基于分布式深度学习的边缘服务放置策略

TN929.5; 针对移动边缘计算网络中不合理的服务放置和资源分配所导致的服务质量下降问题,提出了 一种基于分布式深度学习的边缘服务放置策略.首先,以最小化所有用户服务请求时延与加权服务放置成本总和为优化目标,将优化问题建模为混合整数非线性规划问题.其次,在给定服务放置策略情况下,利用凸优化理论求解出边云最优的计算资源分配方案.最后,利用分布式深度学习解决了服务放置问题.理论证明及仿真结果表明,所提策略能够有效降低用户服务请求时延和应用服务提供商的服务放置成本,并且逐渐逼近全局最优的服务放置策略....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 44; no. 5; pp. 1728 - 1737
Main Authors 邹虹, 白陈阳, 何鹏, 崔亚平, 王汝言, 吴大鹏
Format Journal Article
LanguageChinese
Published 泛在感知与互联重庆市重点实验室,重庆400065 01.05.2022
重庆邮电大学通信与信息工程学院,重庆400065
重庆高校市级光通信与网络重点实验室,重庆400065
Subjects
资源分配
深度学习
移动边缘计算
服务放置
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2022.05.36

Cover

More Information
Summary:TN929.5; 针对移动边缘计算网络中不合理的服务放置和资源分配所导致的服务质量下降问题,提出了 一种基于分布式深度学习的边缘服务放置策略.首先,以最小化所有用户服务请求时延与加权服务放置成本总和为优化目标,将优化问题建模为混合整数非线性规划问题.其次,在给定服务放置策略情况下,利用凸优化理论求解出边云最优的计算资源分配方案.最后,利用分布式深度学习解决了服务放置问题.理论证明及仿真结果表明,所提策略能够有效降低用户服务请求时延和应用服务提供商的服务放置成本,并且逐渐逼近全局最优的服务放置策略.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2022.05.36