.png){kind=icon}
返回
Optimizing Resource Allocation for Dynamic IoT Requests Using Network Function Virtualization
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSE.2025.3565736.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络功能虚拟化（NFV）对于确保高效且可扩展的物联网（IoT）网络至关重要。然而，在具备NFV功能的物联网（NIoT）系统中优化资源配置具有挑战性，特别是在物联网功能被部署为虚拟网络功能（VNFs）的情况下。本文提出了一种在分层边缘云计算环境中部署的动态NIoT系统中优化功能部署的方法。我们提出了一个整数线性规划模型和近似算法，以在给定服务请求集合的条件下，最大化满足的请求数量同时最小化系统成本。此外，我们开发了一种基于深度强化学习的算法（RTL），以确定在带宽需求变化时迁移物联网功能的最优时机。我们的评估测量了多个关键指标，包括部署成本、端到端延迟和请求接受率。结果表明，近似算法在显著更短的时间内实现了近乎最优的结果。与基线算法相比，RTL算法在各种流量需求场景下持续改善了运营成本。此外，我们的发现为NIoT服务提供商提出了一种投资策略，以提升系统性能并降低成本。
Keyword:
NFV
optimization
edge computing
IoT
VNF migration
期刊
I
IF:
7.9
论文数:
2.6K
被引数:
10.0K
机构
引用论文
Energy-Aware Service Function Chain Embedding in Edge-Cloud Environments for IoT Applications面向物联网应用的边缘云环境中的能量感知服务功能链嵌入
PREAI
分享收藏Lexicographic multi-objective linear programming using grossone methodology: Theory and algorithm
OAAI
OAAI分享收藏Scheduling IoT Applications in Edge and Fog Computing Environments: A Taxonomy and Future Directions
OAAI
OAAI分享收藏Dynamic Service Function Chain Embedding for NFV-Enabled IoT: A Deep Reinforcement Learning Approach支持NFV的物联网动态服务功能链嵌入: 一种深度强化学习方法
PREAI
分享收藏Internet of Things (IoT) for Next-Generation Smart Systems: A Review of Current Challenges, Future Trends and Prospects for Emerging 5G-IoT Scenarios.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容