基于智能化用户协作的边缘计算任务卸载与资源分配优化

TN92; 为了解决移动边缘计算网络中计算资源日益紧缺的问题,设计了一种基于用户协作的边缘计算资源分配机制,充分利用用户之间的空闲计算资源,有效提升系统整体的数据处理性能.以最大化用户的效用函数为目标,将目标优化问题建模为一个关于用户任务卸载决策和本地计算通信资源的联合优化问题,并结合深度学习技术和凸优化理论,提出了一种混合深度学习-优化算法对目标问题进行求解.仿真结果表明,相较于对比算法,所提算法能使用户的效用提升至少85.4％,并能在亚秒级的时间内实现用户效用的近似最优化....

Full description

Saved in:
Bibliographic Details
Published in物联网学报 Vol. 6; no. 4; pp. 41 - 52
Main Authors 李贤, 毕宿志, 曾泓儒, 林彬, 林晓辉
Format Journal Article
LanguageChinese
Published 深圳大学电子与信息工程学院,广东深圳 518060%深圳大学电子与信息工程学院,广东深圳 518060 2022
鹏城实验室宽带通信研究部,广东 深圳 518066
Subjects
效用最大化
深度学习
凸优化
移动边缘计算
Online AccessGet full text

Cover

More Information
Summary:TN92; 为了解决移动边缘计算网络中计算资源日益紧缺的问题,设计了一种基于用户协作的边缘计算资源分配机制,充分利用用户之间的空闲计算资源,有效提升系统整体的数据处理性能.以最大化用户的效用函数为目标,将目标优化问题建模为一个关于用户任务卸载决策和本地计算通信资源的联合优化问题,并结合深度学习技术和凸优化理论,提出了一种混合深度学习-优化算法对目标问题进行求解.仿真结果表明,相较于对比算法,所提算法能使用户的效用提升至少85.4％,并能在亚秒级的时间内实现用户效用的近似最优化.
ISSN:2096-3750
DOI:10.11959/j.issn.2096-3750.2022.00303