多智能体边缘计算任务卸载

边缘计算技术的发展为计算密集型业务提供了一种全新的选择,低能耗、低时延、实时处理等词语不断被提及,任务卸载引起了众多学者的注意.任务在本地执行还是卸载到服务器上执行,以及卸载到哪一台服务器上执行成为必须要解决的问题.在多智能体环境中提出一种新的目标函数,并构建数学模型;建立马尔可夫决策过程,定义动作、状态空间以及奖励函...     

基于马尔科夫决策过程的车载边缘计算切换策略

针对车载边缘计算环境中卸载场景的动态变化对计算卸载的影响,提出了一种基于马尔科夫决策过程的计算切换策略,在保证任务完成时间的基础上,对计算卸载的整体过程进行分析,从而进一步降低了计算切换的引入对卸载效果的影响。仿真实验针对计算切换的引入是否有助于提升计算卸载的效果以及如何进一步降低计算切换的引入对计算卸载的影响进行了4种算法的对比,实验结果表明,基于文中提出的计算切换策略,可以提升计算卸载的效率,保证用户的服务体验。     

基于最小完成时间的车载边缘计算任务流卸载策略

为在具有不稳定网络拓扑结构的车载边缘环境下实现车载任务的顺利卸载,提出一种基于动态优先级的最早完成时间卸载策略.根据车辆的速度、位置以及周围资源的使用状态等多种实时的信息筛选出可用卸载资源,以任务自身属性与可用资源的实际匹配程度作为基础为任务选择合适的卸载策略,实现任务流的完成时间最小化.实验结果表明,与其它策略相比,提出策略可以有效降低任务流的完成时间.     

基于车载以太网的任务卸载方案

现代汽车总线的电子电气(E/E)架构开始从基于CAN总线的分布式架构向通信容量更大的基于车载以太网的集中式架构发展,但车内计算资源分布不平均,集中式网络的中央设备计算能力显著高于其他边缘端设备。由于智能汽车边缘端设备的计算任务不断在增长,为应对增长的边缘端计算任务需求,降低计算延时,研究在集中式E/E架构中实现有效的计算任务卸载方案,对车载以太网的通信特点进行分析,以车载中央计算机为核心对车内域控制器的计算任务进行卸载。针对车载以太网AVB通信协议的特点,结合数据分级和整流算法获得计算卸载的延时模型,进而建立边缘计算任务延时最小化的目标优化方程,并采用改进遗传算法进行迭代求解,最终收敛求出任务卸载的最优参数。实现了在满足复杂车载条件约束条件下降低车内计算任务时延的目标,仿真实验结果表明所提方法可以有效降低车内计算任务延时,在集中式E/E架构的车内网络上实现了计算资源的充分利用。     

基于多智能体深度强化学习的车联网可信任务卸载策略

针对车联网中边缘节点的可信性无法保证的问题,提出了一种基于声誉的车联网可信任务卸载模型,用记录在区块链上的边缘节点声誉来评估其可信度,从而帮助终端设备选取可靠的边缘节点进行任务卸载。同时,将卸载策略建模为声誉约束下的时延和能耗最小化问题,采用多智能体深度确定性策略梯度算法来求解该NP-hard问题的近似最优解,边缘服务器依据任务卸载的完成情况获得奖励,然后据此更新记录在区块链上的声誉。仿真实验表明,与基准测试方案相比,该算法在时延和能耗方面降低了25.58%~27.44%。     

移动边缘计算中基于深度强化学习的任务卸载研究进展

移动边缘计算是近年出现的一种新型网络计算模式,它允许将具有较强计算能力和存储性能的服务器节点放置在更加靠近移动设备的网络边缘(如基站附近),让移动设备可以近距离地卸载任务到边缘设备进行处理,从而解决了传统网络由于移动设备的计算和存储能力弱且能量较有限,从而不得不耗费大量时间、能量且不安全地将任务卸载到远方的云平台进行处...     

停车边缘计算：车载自组织网络中基于路边停车的任务卸载

为解决车载自组织网络(Vehicle Ad Hoc Neteorks, VANETs)中基础设施建设的不足以及路侧单元(Roadside Uints, RSUs)通信范围受限的问题,提出停车边缘计算的思想,把拥有大量闲置计算资源的路边停放车辆组织成停车簇,令停车簇充当天然边缘计算节点,在RSUs或边缘计算服务器缺失情况下,及时执行周围移动车辆的卸载任务.分析了任务的完成时间,为最大化成功完成的任务数量,设计改进的SAC(Sampling-and-Classification, SAC)算法实现执行任务的停放车辆选择和资源的分配.基于真实城市道路停车调查的模拟实验结果证明,与其他几种任务调度策略相比,本文所提策略具有较高的任务完成率和卸载率.     

车载边缘计算中基于深度强化学习的协同计算卸载方案

车载边缘计算(Vehicular Edge Computing,VEC)是一种可实现车联网低时延和高可靠性的关键技术,用户将计算任务卸载到移动边缘计算(Mobile Edge Computing,MEC)服务器上,不仅可以解决车载终端计算能力不足的问题,而且可以减少能耗,降低车联网通信服务的时延.然而,高速公路场景下车...     

基于深度Q网络的多目标任务卸载算法

在移动边缘计算（MEC）中,计算资源和电池容量有限的移动设备（MD）可卸载自身计算密集型应用到边缘服务器上执行,这样不仅可以提高MD计算能力,也能降低能耗。然而,不合理的任务卸载决策不但会延长应用完成时间,而且会大量增加能耗,进而降低用户体验。鉴于此,首先分析MD的移动性和任务间的顺序依赖关系,建立动态MEC网络下的以应用完成时间和能源消耗最小为优化目标的多目标任务卸载问题模型;然后,设计求解该问题的马尔可夫决策过程（MDP）模型,包括状态空间、动作空间和奖励函数,并提出基于深度Q网络（DQN）的多目标任务卸载算法（MTOA-DQN）,该算法采用一条轨迹作为经验池的最小单元来改进原始的DQN算法。在多种测试场景下,MTOA-DQN的性能在累积奖励和Cost方面均优于三种对比算法（基于分解的多目标进化算法（MOEA/D）、自适应的DAG任务调度算法（ADTS）和原始的DQN算法）,验证了该算法的有效性和可靠性。     

基于深度Q网络的多目标任务卸载算法

在移动边缘计算（MEC）中,计算资源和电池容量有限的移动设备（MD）可卸载自身计算密集型应用到边缘服务器上执行,这样不仅可以提高MD计算能力,也能降低能耗。然而,不合理的任务卸载决策不但会延长应用完成时间,而且会大量增加能耗,进而降低用户体验。鉴于此,首先分析MD的移动性和任务间的顺序依赖关系,建立动态MEC网络下的以应用完成时间和能源消耗最小为优化目标的多目标任务卸载问题模型;然后,设计求解该问题的马尔可夫决策过程（MDP）模型,包括状态空间、动作空间和奖励函数,并提出基于深度Q网络（DQN）的多目标任务卸载算法（MTOA-DQN）,该算法采用一条轨迹作为经验池的最小单元来改进原始的DQN算法。在多种测试场景下,MTOA-DQN的性能在累积奖励和Cost方面均优于三种对比算法（基于分解的多目标进化算法（MOEA/D）、自适应的DAG任务调度算法（ADTS）和原始的DQN算法）,验证了该算法的有效性和可靠性。     

车联网中改进粒子群算法的任务卸载策略

当前,多数车联网任务卸载工作仅考虑时延因素将任务卸载至边缘服务器执行(LOCAL-MEC),但是,车载单元仍有一定的计算能力可以利用.针对上述问题,研究了任务卸载的总代价即时延和能耗两个目标,提出一个将车辆自身的计算单元、附近车辆的计算单元与边缘服务器协同计算的任务卸载模型.该模型既考虑了任务的优先关系,又同时考虑了系统的时延和能耗.通过借鉴模拟退火算法思想并引入压缩因子改进粒子群算法来实现任务卸载.实验结果表明:与其他任务卸载策略相比,提出的任务卸载策略优化效果明显,TPSO算法的总代价为传统粒子群算法的53.8％、LOCAL-MEC策略的27.1％、DCOS(distributed computation offloading scheme)算法的78％,并且适用于多种现实场景.     

Deep learning-based energy-efficient computational offloading strategy in heterogeneous fog computing networks

The Journal of Supercomputing - In the era of the Internet of Things (IoT), the volume of data is increasing immensely causing rapid growth in network data communication and data congestion....     

面向5G车联网场景的移动任务动态卸载策略研究

由于车辆自身的高速移动性和资源有限性等特征,使得采用传统通信和计算手段的车联网场景无法满足用户日益增长的数据计算需求和体验质量需求。采用5G和边缘计算技术构建的新型车联网架构可以满足以上需求,但由于网络结构的变化,需设计适合新场景下的车辆任务通信和计算策略。针对5G车联网场景下的移动车辆任务动态卸载问题进行研究,提出了对应的动态任务分配策略和卸载调度低时延算法。车辆会根据提出的策略和算法将未完成的计算任务卸载到相应的 MEC 服务器或车辆上,并且计算结果将通过边缘服务器之间的联合通信或直接从被选择接受卸载任务的附近空闲车辆上直接返回给车主。仿真结果表明,所提出的策略和算法在优化卸载延迟方面具有良好的性能,并提高了用户体验质量。     

An efficient key distribution system for data fusion in V2X heterogeneous networks

Data fusion in Vehicle-to-Everything (V2X) networks for different data types coming from different sources is the foundation for decision making in the smart vehicle driving systems. Different communication technologies have been combined to form a heterogeneous V2X network to support the data exchange. However, data fusion trust models are still designed for single use cases which cannot meet the general needs of Cooperative Intelligent Transport Systems (C-ITS). In this paper, we first define a data fusion trust architecture with different trust levels. Then, we propose an efficient and practical data fusion trust system for the multi-source and multi-formats of data exchange in the V2X heterogeneous networks. In particular, a location-based PKI system with acceleration brought by General Purpose Graphic Processing Unit (GPGPU) is presented for efficient key distribution with a high level of trust achieved. A performance evaluation is given to verify our data fusion trust system can meet the strict latency requirements in V2X networks.     

基于稳定匹配的多用户任务卸载策略

随着许多计算密集型应用的出现,移动设备因其有限的计算能力无法满足用户时延、能耗等需求.移动边缘计算(MEC)通过无线信道将用户的任务计算卸载到MEC服务器,从而显著减少任务响应时延和能耗.针对多用户任务卸载问题,提出了基于稳定匹配的多用户任务卸载策略(MUTOSA),在保证用户的时延要求下达到能耗最小化.首先,在综合考...     

基于合约设计的移动边缘计算任务卸载策略研究

移动边缘计算将边缘服务器部署到无线局域网侧,将部分计算密集任务卸载到边缘云服务器,从而缩短计算服务与移动设备的距离,降低数据传输成本.考虑移动边缘计算(MEC)环境下的计算任务分配问题,通过探索用户体验敏感度的异质性,建立CPU运算周期数-数据量-价格的三元组合约模型,提出基于合约理论的计算任务分配策略,以最大化云服务商的利润为目标,同时保证移动用户的非负效益.分别讨论完整信息场景下和统计信息场景下的最优合约设计策略.仿真结果验证了所提出方案可以有效实现计算任务的卸载.     

云边环境下基于博弈论的两阶段任务迁移策略

移动边缘计算(MEC)为计算密集型应用和资源受限的移动设备之间的冲突提供了有效解决办法,但大多关于MEC迁移的研究仅考虑移动设备与MEC服务器之间的资源分配,忽略了云计算中心的巨大计算资源.为了充分利用云和MEC资源,提出一种云边协作的任务迁移策略.首先,将云边服务器的任务迁移问题转化为博弈问题;然后,证明该博弈中纳什...     

Game theoretic approach for real-time data dissemination and offloading in vehicular ad hoc networks

Due to high velocity of the vehicles, data dissemination and mobile data offloading are most difficult tasks to be performed in vehicular ad hoc networks (VANETs). In recent years, due to an exponential increase in the data generated from various sources such as smart devices, gadgets, and actuators, there arises a need of usage of an efficient communication infrastructure to handle the aforementioned issues. Most of the earlier solutions reported in the literature for data offloading problem have used the cellular communication, which may be congested in handing a large number of requests from community of users. This may result a performance bottleneck in terms of call drops and data dissemination to the other vehicles in the VANET environment. Also, these schemes lack a comprehensive approach of data dissemination to meet the quality of service (QoS) in real time. Hence, to overcome this problem, some of the mobile data can be disseminated using the existing vehicular infrastructure and Wi-Fi access points (APs). In this paper, we propose a new schedule based on game theoretic approach where the APs and vehicles act as players in a game and compete for offloading the cellular data. The proposed scheme is based on the selection of the best vehicle or AP based on the utility of the players (vehicles and APs) in the game. The utility of vehicle and AP is decided based on the parameters such as distance, velocity, connectivity to destination, bandwidth, and area of the network. A novel algorithm has been designed using the proposed game theoretic approach for handling mobile data offloading and data dissemination. The proposed solution not only successfully offloads the data but also maintains QoS with respect to the parameters such as end-to-end delay, message progress, and message dissemination speed. Results obtained confirm the superiority of the proposal in comparison with the other existing schemes. Specifically, the proposed scheme achieves improvement of 4.16 and 20.5 % in message progress, 18.91 and 4.75 % in extra messages generated, 11.26 and 54.94 % in message dissemination speed, and 78.71 and 87.94 % in end-to-end delay in sparse network as compared to GyTAR and GPCR, respectively.     

An intelligent infotainment dissemination scheme for heterogeneous vehicular networks

In a vehicular network, applications are expected to be aware of network conditions and be adaptable to the varying environment in order to achieve the acceptable and predictable performance. Moreover, the establishment of vehicle infotainment system in a heterogeneous vehicular network needs to pay special attention to the distinctive network characteristic in wired/wireless networks, such as dynamic topology and less available bandwidth, and the exploitation of the underutilized peers’ resources to support large-scale services. This work thus proposes a service-oriented information dissemination scheme for vehicle infotainment system to ensure the possibility of heterogeneous vehicular communication and a framework for delivering real-time services over an IP-based network is provided to assure interoperability, roaming, and end-to-end session management. The main focus of this work is to implement an adaptive vehicle infotainment system, in which cache relay nodes ((Xiao, Zhuang, & Liu, 2005)) can be intelligently determined. Fuzzy logic inference system is employed to determine appropriate cache relay nodes to cache infotainment data streams and distribute them to different peers through service-oriented architecture. The experimental results demonstrate that effectiveness and practicability of the proposed work.