无线供能边缘计算中的计算速率最大化与多用户合作
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
这篇论文提出了一种新颖的移动边缘计算 (MEC) 系统中的用户合作方法,既在计算方面,又在通信方面,以改善低延迟计算任务的能效。通过对部分和二进制卸载两种计算卸载模型的研究,并联合优化用户和助手的计算和通信资源,本研究提出的方案明显提高了用户和助手节点的计算能力和能源效率。
May, 2018
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
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
该论文讨论了在 MIMO 多小区系统中,多个移动用户向公共云服务器请求计算卸载时的资源优化问题,通过联合优化广播和计算资源来最小化用户的能量消耗,提出了一种基于迭代优化的算法,通过限定与云的协同 / 信令,实现了分布式和并行实现的优化方法。
Dec, 2014
该论文使用无人机作为边缘计算服务器,联合优化用户关联、飞行路径和上传功率,以最大化所有用户的离线数据传输,同时满足无人机的能量约束和用户的服务质量要求。
Oct, 2019
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
本篇研究分析了基于边缘计算(MEC)的无线网络的网络受限延迟性能,推导出通信延迟和计算延迟的扩展定律,并结合运载参数和网络资源参数来量化延迟与网络覆盖率和稳定性之间的权衡,为 MEC 网络规划提供有用的指导。
Sep, 2017
本文考虑一种基于 OFDMA 的多用户和多 MEC 服务器系统,联合研究任务卸载策略和无线资源分配,通过双层优化方法,将原始 NP 困难问题解耦为下层问题和上层任务卸载问题,通过模拟结果表明,与传统方案相比,所提出的算法在节能和成功卸载概率方面具有出色的性能。
Mar, 2018