.png){kind=icon}
返回
Orbit-aware task scheduling in satellite edge computing
.png){kind=icon}
OA
AI
DOI：10.1007/s10586-025-05663-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
卫星边缘计算（SEC）实现了在近地轨道（LEO）卫星上部署计算服务，并将LEO星座转变为由数百至数千个节点组成的分布式平台。SEC具有提供与成熟边缘计算解决方案相当的服务质量（QoS）水平的潜力，其优势在于为高速互联网链路或5G网络未覆盖的地理区域提供全球连接和低延迟计算。实现SEC需要解决计算卸载、资源分配和负载分配问题，这些挑战源于计算资源稀缺、能源约束、计算节点的高速运动、通信不稳定以及故障检测与恢复。本文聚焦于计算卸载和资源分配（即任务调度）问题，提出了一种分布式解决方案，该方案应对资源约束、执行时间约束、卫星运动可见性（日没）以及最小化整体平均响应时间。我们的解决方案基于一个系统模型，该模型捕捉卫星的轨道运动，并消除了文献中关于卫星网络拓扑和卫星间最大单跳连接数的传统假设。通过离散事件仿真（DES），我们评估了在执行长时间运行任务（即服务时间范围为日没时间，25至176秒的任务）时提出的调度算法的性能。结果表明，所提出的解决方案能够实现极高的任务成功率，确保在日没前完成执行；资源分配策略允许在截止时间前完成高比例的任务。
Keyword:
Satellite Cloud Computing
LEO
Edge Computing
Decentralized Scheduling
Performance evaluation
Simulation
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
.png){kind=icon}
Stochastic Computation Offloading for LEO Satellite Edge Computing Networks: A Learning-Based ApproachLEO卫星边缘计算网络的随机计算卸载: 一种基于学习的方法
PREAI
分享收藏Decentralized Scheduling for Concurrent Tasks in Mobile Edge Computing via Deep Reinforcement Learning基于深度强化学习的移动边缘计算并发任务分散调度
PREAI
分享收藏Decentralized Scheduling and Dynamic Pricing for Edge Computing: A Mean Field Game Approach边缘计算的分散调度和动态定价: 平均场博弈方法
PREAI
分享收藏Blocked-Job-Offloading-Based Computing Resources Sharing in LEO Satellite NetworksLEO卫星网络中基于阻塞作业卸载的计算资源共享
PREAI
分享收藏
查看更多内容