检索结果-内蒙古大学图书馆

电子与信息学报 2025年第2期47卷 418-426页

作者：李斌杨冬东南京信息工程大学计算机学院南京210044

为弥补可重构智能表面(RIS)半空间覆盖和“乘性衰落”等不足,该文提出一种有源同时透射和反射可重构智能表面(aSTAR-RIS)技术用于提升移动边缘计算(MEC)卸载性能增益。首先,考虑MEC服务器计算资源、aSTAR-RIS能耗以及相移耦合约束,联合... 详细信息

为弥补可重构智能表面(RIS)半空间覆盖和“乘性衰落”等不足,该文提出一种有源同时透射和反射可重构智能表面(aSTAR-RIS)技术用于提升移动边缘计算(MEC)卸载性能增益。首先,考虑MEC服务器计算资源、aSTAR-RIS能耗以及相移耦合约束,联合设计任务卸载比例、计算资源配置、多用户检测矩阵(MUD)、aSTAR-RIS相移以及用户上传功率,建立一个多变量耦合的加权总时延最小化问题。然后,借助块坐标下降法(BCD)将原问题分解为两个子问题,使用拉格朗日乘子法和罚项对偶分解法(PDD)交替优化子问题。仿真结果表明,相较于无源STAR-RIS方案,所提aSTAR-RIS辅助MEC方案加权总时延降低了12.66%。

关键词：有源同时透射和反射可重构智能表面移动边缘计算计算卸载资源分配

来源：评论

学校读者我要写书评

暂无评论

多无人机辅助的移动边缘计算任务卸载及路径优化方法

引用

电子科技大学学报 2025年第1期54卷 72-83页

作者：巨涛李林娟张文金张宇斐火久元兰州交通大学电子与信息工程学院兰州730070

针对多无人机辅助移动边缘计算中的任务卸载决策和路径优化问题,提出了一种基于多智能体深度强化学习的计算任务卸载与路径优化方法,以降低系统总能耗,提升计算性能。首先,设计了多无人机辅助移动边缘计算系统模型,通过软件定义网络技... 详细信息

针对多无人机辅助移动边缘计算中的任务卸载决策和路径优化问题,提出了一种基于多智能体深度强化学习的计算任务卸载与路径优化方法,以降低系统总能耗,提升计算性能。首先,设计了多无人机辅助移动边缘计算系统模型,通过软件定义网络技术对无人机网络进行集中管理;然后,在考虑无人机负载及用户设备关联服务公平性的基础上,以系统总能耗为优化目标,通过设计多智能体深度确定性策略梯度算法完成任务卸载与无人机路径管理优化,以实现负载均衡、降低整个系统总能耗。仿真实验结果表明,与其他基准算法相比,所提方法在充分利用无人机辅助移动边缘计算系统计算资源的基础上,可在一定程度上降低系统能耗和计算延迟,保证整个系统的高效、稳定和可靠性,较好地满足移动边缘用户的服务请求。

关键词：移动边缘计算多无人机网络任务卸载路径优化多智能体深度强化学习

来源：评论

学校读者我要写书评

暂无评论

D2D辅助移动边缘计算下的任务卸载和资源分配研究

引用

电子测量与仪器学报 2025年第1期39卷 90-100页

作者：占慧芳李正权武贵路聂高峰江南大学物联网工程学院无锡214122 北京邮电大学网络与交换技术全国重点实验室北京100876 海南大学信息与通信工程学院海口570000 海南大学海南省Internet信息检索重点实验室海口570000

针对移动边缘计算(MEC)环境下终端设备任务卸载时资源分配效率低的问题,提出一种基于终端直传通信(D2D)技术辅助MEC系统的多任务部分卸载方案。该方案基于块坐标下降法(BCD)实现任务卸载和资源分配策略的联合优化,借助动态定价策略激励... 详细信息

针对移动边缘计算(MEC)环境下终端设备任务卸载时资源分配效率低的问题,提出一种基于终端直传通信(D2D)技术辅助MEC系统的多任务部分卸载方案。该方案基于块坐标下降法(BCD)实现任务卸载和资源分配策略的联合优化,借助动态定价策略激励服务型设备(SSDs)共享剩余可用计算资源,以最小化系统执行成本。首先利用重构-线性化技术(RLT)和凸优化理论优化计算资源分配和卸载比例划分,决定任务分配至本地计算、D2D卸载和边缘卸载时数据量;其次根据优化后卸载策略选择最优SSDs执行D2D卸载任务。仿真结果表明,与传统部分卸载方案、中继辅助卸载方案和协同计算卸载方案相比,所提卸载方案在不同设备数目下系统执行总成本分别减少27.62%、25.58%和19.98%,在不同最大容忍时延条件下系统执行总成本分别平均下降约43.35%、38.19%和36.79%及在不同任务数据大小下系统执行总成本分别平均下降约36.47%、30.60%和29.15%。进一步实验表明,与贪婪卸载方案相比,所提卸载方案在不同设备数目、最大容忍时延和任务数据量下分别平均优化7.59%、0.39%和3.10%系统执行成本,有效提高系统资源利用率并降低执行成本。

关键词：移动边缘计算任务卸载 D2D通信资源分配块坐标下降法

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中融合注意力机制的DRL工作流任务卸载算法

引用

现代电子技术 2025年第6期48卷 45-51页

作者：雷雪梅张贺同北京科技大学信息化建设与管理办公室北京100083 北京科技大学自动化学院北京100083

移动边缘计算的计算密集型任务多为工作流任务,传统方法在解决工作流任务卸载问题时很难充分考虑子任务之间的依赖关系,并且计算卸载算法性能不佳。为了解决以上问题,将工作流任务卸载问题建模为马尔可夫决策过程下的最优策略问题,构建... 详细信息

移动边缘计算的计算密集型任务多为工作流任务,传统方法在解决工作流任务卸载问题时很难充分考虑子任务之间的依赖关系,并且计算卸载算法性能不佳。为了解决以上问题,将工作流任务卸载问题建模为马尔可夫决策过程下的最优策略问题,构建问题的状态空间、动作空间和奖励函数。以最小化工作流任务的任务完成时间和系统能耗为目标,提出一种融合注意力机制的基于深度强化学习(DRL)的工作流任务卸载算法(DWTOAA)。该方法使用分段式奖励函数来提高模型训练速度,并结合注意力机制提高算法对工作流任务终止执行状态的识别能力。实验结果表明,DWTOAA方法相较于DRL算法具有更快的训练速度,同时在求解不同子任务数的工作流任务时,DWTOAA得到的卸载决策均具有更少的任务完成时间和系统能耗。

关键词：移动边缘计算注意力机制工作流任务任务卸载深度强化学习马尔可夫决策过程系统能耗

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算下基于斯坦伯格博弈的资源分配策略研究

引用

计算机应用与软件 2025年第2期42卷 136-143页

作者：吴碧莲陈昕殷波北京信息科技大学计算机学院北京100101

针对移动边缘计算(Mobile Edge Computing,MEC)中物联网设备间的资源竞争问题,提出一种基于斯坦伯格博弈的资源分配策略。在边缘服务器和物联网设备组成的MEC系统架构下,考虑信道条件和设备竞争的影响,以最大化参与者效用为目标,建立通... 详细信息

针对移动边缘计算(Mobile Edge Computing,MEC)中物联网设备间的资源竞争问题,提出一种基于斯坦伯格博弈的资源分配策略。在边缘服务器和物联网设备组成的MEC系统架构下,考虑信道条件和设备竞争的影响,以最大化参与者效用为目标,建立通信计算模型,运用最佳响应算法及最优定价算法得到最优的资源分配策略和定价策略,并采用博弈论方法证明纳什均衡的存在性和唯一性。仿真实验表明,所提算法具有良好的收敛性,在不同环境下的表现均优于所对比算法,证明了所提算法的有效性和可靠性。

关键词：移动边缘计算资源分配博弈论纳什均衡定价物联网

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的移动边缘计算安全传输策略研究

引用

通信学报 2025年第4期46卷 272-281页

作者：王义君李嘉欣闫志颖吕婧莹钱志鸿长春理工大学电子信息工程学院吉林长春130022 吉林大学通信工程学院吉林长春130012

在移动边缘计算中,任务卸载过程中会面临信息泄露和被窃听等安全问题。为了提高移动边缘计算系统的安全传输效率,提出了无人机辅助物理层安全传输策略。首先,构建了无人机(UAV)搭载的移动边缘计算系统,由I个用户设备、M架合法无人机(L-U... 详细信息

在移动边缘计算中,任务卸载过程中会面临信息泄露和被窃听等安全问题。为了提高移动边缘计算系统的安全传输效率,提出了无人机辅助物理层安全传输策略。首先,构建了无人机(UAV)搭载的移动边缘计算系统,由I个用户设备、M架合法无人机(L-UAV)和N架窃听无人机(E-UAV)构成;其次,保证L-UAV在规定周期内完成卸载任务的同时,以通信系统安全传输效率最大化为目标,采用引入注意力机制的多智能体深度确定性策略梯度(A-MADDPG)算法进行问题求解与优化;最后,在保证卸载前提下实现用户的机密信息不被窃听者窃听和安全计算效率最大化,保障系统整体安全性。仿真结果表明,所提算法相较于其他基准算法展现了更佳性能,在安全传输效率方面表现优越。

关键词：移动边缘计算物理层安全深度强化学习无人机辅助卸载

来源：评论

学校读者我要写书评

暂无评论

兼顾隐私容忍度的移动边缘计算卸载策略

引用

计算机应用与软件 2025年第2期42卷 111-117,143页

作者：潘雨婷李爱萍太原理工大学信息与计算机学院山西晋中030600

移动边缘计算中如果移动端选择全部卸载的执行策略,不仅会使系统整体时延和能耗增大,而且会使服务器端累积过多的信息从而导致移动端隐私泄露。针对该问题,在考虑用户差异性的基础上,提出一种兼顾隐私容忍度的计算卸载策略,根据时延和... 详细信息

移动边缘计算中如果移动端选择全部卸载的执行策略,不仅会使系统整体时延和能耗增大,而且会使服务器端累积过多的信息从而导致移动端隐私泄露。针对该问题,在考虑用户差异性的基础上,提出一种兼顾隐私容忍度的计算卸载策略,根据时延和能耗制定定价模型,并结合不同的隐私泄露容忍度制定效用函数,基于博弈论来决定是否需要卸载。仿真实验表明,该方法在减少移动端本地时延和能耗的基础上,在一定程度上保护了移动端的隐私。

关键词：移动边缘计算计算卸载隐私容忍度博弈论

来源：评论

学校读者我要写书评

暂无评论

基于近端策略优化的无人机辅助移动边缘计算

引用

计算机工程与设计 2025年第4期46卷 974-982页

作者：胡静李君李正权徐钰龙张圣南京信息工程大学电子与信息工程学院江苏南京210044 无锡学院电子信息工程学院江苏无锡214105 北京邮电大学网络与交换技术全国重点实验室北京100876

为更高效利用移动边缘计算(MEC)系统中的有限资源,提出一种基于近端策略优化(PPO)的无人机(UAV)辅助边缘卸载优化算法。通过联合优化任务卸载率、用户通信资源分配、无人机飞行角度和飞行速度,结合状态归一化算法,以最小化最大处理延迟... 详细信息

为更高效利用移动边缘计算(MEC)系统中的有限资源,提出一种基于近端策略优化(PPO)的无人机(UAV)辅助边缘卸载优化算法。通过联合优化任务卸载率、用户通信资源分配、无人机飞行角度和飞行速度,结合状态归一化算法,以最小化最大处理延迟为目标。实验结果表明,所提算法能够快速收敛到最优且稳定性较强。与基线算法深度确定性策略梯度(DDPG)和Actor-critic(AC)相比,PPO算法在处理延迟方面较DDPG提升22%,较AC提升近48%。

关键词：移动边缘计算无人机近端策略优化计算卸载深度强化学习资源分配状态归一化

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算促进媒体通感算一体化方案

引用

山西电子技术 2025年第2期 62-64页

作者：刘继泰泰安日报社山东泰安271000

移动边缘计算(Mobile Edge Computing,MEC)是一种新兴的计算模式,已经在各种领域得到广泛应用,并且正在不断发展和延伸。基于此,将探讨移动边缘计算在媒体的应用,通过促进通感算一体化来提高媒体实时性、响应速度、个性化服务,降低网络... 详细信息

移动边缘计算(Mobile Edge Computing,MEC)是一种新兴的计算模式,已经在各种领域得到广泛应用,并且正在不断发展和延伸。基于此,将探讨移动边缘计算在媒体的应用,通过促进通感算一体化来提高媒体实时性、响应速度、个性化服务,降低网络带宽消耗以及支持大规模媒体应用。

关键词：通信移动边缘计算通感算一体化媒体计算模式

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算在车联网中的应用分析

引用

汽车知识 2025年第5期 37-39页

作者：苏醒德州职业技术学院

随着互联网和物联网的快速发展，车联网技术已经广泛地应用于车辆，为车辆提供了一定的便捷性。车辆管理是保证社会稳定运行的主要支柱，有序的车辆管理可减少车辆事故发生概率，强化车辆排查。移动边缘计算属于多项技术的延伸，且在实... 详细信息

随着互联网和物联网的快速发展，车联网技术已经广泛地应用于车辆，为车辆提供了一定的便捷性。车辆管理是保证社会稳定运行的主要支柱，有序的车辆管理可减少车辆事故发生概率，强化车辆排查。移动边缘计算属于多项技术的延伸，且在实际应用中具有突出的便捷性及安全性。移动边缘计算应用于车联网能够使交通管理、智能化设备及车辆服务功能充分发挥其作用与应用价值。本文对移动边缘计算在车联网中的应用进行了分析。

关键词：移动边缘计算车联网应用

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：