随着互联网技术的发展,云游戏、虚拟现实和互动直播等新兴交互式多媒体应用引起了广泛关注。当前智能设备的计算能力难以满足多媒体内容对超高渲染和实时交互的需求,且云端赋能方式因存在高带宽、高延迟、高能耗等问题,限制了其在移动...随着互联网技术的发展,云游戏、虚拟现实和互动直播等新兴交互式多媒体应用引起了广泛关注。当前智能设备的计算能力难以满足多媒体内容对超高渲染和实时交互的需求,且云端赋能方式因存在高带宽、高延迟、高能耗等问题,限制了其在移动网络中的实际应用。为应对这些挑战,提出一种边缘计算辅助交互式多媒体应用的系统框架,旨在确保满足用户服务质量需求的前提下降低系统能耗。构建融合非正交多址(Non-Orthogonal Multiple Access,NOMA)与移动边缘计算(Mobile Edge Computing,MEC)技术的网络通信模型,考虑到MEC服务器资源受限以及用户服务质量需求各异等因素,提出联合用户关联和资源分配的优化方案。为高效解决优化问题,结合遗传算法(Genetic Algorithm,GA)和粒子群优化(Particle Swarm Optimization,PSO)的优势,设计了分层自适应搜索算法(Hierarchical GA and PSO Based Adaptive Search Algorithm,HGPASA)。通过一系列仿真实验,充分验证了所提算法的有效性。展开更多
文摘随着互联网技术的发展,云游戏、虚拟现实和互动直播等新兴交互式多媒体应用引起了广泛关注。当前智能设备的计算能力难以满足多媒体内容对超高渲染和实时交互的需求,且云端赋能方式因存在高带宽、高延迟、高能耗等问题,限制了其在移动网络中的实际应用。为应对这些挑战,提出一种边缘计算辅助交互式多媒体应用的系统框架,旨在确保满足用户服务质量需求的前提下降低系统能耗。构建融合非正交多址(Non-Orthogonal Multiple Access,NOMA)与移动边缘计算(Mobile Edge Computing,MEC)技术的网络通信模型,考虑到MEC服务器资源受限以及用户服务质量需求各异等因素,提出联合用户关联和资源分配的优化方案。为高效解决优化问题,结合遗传算法(Genetic Algorithm,GA)和粒子群优化(Particle Swarm Optimization,PSO)的优势,设计了分层自适应搜索算法(Hierarchical GA and PSO Based Adaptive Search Algorithm,HGPASA)。通过一系列仿真实验,充分验证了所提算法的有效性。
