排序方式： 共有4条查询结果，搜索用时 140 毫秒
1
1.
近年来人们对移动无线服务的需求与日俱增,为应对这一挑战,超密集无线网络被认为是下一代无线通信网络的基础设施架构和重要组成部分,基站的密集布置可以减少每个小区的服务用户数量,从而可为网络用户提供高速且低延迟的无线服务。但同时带来的不可避免的问题是用户在选择接入时会触发频繁的网络切换以确保可以接入到服务最佳的网络。用户接入问题往往被建模成在线学习模型。本文旨在寻找一个高效的在线用户接入方案以应对频繁网络切换造成的额外性能损失。通过对多臂老虎机模型的分析,提出基于操作杆淘汰机制的改进算法,并通过严格理论分析及数值仿真实验两个角度论证该算法的有效性。 相似文献
2.
为减少移动边缘计算(mobile edge computing,MEC)网络中移动用户的长期任务开销,利用强化学习的马尔科夫决策过程,将用户的移动性与系统的动态信息建模为随机优化问题.依据系统信息的状态,将问题分为系统信息已知、系统信息未知2种情况.在系统信息已知时,提供了问题的最优解;系统信息未知时,基于在线学习提出... 相似文献
3.
为充分发掘分布在不同位置上的雾节点的计算资源，任务卸载被寄予众望。在雾计算场景下，以尽可能减少任务卸载的长期成本为目标，试图寻找一个高效的在线任务卸载方法。为此，这一问题被建模成一个随机规划问题，该问题中系统参数所对应的随机变量的期望会在未知时刻突变，系统参数相关信息只能在任务完成后的反馈中获得。基于非稳态多臂老虎机模型，提出一个高效的算法来解决这一具有挑战性的随机优化问题，给出理论分析证明该算法的渐进最优性。数值实验证明了该算法的优越性。 相似文献
4.
雾计算是实现物联网中的计算密集型和时延关键型应用一种很有前景的解决方案.考虑到计算节点的布局会直接影响雾计算网络中任务卸载的性能,旨在解决雾计算网络中计算节点的最优布局问题.通过同时考虑计算节点的通信覆盖和计算能力,该问题可以建模为一个NP难的p中心问题.为解决这个问题,首先给出所需布局的计算节点数量的下界,然后提出2... 相似文献
1