.png){kind=icon}
返回
Cloud-Edge-End Collaborative Dependent Computing Schedule Strategy for Immersive Media
.png){kind=icon}
PRE
AI
DOI：10.1002/ett.70247.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
沉浸式媒体应用通常通过头戴式显示器为用户创造沉浸式体验。然而，终端设备的计算能力和存储容量有限，本地计算架构无法满足全景视频帧的高分辨率和低延迟要求。作为一种新的计算范式，云、边缘和终端协同计算架构选择性地将计算任务调度到计算能力更强的云服务器和边缘服务器，可以有效提高计算效率。然而，对于依赖性计算任务，每个任务的调度需要考虑其前置任务、网络状态以及不同服务器的计算资源。因此，如何为依赖性任务制定计算卸载决策和资源分配是协同计算架构的关键问题。本文研究了沉浸式媒体场景和基本计算卸载策略，并构建了依赖任务模型图和优化问题模型。基于阈值策略、启发式算法的贪心策略和深度强化学习模型，设计了一种协同计算架构下的调度策略，以最大化与延迟和成本相关的奖励。最后，通过仿真实验验证了基于深度强化学习和贪心策略的计算任务调度策略的基本性能。实验结果表明，该算法将延迟降低超过1.8 ms，并将及时完成率提高超过相对于几种基本调度方案，能够有效提高服务质量和用户体验。
Keyword:
computational offloading
deep reinforcement learning
heuristic strategies
immersive media
task scheduling
期刊
IF:
2.5
论文数:
483
被引数:
3.9K
机构
引用论文
A Comparative Study of Mobile Cloud Computing, Mobile Edge Computing, and Mobile Edge Cloud Computing移动云计算、移动边缘计算和移动边缘云计算的比较研究
.png){kind=icon}
PREAI
分享收藏Enhancing Quality Of Experience For Cloud Virtual Reality Gaming: An Object-Aware Video Encoding
PREAI
分享收藏分享收藏
分享收藏Dynamic task offloading and resource allocation for energy-harvesting end–edge–cloud computing systems能量收集端-边-云计算系统的动态任务卸载与资源分配
PREAI
分享收藏
查看更多内容