.png){kind=icon}
返回
MGCO: Mobility-Aware Generative Computation Offloading in Edge-Cloud Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TSC.2025.3632862.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动性为多接入边缘计算（MEC）系统中的最优计算卸载、延迟最小化和高效资源利用带来了显著挑战。关键难点在于利用真实用户轨迹来联合优化水平（边缘间）和垂直（边缘到云）的任务卸载决策。本文针对多层边缘-云架构提出了一种二维卸载方案，能够在移动条件下实现资源受限边缘节点间的协同任务执行。我们提出了MGCO（移动感知生成式计算卸载），这是一种由生成式AI驱动的基于Transformer的序列到序列深度Q网络（s2s-DQN）框架，它通过学习实时轨迹数据来预测用户移动并动态优化任务部署。采用Transformer架构是因为其多头自注意力机制能有效捕捉移动性和任务需求模式中的长距离依赖关系，同时避免LSTM/GRU模型固有的梯度消失和序列瓶颈问题。该设计支持并行上下文推理和稳定的自回归动作生成，在严格的操作延迟约束下实现实时卸载决策。实验结果表明，MGCO持续优于现有方法，与GASTO相比，周转时间最多减少41.61%，与DMQTO和HMAOA相比分别达到645.40%和751.90%的显著改进，预测时间跨度为48个5秒时段。这些结果突显了MGCO在动态边缘-云环境中管理复杂移动场景时的鲁棒性、可扩展性和有效性。
Keyword:
Internet of Things
mobility aware edge computing
offloading
sequence to sequence deep Q-learning
transformer
期刊
IF:
5.8
论文数:
2.2K
被引数:
6.5K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Efficient Live Migration of Edge Services Leveraging Container Layered Storage利用容器分层存储实现边缘服务的高效实时迁移
OAAI
OAAI分享收藏
查看更多内容