声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：张文柱,余静华,
关键词：移动边缘计算, 云边端协同, 任务依赖, 全优率, 人工粒子蜂群算法, 延迟和能耗,
在移动边缘计算（mobileedgecomputing，MEC）中，为了利用有限的计算资源提供高效的计算服务，提出一种基于Docker的云—边—端协同任务卸载框架，解决多接入MEC协同卸载、计算资源分配问题.为提高任务的执行速率和各节点资源利用率，对任务进行预处理，如在Kahn算法中加入行满秩矩阵要求并结合任务并行计算设定输出任务执行序列；分别建立端、边、云任务计算模型，分配权重设计联合优化系统延迟与能耗的目标函数；为求解最优卸载决策，引入“全优率”参数和粒子蜂设计人工粒子蜂群（artificialparticleswarm,APS）算法作为卸载决策算法.实验表明，多任务处理证明了APS的有效性.多接入条件下，相比于本地计算、边缘计算、云计算、端—边联合和随机处理5种模式，所提方案的低延时和低能耗表现证明了其提供高效服务的优越性.
来源：2023年第2期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。