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
3
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
LoRa网络中基于深度强化学习的信息年龄优化
1
作者
程克非
陈彩蝶
+1 位作者
罗佳
陈前斌
《电子与信息学报》
北大核心
2025年第2期541-550,共10页
信息年龄(AoI)是信息新鲜度的衡量指标,针对时间敏感的物联网,最小化AoI显得尤为重要。该文基于LoRa网络的智能交通环境,分析Slot-Aloha协议下的AoI优化策略,建立了Slot-Aloha协议下数据包之间传输碰撞和等待时间的系统模型。通过分析指...
信息年龄(AoI)是信息新鲜度的衡量指标,针对时间敏感的物联网,最小化AoI显得尤为重要。该文基于LoRa网络的智能交通环境,分析Slot-Aloha协议下的AoI优化策略,建立了Slot-Aloha协议下数据包之间传输碰撞和等待时间的系统模型。通过分析指出,在LoRa上行传输过程中,随着数据包数量增多,AoI主要受到数据包碰撞影响。为克服优化问题中动作空间过大导致难以实现有效求解的问题,该文采用连续动作空间映射离散动作空间的方式,使用柔性动作-评价(SAC)算法对LoRa网络下的AoI进行优化。仿真结果显示,SAC算法优于传统算法与传统深度强化学习算法,可有效降低网络的平均AoI。
展开更多
关键词
信息年龄
LoRa
柔性动作-评价
算法
深度强化学习
优化策略
在线阅读
下载PDF
职称材料
基于深度强化学习的云边协同任务迁移与资源再分配优化研究
被引量：
5
2
作者
陈娟
王阳
+3 位作者
吴宗玲
陈鹏
张逢春
郝俊峰
《计算机科学》
CSCD
北大核心
2024年第S02期703-712,共10页
文中研究了一个由多个边缘服务器和云服务器组成的异构云边环境,每个节点都具有计算、存储和通信能力。由于异构云边环境的不确定性和动态性,需要进行动态调度以优化资源和任务分配。传统的深度学习框架只从输入的任务数据中提取潜在的...
文中研究了一个由多个边缘服务器和云服务器组成的异构云边环境,每个节点都具有计算、存储和通信能力。由于异构云边环境的不确定性和动态性,需要进行动态调度以优化资源和任务分配。传统的深度学习框架只从输入的任务数据中提取潜在的特征,大多数忽略了云边环境的网络结构信息。为了解决这个问题,文中基于Actor-Critic框架,利用柔性动作-评价(Soft Actor-Critic,SAC)经验训练的自进化能力和图卷积网络(Graph Convolutional Networks,GCN)中基于图的关系推演能力,提出了一种集中式的SAC-GCN算法。提出的SAC-GCN通过捕获动态的任务信息和异构的节点信息,采用自适应的损失函数来提供有效的调度策略,以适应不同的任务迁移需求。文中采用来源于真实世界的Bit-brain数据集,并通过Cloud-Sim进行大量模拟。实验结果表明,与现有算法相比,提出的SAC-GCN可以减少4.81%系统能耗,缩短3.46%任务响应时间和2.73%的任务迁移时间,以及减小1.5%的任务SLA违规率。
展开更多
关键词
云计算
边缘计算
深度强化学习
动态调度
柔性动作-评价
图卷积
在线阅读
下载PDF
职称材料
基于计算重用的无人机辅助边缘计算系统能耗优化
被引量：
3
3
作者
李斌
蔡海晨
+1 位作者
赵传信
王俊义
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第7期2740-2747,共8页
针对复杂地形下时延敏感任务对终端用户的计算需求激增问题,该文提出一种无人机(UAV)辅助的移动边缘计算可重用任务的协同计算卸载方案。首先,通过联合优化用户卸载策略、用户传输功率、无人机上服务器分配、用户设备的计算频率和无人...
针对复杂地形下时延敏感任务对终端用户的计算需求激增问题,该文提出一种无人机(UAV)辅助的移动边缘计算可重用任务的协同计算卸载方案。首先,通过联合优化用户卸载策略、用户传输功率、无人机上服务器分配、用户设备的计算频率和无人机服务器的计算频率以及无人机的飞行轨迹,构建满足时延约束下最小化系统平均总能耗的系统模型。其次,通过深度强化学习求解该优化问题,并提出了基于柔性动作-评价(SAC)的优化算法。该算法采用最大熵的策略来鼓励探索,以增强算法的探索能力并加快训练的收敛速度。仿真结果表明,基于SAC的算法能有效降低系统的平均总能耗,并具有较好的收敛性。
展开更多
关键词
无人机
移动边缘计算
计算重用
资源分配
柔性动作-评价
算法
在线阅读
下载PDF
职称材料
题名
LoRa网络中基于深度强化学习的信息年龄优化
1
作者
程克非
陈彩蝶
罗佳
陈前斌
机构
重庆邮电大学网络空间安全与信息法学院
重庆邮电大学通信与信息工程学院移动通信技术重点实验室
出处
《电子与信息学报》
北大核心
2025年第2期541-550,共10页
基金
重庆市教委科学技术研究项目(KJQN202400643)。
文摘
信息年龄(AoI)是信息新鲜度的衡量指标,针对时间敏感的物联网,最小化AoI显得尤为重要。该文基于LoRa网络的智能交通环境,分析Slot-Aloha协议下的AoI优化策略,建立了Slot-Aloha协议下数据包之间传输碰撞和等待时间的系统模型。通过分析指出,在LoRa上行传输过程中,随着数据包数量增多,AoI主要受到数据包碰撞影响。为克服优化问题中动作空间过大导致难以实现有效求解的问题,该文采用连续动作空间映射离散动作空间的方式,使用柔性动作-评价(SAC)算法对LoRa网络下的AoI进行优化。仿真结果显示,SAC算法优于传统算法与传统深度强化学习算法,可有效降低网络的平均AoI。
关键词
信息年龄
LoRa
柔性动作-评价
算法
深度强化学习
优化策略
Keywords
Age of Information(AoI)
LoRa
Soft Actor
-
Critic algorithm(SAC)
Deep reinforcement learning
Optimization strategy
分类号
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
基于深度强化学习的云边协同任务迁移与资源再分配优化研究
被引量：
5
2
作者
陈娟
王阳
吴宗玲
陈鹏
张逢春
郝俊峰
机构
西华大学计算机与软件工程学院
西南交通大学信息科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2024年第S02期703-712,共10页
基金
国家自然科学基金(62376043)
四川省科技计划(2020JDRC0067,2023JDRC0087)
+1 种基金
四川省自然科学基金(2024NSFTD008,2022NSFSC0556)
教育部春晖计划(HZKY20220578)。
文摘
文中研究了一个由多个边缘服务器和云服务器组成的异构云边环境,每个节点都具有计算、存储和通信能力。由于异构云边环境的不确定性和动态性,需要进行动态调度以优化资源和任务分配。传统的深度学习框架只从输入的任务数据中提取潜在的特征,大多数忽略了云边环境的网络结构信息。为了解决这个问题,文中基于Actor-Critic框架,利用柔性动作-评价(Soft Actor-Critic,SAC)经验训练的自进化能力和图卷积网络(Graph Convolutional Networks,GCN)中基于图的关系推演能力,提出了一种集中式的SAC-GCN算法。提出的SAC-GCN通过捕获动态的任务信息和异构的节点信息,采用自适应的损失函数来提供有效的调度策略,以适应不同的任务迁移需求。文中采用来源于真实世界的Bit-brain数据集,并通过Cloud-Sim进行大量模拟。实验结果表明,与现有算法相比,提出的SAC-GCN可以减少4.81%系统能耗,缩短3.46%任务响应时间和2.73%的任务迁移时间,以及减小1.5%的任务SLA违规率。
关键词
云计算
边缘计算
深度强化学习
动态调度
柔性动作-评价
图卷积
Keywords
Cloud computing
Edge computing
Deep reinforcement learning
Dynamic scheduling
Flexible action
-
evaluation
Graph convolution
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于计算重用的无人机辅助边缘计算系统能耗优化
被引量：
3
3
作者
李斌
蔡海晨
赵传信
王俊义
机构
南京信息工程大学计算机学院
安徽师范大学计算机与信息学院
桂林电子科技大学信息与通信学院
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第7期2740-2747,共8页
基金
国家自然科学基金(62101277,62371149)
认知无线电与信息处理教育部重点实验室基金(CRKL230203)。
文摘
针对复杂地形下时延敏感任务对终端用户的计算需求激增问题,该文提出一种无人机(UAV)辅助的移动边缘计算可重用任务的协同计算卸载方案。首先,通过联合优化用户卸载策略、用户传输功率、无人机上服务器分配、用户设备的计算频率和无人机服务器的计算频率以及无人机的飞行轨迹,构建满足时延约束下最小化系统平均总能耗的系统模型。其次,通过深度强化学习求解该优化问题,并提出了基于柔性动作-评价(SAC)的优化算法。该算法采用最大熵的策略来鼓励探索,以增强算法的探索能力并加快训练的收敛速度。仿真结果表明,基于SAC的算法能有效降低系统的平均总能耗,并具有较好的收敛性。
关键词
无人机
移动边缘计算
计算重用
资源分配
柔性动作-评价
算法
Keywords
Unmanned Aerial Vehicle(UAV)
Mobile edge computing
Reusable tasks
Resource allocation
Soft Actor
-
Critic(SAC)algorithm
分类号
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
LoRa网络中基于深度强化学习的信息年龄优化
程克非
陈彩蝶
罗佳
陈前斌
《电子与信息学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于深度强化学习的云边协同任务迁移与资源再分配优化研究
陈娟
王阳
吴宗玲
陈鹏
张逢春
郝俊峰
《计算机科学》
CSCD
北大核心
2024
5
在线阅读
下载PDF
职称材料
3
基于计算重用的无人机辅助边缘计算系统能耗优化
李斌
蔡海晨
赵传信
王俊义
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
3
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
