期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
面向绿色计算的车辆协同任务卸载方法 被引量：1
1
作者 张红霞 吕智豪 +3 位作者 席诗语 刘佳敏 郭加树 张培颖 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第1期175-183,共9页
车辆边缘计算(VEC)为处理计算密集、延迟敏感型任务提供了新的范式,然而边缘服务器在整合可再生能源方面的能力较差。因此,为了提高边缘服务器的能效,该文设计了一种面向绿色计算的车辆协同任务卸载框架。在该框架中,车辆配备能源收集(... 车辆边缘计算(VEC)为处理计算密集、延迟敏感型任务提供了新的范式,然而边缘服务器在整合可再生能源方面的能力较差。因此,为了提高边缘服务器的能效,该文设计了一种面向绿色计算的车辆协同任务卸载框架。在该框架中,车辆配备能源收集(EH)设备,通过彼此间共享绿色能源和计算资源协作执行任务。为有效促进车辆的参与积极性,该文通过动态定价激励车辆,并综合考虑了车辆的移动性、任务优先级等。为了使卸载决策适应动态环境的变化,该文提出了一种基于双延迟深度确定性策略梯度(TD3)的任务卸载方法,以在最大化所有车辆平均任务完成效用的同时减少边缘端电网电力的使用。最后,仿真结果验证了该方法的有效性,相比基于深度确定性策略梯度(DDPG)和基于贪心原则(GPE)的方法在性能上分别提升了7.34%和37.47%。 展开更多
关键词 车辆边缘计算 任务卸载 能源收集 车辆协同 动态定价
下载PDF
车载边缘计算中多任务部分卸载方案研究 被引量：2
2
作者 王练 闫润搏 徐静 《电子与信息学报》 EI CSCD 北大核心 2023年第3期1094-1101,共8页
现有车载应用设备对时延有更严苛的要求,车载边缘计算(VEC)能够充分利用网络边缘设备,如路边单元(RSU)进行协作处理,可有效地降低时延。现有研究多假设RSU计算资源充足,可提供无限的服务,但实际其计算资源会随着所需处理任务数量的增加... 现有车载应用设备对时延有更严苛的要求,车载边缘计算(VEC)能够充分利用网络边缘设备,如路边单元(RSU)进行协作处理,可有效地降低时延。现有研究多假设RSU计算资源充足,可提供无限的服务,但实际其计算资源会随着所需处理任务数量的增加而受限,对时延敏感的车载应用造成限制。该文针对此问题,提出一种车载边缘计算中多任务部分卸载方案,该方案在充分利用RSU的计算资源条件下,考虑邻近车辆的剩余可用计算资源,以最小化总任务处理时延。首先在时延限制和资源约束下分配各任务在本地、RSU和邻近车辆的最优卸载决策变量比例,其次以最小处理时延为目的在一跳通信范围内选择合适的空闲车辆作为处理部分任务的邻近车辆。仿真结果表明所提车载边缘计算中多任务部分卸载方案相较现有方案能较好地降低时延。 展开更多
关键词 车载边缘计算 车载应用 计算资源 部分卸载
下载PDF
VEC中基于动态优先级的抢占式任务调度方法
3
作者 贾梦欣 范艳芳 +2 位作者 宋志文 陈若愚 蔡英 《北京信息科技大学学报（自然科学版）》 2023年第6期11-20,共10页
在车载边缘计算(vehicular edge computing,VEC)环境中,车载应用的计算任务常被卸载至VEC服务器上处理,在解决车辆计算能力不足的同时降低车联网通信服务的时延。然而,服务器有限的计算资源以及不合理的调度顺序会导致任务的失败率升高... 在车载边缘计算(vehicular edge computing,VEC)环境中,车载应用的计算任务常被卸载至VEC服务器上处理,在解决车辆计算能力不足的同时降低车联网通信服务的时延。然而,服务器有限的计算资源以及不合理的调度顺序会导致任务的失败率升高,甚至危及车辆用户安全。针对此问题,首先分析车载应用的特点,设计一个多因素任务优先级模型。其次,设计基于任务紧迫性的优先级动态调整策略。最后,设计结合任务最大可等待时间和优先级的任务抢占机制,使紧迫性升高的任务及时得到处理,从而降低任务失败率。仿真结果表明,相比于直接抢占调度方案,所提方案可以减少任务争抢资源所带来的抢占次数,降低频繁抢占对失败率的影响;相比于静态优先级调度和高响应比优先调度方案,所提方案可以实现在任务时延约束下失败率最小化的目标。 展开更多
关键词 车载边缘计算 动态优先级 抢占式调度
下载PDF
车载边缘计算中基于信誉值的计算卸载方法研究 被引量：4
4
作者 吴振铨 黄旭民 +1 位作者 余荣 何昭水 《计算机应用研究》 CSCD 北大核心 2018年第9期2692-2695,共4页
将移动边缘计算(mobile edge computing,MEC)引入车载自组网形成车载边缘计算,从而使服务提供商直接利用MEC服务器在网络边缘服务用户,以提升用户体验质量和丰富用户满意度。研究了在车载边缘计算环境下车辆用户的计算卸载问题,提出相... 将移动边缘计算(mobile edge computing,MEC)引入车载自组网形成车载边缘计算,从而使服务提供商直接利用MEC服务器在网络边缘服务用户,以提升用户体验质量和丰富用户满意度。研究了在车载边缘计算环境下车辆用户的计算卸载问题,提出相应的系统模型与使用讨价还价博弈方法以解决MEC服务器如何根据不同的任务要求与车辆信誉值分配自身的计算资源以执行不同的卸载任务。通过实验仿真验证了该方案的有效性和可靠性。 展开更多
关键词 车载边缘计算 计算卸载 信誉值
下载PDF
基于深度强化学习的车辆边缘计算任务卸载方法
5
作者 郭晓东 郝思达 王丽芳 《计算机应用研究》 CSCD 北大核心 2023年第9期2803-2807,2814,共6页
车辆边缘计算允许车辆将计算任务卸载到边缘服务器,从而满足车辆爆炸式增长的计算资源需求。但是如何进行卸载决策与计算资源分配仍然是亟待解决的关键问题。并且,运动车辆在连续时间内进行任务卸载很少被提及,尤其对车辆任务到达随机... 车辆边缘计算允许车辆将计算任务卸载到边缘服务器,从而满足车辆爆炸式增长的计算资源需求。但是如何进行卸载决策与计算资源分配仍然是亟待解决的关键问题。并且,运动车辆在连续时间内进行任务卸载很少被提及,尤其对车辆任务到达随机性考虑不足。针对上述问题,建立动态车辆边缘计算模型,描述为7状态2动作空间的Markov决策过程,并建立一个分布式深度强化学习模型来解决问题。另外,针对离散—连续混合决策问题导致的效果欠佳,将输入层与一阶决策网络嵌套,提出一种分阶决策的深度强化学习算法。仿真结果表明,所提算法相较于对比算法,在能耗上保持了较低水平,并且在任务完成率、时延和奖励方面都具备明显优势,这为车辆边缘计算中的卸载决策与计算资源分配问题提供了一种有效的解决方案。 展开更多
关键词 车辆边缘计算 任务卸载 资源分配 深度强化学习
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部