.png){kind=icon}
返回
Distributed Maximum Utility Task Offloading for Delay-Sensitive IoT Applications in Cloud and Edge Computing
.png){kind=icon}
PRE
AI
DOI：10.1007/s10922-025-09918-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
雾计算中的任务卸载已成为解决物联网设备计算约束的关键方案，尤其适用于延迟敏感型应用。本文提出了一种基于最大效用任务卸载的分布式算法，其中效用被定义为服务延迟的倒数。与现有的集中式方法不同，本方法利用去中心化框架，使用户设备和接入点能够协同优化任务分配，无需依赖中心权威。该问题被建模为二分图上的最大权重匹配问题，并在CONGEST计算模型下提出了一种确定性分布式算法，其近似比可达(1/3-epsilon)（epsilon>0），运行轮数为O(1/epsilon log2(Delta/epsilon)log(1+root epsilon)(1/D))，其中Delta为网络图的最大度，D为网络中的最小服务延迟。本方法具有高效可扩展性，与网络规模无关，并能适应物联网环境的动态特性，纳入了通信延迟、异构资源可用性等现实约束。广泛的仿真验证了所提算法在不同场景下的有效性，包括变化的负载分布和网络密度。结果表明，本算法在性能上与集中式贪心方法相当，同时在可扩展性和适应性方面具有显著优势。
Keyword:
Cloud computing
Edge computing
Internet of things
Matching
Scheduling
Distributed approximation algorithms
Task offloading
Mobile cloud computing
期刊
IF:
3.9
论文数:
1.0K
被引数:
1.3K
机构
暂无机构信息
引用论文
Deterministic (1+
𝜀
)-approximate maximum matching with poly(1/
𝜀
) passes in the semi-streaming model and beyond确定性 (1+𝜀)-近似最大匹配，在半流模型及更广泛的模型中以 poly(1/𝜀) 次遍历实现
OAAI
OAAI分享收藏A Survey on Matching Theory for Distributed Computation Offloading in IoT-Fog-Cloud Systems: Perspectives and Open Issues.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Dynamic collaborative task offloading for delay minimization in the heterogeneous fog computing systems异构雾计算系统中的动态协同任务卸载以最小化延迟OAAI
OAAI分享收藏Stackelberg Game-Based Task Offloading for Joint Service Caching and Resource Allocation Optimization in UAV-Assisted VEC无人机辅助VEC中基于Stackelberg博弈的联合服务缓存和资源分配优化任务卸载
PREAI
分享收藏A Survey and Taxonomy on Task Offloading for Edge-Cloud Computing边缘云计算任务卸载研究综述与分类IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容