-
公开(公告)号：CN117891532A
公开(公告)日：2024-04-16
申请号：CN202410298713.4
申请日：2024-03-15
Applicant: 东北大学
Abstract: 本发明属于移动边缘计算网络技术领域，公开了一种基于注意力多指标排序的终端能效优化卸载方法。旨在优化移动边缘计算网络中的任务卸载效率，特别关注于时延和能耗的优化。这种方法综合考虑了任务的多个关键因素，如退出任务频率、计算工作负载、时间紧迫性以及每比特的应用完成率，以确定任务的优先级顺序。该方法采用强化学习算法和图卷积网络，以有效提取依赖性任务之间的图结构特征，并引入注意力机制来专注于重要特征的权重训练，同时使用熵奖励概念来提高训练的收敛速度和稳定性。这一方法为移动边缘计算领域提供了一种全新的优化卸载策略，有助于满足5G时代对高性能移动服务的需求。
-
公开(公告)号：CN117891532B
公开(公告)日：2024-07-05
申请号：CN202410298713.4
申请日：2024-03-15
Applicant: 东北大学
Abstract: 本发明属于移动边缘计算网络技术领域，公开了一种基于注意力多指标排序的终端能效优化卸载方法。旨在优化移动边缘计算网络中的任务卸载效率，特别关注于时延和能耗的优化。这种方法综合考虑了任务的多个关键因素，如退出任务频率、计算工作负载、时间紧迫性以及每比特的应用完成率，以确定任务的优先级顺序。该方法采用强化学习算法和图卷积网络，以有效提取依赖性任务之间的图结构特征，并引入注意力机制来专注于重要特征的权重训练，同时使用熵奖励概念来提高训练的收敛速度和稳定性。这一方法为移动边缘计算领域提供了一种全新的优化卸载策略，有助于满足5G时代对高性能移动服务的需求。
-
Search Results
2
records
(took 0.033 seconds)
