.png){kind=icon}
返回
Access points deployment in data offloading using evolutionary optimization algorithms
.png){kind=icon}
PRE
AI
DOI：10.1007/s00500-025-10964-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着智能手机和其他移动设备的普及，移动数据消耗量显著增加。为了应对蜂窝网络接入部分的高负载，网络运营商采用各种策略。数据卸载确实是缓解网络拥塞和提高蜂窝网络数据传输的有效解决方案。它涉及将数据流量从蜂窝网络转移到其他可用的无线技术，如Wi-Fi或 femtocells，这些技术可以提供额外的带宽和容量。通过解决性能问题并考虑成本因素，通过合理部署、配置和管理接入点（APs），基于Wi-Fi的卸载可以优化，以实现高效数据传输、缓解蜂窝网络拥塞并提升整体用户体验。本文提出一个多目标问题，旨在找到提供最佳卸载性能（以吞吐量和卸载数据流量衡量）的Wi-Fi AP的最佳位置。应用三种优化算法来解决问题，包括遗传算法（GA）、磷虾群算法（KHA）和正弦余弦算法（SCA）。本文的主要贡献在于研究每种优化方法在提供单目标或多目标数据卸载性能指标方面的能力。评估结果表明，由于SCA采用黑箱模型解决方案，其在所有场景中都能提供最佳性能。KHA的性能改进优于GA方法，因为它采用利用阶段来寻找局部最优解。GA方法的优越性在于其高收敛速度，这是由于在每次迭代中引入变异。
Keyword:
Offloading
WiFi APs
Cellular
Optimization
Performance
期刊
IF:
2.5
论文数:
1.0W
被引数:
2.1W
机构
引用论文
.png){kind=icon}
Delay Minimization for NOMA-MEC Offloading in ABS-Aided Maritime Communication Networks基于ABS辅助的 Maritime Communication Networks 中 NOMA-MEC卸载的延迟最小化
PREAI
分享收藏Optimizing vehicle edge computing task offloading at intersections: a fuzzy decision-making approach优化交叉路口车辆边缘计算任务卸载：一种模糊决策方法
PREAI
分享收藏
查看更多内容