目的为了解决车载边缘计算中用户服务质量低以及边缘节点资源不足的问题,方法结合车载边缘计算和停车边缘计算技术,提出“端-多边-云”协作计算卸载模型,并设计基于DRL的协作计算卸载与资源分配算法(cooperative computation offloading...目的为了解决车载边缘计算中用户服务质量低以及边缘节点资源不足的问题,方法结合车载边缘计算和停车边缘计算技术,提出“端-多边-云”协作计算卸载模型,并设计基于DRL的协作计算卸载与资源分配算法(cooperative computation offloading and resource allocation algorithm based on DRL,DRL-CCORA)。首先,将路边停放车辆的算力构建成停车边缘服务器(parking edge server,PES),联合边缘节点为车辆任务提供计算服务,减轻边缘节点的负载;其次,将计算卸载与资源分配问题转化为马尔可夫决策过程模型,综合时延、能耗和服务质量构建奖励函数,并根据任务需要的计算资源、任务的最大容忍时延以及车辆到PES的距离对计算任务进行预分类处理,缩减问题的规模;最后,利用双深度Q网络(double deep q network,DDQN)算法获得计算卸载和资源分配的最优策略。结果结果表明,相较于对比算法,所提算法的用户总服务质量提高了6.25%,任务的完成率提高了10.26%,任务计算的时延和能耗分别降低了18.8%、5.26%。结论所提算法优化了边缘节点的负载,降低了任务完成的时延和能耗,提高了用户的服务质量。展开更多
为实时传输海量船舶图像,为有效监控船舶实时航行状况提供保障,研究基于云计算的船舶图像网络数据低时延传输方法。结合云计算技术,构建船舶图像网络数据传输平台,通过平台数据接收单元将大量船舶网络数据存入云端服务器内;数据处理单...为实时传输海量船舶图像,为有效监控船舶实时航行状况提供保障,研究基于云计算的船舶图像网络数据低时延传输方法。结合云计算技术,构建船舶图像网络数据传输平台,通过平台数据接收单元将大量船舶网络数据存入云端服务器内;数据处理单元基于云计算的分布式处理特点,结合并行运行框架Map Reduce和并行化K-means聚类算法,并行挖掘云端服务器内的船舶图像网络数据;信道均衡单元结合所构建的船舶通信网络节点能量消耗模型,均衡船舶通信网络信道,运用均衡信道实现所挖掘船舶图像网络数据的传输。结果显示,该方法的数据挖掘速率高,数据传输过程中各信道能量开销均衡,且可低至3.5 k J,传输船舶图像网络数据的时延可低至10.23 ms,实现了数据的低时延传输。展开更多
文摘目的为了解决车载边缘计算中用户服务质量低以及边缘节点资源不足的问题,方法结合车载边缘计算和停车边缘计算技术,提出“端-多边-云”协作计算卸载模型,并设计基于DRL的协作计算卸载与资源分配算法(cooperative computation offloading and resource allocation algorithm based on DRL,DRL-CCORA)。首先,将路边停放车辆的算力构建成停车边缘服务器(parking edge server,PES),联合边缘节点为车辆任务提供计算服务,减轻边缘节点的负载;其次,将计算卸载与资源分配问题转化为马尔可夫决策过程模型,综合时延、能耗和服务质量构建奖励函数,并根据任务需要的计算资源、任务的最大容忍时延以及车辆到PES的距离对计算任务进行预分类处理,缩减问题的规模;最后,利用双深度Q网络(double deep q network,DDQN)算法获得计算卸载和资源分配的最优策略。结果结果表明,相较于对比算法,所提算法的用户总服务质量提高了6.25%,任务的完成率提高了10.26%,任务计算的时延和能耗分别降低了18.8%、5.26%。结论所提算法优化了边缘节点的负载,降低了任务完成的时延和能耗,提高了用户的服务质量。
文摘为实时传输海量船舶图像,为有效监控船舶实时航行状况提供保障,研究基于云计算的船舶图像网络数据低时延传输方法。结合云计算技术,构建船舶图像网络数据传输平台,通过平台数据接收单元将大量船舶网络数据存入云端服务器内;数据处理单元基于云计算的分布式处理特点,结合并行运行框架Map Reduce和并行化K-means聚类算法,并行挖掘云端服务器内的船舶图像网络数据;信道均衡单元结合所构建的船舶通信网络节点能量消耗模型,均衡船舶通信网络信道,运用均衡信道实现所挖掘船舶图像网络数据的传输。结果显示,该方法的数据挖掘速率高,数据传输过程中各信道能量开销均衡,且可低至3.5 k J,传输船舶图像网络数据的时延可低至10.23 ms,实现了数据的低时延传输。
