本文圍繞智能工廠中關(guān)鍵性任務的邊緣計算開展研究.考慮邊緣計算中由于信道的不確定性及計算資源受限可能出現(xiàn)的高時延風險,首先通過使用條件風險價值(Conditional Value at Risk, CVaR)完成時延分布尾部信息的刻畫,通過利用CVaR的凸性和平移等價性,給出了時延CVaR的上界.進一步,通過對邊緣服務器的選擇與計算資源分配,完成了機器設備處理計算任務的平均時延與CVaR上界的聯(lián)合優(yōu)化.通過仿真實驗,驗證了算法模型對高時延分布刻畫的有效性.從仿真結(jié)果可知,所提策略不僅提高了計算的可靠性,同時降低了時延的高風險值.

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1不同風險敏感參數(shù)下的CCDF

在圖1中,每個任務的大小為0.5Mbit,服務器CPU的主頻為12GHz.圖1給出了風險敏感參數(shù)對延遲的互補累積分布函數(shù)(ComplementaryCumulativeDistributionFunction,CCDF)的影響.風險敏感參數(shù)β越大,策略對風險值越敏感.從圖....

圖2可靠性與計算任務大小的關(guān)系

另外,針對平均時延和CVaR性能指標交互變化趨勢,定義兩個策略:均值策略(MO):β=0,該策略僅考慮延遲的平均性能,而不考慮延遲的CVaR,即延遲的風險.均值-CVaR策略(MC):β=0.3,該策略同時考慮了延遲的平均性能和延遲的CVaR.圖2在給定服務器主頻為12GH....

圖3延遲的平均延遲和第99百分位數(shù)與服務器的主頻之間的關(guān)系

在圖3中,每個任務大小設置為0.5Mbit.比較了不同服務器計算頻率下MO策略和MC策略的延遲性能.使用兩個指標:均值和風險值,其中風險值使用時延的第99百分位數(shù)來表征.隨著服務器主頻的增加,兩種策略的平均延遲和第99百分位延遲都會減小.這是由于服務器計算資源的增加,使得分配給....

本文編號：3934910