.png){kind=icon}
返回
Tensor-based task allocation using multi-objective optimization in GECC environment
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comcom.2025.108316.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
边缘-云计算（GECC）作为一种有前景的范式出现，通过整合边缘和云资源来满足现代应用多样化的需求。现有GECC环境中的任务分配策略往往未能充分解决多目标冲突下的资源利用率低和经济成本高的问题。因此，本文提出了一种基于张量的多目标优化任务分配方案。我们首先将GECC环境中的任务分配问题扩展为多目标优化问题，并构建了五个优化模型，即能耗、系统可靠性、用户体验质量、经济成本和延迟。然后，为了处理这些目标之间的复杂关系，我们开发了基于张量的任务分配表示和计算模型，涵盖云、边缘服务和边缘设备平台。此外，我们提出了一种结合速度限制和动态步长策略的基于张量的多目标甲虫群优化算法（TMOBSO-SLDS），该算法动态调整步长和限制速度，以提高全局搜索效率和解集多样性。在多种任务分配场景中的大量实验结果表明，所提出的TMOBSO-SLDS算法在HV值衡量上优于现有方法，能够显著提升解集多样性并改善资源利用率。
