.png){kind=icon}
返回
Weighted quantum particle swarm task offloading optimization algorithm for time-energy minimization in mobile edge computing
.png){kind=icon}
OA
AI
DOI：10.1007/s10791-026-10087-z.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）通过将处理资源推向移动网络边缘并降低延迟，正在改变计算范式，这对物联网、增强现实和自主系统等高要求环境至关重要。尽管现有文献在应对这些挑战方面取得了一定进展，但许多方法在任务优化选择和依赖关系处理方面存在不足，这导致任务卸载效率低下，进而引发次优能耗和任务完成时间。本研究提出了一种新的多目标算法——加权量子粒子群优化（WQPSO），用于解决MEC任务卸载问题。其核心目标是通过无需大量参数调整的有效方法优化能耗和任务完成时间，同时为高需求的任务、用户和服务器多环境提供近严格可扩展的框架。我们将WQPSO算法的Python实现与一系列最先进方法进行了严格比较。结果表明，WQPSO在任务完成时间上平均减少5.16%，系统总能耗降低8.66%。这些结果凸显了其在边缘计算挑战中作为高效解决方案的巨大潜力。
Keyword:
Edge computing
Energy consumption
Completion time task offloading
Weighted quantum particle swarm
期刊
D
IF:
0
论文数:
447
被引数:
8
机构
引用论文
Workflow Scheduling Scheme for Optimized Reliability and End-to-End Delay Control in Cloud Computing Using AI-Based Modeling基于AI建模的云计算中可靠性优化和端到端延迟控制的工作流调度方案.png)
MathematicsOAAI
MathematicsIF0
OAAI分享收藏Collaborative Task Offloading Strategy of UAV Cluster Using Improved Genetic Algorithm in Mobile Edge Computing基于改进遗传算法的移动边缘计算中无人机集群协同任务卸载策略OAAI
OAAI分享收藏An Enhanced Grey Wolf Optimization Algorithm for Efficient Task Scheduling in Mobile Edge Computing
PREAI
分享收藏Optimizing Heterogeneous Task Allocation for Edge Compute Micro Clusters Using PSO Metaheuristic
PREAI
分享收藏Metaheuristics Method for Computation Offloading In Mobile Edge Computing: Survey移动边缘计算中计算卸载的元启发式方法：综述
PREAI
分享收藏Resource Allocation and Task Off-Loading for 6G Enabled Smart Edge EnvironmentsIEEE ACCESS
IEEE ACCESSIF3.6
PREAI
分享收藏
查看更多内容