-
题名基于联邦深度学习的多边缘协作缓存方法
- 1
-
-
作者
梁杰
郑家瑜
陈哲毅
于正欣
苗旺
-
机构
福州大学计算机与大数据学院
空间数据挖掘与信息共享教育部重点实验室
福建省网络计算与智能信息处理重点实验室
兰卡斯特大学计算与通信学院
普利茅斯大学工程、计算与数学学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第12期2994-3001,共8页
-
基金
国家自然科学基金项目(62202103)资助
中央引导地方科技发展资金项目(2022L3004)资助
+1 种基金
福建省财政厅科研专项经费项目(83021094)资助
福厦泉国家自主创新示范区协同创新平台项目(2022FX5)资助。
-
文摘
作为移动边缘计算(Mobile Edge Computing, MEC)的一项重要技术支撑,多边缘协作缓存的出现可更好满足终端智能应用的实时计算与数据存储需求进而提升用户体验.但是,多边缘协作缓存的性能通常受限于低效率的协作机制以及不合理的缓存资源配置策略.同时,如何在离散的用户特征分布与多样化的内容库之中寻找其潜在关联以提升缓存命中率仍是一个巨大的挑战.为了解决上述重要挑战,本文提出了一种新颖的基于联邦深度学习的多边缘协作缓存(Multi-edge Collaborative Caching with Federated deep learning, M2CF)方法.在M2CF中,首先设计了一种新型的多维缓存空间划分机制,对MEC节点的缓存空间进行感知优化,使得用户在分类区间可获得精准的内容推荐.接着,设计了一种基于VQ-VAE的内容流行度预测算法,解决了后验坍塌问题并提高了区间用户内容流行度预测的准确性.最后,设计了一种基于联邦深度学习的模型训练与缓存替换策略,通过聚合各MEC节点的本地模型以生成全局共享模型,进而更好适应优化后的不同缓存资源配置,提升多边缘协作缓存的命中率.基于MovieLens电影评分真实数据集,本文在测试床上展开了大量对比实验对所提出的M2CF方法进行了全面的评估.实验结果表明,M2CF与其他缓存方法对比展现出了更优秀的缓存性能与时效性能,且可以适应更为复杂的多边缘场景.
-
关键词
移动边缘计算
多边缘协作缓存
联邦深度学习
多维缓存空间划分
内容流行度预测
-
Keywords
mobile edge computing
multi-edge collaborative caching
federated deep learning
multi-dimensional cache space partitioning
content popularity prediction
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名一种多边缘协作的任务卸载策略
被引量：1
- 2
-
-
作者
徐永杰
李晖
兰松
徐文校
于心远
杨山山
-
机构
南京信息工程大学电子与信息工程学院
无锡学院电子信息工程学院
-
出处
《电讯技术》
北大核心
2023年第11期1670-1677,共8页
-
基金
国家自然科学基金资助项目(61661018)
江苏省基础研究计划青年基金项目(BK20210064)。
-
文摘
当前,多数任务卸载策略只考虑单边缘或者“物-边-云”的卸载方式,而没有对异地边缘服务器的资源进行充分利用。针对上述问题,提出了一种多边缘协作的网络架构,该架构中的任务可以选择在本地执行、本地服务器执行、异地服务器执行或者在云端执行。分别对4种执行方法的时延和能耗的加权求和建立数学模型。在传统的任务属性中引入新变量——终端所能承受的最大合作成本,以便吸引更多的异地边缘服务器积极协作完成终端任务的计算。针对传统的粒子群算法容易早熟和陷入局部最优的缺点,采用免疫粒子群优化算法(Immune Particle Optimization,IPSO)来对优化目标进行求解。仿真结果表明,与本地卸载策略、免疫算法(Immune Algorithm,IA)和粒子群(Particle Swarm Optimization,PSO)算法相比,所提任务卸载策略的总代价分别减少了66.7%,54%和45.5%,可以提高任务的执行效率,有效地减少系统的总代价。
-
关键词
动边缘计算(MEC)
任务卸载
多边缘协作
免疫粒子群算法
合作成本
-
Keywords
mobile edge computing(MEC)
task offloading
multi-edge collaboration
immune particle swarm optimization(IPSO)
cost of cooperation
-
分类号
TN929
[电子电信—通信与信息系统]
-
-
题名电力物联网下基于多边缘节点协作的绿色节能卸载策略
- 3
-
-
作者
陆旭
程文梁
粘中元
慕春芳
周真诚
张鹤立
-
机构
国网内蒙古东部电力有限公司电力调度控制中心
北京邮电大学泛网无线通信实验室
国网内蒙古东部电力有限公司信息通信分公司
-
出处
《高压电器》
北大核心
2025年第5期103-110,120,共9页
-
基金
国网内蒙古东部电力有限公司信息通信分公司科技项目资助(SGMDXT00JSJS2100034)。
-
文摘
随着分布式发电设备的不断增多,电力物联网中数据量倍增。为了应对电力物联网中不断增长的数据量,考虑在电力物联网中部署边缘节点以提供就近的计算与存储资源。然而,电力物联网业务的多样性使得业务的时空请求分布不均,造成了部分业务时延过长以及边缘节点的能耗不均的问题。为了保证边缘节点的正常工作,文中提出了一种多边缘节点协作的卸载策略。仿真结果表明,所提出的卸载策略在满足时延约束的同时能有效降低边缘节点的能量消耗,同时在太阳能的补充下实现边缘节点的不间断作业。
-
关键词
电力物联网
能耗不均
分簇算法
多边缘节点协作卸载策略
-
Keywords
power internet of things
uneven energy consumption
clustering algorithm
multi edge node coopera-tive off-load strategy
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于图强化学习的多边缘协同负载均衡方法
- 4
-
-
作者
郑龙海
肖博怀
姚泽玮
陈星
莫毓昌
-
机构
福州大学计算机与大数据学院
大数据智能教育部工程研究中心
福建省网络计算与智能信息处理重点实验室
华侨大学计算科学福建省高校重点实验室
-
出处
《计算机科学》
北大核心
2025年第3期338-348,共11页
-
基金
国家自然科学基金(62072108)
福建省科技经济融合服务平台(2023XRH001)
福厦泉国家自主创新示范区协同创新平台项目(2022FX5)。
-
文摘
在移动边缘计算中,设备通过将计算密集型任务卸载到附近边缘服务器,可以有效减少应用程序的延迟和能耗。为了提高服务质量,边缘服务器之间需要协作而非单独工作。针对多边缘协作的负载均衡问题,现有的策略往往依赖于精确的数学模型或缺乏对边缘拓扑关系的利用。为了解决此问题,文中提出了一种基于图强化学习的卸载决策方法。首先将多边缘协作的负载均衡场景抽象为图数据;然后采用基于图卷积神经网络的图嵌入过程来提取图的信息特征,以辅助深度Q网络进行卸载决策;最后通过集中反馈控制机制找到目标负载均衡方案。在多个场景下进行仿真实验,实验结果验证了所提方法在缩短任务平均响应时延方面的有效性,并且可以在短时间内获得优于对比算法且接近理想方案的负载均衡效果。
-
关键词
多边缘协作
负载均衡
任务卸载
图神经网络
深度强化学习
-
Keywords
Multi-edge collaboration
Load balancing
Task offloading
Graph neural network
Deep reinforcement learning
-
分类号
TP338
[自动化与计算机技术—计算机系统结构]
-
-
题名算网融合下时间连续的计算任务卸载机制
被引量：3
- 5
-
-
作者
郝昊
杨树杰
张玮
-
机构
齐鲁工业大学(山东省科学院)山东省计算中心(国家超级计算济南中心)
网络与交换技术国家重点实验室(北京邮电大学)
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2023年第4期735-749,共15页
-
基金
山东省自然科学基金项目(ZR2022QF040)
齐鲁工业大学科教产融合试点项目(2022PX083)。
-
文摘
算力网络通过网络协同云、边、端计算资源,突破单点算力的性能瓶颈,为智能化社会提供了算力支撑.算网融合逐渐成为新型信息通信网络技术发展的趋势.由于计算资源异构、网络负载动态,如何协同云、边、端计算资源,从而降低计算任务时延是算网融合下极具挑战性的问题之一.为简化问题,现有工作往往假设系统时间是离散的,并且只在时隙结束时进行计算卸载决策.但该假设会引入决策等待时间,增加了计算任务的整体时延.针对上述问题,提出一种算网融合下时间连续的计算任务卸载机制,在保证时间轴连续和协同多个边缘节点计算资源的前提下,以服务体验提升率为优化目标,对云、边、端间任务卸载问题进行建模,并设计了一种基于深度强化学习的任务卸载方法,从而更高效地利用算力网络计算资源.通过大量的仿真实验证明,与2种基线算法相比所提算法能够有效降低任务时延,提升服务体验.
-
关键词
算力网络
计算资源协同
任务卸载
多边缘节点协作
时间连续性
-
Keywords
computing power network
collaboration of computing resources
task offloading
multi-edge nodes collaboration
temporal continuity
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
