.png){kind=icon}
返回
Edge computing optimization: an enhanced algorithm for efficient caching and latency reduction
.png){kind=icon}
OA
AI
DOI：10.1016/j.eij.2025.100781.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
医疗健康领域的数字化转型在近几年经历了巨大变革，这使得医疗专业人员能够通过连接设备访问并远程监控患者状态。尽管数字医疗更方便患者、节省时间且更具成本效益，但它也因数据处理和存储在集中式云服务器上进行而产生了延迟问题。边缘计算（EC）提供了令人兴奋的机会，因为它将数据处理置于数据源附近，但面临存储容量有限和基础设施复杂等挑战。为解决这些问题，本文提出了一项仿真研究，称为基于鸽群优化的边缘缓存（DSOA-EC），该方案结合了边缘缓存机制和群体智能以降低延迟成本并提升服务质量（QoS）。DSOA-EC的独特之处在于其智能缓存策略，可根据设定的缓存标准及当前网络条件动态选择最佳数据点。该架构包含三层：设备层、边缘层和云层，每层均针对在操作环境约束下支持数据处理和传输效率进行了优化。仿真结果表明，DSOA-EC模型显著优于传统缓存协议，实现了92%的缓存命中率、0.22秒的感知延迟、99%的数据新鲜度、0.0021秒的数据检索延迟以及155焦耳的能效。其性能表明DSOA-EC成功降低了缓冲区延迟并改善了QoS。此举展示了其在医疗环境中作为可扩展、实时边缘计算解决方案的潜力。这些发现提供了有力的概念验证证据，并为大规模多中心试验和实际应用奠定了坚实基础。
Keyword:
Edge computing
Reliable
Latency
Edge caching
Caching algorithm
Quality of service
Data retrieval latency
Dove swarm optimization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.3
论文数:
800
被引数:
1.4K
机构
引用论文
Empowering the Internet of Things Using Light Communication and Distributed Edge Computing使用光通信和分布式边缘计算为物联网赋能.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏Machine-Learning-Based IoT-Edge Computing Healthcare Solutions基于机器学习的IoT边缘计算医疗保健解决方案ELECTRONICSOAAI
ELECTRONICSIF2.6
OAAI分享收藏Smart Disease Detection System for Citrus Fruits Using Deep Learning with Edge Computing基于边缘计算的深度学习智能柑橘类水果病害检测系统SUSTAINABILITYOAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Machine Learning for Fog Computing: Review, Opportunities and a Fog Application Classifier and Scheduler用于雾计算的机器学习: 回顾，机会和雾应用分类器和调度程序
PREAI
分享收藏Edge computing based secure health monitoring framework for electronic healthcare system基于边缘计算的电子医疗系统安全健康监测框架OAAI
OAAI分享收藏FAST: Flexible and Low-Latency State Transfer in Mobile Edge Computing快速: 移动边缘计算中灵活且低延迟的状态转移IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容