.png){kind=icon}
返回
Innovative approaches to parallel processing in constrained IoT environments
.png){kind=icon}
PRE
AI
DOI：10.1007/s00607-025-01514-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网（IoT）通过连接大量设备，实现数据的无缝采集与交换，正对各个领域产生革命性影响。然而，物联网网络的大规模和多样性带来了显著挑战，特别是在资源受限环境中，带宽、计算能力和能源等资源有限。高效的并行处理对于管理海量数据流入并维持系统最优性能至关重要。受限物联网环境中的并行处理面临诸多挑战。为解决本研究中的这一限制，我们开发了创新方法以提升物联网系统的性能与数据检索效率。首先，采用基于椭圆曲线密码学的认证机制保障整体通信安全。将改进的差分进化算法（IDEA）与并发联邦强化学习（CFRL）方法相结合，可优化资源分配并确保资源高效利用。为有效处理延迟约束，我们融合李雅普诺夫优化和鲸鱼优化算法与深度强化学习（DRL-LOWOA）以实现任务卸载的最优化。在优化任务卸载后，我们利用深度神经网络（DNN）提升并行数据处理的准确性。最后，我们提出一种马尔可夫决策过程（MDP）算法，用于在不确定条件下优化决策过程。通过采用这些方法，我们能够在受限物联网环境中高效执行并行处理。所提方法的性能通过通信开销、响应时间、准确率和延迟等关键指标进行评估。
Keyword:
Internet of things (IoT)
Improved differential evolution algorithm (IDEA)
Concurrent federated reinforcement learning (CFRL)
DRL-LOWOA
Deep neutral network (DNN)
MDP
期刊
C
IF:
2.8
论文数:
2.3K
被引数:
3.5K
机构
引用论文
.png){kind=icon}
Constrained Multiobjective Optimization for IoT-Enabled Computation Offloading in Collaborative Edge and Cloud Computing协同边缘和云计算中基于IoT的计算卸载的约束多目标优化
PREAI
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From Connectivity to Intelligence: The Game-Changing Role of AI and IoT in Industry 5.0从连接到智能：AI和IoT在工业5.0中的变革性作用
PREAI
分享收藏
查看更多内容