-
题名D2D辅助的边缘计算任务迁移与缓存替换研究
- 1
-
-
作者
李建鑫
薛锋
王倩
陈思光
-
机构
南京邮电大学物联网学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第12期2985-2993,共9页
-
基金
国家自然科学基金项目(61971235)资助
中国博士后科学基金项目(面上一等)(2018M630590)资助
+2 种基金
江苏省“333高层次人才培养工程”
江苏省博士后科研计划项目(2021K501C)资助
南京邮电大学′1311′人才计划资助。
-
文摘
针对边缘网络存在的计算和带宽资源紧张导致的高时延问题,以及边缘缓存空间的有限性,本文结合设备到设备(Device-to-Device, D2D)通信技术、缓存替换策略,提出了一种D2D辅助的边缘计算任务迁移与缓存替换机制.具体地,规划了一个综合考量边缘服务器计算和带宽资源分配、任务迁移决策和缓存决策的最小化任务时延优化问题.针对该混合整数非线性优化问题,为了进一步加快求解算法取得最优处理决策,有效满足时延敏感型设备需求,结合深度确定性策略梯度算法思想,提出了一个基于优先级经验采样的任务迁移与缓存替换算法.在深度确定性策略梯度算法的网络训练基础之上,与原算法对于经验池样本随机均匀采样不同,本算法采用了一种新的样本优先级方法,即基于样本时分误差的绝对值赋予样本优先级,从而使模型网络训练改变较大的样本被采样概率增大,加速网络训练,可较快的达到稳定收敛,获取最优处理决策.最后,仿真结果表明,与其它几种基准算法相比较,该算法在网络收敛、任务时延和缓存命中率等方面具有较大优势.
-
关键词
边缘计算
D2D通信
任务迁移
缓存替换
优先级经验采样
-
Keywords
edge computing
D2D communication
task offloading
caching replacement
priority experience sampling
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
