May, 2023

边缘云计算中多用户移动增强现实的预测任务卸载

PDF
TL;DR本研究提出了一种面向 MAR 服务的任务卸载方案，通过使用有向无环图来分析和建模 MAR 应用程序的任务相互依赖关系，并基于修改的蒙特卡罗树搜索提出了一个前瞻性的卸载方案，该方案能够在提供多用户 MAR 服务时有效提高服务质量。
mobile augmented realityoffloading schemetask interdependencymult-user servicesquality of service
发现论文，激发创造
  • Ready Player One: 基于无人飞行器聚类的车联网 VR/AR 游戏多任务卸载

    本文提出了一种新的无人机群集架构，通过基于人工智能的决策制定，协同优化计算、缓存和通信资源，实现高效的多模式多任务任务卸载，提高了无人机群集的效率，并为计算与通信的融合提供了新的洞见。

    Apr, 2019

  • 移动云系统中的多用户多任务卸载和资源分配

    此研究探讨了一个多用户移动云计算系统中的任务离线决策、资源分配等问题，并且通过提出有效算法使用计算接入点 (CAP) 来优化整个系统的能量、计算和时延成本，从而带来了相当的成本效益。

    Mar, 2018

  • 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

  • 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

  • 虚拟化边缘计算的多用户计算卸载与下载

    本研究提出在多用户 MEC 系统中优化资源分配，解决 I/O 干扰问题，设计针对多种指标的离线调度算法，实现用户的离线调度，控制他们的离线大小并将时间分配给通信与计算。

    Nov, 2018

  • 移动边缘云计算的高效多用户计算卸载

    本文研究了移动边缘云计算中的多用户计算卸载问题，并采用博弈论方法达到有效的分布式计算卸载，进一步扩展研究到多通道无线争用环境中的多用户计算卸载，提出了一种算法并通过实验验证其性能和可扩展性。

    Oct, 2015

  • 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

  • 稠密网络中移动边缘计算的分散任务卸载和负载均衡

    我们研究了在一个拥有大量设备和一组边缘服务器的稠密网络中的分散任务卸载和负载平衡问题。通过将均值场多智能体多臂赌博（MAB）游戏与一种负载平衡技术相结合，调整服务器的奖励以实现目标人口分布，解决了由于未知网络信息和随机任务大小而导致的复杂优化问题。数值结果证明了我们方法的有效性和对目标负载分布的收敛。

    Jun, 2024

  • 基于 Koopman 轨迹模型的 ISAC 启用的物联网系统中的高移动性范式和计算卸载

    移动设备上的用户体验受到有限的电池容量和处理能力的限制，但 6G 技术的进步正在迅速促使移动技术的演进。移动边缘计算（MEC）提供了一种解决方案，将计算密集型任务卸载到边缘云服务器，与本地处理相比减少了电池消耗。即将到来的移动通信的集成感知与通信可能改善轨迹预测和处理延迟。本研究提出了一种贪婪资源分配优化策略，用于多用户网络以最小化聚合能量使用。数值结果显示，每 1000 次迭代，潜在改进可达 33％。解决预测模型划分和速度精确性问题对于获得更好的结果至关重要。为即将到来的工作阶段详述了进一步改进和实现目标的计划。

    Jun, 2024

  • 分布式多目标动态卸载调度的空地合作 MEC

    无人机协助地面移动边缘计算具有较高能效和减少任务积压的潜力，本文提出了基于多目标动态轨迹规划和卸载调度的分布式方案，集成了多目标强化学习和核方法，结果显示此方法相较于传统方法具有更好的能耗和任务积压表现。

    Mar, 2024