-
公开(公告)号：CN112616152A
公开(公告)日：2021-04-06
申请号：CN202011421137.6
申请日：2020-12-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线通信技术领域，尤其涉及一种基于独立学习的移动边缘计算任务卸载方法，包括：建立系统模型，并根据处理的任务数构建IoT设备端的任务队列模型；确定任务计算方式并建立通信模型；建立任务本地计算模型，得到本地任务计算总开销；建立任务卸载计算模型，得到卸载任务计算总开销；引入能量收集，建立IoT设备端的剩余电量队列模型；构建以最小化MEC系统中IoT设备总开销的长期平均为目标的优化问题；建立基于强化学习的独立学习任务卸载模型，包括系统状态空间、动作空间和奖励函数，求解最优的任务卸载策略；本发明不仅极大地降低了IoT设备的时延和能耗的总开销，而且在一定程度上延长MEC系统的使用寿命。
-
公开(公告)号：CN112600921A
公开(公告)日：2021-04-02
申请号：CN202011472512.X
申请日：2020-12-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线通信技术领域，具体涉及一种面向异构移动边缘网络的动态任务卸载方法，包括移动设备产生计算任务，根据计算任务的属性建立两个任务队列模型，并得出卸载任务的处理策略；计算卸载任务的卸载效用、通信成本以及通信与计算能耗成本；建立移动设备在进行任务卸载中的系统模型，并以最大化时间平均卸载收益为优化目标的任务卸载问题；根据李雅普诺夫优化理论将任务卸载优化问题转化为单时隙内的优化问题，通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程；根据计算任务卸载的属性请求，建立搜索树，进行快速的分支定界，得到移动设备最优的卸载策略和卸载的任务量；本发明能够保证系统的稳定性，最大化系统的时间平均卸载收益。
-
公开(公告)号：CN112600921B
公开(公告)日：2022-05-10
申请号：CN202011472512.X
申请日：2020-12-15
Applicant: 重庆邮电大学
IPC: H04L67/1023 , H04W4/70 , G06F9/445 , G06F17/11
Abstract: 本发明涉及无线通信技术领域，具体涉及一种面向异构移动边缘网络的动态任务卸载方法，包括移动设备产生计算任务，根据计算任务的属性建立两个任务队列模型，并得出卸载任务的处理策略；计算卸载任务的卸载效用、通信成本以及通信与计算能耗成本；建立移动设备在进行任务卸载中的系统模型，并以最大化时间平均卸载收益为优化目标的任务卸载问题；根据李雅普诺夫优化理论将任务卸载优化问题转化为单时隙内的优化问题，通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程；根据计算任务卸载的属性请求，建立搜索树，进行快速的分支定界，得到移动设备最优的卸载策略和卸载的任务量；本发明能够保证系统的稳定性，最大化系统的时间平均卸载收益。
-
公开(公告)号：CN112616152B
公开(公告)日：2022-04-05
申请号：CN202011421137.6
申请日：2020-12-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线通信技术领域，尤其涉及一种基于独立学习的移动边缘计算任务卸载方法，包括：建立系统模型，并根据处理的任务数构建IoT设备端的任务队列模型；确定任务计算方式并建立通信模型；建立任务本地计算模型，得到本地任务计算总开销；建立任务卸载计算模型，得到卸载任务计算总开销；引入能量收集，建立IoT设备端的剩余电量队列模型；构建以最小化MEC系统中IoT设备总开销的长期平均为目标的优化问题；建立基于强化学习的独立学习任务卸载模型，包括系统状态空间、动作空间和奖励函数，求解最优的任务卸载策略；本发明不仅极大地降低了IoT设备的时延和能耗的总开销，而且在一定程度上延长MEC系统的使用寿命。
-
-
-
Search Results
4
records
(took 0.016 seconds)
