Apr, 2016

移动边缘计算系统的延迟最优计算任务调度

PDF
TL;DR本文研究了移动边缘计算中的任务调度问题，采用马尔科夫决策过程方法解决该问题，并且提出了一种有效的一维搜索算法来找到最优的任务调度策略。仿真结果表明，与基线策略相比，该策略可以实现更短的平均执行延迟。
mobile-edge computingtask schedulingmarkov decision processpower-constrained delay minimizationstochastic optimization
发现论文，激发创造
  • 面向移动边缘计算的延迟和可靠性感知任务卸载和资源分配

    在多用户移动边缘计算场景下，考虑延迟和可靠性约束，提出了一种概率约束方法，使用了极值理论来解决低概率事件的问题，旨在最小化计算和传输功率，并使用 Lyapunov 随机优化工具解决。模拟结果表明该方法的有效性，同时研究了不同计算强度所需的功率延迟权衡和计算资源。

    Oct, 2017

  • 面向超高可靠低时延边缘计算的动态任务卸载和资源分配

    本论文提出了一种基于极值理论的移动边缘计算系统设计，用于满足极其可靠的低延迟要求和减少用户能量消耗，同时考虑无线通道动态和服务器资源负载。论文提供了两种时间尺度的解决方案，即长时间尺度下的用户 - 服务器关联和短时间尺度下的动态任务卸载和资源分配策略，并通过仿真实验验证了该方法的有效性。

    Dec, 2018

  • 移动边缘计算中的性能优化：基于深度强化学习的方法

    本文提出了一种基于深度强化学习和马尔科夫决策过程的移动边缘计算系统中的任务卸载策略优化算法。实验结果表明，该算法相比基线策略有了显著的平均成本改善。

    Mar, 2018

  • 多用户边缘计算系统的随机联合无线电和计算资源管理

    本文提出了一种在线联合无线电和计算资源管理算法，用于多用户 MEC 系统，旨在最小化移动设备和 MEC 服务器的长期平均加权和功耗，同时满足任务缓冲稳定性约束。具体来说，我们在每个时隙中获取移动设备的最佳 CPU 周期频率，并使用 Gauss-Seidel 方法确定计算卸载的最佳传输功率和带宽分配；对于 MEC 服务器，推导出 CPU 核心的最佳频率和最佳 MEC 服务器调度决策。此外，提出了一个延迟改进机制来降低执行延迟。

    Feb, 2017

  • 异步移动边缘计算卸载：高效能资源管理

    本文针对异步 MECO 系统提出了能耗最小化的资源管理策略，根据时间共享和计算截止期限约束，通过数据分割和时间分割来实现终端设备，移动网络和云之间的计算负载均衡和协同工作。

    Jan, 2018

  • 缓存辅助移动边缘计算的能量高效资源分配

    本篇论文研究了一个多用户缓存辅助移动边缘计算系统中通信、缓存和计算的联合设计，提出了一种联合缓存和卸载机制，以及优化存储资源的能量最小化问题。数值结果表明，所提出的次优解法优于现有比较方案。

    Aug, 2017

  • 移动边缘计算卸载中的资源分配延迟优化

    本文旨在研究移动边缘计算卸载系统（MECO）中资源分配与压缩模型对系统延迟的影响，并通过数值模拟验证了不同模型的有效性。

    Apr, 2017

  • 移动边缘计算中基于深度强化学习的任务图离载

    通过建模任务图离线计算为马尔可夫决策过程，并设计了一种深度强化学习算法（SATA-DRL）来提供用户体验，以适应环境变化。大量模拟验证表明，SATA-DRL 在减少平均完成时间和截止时间违规方面优于现有策略。

    Sep, 2023

  • 多目标深度强化学习用于移动边缘计算

    通过设计的多目标 (深度) 强化学习 (MORL) 资源调度方案，结合了近端策略优化 (PPO) 方法以解决多目标边缘计算系统下未知偏好的问题，本研究在能源消耗与传输延迟最小化的前提下，通过多边缘 MEC 系统中多目标离线问题进行建模与解决。

    Jul, 2023

  • 基于价格的移动边缘计算中带有计算容量约束的分布式卸载

    本研究介绍了移动边缘计算技术，该技术可以通过将计算任务从无线设备卸载至网络边缘，从而实现实时信息传输和计算。

    Dec, 2017