.png){kind=icon}
返回
Intelligent Computing Oriented Joint Model Deployment and Task Offloading in MEC Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/tvt.2026.3679675.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对移动边缘计算(MEC)系统，提出了一种面向智能计算模型部署与任务卸载的框架。在该框架中，云根据需求在MEC服务器部署智能模型，终端压缩原始数据并将任务卸载至对应模型的MEC服务器，以减少传输开销并提升计算效率。提出了一种统一优化框架，整合任务准确度、延迟和资源约束，以提升面向智能计算的边缘系统处理效率。通过联合优化模型部署、终端关联和压缩比，最小化基于任务准确度和延迟的系统效用。所得到的NP难混合整数非线性问题采用基于块坐标下降的算法求解，将其分解为两个子问题，分别通过分支定界法和逐次凸近似法求解。最后，仿真结果验证了所提算法相较于基准方案的性能提升。
Keyword:
Compression offloading
intelligent computing
model deployment
mobile edge computing
期刊
IF:
7.1
论文数:
1.8W
被引数:
6.6W
机构
引用论文
.png){kind=icon}
A Numerical Study on the Parallelization of Dual Decomposition-based Distributed Mixed-Integer Programming基于双重分解的分布式混合整数规划的并行化数值研究
PREAI
分享收藏A Stochastic Model to Investigate Data Center Performance and QoS in IaaS Cloud Computing Systems
PREAI
分享收藏Optimizing AI Service Placement and Resource Allocation in Mobile Edge Intelligence Systems移动边缘智能系统中优化AI服务布局和资源分配
OAAI
OAAI分享收藏DRL-Driven Dynamic Resource Allocation for Task-Oriented Semantic Communication面向任务语义通信的DRL驱动动态资源分配
OAAI
OAAI分享收藏Joint Semantic Transmission and Resource Allocation for Intelligent Computation Task Offloading in MEC Systems联合语义传输与资源分配，用于MEC系统中的智能计算任务卸载
PREAI
分享收藏
查看更多内容