隨著無(wú)線(xiàn)通信技術(shù)的發(fā)展,將大量的計(jì)算任務(wù)從無(wú)線(xiàn)設(shè)備傳輸?shù)礁浇慕尤朦c(diǎn)或基站成為可能,這觸發(fā)了有意義的云計(jì)算應(yīng)用,例如在線(xiàn)游戲、虛擬/增強(qiáng)現(xiàn)實(shí)和實(shí)時(shí)媒體流。移動(dòng)邊緣計(jì)算通過(guò)在用戶(hù)端部署計(jì)算服務(wù)器,避免將應(yīng)用程序生成的流量回溯到遠(yuǎn)程數(shù)據(jù)中心,為用戶(hù)和邊緣服務(wù)器之間架起橋梁提供了一種有效的方法。它減少了執(zhí)行計(jì)算任務(wù)的延遲,并為那些對(duì)延遲敏感的云計(jì)算應(yīng)用程序節(jié)省了能源消耗,然而,當(dāng)移動(dòng)邊緣網(wǎng)絡(luò)中有多個(gè)邊緣服務(wù)器和移動(dòng)設(shè)備可用時(shí),如何進(jìn)行計(jì)算分流決策是一個(gè)挑戰(zhàn)。本文針對(duì)單邊緣服務(wù)器網(wǎng)絡(luò)和多邊緣服務(wù)器網(wǎng)絡(luò)設(shè)計(jì)了基于深度學(xué)習(xí)的分流策略,主要成果如下:1.針對(duì)單邊緣服務(wù)器網(wǎng)絡(luò),本文研究了移動(dòng)邊緣網(wǎng)絡(luò)中,多個(gè)無(wú)線(xiàn)設(shè)備選擇將其計(jì)算任務(wù)分流到一個(gè)邊緣服務(wù)器。為了節(jié)約能源,保持無(wú)線(xiàn)設(shè)備的服務(wù)質(zhì)量,將聯(lián)合分流決策和帶寬分配優(yōu)化問(wèn)題轉(zhuǎn)化為混合整數(shù)規(guī)劃問(wèn)題。然而,該問(wèn)題在計(jì)算上受到維數(shù)的限制,一般的優(yōu)化工具無(wú)法有效地解決這一問(wèn)題,特別是對(duì)于大規(guī)模的無(wú)線(xiàn)設(shè)備。本文提出了一種基于分布式深度學(xué)習(xí)的移動(dòng)邊緣網(wǎng)絡(luò)分流算法,該算法利用多個(gè)并行深度神經(jīng)網(wǎng)絡(luò)生成分流決策。我們采用共享重放記憶池來(lái)存儲(chǔ)新生成的分流決策,從而進(jìn)一步訓(xùn)練... 

【文章來(lái)源】：浙江工業(yè)大學(xué)浙江省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

GUI布局

基于深度學(xué)習(xí)的移動(dòng)邊緣計(jì)算分流算法設(shè)計(jì)與實(shí)現(xiàn)39運(yùn)行上述布局代碼后將生成如圖4-2所示的初始GUI界面。圖4-2運(yùn)用python編寫(xiě)的GUI界面Figure4-2.GUIinterfacewrittenbypython在點(diǎn)擊訓(xùn)練按鈕后將彈出如圖4-3所示的訓(xùn)練步數(shù)設(shè)置界面。圖4-3訓(xùn)練步數(shù)設(shè)置界面Figure4-3.Trainingstepssettinginterface4.3分流決策在GUI中的應(yīng)用4.3.1最優(yōu)分流決策的GUI展示在本小節(jié)中，為方便用戶(hù)一次性使用本文兩種模型，我們將第二章的多用戶(hù)單邊緣服務(wù)器場(chǎng)景和第三章的多用戶(hù)多邊緣服務(wù)器以及單云服務(wù)器場(chǎng)景結(jié)合到了一

基于深度學(xué)習(xí)的移動(dòng)邊緣計(jì)算分流算法設(shè)計(jì)與實(shí)現(xiàn)39運(yùn)行上述布局代碼后將生成如圖4-2所示的初始GUI界面。圖4-2運(yùn)用python編寫(xiě)的GUI界面Figure4-2.GUIinterfacewrittenbypython在點(diǎn)擊訓(xùn)練按鈕后將彈出如圖4-3所示的訓(xùn)練步數(shù)設(shè)置界面。圖4-3訓(xùn)練步數(shù)設(shè)置界面Figure4-3.Trainingstepssettinginterface4.3分流決策在GUI中的應(yīng)用4.3.1最優(yōu)分流決策的GUI展示在本小節(jié)中，為方便用戶(hù)一次性使用本文兩種模型，我們將第二章的多用戶(hù)單邊緣服務(wù)器場(chǎng)景和第三章的多用戶(hù)多邊緣服務(wù)器以及單云服務(wù)器場(chǎng)景結(jié)合到了一

【參考文獻(xiàn)】：
期刊論文
[1]A Deep Learning Based Energy-Efficient Computational Offloading Method in Internet of Vehicles[J]. Xiaojie Wang,Xiang Wei,Lei Wang.  中國(guó)通信. 2019(03)



本文編號(hào)：3328632