mobile-edge computing | BriefGPT

关键词mobile-edge computing

搜索结果 - 10

多播赌博机快速变化识别及其在无线网络中的应用
研究了一种新型多臂赌博机（MAB）设置，通过广播探测所有的 “手臂”，同时记录非平稳环境下的当前最优手臂，以平衡传统汤普森抽样（TS）的遗憾保证与同时广播的改进探测方法（BP），并通过可选子程序组探索（GE）识别改变的手臂，以检测奖励分布的
PDF2 years ago
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。
PDF6 years ago
虚拟边缘计算系统中基于深度强化学习的计算卸载性能优化
本文讨论了在移动网络中为实现计算任务的优化，如何通过最优计算分配策略，结合移动设备与 MEC 服务器的计算能力以及移动设备与基站之间的不同状态，达到最大化长期效益性能的效果，并利用 Q 函数分解技术与双深度 Q 网络相结合，实现了随机计算分
PDF6 years ago
移动边缘计算中的性能优化：基于深度强化学习的方法
本文提出了一种基于深度强化学习和马尔科夫决策过程的移动边缘计算系统中的任务卸载策略优化算法。实验结果表明，该算法相比基线策略有了显著的平均成本改善。
PDF6 years ago
基于学习的能量收集 IoT 设备计算卸载
本文研究无线网络中具备能量收割功能和多个 MEC 设备 (IoT) 的计算卸载，提出了基于强化学习的计算卸载框架，包括基于 Q-learning 的 hotbooting 计算卸载方案和基于 DQN 的快速计算卸载方案，针对不同的 MEC
PDF7 years ago
MM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。
PDF7 years ago
面向多服务器边缘移动计算网络的联合任务卸载和资源分配
研究 MEC 启用的多小区无线网络中，联合任务卸载和资源分配（JTORA）问题，提出一种资源分配问题和任务卸载问题相结合的解决方案，其中资源分配问题采用凸优化技术解决，任务卸载问题则采用启发式算法，在数值模拟中表现接近最优解并显著提高了用户
PDF7 years ago
MM多用户边缘计算系统的随机联合无线电和计算资源管理
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 Gaus
PDF7 years ago
MM移动边缘计算中的动态计算卸载与能量收集设备
本文介绍了一种利用能量收集技术来为移动设备供电的绿色 MEC 系统，并开发了一种有效的计算卸载策略。从执行成本、执行延迟和任务失败三个角度，提出了 Lyapunov 优化的动态计算卸载（LODCO）算法，并在模拟中验证了其有效性和性能。
PDF8 years ago
移动边缘计算系统的延迟最优计算任务调度
本文研究了移动边缘计算中的任务调度问题，采用马尔科夫决策过程方法解决该问题，并且提出了一种有效的一维搜索算法来找到最优的任务调度策略。仿真结果表明，与基线策略相比，该策略可以实现更短的平均执行延迟。
PDF8 years ago