针对移动边缘系统低功耗的需求,基于随机几何理论,研究了不同场景下D2D协作边缘缓存系统中移动设备的能耗。将请求用户和空闲用户的动态分布建模为相互独立的齐次泊松点过程(Homogeneous Poisson Point Process,HPPP),综合考虑移动设备...针对移动边缘系统低功耗的需求,基于随机几何理论,研究了不同场景下D2D协作边缘缓存系统中移动设备的能耗。将请求用户和空闲用户的动态分布建模为相互独立的齐次泊松点过程(Homogeneous Poisson Point Process,HPPP),综合考虑移动设备的平均能耗与请求业务卸载概率、空闲设备激活概率和D2D通信重传概率的关系,推导出与缓存数量相关的请求设备平均能耗、空闲设备平均能耗的表达式,并仿真探讨了不同用户密度和不同内容流行度下移动设备能耗和缓存数量的关系。仿真结果表明,不同场景下优化缓存数量可以有效降低D2D协作边缘缓存系统移动设备的能耗。展开更多
数字孪生(digital twin,DT)通过对物理实体的同步模拟,可有效提升配电网实时决策能力,但其对数据与算力的需求很高,边缘计算可下沉模型训练任务至边缘侧,减小DT模型训练的通信、计算负担。针对边缘侧资源与训练需求不适配的问题,提出一...数字孪生(digital twin,DT)通过对物理实体的同步模拟,可有效提升配电网实时决策能力,但其对数据与算力的需求很高,边缘计算可下沉模型训练任务至边缘侧,减小DT模型训练的通信、计算负担。针对边缘侧资源与训练需求不适配的问题,提出一种面向数字孪生配电网的低时延业务决策方法。首先,构建配电网低时延业务决策框架,引入边缘协作提升配电网DT模型训练精度与效率,建立最小化模型训练时延与损失加权和的优化问题。其次,提出基于双向贪婪演进的边缘协作决策算法,利用Q学习实现全局信息未知情况下模型训练时效性和精度的联合优化,并基于贪婪策略解决协作服务器选择冲突问题。仿真结果表明,与基于强化学习的业务决策(reinforcement learning-based service decision,RSD)算法和基于贪婪的业务决策(greedy-based service decision,GSD)算法相比,所提算法的全局损失函数分别降低了43.32%和71.33%,全局模型聚合总时延分别降低了14.87%和56.42%。展开更多
文摘针对移动边缘系统低功耗的需求,基于随机几何理论,研究了不同场景下D2D协作边缘缓存系统中移动设备的能耗。将请求用户和空闲用户的动态分布建模为相互独立的齐次泊松点过程(Homogeneous Poisson Point Process,HPPP),综合考虑移动设备的平均能耗与请求业务卸载概率、空闲设备激活概率和D2D通信重传概率的关系,推导出与缓存数量相关的请求设备平均能耗、空闲设备平均能耗的表达式,并仿真探讨了不同用户密度和不同内容流行度下移动设备能耗和缓存数量的关系。仿真结果表明,不同场景下优化缓存数量可以有效降低D2D协作边缘缓存系统移动设备的能耗。
文摘数字孪生(digital twin,DT)通过对物理实体的同步模拟,可有效提升配电网实时决策能力,但其对数据与算力的需求很高,边缘计算可下沉模型训练任务至边缘侧,减小DT模型训练的通信、计算负担。针对边缘侧资源与训练需求不适配的问题,提出一种面向数字孪生配电网的低时延业务决策方法。首先,构建配电网低时延业务决策框架,引入边缘协作提升配电网DT模型训练精度与效率,建立最小化模型训练时延与损失加权和的优化问题。其次,提出基于双向贪婪演进的边缘协作决策算法,利用Q学习实现全局信息未知情况下模型训练时效性和精度的联合优化,并基于贪婪策略解决协作服务器选择冲突问题。仿真结果表明,与基于强化学习的业务决策(reinforcement learning-based service decision,RSD)算法和基于贪婪的业务决策(greedy-based service decision,GSD)算法相比,所提算法的全局损失函数分别降低了43.32%和71.33%,全局模型聚合总时延分别降低了14.87%和56.42%。
