期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向物联网的云边端协同计算中任务卸载与资源分配算法研究
被引量：
3
1
作者
施建锋
陈忻阳
李宝龙
《电子与信息学报》
北大核心
2025年第2期458-469,共12页
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求,该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下,将系统时延与能耗加权和视为系统开销,构造了最小化系统开销的...
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求,该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下,将系统时延与能耗加权和视为系统开销,构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景,提出一种模型辅助的自适应深度强化学习(MADRL)算法,实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决,第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源;第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达,进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策,且在降低系统开销方面表现出优异的效果。仿真结果表明,引入卫星的移动性,使得系统开销降低了41%。引入星间协作技术,使系统开销降低了22.1%。此外,该文所提算法收敛性能好。与基准算法相比,该算法的系统开销降低了3%,在不同环境下的性能表现都是最优。
展开更多
关键词
云边端协同计算
卫星物联网
深度强化学习
任务卸载
资源分配
在线阅读
下载PDF
职称材料
智慧交通场景下云边端协同的多目标优化卸载决策
被引量：
4
2
作者
朱思峰
宋兆威
+2 位作者
陈昊
朱海
乔蕊
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第3期63-75,共13页
随着智慧交通、云计算网络以及边缘计算网络的快速发展,车载终端与路基单元、中心云服务器之间的信息交互变得越发频繁。针对智慧交通云边端协同计算场景下如何高效地实现车路云一体化融合感知、群体决策以及各级服务器间对资源的合理...
随着智慧交通、云计算网络以及边缘计算网络的快速发展,车载终端与路基单元、中心云服务器之间的信息交互变得越发频繁。针对智慧交通云边端协同计算场景下如何高效地实现车路云一体化融合感知、群体决策以及各级服务器间对资源的合理分配问题,设计了基于云边端与智慧交通全面融合的网络架构。在该架构下,通过对任务类型的合理划分,再由各服务器对其进行选择性的缓存、卸载;在智慧交通云边端协同计算场景下,依次设计了一种对任务自适应的缓存模型、任务卸载时延模型、系统能量损耗模型、车载用户对服务质量不满意度评价模型、多目标优化问题模型,并给出了一种基于改进型非支配遗传算法的任务卸载决策方案。实验结果表明,文中方案能够有效降低任务卸载过程中所带来的时延和能耗,提高了系统资源利用率,给车辆用户带来更好的服务体验。
展开更多
关键词
智慧交通
云边端协同计算
卸载决策
多目标优化算法
非支配遗传算法
在线阅读
下载PDF
职称材料
题名
面向物联网的云边端协同计算中任务卸载与资源分配算法研究
被引量：
3
1
作者
施建锋
陈忻阳
李宝龙
机构
南京信息工程大学电子与信息工程学院
出处
《电子与信息学报》
北大核心
2025年第2期458-469,共12页
基金
国家自然科学基金(62201274,62201275)
江苏省自然科学基金(BK20210641)。
文摘
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求,该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下,将系统时延与能耗加权和视为系统开销,构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景,提出一种模型辅助的自适应深度强化学习(MADRL)算法,实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决,第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源;第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达,进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策,且在降低系统开销方面表现出优异的效果。仿真结果表明,引入卫星的移动性,使得系统开销降低了41%。引入星间协作技术,使系统开销降低了22.1%。此外,该文所提算法收敛性能好。与基准算法相比,该算法的系统开销降低了3%,在不同环境下的性能表现都是最优。
关键词
云边端协同计算
卫星物联网
深度强化学习
任务卸载
资源分配
Keywords
Cloud-edge-end collaborative computing
Satellite-assited Internet of Things(SIoT)
Deep Reinforcement Learning(DRL)
Task offloading
Resource allocation
分类号
TN927 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
智慧交通场景下云边端协同的多目标优化卸载决策
被引量：
4
2
作者
朱思峰
宋兆威
陈昊
朱海
乔蕊
机构
天津城建大学计算机与信息工程学院
周口师范学院网络工程学院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第3期63-75,共13页
基金
国家自然科学基金(62172457)
天津市自然科学基金重点项目(22JCZDJC00600)
河南省高校科技创新人才支持计划(23HASTIT029)。
文摘
随着智慧交通、云计算网络以及边缘计算网络的快速发展,车载终端与路基单元、中心云服务器之间的信息交互变得越发频繁。针对智慧交通云边端协同计算场景下如何高效地实现车路云一体化融合感知、群体决策以及各级服务器间对资源的合理分配问题,设计了基于云边端与智慧交通全面融合的网络架构。在该架构下,通过对任务类型的合理划分,再由各服务器对其进行选择性的缓存、卸载;在智慧交通云边端协同计算场景下,依次设计了一种对任务自适应的缓存模型、任务卸载时延模型、系统能量损耗模型、车载用户对服务质量不满意度评价模型、多目标优化问题模型,并给出了一种基于改进型非支配遗传算法的任务卸载决策方案。实验结果表明,文中方案能够有效降低任务卸载过程中所带来的时延和能耗,提高了系统资源利用率,给车辆用户带来更好的服务体验。
关键词
智慧交通
云边端协同计算
卸载决策
多目标优化算法
非支配遗传算法
Keywords
smart transportation
cloud edge collaborative computing
offloading decision
multi-objective optimization algorithm
non-dominated select genetic algorithmsⅡ(NSGA-Ⅱ)algorithm
分类号
TP393.1 [自动化与计算机技术—计算机应用技术]
TN929.5 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向物联网的云边端协同计算中任务卸载与资源分配算法研究
施建锋
陈忻阳
李宝龙
《电子与信息学报》
北大核心
2025
3
在线阅读
下载PDF
职称材料
2
智慧交通场景下云边端协同的多目标优化卸载决策
朱思峰
宋兆威
陈昊
朱海
乔蕊
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
