期刊文章详细信息
文献类型:期刊文章
ZHANG Yi-Lin;LIANG Yu-Zhu;YIN Mu-Jun;QUAN Han-Yu;WANG Tian;JIA Wei-Jia(Institute of Artificial Intelligence and Future Networks,Beijing Normal University,Zhuhai,Guangdong 519000;Guangdong Key Lab of AI and Multi-Modal Data Processing,Beijing Normal University-Hong Kong Baptist University United International College,Zhuhai,Guangdong 519000;College of Computer Science and Technology,Huaqiao University,Xiamen,Fujian 361021)
机构地区:[1]北京师范大学人工智能与未来网络研究院,广东珠海519000 [2]北京师范大学-香港浸会大学联合国际学院广东省人工智能与多模态数据处理重点实验室,广东珠海519000 [3]华侨大学计算机科学与技术学院,福建厦门361021
基 金:国家自然科学基金重点项目(61532013);国家自然科学基金项目(62172046);福建省自然科学基金杰出青年项目(2020J06023);福建省自然科学基金项目(2020J05059);UIC科研启动经费(R72021202);华侨大学科研基金项目(605-50Y19028);广东省教育厅普通高校重点领域专项项目(2021ZDZX1063);珠海市产学院合作项目(ZI122017001210133PWC)资助。
年 份:2021
卷 号:44
期 号:12
起止页码:2406-2430
语 种:中文
收录情况:BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊
摘 要:在移动边缘计算中通过将终端设备的计算任务卸载到边缘服务器,可以利用边缘服务器资源解决终端设备计算能力不足的问题,同时满足移动应用程序对低延迟的需求.因此,计算卸载备受关注并成为移动边缘计算的关键技术之一.本文对移动边缘计算的计算卸载研究进展进行深度调研.首先,总结归纳出两类计算卸载方法--基于启发式算法的传统方法和基于在线学习的智能方法;从最小化延迟时间、最小化能耗、权衡时间和能耗三个不同优化目标对基于启发式算法的传统计算卸载进行分析对比;梳理了基于在线学习智能计算卸载采用的底层人工智能技术;然后介绍了边缘服务器资源分配方案和新兴的移动边缘计算应用场景;最后分析计算卸载方案存在的问题并展望移动边缘计算的计算卸载研究的未来方向,为后续研究工作指明方向.
关 键 词:移动边缘计算 计算卸载 智能计算卸载 边缘服务器 资源分配
分 类 号:TP301]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...