MMSep, 2018

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

PDF
TL;DR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。
mobile edge computingservice migrationlyapunov optimizationapproximation algorithmdistributed approximation scheme
发现论文，激发创造
  • 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

  • 基于预测未来成本的移动微云动态服务部署

    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。

    Mar, 2015

  • 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

  • 异构边缘计算系统中可证明保证的服务部署

    本文提出了一种确定性的近似算法，通过一种新颖的方式将每个边缘节点划分为多个槽，其中每个槽包含一个服务，以最大化异构移动边缘计算系统中多个服务的总奖励，并在理论和模拟结果上得到了保证。

    Jun, 2019

  • 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

  • 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

  • 移动边缘计算：架构和计算卸载的调查

    本研究论文介绍了移动边缘计算（MEC）的概念和应用，特别针对计算卸载的决策、计算资源分配、移动管理等三个关键领域的研究进行了详细的探讨，同时归纳了该领域的研究成果和未来需解决的开放性研究问题。

    Feb, 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

  • 密集网络中移动边缘计算的联合服务缓存和任务卸载

    本文提出了一种名为 OREO 的基于 Lyapunov 优化和 Gibbs 采样的在线算法，用于动态服务缓存和任务卸载，以应对 MEC 系统中的关键挑战，包括服务异构性、未知系统动态、空间需求耦合和分散协调，可有效降低终端用户的计算延迟并保持能源消耗低。

    Jan, 2018