.png){kind=icon}
返回
Membrane computing for IoT task offloading: An efficient multi-objective constrained optimization framework
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2024.112560.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
与物联网（IoT）应用相关的计算任务变得越来越复杂，物联网设备（IoTDs）如今被广泛应用于人们日常生活的多种场景中。鉴于物联网设备的计算资源和电池寿命受限，越来越多的计算任务由云服务器处理。然而，云服务器受限的通信范围导致显著的通信成本。因此，这些复杂的计算任务被转移到位于物联网设备附近的边缘服务器，以缓解传输延迟和成本。为应对卸载决策的挑战，并在边缘-云场景中获得满足多重约束的多目标卸载决策，本研究提出了一种基于膜计算的多目标约束进化算法框架，用于解决约束多目标计算卸载问题（MCMS-CMOEA）。该框架借鉴了膜计算膜内的独立并行性以及膜间信息交换的启发。其目标是最小化延迟和能耗。该框架分为三个阶段，旨在逐步探索解空间并增加最终解集的多样性。为评估MCMS-CMOEA算法的性能，进行了比较分析，将所提算法与九种最新的约束多目标进化算法（CMOEAs）在三个具有不同特征和挑战的约束多目标基准测试套件中进行测试。此外，MCMS-CMOEA还与四种卸载方案在维度各异的计算卸载问题上进行了比较。算法的收敛性和多样性通过两种不同的综合指标进行评估：反向代距离（IGD）和超体积（HV）。基准测试套件和计算卸载问题的数值结果表明，所提算法表现出更优的收敛性和多样性。此外，算法在不同实验中的综合结果也更为高效和具有竞争力，验证了该算法是解决约束多目标计算卸载问题的有前景的方法。
Keyword:
Edge computing
Membrane computing (MC)
Constrained multi-objective optimization
Internet of things (IoT)
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
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PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏分享收藏
查看更多内容