Mar, 2024

移动边缘计算中基于学习的应用部署问题的解决方案

PDF
TL;DR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。
mobile edge computingmachine learningstochastic programmingrequest allocationoptimization model
发现论文，激发创造
  • 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

  • 图神经网络与强化学习在主动应用图像布局中的应用

    该论文将云计算转向云边界连续体的转变与数据密集型和交互式应用程序所面临的新机遇和挑战联系起来。作者提出了一种将图神经网络和强化学习中的演员 - 评论家方法相结合的主动式图像部署方法，并通过实证评估和与其他解决方案的比较来验证其有效性。结果表明，这种方法在应用程序部署方面始终取得了卓越的成果。

    Apr, 2024

  • 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

  • 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

  • 多接入边缘计算中的服务器放置和工作负载分配强化学习框架

    本研究提出了一种使用强化学习解决最小化网络延迟和边缘服务器数量的问题的新 RL 框架，该问题涉及云计算、多接入边缘计算、组合优化问题和马尔可夫决策过程。

    Feb, 2022

  • 机器学习优化在云计算资源调度和管理中的应用

    本文通过使用机器学习优化技术，提出了一种创新的方法来解决云计算资源调度和管理中的复杂问题，通过对云环境中低资源利用率和负载不平衡等挑战的深入研究，本研究提出了包括深度学习和遗传算法等优化方法在内的全面解决方案，以提高系统性能和效率，从而在云计算资源管理领域带来新的突破和进展。合理分配资源在云计算中起着至关重要的作用。

    Feb, 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

  • 基于任务的随机优化端到端模型学习

    本文提出了一种端到端的方法来学习概率机器学习模型，以便在随机编程的上下文中直接捕获它们将要使用的最终基于任务的目标，我们在经典库存问题，实际电力调度任务和实际能源存储套利任务中验证了该方法的有效性。

    Mar, 2017

  • 网络边缘的机器学习调查

    本文综述了在边缘计算设备上部署机器学习系统的主要研究工作，重点关注了智能边缘系统成功应用中使用的压缩技术、工具、框架和硬件等方面的运营问题。

    Jul, 2019

  • 资源受限边缘计算系统中的自适应联邦学习

    本文主要研究在边缘计算环境中使用分布式梯度下降学习模型参数的问题，提出控制算法以最小化给定资源预算下的损失函数，并通过真实数据集的大量实验评估算法性能。

    Apr, 2018