.png){kind=icon}
返回
QoE-Driven Multi-Task Offloading for Semantic-Aware Edge Computing Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSE.2026.3662899.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动边缘计算（MEC）为计算密集型任务提供了低延迟卸载解决方案，有效提升了移动设备的计算效率和电池续航时间。然而，对于数据密集型任务或上行带宽受限的场景，大量同时进行卸载的节点可能导致网络拥塞，增加传输延迟并影响任务性能。在本文中，我们提出了一种语义感知的多任务卸载框架，以应对上行带宽受限带来的挑战。通过引入语义提取因子，我们在传输延迟、计算能耗和任务性能之间实现了平衡。为衡量不同任务的卸载性能，我们设计了一个统一且公平的用户体验质量（QoE）指标，该指标包括执行延迟、能耗和任务性能。我们将QoE优化问题表述为马尔可夫决策过程（MDP），并利用语义感知的多智能体近端策略优化（MAPPO）强化学习算法，联合优化语义提取因子以及通信与计算资源的分配，以最大化整体QoE。实验结果表明，与未考虑语义的方法相比，所提方法将用户QoE提升了12.68%。此外，所提方法可轻松扩展至具有不同用户偏好的模型。
Keyword:
Mobile edge computing
resource allocation
task offloading
semantic-aware
期刊
I
IF:
7.9
论文数:
2.6K
被引数:
10.0K
机构
引用论文
.png){kind=icon}
Resilient Image Semantic Communication Based on Rate-Optimized Information Bottleneck Theory基于速率优化信息瓶颈理论的鲁棒图像语义通信
PREAI
分享收藏Deep Reinforcement Learning-Based Resource Allocation for Hybrid Bit and Generative Semantic Communications in Space-Air-Ground Integrated Networks黄, C.; 陈, X.; 陈, G.; 肖, P.; 李, G.Y.; 黄, W. 基于强化学习的混合比特和生成语义通信的资源分配方法在天地空一体化网络中的应用。arXiv 2024, arXiv:2412.05647. [Google Scholar] [CrossRef]
PREAI
分享收藏Energy-Aware Service Offloading for Semantic Communications in Wireless Networks面向语义通信的无线网络节能服务卸载
OAAI
OAAI分享收藏Wireless Networks for Mobile Edge Computing: Spatial Modeling and Latency Analysis用于移动边缘计算的无线网络: 空间建模和延迟分析
PREAI
分享收藏Joint Mixed Semantic Communication and Computing Offloading Framework for Mobile Edge Computing
PREAI
分享收藏Deep Reinforcement Learning Based Approach for Online Service Placement and Computation Resource Allocation in Edge Computing边缘计算中基于深度强化学习的在线服务放置和计算资源分配方法
PREAI
分享收藏
查看更多内容