.png){kind=icon}
返回
Service Function Chain Scheduling in Heterogeneous Multi-UAV Edge Computing
.png){kind=icon}
OA
AI
DOI：10.3390/drones7020132.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于两者之间的资源差距，在资源有限的无人机 (UAV) 平台上支持人工智能 (AI) 增强的智能应用很困难。有望将AI应用程序划分为服务功能 (SF) 链，然后将SF分派到多个uav上。然而，有效地调度多个uav的计算和通信资源以支持大量的SF链 (sfc) 仍然是一项具有挑战性的任务。在多无人机边缘计算范式下，将SFC调度问题表述为0-1非线性整数规划问题。然后，提出了一种两阶段启发式算法来解决这个问题。在第一阶段，如果资源过剩，则基于我们提出的sfc和UAV之间的配对原则，将sfc并行部署到UAV边缘服务器，以最小化任务的完成时间总和。相反，当资源不足时，采用收益最大化启发式方法以串行服务模式部署到达的sfc。进行了一系列实验来评估我们的建议的性能。结果表明，我们的算法在任务完成时间总和，总收入和任务执行成功率方面优于其他基准算法
Keyword:
edge computing
unmanned aerial vehicle
artificial intelligence
service function chain
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
引用论文
.png){kind=icon}
Computation-Efficient Offloading and Trajectory Scheduling for Multi-UAV Assisted Mobile Edge Computing多无人机辅助移动边缘计算的高效卸载和轨迹调度
PREAI
分享收藏Dependence of thermoluminescent detectors relative response on the linear energy transfer; some examples of use热致发光探测器的相对响应与线性能量转移的关系；一些应用实例
PREAI
分享收藏Enabling Efficient Scheduling in Large-Scale UAV-Assisted Mobile-Edge Computing via Hierarchical Reinforcement Learning通过分层强化学习实现大规模无人机辅助移动边缘计算的高效调度
PREAI
分享收藏
查看更多内容