- 基于能量限制的无人机辅助移动边缘计算用户关联及路径规划
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。
- MM智能反射面辅助移动边缘计算的延迟最小化
本文研究了在移动边缘计算系统中,智能反射面的使用可以帮助单天线设备通过多天线接入点将计算任务卸载到边缘计算节点,可以显著降低计算延迟,并利用块坐标下降技术优化计算和通信设置。
- 移动边缘网络中的联邦学习:一项全面调查
本文介绍了联邦学习技术与移动边缘计算的应用,讨论了在大规模和复杂的移动边缘网络中实现联邦学习所面临的挑战以及现有解决方案,探讨了联邦学习在移动边缘网络优化中的应用,以及未来的研究方向与挑战,包括保护隐私与安全。
- 移动区块链中基于深度强化学习的隐私保护任务卸载
本研究利用移动边缘计算构建区块链网络,使移动用户通过近距离的 MEC 服务器进行区块链的挖掘任务,通过强化学习算法实现优化解决任务离载和用户隐私保护。模拟结果表明,RL 离载方案可以显著提高用户隐私和减少能耗及计算延迟。
- 车联网边缘计算与网络:一项调查
本文综述了在智能交通系统中,利用移动边缘计算系统来解决车联网中的通信、计算和存储资源限制,提高响应速度和降低带宽消耗的研究现状和未来方向。
- MM移动边缘计算系统中基于深度学习的混合 5G 服务:借鉴数字孪生技术
本论文提出了一种基于深度学习的移动边缘计算系统,旨在通过优化用户关联、资源分配和卸载概率来最小化归一化能量消耗,并考虑服务质量要求。仿真结果表明,相比现有方法,我们的方法可以实现更低的归一化能量消耗,并具有更少的计算复杂度。
- 缓存辅助的 NOMA 移动边缘计算:一种强化学习方法
本文提出了一种基于 NOMA 的缓存辅助移动边缘计算框架,使用 LSTM 网络预测任务的受欢迎程度,MAQ-learning 算法用于任务卸载决策并证明了其在每个状态下选择的动作均为最优解。实验结果表明,该框架优于本地计算、卸载计算和非缓存 - MM5G 及以上的多接入边缘计算综述:基础、技术集成及现状
该研究论文概述了移动边缘计算技术的现状和潜在应用,并提出与 5G 及更高版本的新技术相结合的 MEC 方案,最终总结了当前研究现状和挑战,并探讨了潜在未来方向。
- 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。
- MM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。
- 移动边缘计算系统中分布式推理与传输模型编码
研究移动边缘计算系统中分布式模型信息的编码如何优化线性推断操作,证明编码有助于减少计算和通信延迟。
- 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。
- 无人机辅助移动边缘计算网络中的能量有效资源分配
针对具有多个无人机的移动边缘计算网络,通过联合优化用户关联、功率控制、计算容量分配和位置规划,解决了和功率最小化相关的问题,并提出了一个低复杂度的算法,通过三个子问题的迭代求解来获得最优解。数值结果表明,所提出的算法比传统方法具有更好的性能 - MM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 - 多用户移动边缘计算的分散式计算卸载:一种深度强化学习方法
本文探讨了一种分散式的深度强化学习方法来优化移动边缘计算系统中的任务卸载策略,并分析了功耗和延迟之间的权衡关系。结果表明,该方法比传统的深度 Q 网络方法以及其他贪心策略能够更有效地降低资源消耗成本。
- 无人机辅助中继与边缘计算:调度和轨迹优化
本篇论文主要研究了基于无人机辅助下的移动边缘服务架构,提出了一种交替优化算法可以在非凸的情况下最小化加权和能量消耗并进行计算资源调度、带宽分配和无人机轨迹规划等多个方面的联合优化,数值仿真结果表明了该算法的出色表现。特别是在处理计算密集型任 - MM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 - 走向智能边缘:无线通信与机器学习相遇
人工智能的复兴引发了边缘学习新研究领域的兴起,以支持在各种边缘设备上部署基于人工智能的应用程序,该领域通过利用移动边缘计算平台及在大量边缘设备上分布的海量数据来克服每个边缘设备的有限计算能力和数据量,并提出了一些以学习为驱动的无线通信设计原 - 移动虚拟现实通信、缓存和计算:建模和权衡
该研究提出了一种基于移动边缘计算的移动 VR 传递框架,可以在移动 VR 设备上缓存一部分视野范围并运行某些后期处理程序,从而通过优化资源分配来减小所需传输速率的平均值,以满足给定的延迟约束。
- 联合计算和通信协作的能效移动边缘计算
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