مهاجرت وظایف برای رایانش لبه موبایلی
ترجمه نشده

مهاجرت وظایف برای رایانش لبه موبایلی

عنوان فارسی مقاله: مهاجرت وظایف برای رایانش لبه موبایلی با استفاده از یادگیری تقویتی عمیق
عنوان انگلیسی مقاله: Task migration for mobile edge computing using deep reinforcement learning
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
رشته های تحصیلی مرتبط:  مهندسی کامپیوتر ، مهندسی فناوری اطلاعات
گرایش های تحصیلی مرتبط:  رایانش ابری، هوش مصنوعی، الگوریتم و محاسبات، شبکه های کامپیوتری
کلمات کلیدی فارسی: مهاجرت سرویس، رایانش لبه موبایل، یادگیری تقویتی عمیق
کلمات کلیدی انگلیسی: service migration, mobile edge computing, deep reinforcement learning
نوع نگارش مقاله: مقاله پژوهشی (Research article)
نمایه: Scopus – Master Journals – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2019.01.059
دانشگاه: Department of Computer Science and Communications Engineering, Waseda University, Tokyo, Japan
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5.341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0.844 در سال 2017
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2017
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 12
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
کد محصول: E12052
فهرست انگلیسی مطالب

Abstract
1. Introduction
2. Related work
3. System model
4. Problem formulation
5. DQN Based task migration algorithm
6. Performance evaluation
7. Conclusion
References

نمونه متن انگلیسی مقاله

 Abstract
Mobile edge computing (MEC) is a new network architecture that puts computing capabilities and storage resource at the edges of the network in a distributed manner, instead of a kind of centralized cloud computing architecture. The computation tasks of the users can be offloaded to the nearby MEC servers to achieve high quality of computation experience. As many applications’ users have high mobility, such as applications of autonomous driving, the original MEC server with the offloaded tasks may become far from the users. Therefore, the key challenge of the MEC is to make decisions on where and when the tasks had better be migrated according to users’ mobility. Existing works formulated this problem as a sequential decision making model and using Markov decision process (MDP) to solve, with assumption that mobility pattern of the users is known ahead. However, it is difficult to get users’ mobility pattern in advance. In this paper, we propose a deep Q-network (DQN) based technique for task migration in MEC system. It can learn the optimal task migration policy from previous experiences without necessarily acquiring the information about users’ mobility pattern in advance. Our proposed task migration algorithm is validated by conducting extensive simulations in the MEC system.

محتوای این محصول:
دانلود رایگان مقاله انگلیسی جدید با عنوان مهاجرت وظایف برای رایانش لبه موبایلی با استفاده از یادگیری تقویتی عمیق منتشر شده در سال 2019 در انتشارات الزویر
  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

مهاجرت وظایف برای رایانش لبه موبایلی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها