典型文献
一种基于状态信息聚合的边端协同卸载方法
文献摘要：
针对现有移动边缘计算(MEC)研究中终端资源利用不充分和终端状态信息难表征,导致MEC系统整体利用率低的问题,提出一种基于状态信息聚合的边端协同卸载(SAEEC)方法.首先定义了边缘-拉普拉斯矩阵(ELM)来对终端的状态信息进行高质量压缩表征,然后借鉴联邦学习思想对压缩后的ELM表征信息进行边缘状态聚合,最后将经过全局聚合的决策向量分发给各终端,由终端分布式做出调度决策.实验结果表明:SAEEC方法可以大幅降低状态信息表征与聚合成本,同时提高终端自主决策效率和MEC整体资源利用效能,与传统方法相比可使MEC网络的平均成本下降20％以上.
文献关键词：
移动边缘计算;计算卸载;分布式调度;边端协同;状态表征
中图分类号：
作者姓名：
戴彬;任涛;胡哲源;牛建伟
作者机构：
北京航空航天大学计算机学院,北京100083;北京航空航天大学杭州创新研究院(余杭),浙江 杭州310023;北京航空航天大学杭州创新研究院,浙江 杭州310051
文献出处：
引用格式：
[1]戴彬;任涛;胡哲源;牛建伟-.一种基于状态信息聚合的边端协同卸载方法)[J].华中科技大学学报（自然科学版）,2022(11):114-121
A类：
SAEEC
B类：
状态信息,信息聚合,边端协同,协同卸载,移动边缘计算,MEC,系统整体,拉普拉斯矩阵,ELM,缩表,联邦学习,学习思想,发给,出调,调度决策,信息表征,自主决策,决策效率,计算卸载,分布式调度,状态表征
AB值：
0.342233
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
