.png){kind=icon}
返回
Large Models for Resource Allocation in Edge Computing Power Networks
.png){kind=icon}
PRE
AI
DOI：10.1109/MNET.2024.3524611.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
计算能力网络（CPN），作为异构计算资源的集成，由于其服务设施与远程用户之间可能存在长距离传输，难以应对最终用户的快速增长和严格的任务延迟约束。为克服此问题，我们提出了边缘计算能力网络（ECPN），通过充分利用边缘计算资源，减少长距离传输开销，优化资源利用率并提高系统性能。在资源调度领域，传统机器学习因其快速解决问题能力而被广泛应用。然而，传统机器学习在ECPN中面临挑战，尤其是在处理异构任务和适应高度动态网络条件方面。为解决这些挑战，我们提出了一种基于大模型的ECPN框架，该框架在增强ECPN的任务卸载和资源分配能力的同时，优化了大模型在框架中的部署。为展示该框架的优势，我们引入了智能交通应用场景，并采用基于大语言模型的图多智能体深度强化学习算法，确定在ECPN中平衡能耗和隐私保护的优化任务匹配策略。实验结果表明，本框架中应用的算法降低了能耗，减少了任务匹配的收敛时间，并增强了ECPN中的隐私保护。
Keyword:
Large models
edge computing power network (ECPN)
resource allocation
期刊
IF:
6.3
论文数:
2.7K
被引数:
1.1W
机构
引用论文
Resource-Efficient Generative Mobile Edge Networks in 6G Era: Fundamentals, Framework and Case Study
OAAI
OAAI分享收藏Large Language Models for Networking: Applications, Enabling Techniques, and Challenges.png)
IEEE NetworkOAAI
IEEE NetworkIF0
OAAI分享收藏Leveraging Large Language Models for Intelligent Control of 6G Integrated TN-NTN With IoT Service利用大型语言模型智能控制6g集成tn-ntn与IoT服务IEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏A Survey on the Integration and Optimization of Large Language Models in Edge Computing Environments边缘计算环境中大型语言模型集成与优化的综述
PREAI
分享收藏
查看更多内容