Mar, 2015

基于预测未来成本的移动微云动态服务部署

PDF
TL;DR本研究探讨了移动微云网络中服务实例的部署及动态资源分配问题。通过提出离线及在线算法并考虑成本参数的预测和实际误差，发现在线算法具有高效、低成本和预测准确的优势，可应用在更广泛的动态资源分配问题中。
mobile micro-cloudsservice instancesnetwork edge dynamicsonline approximation algorithmdynamic resource allocation
发现论文，激发创造
  • 跟随我在边缘：面向移动边缘计算的移动感知动态服务部署

    本文研究了移动边缘计算下长期成本预算约束条件下的移动边缘服务性能优化问题，并应用 Lyapunov 优化将问题分解为一系列实时优化问题，提出了一种基于马尔科夫逼近的近似算法和一种基于最佳响应更新技术的分布式逼近方案，理论分析和严格评估证明了这些方法的有效性。

    Sep, 2018

  • 移动微云中的移动诱导服务迁移

    本文研究了移动微云在分布式计算中的应用，探讨了用户移动时由于不同的基站或接入点附带不同的微云而引起的问题，提出了基于马尔可夫决策过程模型的优化服务迁移算法。

    Mar, 2015

  • 移动边缘计算中基于学习的应用部署问题的解决方案

    本研究利用机器学习模型对边缘服务器中的请求分配进行优化，提供一种更高效的方法来解决移动边缘计算中的高维问题和不确定性场景，结果显示机器学习模型相对传统方法具有显著的解决时间改进。

    Mar, 2024

  • 基于马尔科夫决策过程的移动边缘计算动态服务迁移

    本文提出了一种以马尔科夫决策过程 (MDP) 为基础的服务迁移方法，通过近似移动用户和服务位置之间的距离计算最优策略，优化移动边缘计算环境下的服务迁移问题，并在实际场景中表现出卓越的性能。

    Jun, 2015

  • 移动边缘智能系统中的 AI 服务部署和资源分配优化

    本文提出了一种基于边缘智能的方案，通过优化资源分配和服务部署，实现在多用户移动边缘计算系统上的 AI 服务执行任务，模拟结果表明，该算法与最优解非常接近，同时也显著优于其他代表性基准算法。

    Nov, 2020

  • 云网络融合 5G 以后的服务预测和编排的 QoS 感知

    本文通过引入基于 RNN 的 DDQL 技术和基于 water-filling 算法的服务放置方法，解决了网络云集成环境中的服务放置和资源分配问题，从而实现在 B5G 中动态用户、超低延迟服务的放置以及用户迁移时的服务连续性的优化。

    Sep, 2023

  • IaaS 云中最优在线多实例获取的预留与否决策

    通过在线算法动态地将按需购买和预付预定两种云计算资源实例的选项组合起来，以最小化成本。

    May, 2013

  • 移动边缘计算系统中服务缓存放置和计算卸载的联合优化

    本文提出了一种混合整数非线性规划方法，以最小化计算延迟和移动用户的能量消耗，同时考虑服务缓存放置、计算卸载和系统资源分配，利用降低复杂度的交替最小化技术更新缓存放置和卸载决策。仿真表明，相比其他基准方法，所提出的技术实现了大量的资源节约。

    Jun, 2019

  • 面向延迟受限的雾计算网络的主动边缘计算

    研究了在延迟和可靠性限制下，在雾计算网络中分配和主动缓存计算任务的基本问题，提出了一种聚类方法来对空间上的用户设备进行分组，并将它们的任务分发到服务云，通过主动缓存计算结果来最小化计算延迟。模拟结果表明，相比基线方案，该方案可以保证可靠计算，其减少了高达 91％的计算延迟。

    Apr, 2017

  • 实时车辆位置问题

    本文提出一种新颖的问题：如何在空间和时间上变化的情况下放置车辆以实时满足乘客的需求。研究者使用了四个主要美国城市一千万次乘车请求的数据集，证明了这种请求具有显著的自我相似性，并提出了分布式在线学习算法用于解决实时车辆定位的问题，并且通过观察到的自相似性，确定了算法的预期性能边界。

    Dec, 2017