.png){kind=icon}
返回
Collaborative Data Aggregation Algorithm Considering User Preferences for Opportunistic Edge Computing
.png){kind=icon}
PRE
AI
DOI：10.1002/cpe.70302.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在动态且不可预测的环境中，机会性边缘计算已作为一种新颖范式出现。它旨在利用暂时可用的计算资源以实现高效的数据处理。为应对此类情境下移动群体协作数据聚合的挑战，本文提出了一种多偏好冗余数据协作聚合算法（MPRDCA），该算法联合优化信道状态和数据偏好权重，并开创了三项关键创新：（a）一种新型二元决策因子，整合动态用户偏好与信道状态；（b）一种时变效用函数，纳入偏好权重；（c）基于李雅普诺夫的能量约束转换。性能通过参数化随机模拟进行了严格评估，模拟中纳入了概率信道状态和分层偏好系数，以模拟动态边缘群体。关键结果表明，在严格的能量约束下，MPRDCA在实现更高整体传输效用同时，将最紧急所需数据的有效传输量提升了最高41.99%，相比基准算法。理论和实证结果验证了MPRDCA是资源受限边缘场景下的高度自适应解决方案，实现了最优的效用-效率权衡。
Keyword:
collaborative group
data aggregation
edge computing
online distributed optimization
期刊
C
IF:
1.5
论文数:
473
被引数:
0
机构
引用论文
Reliable cluster based data aggregation scheme for IoT network using hybrid deep learning techniques基于混合深度学习技术的物联网网络可靠集群数据聚合方案
OAAI
.png){kind=icon}
OAAI分享收藏Data-Driven Flight Control of Internet-of-Drones for Sensor Data Aggregation Using Multi-Agent Deep Reinforcement Learning使用多代理深度强化学习的数据驱动的无人机互联网飞行控制，用于传感器数据聚合
OAAI
OAAI分享收藏
查看更多内容