期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于机器学习的MEC随机任务迁移算法 被引量:9
1
作者 孟浩 霍如 +2 位作者 郭倩影 黄韬 刘韵洁 《北京邮电大学学报》 EI CAS CSCD 北大核心 2019年第2期25-30,共6页
针对移动边缘计算(MEC),提出了一种基于机器学习的随机任务迁移算法,通过将任务划分为可迁移组件和不可迁移组件,结合改进的Q学习和深度学习算法生成随机任务最优迁移策略,以最小化移动设备能耗与时延的加权和.仿真结果表明,该算法的时... 针对移动边缘计算(MEC),提出了一种基于机器学习的随机任务迁移算法,通过将任务划分为可迁移组件和不可迁移组件,结合改进的Q学习和深度学习算法生成随机任务最优迁移策略,以最小化移动设备能耗与时延的加权和.仿真结果表明,该算法的时延与能耗加权和与移动设备本地执行算法相比节约了38. 1%. 展开更多
关键词 移动边缘计算 随机任务迁移 机器学习 时延 移动设备能耗
原文传递
基于贝叶斯网络的MEC随机任务迁移算法
2
作者 薛宁 霍如 刘江 《信息通信技术》 2018年第5期9-15,共7页
文章提出一种基于贝叶斯网络的MEC随机任务迁移算法,通过将应用转换为包含多个子任务的有向图,利用子任务间的关联关系及贝叶斯网的联合概率来生成一组最小化移动设备能耗的策略。仿真结果表明,该算法相比移动设备本地执行算法在处理计... 文章提出一种基于贝叶斯网络的MEC随机任务迁移算法,通过将应用转换为包含多个子任务的有向图,利用子任务间的关联关系及贝叶斯网的联合概率来生成一组最小化移动设备能耗的策略。仿真结果表明,该算法相比移动设备本地执行算法在处理计算任务时节省能耗达28.7%。 展开更多
关键词 移动边缘计算 随机任务迁移 贝叶斯网络 移动设备能耗
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部