.png){kind=icon}
返回
An improved white shark optimization algorithm for edge-cloud integrated computation offloading
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06541-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网设备的快速普及和延迟敏感型应用的出现，使移动边缘计算（MEC）中的高效任务卸载成为一项关键挑战。尽管现有的元启发式算法已被广泛应用于优化边缘-云资源分配，但它们常常受到早熟收敛、初始种群多样性差以及在高动态、超密集网络环境中难以有效扩展等问题的影响。为弥补这些不足，本文提出了一种新型的边缘-云协作架构下的联合任务卸载框架，并利用改进的白鲨优化（IWSO）算法。所提出的IWSO通过整合三种关键机制对标准白鲨优化（WSO）进行了增强：利用CIRCLE混沌映射实现多样化种群初始化、采用自适应非线性权重因子动态平衡全局探索与局部开发、以及基于适应度-距离平衡（FDB）的柯西反向学习有效逃离局部最优。广泛的实验仿真表明，该方法在收敛精度和速度上显著优于现有的WSO变体和其他标准元启发式算法。关键结果表明，IWSO不仅能通过优化执行延迟和能耗平衡，大幅降低用户感知总成本，还展现出在包含多达1000个用户设备（UEs）的超密集网络场景中的出色可扩展性和鲁棒优化性能，成功克服了传统调度方案的瓶颈。
Keyword:
Mobile edge computing
Task offloading
Edge-cloud collaboration
White shark optimization
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
暂无机构信息
引用论文
分享收藏
Fitness-distance balance (FDB): A new selection method for meta-heuristic search algorithms适应度-距离平衡 (FDB): 一种新的元启发式搜索算法选择方法
PREAI
分享收藏Auto-scaling mechanisms in serverless computing: A comprehensive review无服务器计算中的自动扩展机制: 综合评述.png)
COMPUTER SCIENCE REVIEW
COMPUTER SCIENCE REVIEWIF12.7
PREAI
分享收藏
查看更多内容