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
2
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
基于Boosting优先经验重放的协同计算卸载方法
被引量：
1
1
作者
黄毅
王文轩
+3 位作者
崔允贺
陈意
郭春
申国伟
《计算机应用研究》
北大核心
2025年第3期777-787,共11页
现有计算卸载方法没有考虑终端设备和边缘服务器的不同任务排队情况,导致计算卸载模型的时延估计存在偏差。更重要的是,现有基于强化学习的计算卸载方法通过计算时序差分(temporal difference,TD)误差进行经验重放,无法精确评估历史经...
现有计算卸载方法没有考虑终端设备和边缘服务器的不同任务排队情况,导致计算卸载模型的时延估计存在偏差。更重要的是,现有基于强化学习的计算卸载方法通过计算时序差分(temporal difference,TD)误差进行经验重放,无法精确评估历史经验的重要性,导致卸载决策精度降低。为解决上述问题,在移动蜂窝网络边缘计算场景下,考虑多设备、多服务器的计算卸载问题,提出一种基于Boosting优先经验重放的协同计算卸载方法—COOPERANT。针对任务调度问题,COOPERANT构建了终端设备任务排队模型及服务器任务排队模型;针对任务卸载问题,COOPERANT设计了融合Boosting的优先经验重放算法、任务卸载联合优化模型、计算卸载多智能体深度强化学习模型及COOPERANT网络更新策略。实验证明,相比于遗传算法、蚁群算法、鲸鱼优化算法、MADDPG算法、TD-MADDPG算法以及MAPPO算法,COOPERANT能够有效降低系统时延和能耗开销,提升网络收敛速度。
展开更多
关键词
计算卸载
BOOSTING
多智能体深度强化学习
优先经验重放
在线阅读
下载PDF
职称材料
基于容器镜像共享机制的无服务计算工作流性能优化方法
2
作者
王洋洋
申国伟
+1 位作者
崔允贺
付玉杰
《计算机应用研究》
北大核心
2025年第11期3405-3411,共7页
针对传统部署模型在无服务计算中难以适应动态集群镜像资源变化,导致函数工作流冷启动延迟增加、资源利用率低下的问题,提出了一种基于容器镜像共享机制的无服务计算工作流优化方法Gust。通过函数镜像相似性调度算法和依赖包层重组机制...
针对传统部署模型在无服务计算中难以适应动态集群镜像资源变化,导致函数工作流冷启动延迟增加、资源利用率低下的问题,提出了一种基于容器镜像共享机制的无服务计算工作流优化方法Gust。通过函数镜像相似性调度算法和依赖包层重组机制,提升函数镜像间共享层的复用度,减少镜像拉取带来的冷启动开销,并结合遗传算法实现函数组合划分,优化工作流在多节点环境下的部署与执行。实验在OpenFaaS平台上对比多个基准方法验证了Gust的有效性,结果表明Gust方法的平均冷启动时间降低了20.3%、SLO违约率平均减少了16.8%。相较于传统方法,Gust有效提升了无服务计算的函数工作流执行性能和经济性。
展开更多
关键词
云计算
无服务计算
函数工作流
容器镜像共享机制
部署模型
在线阅读
下载PDF
职称材料
题名
基于Boosting优先经验重放的协同计算卸载方法
被引量：
1
1
作者
黄毅
王文轩
崔允贺
陈意
郭春
申国伟
机构
贵州大学
公共大数据国家
重点
实验室
贵州大学
文本计算与认知智能教育部
工程
研究中心
贵州大学
计算机科学与技术学院
贵州大学贵州省软件工程及信息安全特色重点实验室
出处
《计算机应用研究》
北大核心
2025年第3期777-787,共11页
基金
国家重点研发计划资助项目(2023YFC3304500)
国家自然科学基金资助项目(62102111)
+1 种基金
贵州省科技重大专项资助项目(黔科合重大专项字[2024]003)
贵州省高等学校大数据安全与网络安全创新团队资助项目(黔教技[2023]052号)。
文摘
现有计算卸载方法没有考虑终端设备和边缘服务器的不同任务排队情况,导致计算卸载模型的时延估计存在偏差。更重要的是,现有基于强化学习的计算卸载方法通过计算时序差分(temporal difference,TD)误差进行经验重放,无法精确评估历史经验的重要性,导致卸载决策精度降低。为解决上述问题,在移动蜂窝网络边缘计算场景下,考虑多设备、多服务器的计算卸载问题,提出一种基于Boosting优先经验重放的协同计算卸载方法—COOPERANT。针对任务调度问题,COOPERANT构建了终端设备任务排队模型及服务器任务排队模型;针对任务卸载问题,COOPERANT设计了融合Boosting的优先经验重放算法、任务卸载联合优化模型、计算卸载多智能体深度强化学习模型及COOPERANT网络更新策略。实验证明,相比于遗传算法、蚁群算法、鲸鱼优化算法、MADDPG算法、TD-MADDPG算法以及MAPPO算法,COOPERANT能够有效降低系统时延和能耗开销,提升网络收敛速度。
关键词
计算卸载
BOOSTING
多智能体深度强化学习
优先经验重放
Keywords
computation offloading
Boosting
multi-agent deep reinforcement learning
priority experience replay
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于容器镜像共享机制的无服务计算工作流性能优化方法
2
作者
王洋洋
申国伟
崔允贺
付玉杰
机构
贵州大学
公共大数据国家
重点
实验室
贵州大学
计算机科学与技术学院
贵州大学贵州省软件工程及信息安全特色重点实验室
出处
《计算机应用研究》
北大核心
2025年第11期3405-3411,共7页
基金
国家自然科学基金资助项目(62062022)
贵州省自然科学基金重点项目(黔科合基础-ZK[2023]重点011)
贵州省科技支撑计划项目(黔科合支撑[2023]一般447)。
文摘
针对传统部署模型在无服务计算中难以适应动态集群镜像资源变化,导致函数工作流冷启动延迟增加、资源利用率低下的问题,提出了一种基于容器镜像共享机制的无服务计算工作流优化方法Gust。通过函数镜像相似性调度算法和依赖包层重组机制,提升函数镜像间共享层的复用度,减少镜像拉取带来的冷启动开销,并结合遗传算法实现函数组合划分,优化工作流在多节点环境下的部署与执行。实验在OpenFaaS平台上对比多个基准方法验证了Gust的有效性,结果表明Gust方法的平均冷启动时间降低了20.3%、SLO违约率平均减少了16.8%。相较于传统方法,Gust有效提升了无服务计算的函数工作流执行性能和经济性。
关键词
云计算
无服务计算
函数工作流
容器镜像共享机制
部署模型
Keywords
cloud computing
serverless computing
function workflow
container image sharing mechanism
deployment model
分类号
TP301.5 [自动化与计算机技术—计算机系统结构]
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
基于Boosting优先经验重放的协同计算卸载方法
黄毅
王文轩
崔允贺
陈意
郭春
申国伟
《计算机应用研究》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于容器镜像共享机制的无服务计算工作流性能优化方法
王洋洋
申国伟
崔允贺
付玉杰
《计算机应用研究》
北大核心
2025
0
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
