搜索资源列表
移动边缘计算环境下服务工作流的计算卸载实验仿真
- #遗传算法 #********************************************************************************************* #对于给定的一个任务流，在遵守任务前后顺序下，存在不同的位置编码和不同的排序编码 #比如对于任务流S，可以通过初始化得到N个位置编码，N个排序编码 #1.调用Order_initial生成一个带前后固定顺序（即前驱任务固定）的任务流 #2.调用N次Position_initial生成
移动边缘计算环境下服务工作流的计算卸载实验仿真
- #遗传算法 #********************************************************************************************* #对于给定的一个任务流，在遵守任务前后顺序下，存在不同的位置编码和不同的排序编码 #比如对于任务流S，可以通过初始化得到N个位置编码，N个排序编码 #1.调用Order_initial生成一个带前后固定顺序（即前驱任务固定）的任务流 #2.调用N次Position_initial生成
移动卸载算法
- 移动卸载算法硕士论文的实现 通过对各个小区的计算任务量的分配来实现在不同小区内大任务的计算不出现中断(Implementation of master's thesis on mobile offload algorithm)
BiJOR2
- 协同移动边缘计算中联合卸载决策和资源分配的双层优化方法(A bi level optimization method for joint unloading decision and resource allocation in collaborative mobile edge computing)
DDLO算法
- 本文研究了移动边缘计算 (MEC) 网络，其中多个无线设备 (WD) 选择将其计算任务卸载到边缘服务器。为了节约能源并保持 WD 的服务质量，联合卸载决策和带宽分配的优化被表述为混合整数规划问题。然而，该问题在计算上受到维数灾难的限制，无法通过通用优化工具以有效和高效的方式解决，尤其是对于大规模 WD。在本文中，我们为 MEC 网络提出了一种基于分布式深度学习的卸载 (DDLO) 算法，其中使用多个并行 DNN 来生成卸载决策。我们采用共享重放内存来存储新生成的卸载决策，这些决策进一步训练和改进
移动计算的动态规划卸载算法
- 计算卸载；移动云计算；动态规划；随机化；汉明距离；能源效率；