基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
如何有效的解决云边混合计算中的计算卸载问题已逐渐成为互联网和物联网领域的研究重点.计算卸载问题属于NP-hard优化问题,标准蚁群优化算法作为传统的启发式算法可以用来解决类似计算卸载问题,但是传统蚁群优化算法存在着诸多不足,针对这些不足对传统蚁群优化算法进行了改进,旨在得到时延优化的计算卸载策略.针对单边缘计算节点和云服务器之间的协同计算进行了研究,首先根据整体任务卸载模型进行了数学建模;然后根据各个数学模型利用改进后的蚁群优化算法进行了实验仿真.仿真实验结果表明改进后的蚁群优化算法比传统蚁群优化算法收敛更快,其中改进蚁群优化算法在17次迭代后开始收敛,传统蚁群优化算法在23次迭代后开始收敛;并且使用改进后的蚁群优化算法调度任务与传统蚁群优化算法调度任务、任务只在边缘计算节点执行和任务全部卸载到云服务器上执行进行了对比,结果表明使用改进后的蚁群优化算法进行任务调度大大缩短了任务的完成时间,其中当任务数量为50个时,改进蚁群算法执行任务比上述3种方法分别大约短6 s,15s,50 s.
推荐文章
面向优先级用户的移动边缘计算任务调度策略
边缘计算
优先级用户
任务调度策略
异构多核计算系统的Codelet任务调度策略
数据流计算
Codelet模型
异构多核
蚁群算法
任务调度
D3DQN-CAA:一种基于DRL的自适应边缘计算任务 调度方法
边缘计算
任务调度
深度Q学习
深度强化学习
实时系统任务调度策略研究
实时系统
任务调度
优先级
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 边缘计算系统的任务调度策略
来源期刊 电子测量技术 学科 工学
关键词 云计算 边缘计算 计算卸载 任务调度 蚁群优化算法
年,卷(期) 2020,(9) 所属期刊栏目 信息技术及图像处理
研究方向 页码范围 99-103
页数 5页 分类号 TP399
字数 语种 中文
DOI 10.19651/j.cnki.emt.1904022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 万旺根 132 819 15.0 22.0
2 周浩 3 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (11)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(4)
  • 参考文献(2)
  • 二级参考文献(2)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
云计算
边缘计算
计算卸载
任务调度
蚁群优化算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子测量技术
半月刊
1002-7300
11-2175/TN
大16开
北京市东城区北河沿大街79号
2-336
1977
chi
出版文献量(篇)
9342
总下载数(次)
50
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导