检索结果-内蒙古大学图书馆

铁路计算机应用 2024年第3期33卷 13-18页

作者：王忠峰王小进高鹏申佳胤徐佳国铁吉讯科技有限公司北京100081 南京邮电大学江苏省大数据安全与智能处理重点实验室南京210023 中国铁道科学研究院集团有限公司电子计算技术研究所北京100081

为解决车联网动态环境下,计算和通信资源不足时的任务卸载问题,提出一种基于车辆边缘计算的多目标任务卸载算法。搭建车辆边缘计算中的通信模型和计算模型,考虑每个车辆应用的任务时延约束,设计了多目标优化目标函数,联合优化时延和能... 详细信息

为解决车联网动态环境下,计算和通信资源不足时的任务卸载问题,提出一种基于车辆边缘计算的多目标任务卸载算法。搭建车辆边缘计算中的通信模型和计算模型,考虑每个车辆应用的任务时延约束,设计了多目标优化目标函数,联合优化时延和能耗成本;引入交叉变异、非支配排序、拥挤度排序等技术,提出了多目标任务卸载算法。实验表明,相比于其他任务卸载算法,所提算法显著减少了处理任务的时间和能耗。

关键词：车联网车辆边缘计算任务卸载调度遗传算法多目标优化

来源：评论

学校读者我要写书评

暂无评论

基于激励机制的车辆协同任务卸载策略研究

引用

自动化应用 2025年第6期66卷 125-128,131页

作者：张爱萍向芸逸鲜永菊汪帅鸽重庆邮电大学通信与信息工程学院重庆400065 重庆科技大学智能科技与工程学院重庆401331

考虑到移动车辆具有自私性,不会主动分享其计算资源,为设计合理的激励机制以吸引移动车辆主动参与并提供其计算资源,研究了在信息不对称下车辆之间的激励机制设计问题,提出了一种移动车辆私有信息估计算法,以估计移动车辆的私有信息。... 详细信息

考虑到移动车辆具有自私性,不会主动分享其计算资源,为设计合理的激励机制以吸引移动车辆主动参与并提供其计算资源,研究了在信息不对称下车辆之间的激励机制设计问题,提出了一种移动车辆私有信息估计算法,以估计移动车辆的私有信息。通过车辆的移动性和私有信息,对移动车辆进行车辆类型划分,进而设计了一种基于契约的移动车辆激励机制方案,以最大化卸载车辆的期望效用。结果表明,所提方案更优于其他传统激励方案。

关键词：车辆边缘计算车辆协同契约激励机制

来源：评论

学校读者我要写书评

暂无评论

车辆边缘网络中的DNN任务划分和卸载问题研究

车辆边缘网络中的DNN任务划分和卸载问题研究

引用

作者：郑雨昕暨南大学

学位级别：硕士

近年来,随着人工智能和传感器等技术的发展,车辆提供更加多样化的应用和服务,例如障碍识别和车道检测等。这些应用大多对延迟敏感,而且一般基于深度神经网络(Deep Neural Networks,DNN),具有准确度高、计算和能量资源消耗多的特点。由... 详细信息

近年来,随着人工智能和传感器等技术的发展,车辆提供更加多样化的应用和服务,例如障碍识别和车道检测等。这些应用大多对延迟敏感,而且一般基于深度神经网络(Deep Neural Networks,DNN),具有准确度高、计算和能量资源消耗多的特点。由于车辆计算资源十分有限,无法满足这些应用低时延的要求。车辆边缘计算(Vehicular Edge Computing,VEC)通过将计算资源下沉到道路两侧的路边单元(Road Side Unit,RSU),可以增强车辆的计算能力,弥补计算和能量等资源的不足。然而,由于车辆的移动性和边缘服务器的负载不均等问题,以及DNN拓扑结构的多样性(如链式结构和DAG式结构等),如何将DNN任务卸载到边缘服务器,来优化延迟并降低对车辆资源的消耗,仍然是一个具有挑战性的问题。因此,本文重点研究VEC环境下,如何针对不同的DNN拓扑结构模型,进行任务的划分和卸载,在提升车辆DNN任务处理的性能同时,确保DNN任务的准确率不受影响。本文的主要工作和创新之处如下:(1)首先,本文以VGG11模型为案例,通过实验研究和分析DNN任务在车辆和边缘服务器处理上的计算时间、网络传输时间、端到端时延和车辆的能量消耗等,说明VEC环境下DNN任务划分和卸载的可行性和意义,为后续两项工作的研究提供了基础和依据。(2)针对链式DNN模型,本文提出DPAO方法,通过车辆-边缘协同和边缘-边缘协同,平衡任务计算时间和数据传输时间,并根据边缘服务器负载的差异动态卸载任务。实验结果表明,与直接卸载给边缘服务器相比,任务平均完成时间减少1.9倍;与仅在车辆本地计算相比,车辆能耗降低94%。(3)针对DAG式DNN模型,本文提出DCAO方法。将DNN模型的划分问题转换为最大流最小割问题,在现有研究的基础上,进一步扩展网络流图,降低划分算法的时间复杂度。对于网络流图存在负容量的情况,本文将其全部转换为正数后,再通过传统的最小割算法求解。实验结果表明,与直接卸载给边缘服务器相比,任务平均完成时间减少47%;与仅在车辆本地计算相比,车辆能耗降低56%。

关键词：车辆边缘计算深度神经网络任务划分任务调度

来源：评论

学校读者我要写书评

暂无评论

一种新型卸载方案:基于停泊车辆中继的车载边缘任务卸载方案

引用

电信科学 2019年第3期35卷 47-53页

作者：董培养赵军辉邹丹孙笑科华东交通大学信息工程学院江西南昌330013 北京交通大学电子信息工程学院北京100044

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。VEC可解决车载终端计算能力不足的问题,同时可减少车联网通信服务时延,避免路边停泊车辆自身大量空闲资源浪费。提出基于停泊车辆中继的车... 详细信息

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。VEC可解决车载终端计算能力不足的问题,同时可减少车联网通信服务时延,避免路边停泊车辆自身大量空闲资源浪费。提出基于停泊车辆中继的车载任务卸载方案,通过合理部署边缘服务器和引入协作中继技术,可将车联网通信过程中的时延降低至毫秒级。仿真结果表明,与传统的车与基础设施(vehicle to infrastructure,V2I)卸载方案相比,基于停泊车辆中继的车载任务卸载方案可将通信时延降低20%。

关键词：车辆边缘计算静态中继卸载方案

来源：评论

学校读者我要写书评

暂无评论

面向绿色计算的车辆协同任务卸载方法

引用

电子与信息学报 2024年第1期46卷 175-183页

作者：张红霞吕智豪席诗语刘佳敏郭加树张培颖中国石油大学(华东)青岛软件学院青岛266000 中国石油大学(华东)计算机科学与技术学院青岛266000

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(... 详细信息

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%。

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

来源：评论

学校读者我要写书评

暂无评论

基于区块链的车联网矩阵计算安全卸载方案

引用

浙江大学学报（工学版） 2023年第1期57卷 144-154页

作者：刘雪娇宋庆武夏莹杰杭州师范大学信息科学与技术学院浙江杭州311121 浙江大学计算机科学与技术学院浙江杭州310027

为了保护任务数据的机密性,验证计算结果的正确性,提出基于区块链的车联网矩阵计算安全卸载方案.该方案利用编写在区块链上的智能合约自动执行计算结果验证过程,保证验证过程的安全性和结果的不可篡改.方案提出的基于矩阵加法的轻量级... 详细信息

为了保护任务数据的机密性,验证计算结果的正确性,提出基于区块链的车联网矩阵计算安全卸载方案.该方案利用编写在区块链上的智能合约自动执行计算结果验证过程,保证验证过程的安全性和结果的不可篡改.方案提出的基于矩阵加法的轻量级矩阵加密方法,简化了矩阵计算卸载加解密的复杂度.通过与现有方案比较可知,本文方案能够在有效保护车辆的敏感信息的同时,实现对矩阵计算结果正确性的验证.利用所构建的矩阵加密方法,能够有效地降低车辆侧矩阵加解密的计算开销.

关键词：车辆边缘计算安全计算卸载区块链矩阵乘法车联网

来源：评论

学校读者我要写书评

暂无评论

车联网区块链分布式车对车计算卸载方法研究

引用

计算机科学与探索 2024年第7期18卷 1923-1934页

作者：孟珍任冠宇万剑雄李雷孝内蒙古工业大学数据科学与应用学院呼和浩特010080

车辆边缘计算是通过车辆间传输计算任务来完成计算卸载,可以提高车辆的计算能力。目前的卸载任务分配策略没有同时考虑数据安全性、卸载任务优先级、计算资源释放和激励车辆共享计算资源,难以适应动态车辆环境。针对以上背景,研究分布... 详细信息

车辆边缘计算是通过车辆间传输计算任务来完成计算卸载,可以提高车辆的计算能力。目前的卸载任务分配策略没有同时考虑数据安全性、卸载任务优先级、计算资源释放和激励车辆共享计算资源,难以适应动态车辆环境。针对以上背景,研究分布式车对车(V2V)计算卸载问题,建立马尔科夫决策过程,设计了基于深度强化学习的计算卸载最优任务分配策略,利用动态定价来激励车辆共享计算资源,考虑卸载任务优先级和计算资源释放机制。将卸载方案嵌入到区块链中,通过建立车联网区块链的身份认证机制,对车辆信息、任务信息、交易信息等敏感信息进行加密处理,满足保障数据安全性的需求。仿真实验结果验证了所提出方法的性能,与其他算法相比,该方法在节省10.28%训练时间的情况下,将系统平均效益至少提高了9.58%。

关键词：车辆边缘计算计算卸载深度强化学习区块链

来源：评论

学校读者我要写书评

暂无评论

一种联合V2I和V2V的任务卸载优化方案

引用

计算机工程 2024年第12期50卷 174-183页

作者：倪苏婕陈兵石优南京航空航天大学计算机科学与技术学院江苏南京210016

在车辆边缘计算系统中,受限于自身的计算能力,单个车辆难以处理计算密集型任务,并且由于车联网(IoV)环境的高动态性,车辆难以获取全局信息及其他车辆的卸载行为来做出任务卸载决策。为了解决车辆边缘计算系统中计算资源不足、环境状态... 详细信息

在车辆边缘计算系统中,受限于自身的计算能力,单个车辆难以处理计算密集型任务,并且由于车联网(IoV)环境的高动态性,车辆难以获取全局信息及其他车辆的卸载行为来做出任务卸载决策。为了解决车辆边缘计算系统中计算资源不足、环境状态时变以及车辆观察范围有限等问题,联合车辆与基础设施(V2I)和车辆与车辆(V2V)卸载方式并考虑任务划分问题,提出一种基于多智能体深度确定性策略梯度的在线算法。首先,综合考虑车辆位置、连接时间和可用计算资源,选择服务性能值较高的车辆作为候选服务车辆;其次,以最小化系统的平均任务卸载时延为目标提出一个优化问题,并将其建模为一个马尔可夫决策过程,通过对模型进行集中训练,车辆可以获取其他车辆的信息以调整自身策略,在在线执行阶段,车辆根据局部观察迅速做出卸载决策。将该算法与基准算法进行对比,实验结果表明,相较于深度确定性策略梯度算法和任务均分法,所提任务卸载算法的平均任务卸载时延分别降低75%和66%,且收敛速度更快,证明了该算法的有效性。

关键词：车辆边缘计算任务卸载任务划分多智能体深度强化学习 V2I与V2V联合卸载

来源：评论

学校读者我要写书评

暂无评论

边缘计算中计算密集型任务的卸载研究

边缘计算中计算密集型任务的卸载研究

引用

作者：唐会军天津大学

学位级别：博士

随着人工智能与物联网、车联网的迅速发展,合理处理计算密集型任务的需求越来越迫切。而计算密集型任务在执行时往往面临计算资源不足、计算时间长、产生能耗多等问题。如何在计算资源有限的边缘计算设备上执行大量计算密集型应用是当... 详细信息

随着人工智能与物联网、车联网的迅速发展,合理处理计算密集型任务的需求越来越迫切。而计算密集型任务在执行时往往面临计算资源不足、计算时间长、产生能耗多等问题。如何在计算资源有限的边缘计算设备上执行大量计算密集型应用是当今社会迫切需要解决的问题之一。本文分别围绕移动边缘计算(Mobile Edge Computing,MEC)、车辆边缘计算(Vehicular Edge Computing,VEC)场景下的计算密集型任务的卸载问题提出了解决方案。主要成果包括:1.针对在MEC场景下处理大量计算密集型任务时面临的任务计算量溢出的问题,本文将其建模为容量相竞的多背包问题的联合优化问题,并提出了两个近似解法OAKGM和OAMKP算法。首先提出卸载指标,并根据对任务卸载指标的迭代分割对边缘服务器计算资源进行初分配,在每个分割下分别在本地端和边缘端进行再分配,并给出了算法的时间复杂度分析。提出的算法不仅能够优化时间和能耗成本,并且能够通过惩罚溢出计算量减轻下一个工作流的计算压力。该工作填补了现有的MEC任务卸载方法在计算量溢出环境下的研究空白,丰富和补充了多背包问题的形式和求解方法。实验结果表明,与几种基准卸载算法相比,所提算法的具有有效性和优越性,能够充分利用物联网设备和边缘服务器的计算能力。2.针对OAMKP算法泛化能力弱的问题,本文提出用基于注意力机制的深度学习框架对最优分割阈值进行预测,在最优分割阈值下进行计算资源的再分配。首先通过OAMKP算法得到不同MEC场景下不同工作流的最优分割阈值,以此作为数据集的标签训练带注意力机制的深度神经网络,然后根据最优分割阈值计算最优卸载策略。训练后的网络对新出现的MEC场景有一定的推理能力,提高模型泛化能力的同时降低了算法的时间复杂度。与端对端直接学习卸载策略相比,本文提出的预测最优分割阈值的网络能在小样本训练集上获得精确的阈值,得到与标签数据更接近的卸载方案。3.针对VEC场景中计算密集型任务的动态卸载问题,本文建立了基于深度强化学习的多车时序子任务的动态帧卸载模型。首先将车辆的任务划分为多个时序子任务,根据各个车辆子任务的生成时间将所有任务的卸载进程划分为卸载帧。然后以卸载帧为时间步建立深度强化学习的卸载框架,对卸载策略的时间进行长期优化。该工作填补了在VEC场景中多辆移动车辆时序子任务卸载问题的空白。实验将提出的算法与其他两种基于深度强化学习的卸载方法和两种基于贪婪算法的卸载方法相比,在各种环境下均有显著优越性。

关键词：移动边缘计算车辆边缘计算多背包问题卷积神经网络深度强化学习

来源：评论

学校读者我要写书评

暂无评论

一种基于路边单元协作的任务卸载策略

引用

湖南科技大学学报（自然科学版） 2022年第1期37卷 100-108页

作者：尚坤豪符琦巴冰湖南科技大学计算机科学与工程学院湖南湘潭411201

在车辆边缘计算框架中,当车辆处于行驶状态时,需要和不同的路边单元(Rode Side Unit, RSU)进行连接,此时必然存在RSU的切换.文章着力于减少车辆在RSU切换过程中任务所需的完成时间.针对这个问题,提出相邻RSU协同工作的通信结构,并基于... 详细信息

在车辆边缘计算框架中,当车辆处于行驶状态时,需要和不同的路边单元(Rode Side Unit, RSU)进行连接,此时必然存在RSU的切换.文章着力于减少车辆在RSU切换过程中任务所需的完成时间.针对这个问题,提出相邻RSU协同工作的通信结构,并基于车辆和RSU之间的距离设计了一种求解车辆在RSU通信覆盖范围内剩余行驶时间的算法.当前RSU利用车辆的剩余行驶时间决定是否将计算任务进行卸载.若需要卸载,当前RSU就将任务卸载给车辆将要连接的下一个RSU,利用下一个RSU进行任务的计算,最终将计算结果返回给目标车辆.最后,利用Veins框架将OMNet++和SUMO结合在一起进行仿真实验.对仿真结果进行分析后可知:相较于相邻RSU没有进行协同工作的场景,文章提出的RSU协作通信结构和算法在任务的完成时间上改善了25%.

关键词： RSU协作消息转发任务卸载车辆边缘计算车联网

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：