一种时延较小的新型IIOT任务分配算法

• 作者: 李世强 刘皓若 费海平
• 来源期刊: 信息技术
• 关键词: 工业物联网 机器学习 移动边缘计算 凸优化问题 机器视觉
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 65-70
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2021.07.012

摘要

在工业物联网中,设备的计算能力通常有限,但任务往往需要及时执行,存在延时情况.为了解决该问题,提出了一种基于移动边缘计算的分层机器学习任务分配框架.该方法通过根据每个设备不同需求,决定要卸载的任务部分,以最小化处理延迟.并结合机器学习模型复杂度和推理错误率、数据质量、设备和服务器的计算能力以及通信带宽的影响,提出了一个联合优化问题,以使总时延最小,该问题的解即为最优卸载策略.在实验部分,分析了该研究的算法有效性,并与现有方法进行了对比.结果表明,提出的算法具有较高的性能.