车辆层包括:感知车辆和计算车辆。感知车辆收集各类交通数据并卸载给计算服务器计算,计算车辆为V2V通信范围内的子任务提供计算服务;MEC层包括:MEC服务器和RSU,MEC服务器作为计算服务器和本地调度器部署在RSU附近;云层包括云服务器和主干网,车辆可以通过蜂窝接口将其子任务卸载到云服务器。本发明的优点是:降低了数据驱动任务的服务延迟及服务花费,并