典型文献
分层学习的边缘计算资源调度粒子群优化算法
文献摘要：
由于存在诸如CPU运算速度慢,电池容量低等问题,智能移动设备本身无法执行计算需求大的应用程序,需要借助边缘计算技术来降低程序对移动设备硬件的要求.然而将部分计算任务从移动设备传输给边缘服务器,会带来额外的传输能耗和服务器计算能耗.综合考虑影响移动设备和服务器,以及数据传输能耗值的四个因素,即移动设备的计算速度,下载数据功耗,数据卸载百分比和剩余网络带宽占,提出一种基于分层学习的粒子群算法,优化每台移动设备对于这四个参数的取值,更合理分配计算资源使得总能耗最小.对计算资源建模时,还考虑了最大能耗、计算周期、存储、带宽和延迟约束条件.与其他算法进行对比实验发现,通过分层学习优化的粒子群算法,能更快速地获得满足约束条件具有更低能耗的资源调度最优解.
文献关键词：
计算卸载;资源调度;分层学习;粒子群算法
中图分类号：
作者姓名：
胡晓敏;陈镇填;李敏
作者机构：
广东工业大学 计算机学院,广州 510006;广东工业大学 信息工程学院,广州 510006
文献出处：
引用格式：
[1]胡晓敏;陈镇填;李敏-.分层学习的边缘计算资源调度粒子群优化算法)[J].计算机工程与应用,2022(24):107-115
A类：
B类：
分层学习,计算资源调度,粒子群优化算法,CPU,速度慢,电池容量,智能移动设备,应用程序,边缘计算技术,来降,输给,边缘服务器,数据传输,计算速度,下载数据,功耗,数据卸载,网络带宽,粒子群算法,更合,合理分配,总能耗,计算周期,学习优化,低能耗,最优解,计算卸载
AB值：
0.319652
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。
