.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
边缘计算最小化数据传输延迟，并满足边缘计算中无线网络覆盖问题对实时应用的需求。本文提出了一种基于服务缓存的资源优化算法，并设计了一种无人机辅助计算卸载和服务程序的混合计算模型，其中无人机（Unmanned Aerial Vehicle）不仅携带服务器用于计算卸载，还作为中继协助服务程序的下载。目标是在遵循延迟、缓存容量等约束条件及其他相关因素的同时，最小化系统的总能耗。由于目标问题具有非凸性，将其划分为三个子问题以便更有效地处理。通过分析，建立了资源分配比例与系统总能耗之间的关系，并分别采用模拟退火算法、贪心算法和遗传算法求解这些子问题。最终，通过迭代获得了位置部署、服务缓存、资源分配和卸载决策的全局最优解。仿真结果表明，所提出的算法在满足任务完成延迟约束的同时，成功降低了系统的总能耗。
Keyword:
UAV
service caching
computational offloading
simulated annealing
genetic algorithm
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Joint Optimization of Multi-user Computing Offloading and Service Caching in Mobile Edge Computing.png)
PREAI
.png){kind=icon}
分享.png){kind=icon}
收藏
Energy-Efficient Multi-UAV-Enabled Multiaccess Edge Computing Incorporating NOMA结合NOMA的高能效多无人机多接入边缘计算
PREAI
分享收藏Deep Reinforcement Learning for Energy-Efficient Computation Offloading in Mobile-Edge Computing面向移动边缘计算节能计算卸载的深度强化学习
PREAI
分享收藏Joint Optimization of UAV 3-D Placement and Path-Loss Factor for Energy-Efficient Maximal Coverage
PREAI
分享收藏Multi-user Computation Offloading Algorithm for Mobile Edge Computing移动边缘计算的多用户计算卸载算法.png)
2021 2nd International Conference on Electronics, Communications and Information Technology (CECIT)
2021 2nd International Conference on Electronics, Communications and Information Technology (CECIT)IF0
PREAI
分享收藏A Distributed Microservice-Aware Paradigm for 6G: Challenges, Principles, and Research OpportunitiesIEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏
查看更多内容