- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于学习的能量收集物联网设备计算卸载
摘要: 物联网(IoT)设备可结合移动边缘计算(MEC)与能量收集(EH)技术,在为计算密集型应用提供高性能体验的同时延长电池寿命。本文针对具备能量收集功能的物联网设备,提出一种基于强化学习(RL)的任务卸载方案,该方案能根据当前电池电量、各边缘设备的既往无线传输速率及预测收集能量量值,自主选择最优边缘设备及卸载速率。该机制使物联网设备无需掌握MEC模型、能耗模型和计算延迟模型的先验知识即可优化卸载策略。进一步地,我们设计了基于深度强化学习的加速学习方案。通过三种典型卸载场景,给出了该方案在能耗、计算延迟及效用方面的性能边界,并采用无线供能的物联网设备进行仿真验证。结果表明:相较于基准卸载方案,所提RL卸载方案在动态MEC环境中能降低能耗、缩短计算延迟并减少任务丢弃率,从而显著提升物联网设备的综合效用。
关键词: 移动边缘计算、能量收集、强化学习、计算卸载、物联网
更新于2025-09-23 15:22:29
-
[IEEE 2018年亚洲通信与光子学会议(ACP) - 中国杭州 (2018.10.26-2018.10.29)] 2018年亚洲通信与光子学会议(ACP) - 移动边缘计算服务迁移中的网络切片演示
摘要: 本文提出了一种基于软件定义网络(SDN)的移动边缘计算基础设施中服务迁移的跨层网络切片架构。实验验证表明,该方案实现了跨层资源切片与服务迁移隔离能力。
关键词: 软件定义网络、网络切片、移动边缘计算、服务迁移
更新于2025-09-23 04:05:26
-
一个涉及MEC的框架:成像卫星任务规划
摘要: 卫星将在众多重要行业中发挥关键作用,并作为物联网时代的信息传输载体而存在。海量数据可用于规划与调度流程中。本文提出了一种通用数据驱动框架——成像卫星任务规划框架(ISMPF),用于解决成像任务规划问题。该框架主要包括任务分配、规划调度和任务执行三部分,为卫星任务规划问题提供了通用解决方案。其中规划调度模块的两个核心组成部分是机器学习算法与规划调度算法,它们对结果质量具有重要影响?;餮八惴ㄖ饕糜诳焖倩袢】尚谐跏冀?,这一思路可应用于成像卫星观测任务规划、成像卫星测控及数据下传任务规划的快速分析与建模,具有强通用性,适用于成像卫星的大多数场景。为验证ISMPF的有效性,我们针对测控和数据下传任务设计了测试案例,实验验证表明所提框架具有有效性。
关键词: 框架、成像卫星、任务规划、移动边缘计算
更新于2025-09-23 23:51:58
-
[IEEE OCEANS 2019 - 马赛 - 法国马赛 (2019.6.17-2019.6.20)] OCEANS 2019 - 马赛 - 水下光通信中海水信道频域特性重建实验
摘要: 移动边缘计算(MEC)作为一项新兴技术,通过将云计算能力延伸至网络边缘,为移动用户近距离提供网络服务。边缘云服务具有降低服务延迟、减少运营成本及提升网络资源可用性等优势。此外,MEC中提供的虚拟化网络服务能改善用户体验、简化网络部署并优化资源管理。然而,在满足移动用户严格个性化延迟需求的同时,提供可靠无缝的虚拟化网络服务具有重要价值且充满挑战。本文研究MEC环境中移动用户对虚拟网络功能服务的请求问题,首先构建了两个考虑用户移动性和服务延迟需求的新型请求准入模型:一是在MEC资源充足前提下最小化所有用户请求的准入成本;二是在云节点资源容量约束下最大化累积网络效用,其中请求准入的效用增益由其资源需求、延迟要求及MEC中请求资源利用率共同决定。随后针对这两个问题设计了高效近似算法,并通过仿真实验评估算法性能。实验结果表明所提算法具有显著优势。
关键词: 网络功能虚拟化、MEC、延迟敏感、NFV、用户移动性、移动边缘计算、VNF服务复制
更新于2025-09-11 14:15:04