返回
A service cache-based dynamic collaborative task migration technology
DOI:10.1186/s13638-026-02623-8.png)
摘要
En 中文
边缘网络中持续涌现的计算密集型和延迟敏感型服务推动了任务迁移技术的快速发展。然而,任务迁移面临显著的技术挑战,如复杂的应用场景和问题建模的高复杂性,尤其是在考虑用户移动性时。因此,提出了一种集成最优聚类策略和边缘预缓存的任务迁移框架,以确保在移动感知环境中的用户服务稳定性和连续性。首先,基于用户移动轨迹引入了动态合作集群和迁移预测半径的概念,然后提出了预迁移模型来确定迁移的时间和地点,重点关注两种任务场景:移动和过载。在最大可容忍延迟的约束下,推导出合作集群半径和目标服务器数量的极限值。最后,提出了一种以用户为中心的分布式多服务器合作聚类算法以及基于服务缓存的深度强化学习网络(Double Deep Q-learning Network),以有效解决最优聚类和服务缓存问题。实验结果表明,所提出的迁移选择算法与其他算法相比,迁移成本降低了16.46%,延迟减少了12.55%。
Keyword:
Mobile edge computing
Service cache
Dynamic collaborative cluster
Task migration
Deep reinforcement learning
期刊
J
IF:
0
论文数:
59
被引数:
0
机构
引用论文
Joint service caching, computation offloading and resource allocation for dual-layer aerial Internet of Things联合服务缓存、计算卸载和资源分配的双层空中物联网
COMPUTER NETWORKS
IF4.6
A Learning-Based Stochastic Game for Energy Efficient Optimization of UAV Trajectory and Task Offloading in Space/Aerial Edge ComputingLi, J.; Shi, Y.; Dai, C.; Yi, C.; Yang, Y.; Zhai, X.; Zhu, K. 基于学习的随机博弈在空间/空中边缘计算中无人机轨迹和任务卸载的能效优化。IEEE Trans. Veh. Technol. 2025, 74, 9717–9733. [Google Scholar] [CrossRef]
Digital Twin-empowered intelligent computation offloading for edge computing in the era of 5G and beyond: A state-of-the-art survey数字孪生赋能的边缘计算智能计算卸载:5G及未来时代的现状调查
ICT EXPRESS
IF4.2
Dual Dependency-Aware Collaborative Service Caching and Task Offloading in Vehicular Edge Computing赵, L.; 孙, L.; Hawbani, A.; 刘, Z.; 汤, X.; 徐, L. 双依赖感知协同服务缓存与任务卸载在车辆边缘计算中. IEEE Trans. Mob. Computing 2025, 1–15. [Google Scholar] [CrossRef]
Joint multi-server cache sharing and delay-aware task scheduling for edge-cloud collaborative computing in intelligent manufacturing联合多服务器缓存共享与延迟感知任务调度在智能制造中的边缘云协同计算
Dynamic service caching aided computation offloading optimization algorithm for mobile edge networks移动边缘网络中基于动态服务缓存辅助的计算卸载优化算法
Learning-driven service caching in MEC networks with bursty data traffic and uncertain delays面向突发数据流量和不确定延迟的MEC网络学习驱动服务缓存

