.png){kind=icon}
返回
Data Offloading for Edge-Enabled Smart City Services via Location-Functionality Correlation Analysis
.png){kind=icon}
PRE
AI
DOI：10.1109/TSC.2025.3623180.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动边缘计算通过将相关数据集卸载到边缘服务器，显著降低了智能城市服务的延迟。智能城市数据集在位置和功能方面的相关性在确定数据卸载策略中起着关键作用。这些数据集的相关性越强，它们被同时请求的概率就越高。然而，大多数现有方法往往忽略了位置-功能相关性对数据集访问频率的影响。如果将高相关性的数据集卸载到不同的边缘服务器上，将会增加跨服务器延迟。因此，我们提出了一种方法来分析智能城市数据集之间的位置-功能相关性并优化数据卸载策略。然后，我们正式化了一个数据卸载模型以优化总预期收益，这是一个NP难问题。为了解决这个问题，我们提出了一个用于数据卸载的剪枝Q-learning算法，该算法学习数据集之间的位置-功能相关性。为了验证其有效性，我们首先进行模拟实验，以验证在复杂服务场景和大规模数据集下的卸载策略。此外，我们基于SuperMap iServer实现了一个数据卸载架构。实验结果表明，与基线算法相比，我们的算法将延迟和能耗分别降低了34.65%和25.54%。
Keyword:
Edge computing
data offloading
smart city
Q-learning
期刊
IF:
5.8
论文数:
2.2K
被引数:
6.5K
机构
引用论文
Task Offloading and Resource Pricing Based on Game Theory in UAV-Assisted Edge Computing无人机辅助边缘计算中基于博弈论的任务分流与资源定价
.png){kind=icon}
PREAI
分享收藏
分享收藏分享收藏Low-Cost Data Offloading Strategy With Deep Reinforcement Learning for Internet of Things基于深度强化学习的物联网低成本数据卸载策略
PREAI
分享收藏
查看更多内容