.png){kind=icon}
返回
Energy-efficient offloading framework for mobile edge/cloud computing based on convex optimization and Deep Q-Network
.png){kind=icon}
OA
AI
DOI：10.1007/s11227-025-07647-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
能效是现代计算范式中最重要的方面之一，原因在于减少碳足迹和降低运营成本。为实现能效，典型的方法是解决能耗源头并应用适当的节能策略。本文基于边缘计算与云计算的卸载框架，提出了一种综合利用预测分析和凸优化技术的方法，以实现电力利用效率。该方法旨在降低边缘/云计算集群的能耗，同时保持可接受的服务质量。其核心思想是首先通过预测增强历史数据，这种预测性历史数据揭示了计算资源分配的趋势。随后，采用结合深度Q网络模型的凸优化技术来制定和调度卸载任务的分配。通过采用这种组合，卸载框架能够生成近最优且自适应的能耗决策，从而有助于实现能效。实验结果表明，与其他最先进的方法相比，所提出的方法能够在保持合适性能水平的同时实现显著的节能效果。
Keyword:
Cloud computing
Computation offloading
Convex optimization
Energy efficiency
Mobile edge computing
Reinforcement learning
期刊
IF:
2.7
论文数:
1.1K
被引数:
1.0W
机构
引用论文
Deep Reinforcement Learning for Energy-Efficient Computation Offloading in Mobile-Edge Computing面向移动边缘计算节能计算卸载的深度强化学习
PREAI
分享收藏Context-Aware Multi-User Offloading in Mobile Edge Computing: a Federated Learning-Based Approach移动边缘计算中的上下文感知多用户卸载: 一种基于联邦学习的方法
PREAI
分享收藏epcAware: A Game-Based, Energy, Performance and Cost-Efficient Resource Management Technique for Multi-Access Edge ComputingepcAware: 一种基于游戏的，能源，性能和成本效益的资源管理技术，用于多访问边缘计算
OAAI
OAAI分享收藏Lightweight energy-efficient offloading framework for mobile edge/cloud computing轻量级节能卸载框架，用于移动边缘/云计算.png)
2023 17th International Conference on Ubiquitous Information Management and Communication (IMCOM)
2023 17th International Conference on Ubiquitous Information Management and Communication (IMCOM)IF0
PREAI
分享收藏
查看更多内容