移动边缘网络中基于多任务深度强化学习的并行任务调度算法文献综述

 2023-05-25 09:05

文献综述

1. 前言随着物联网和智能手机的发展,有着较强计算能力的设备和基站等共同组成了一个特殊的网络移动边缘网络。

移动边缘网络中的节点可以为数据处理贡献计算资源,因此移动边缘计算应运而生(Mobile edge computing, MEC)。

MEC是将数据的处理、分析与存储集中在网络边缘进行计算的方法[1]。

MEC可以保证数据处理的实时性,提高任务处理的可靠性,并降低云计算中心的计算负载。

近年来,利用普通用户空闲资源进行感知任务的移动群智感知(Mobile Crowd Sensing, MCS)兴起,它依托于移动边缘计算平台,通过边缘节点或基站分配大规模且复杂的感知任务给普通用户,利用普通用户携带的智能设备采集感知数据。

相比于传统的感知手段,MCS具有普适性、智能性、低成本等诸多优势,因而具有广阔的应用前景和重要的研究意义[2]。

在MCS系统中,并行任务调度是其核心问题。

一方面,MCS的动态性、分布性、异构性和自治性,使传统任务调度技术无法有效的应用于MCS。

另一方面,感知任务种类多、领域宽,面对不同的任务需求,将任务分配给合适的用户以提高任务分配效率成为MCS任务分配的关键。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

已经是最后一篇了