| 标题 |
 DNN Partition and Offloading Strategy with Improved Particle Swarm Genetic Algorithm in VEC 基于改进粒子群遗传算法的VEC DNN划分和卸载策略
相关领域
计算机科学
分拆（数论）
粒子群优化
遗传算法
划分问题
渡线
计算卸载
数学优化
人工神经网络
车辆路径问题
惯性
群体行为
计算
GSM演进的增强数据速率
人工智能
算法
边缘计算
布线（电子设计自动化）
机器学习
数学
计算机网络
物理
组合数学
经典力学
|
| 备注 |
需要正式出版的版本，不要作者的版本
|
| 网址 | |
| DOI | |
| 其它 |
摘要： 车载边缘计算 （VEC） 是一种新颖的计算范式，旨在满足车辆系统不断增长的计算和通信需求。在 VEC 的帮助下，车辆可以执行基于深度神经网络 （DNN） 的人工智能 （AI） 任务，这些任务是计算密集型和延迟敏感的。但是，在资源受限的终端设备上部署大规模、计算密集型的 DNN 很困难。因此，DNN 模型分区和卸载策略受到了很多关注，然而，大多数研究并没有考虑到 DNN 模型的最佳分区点随分配的计算资源而变化的问题。为了解决这个问题，我们提出了一种基于 DNN 模型分区的计算卸载策略。该策略根据车辆的计算能力选择最优的 DNN 模型分区点，然后制定最优任务卸载策略，实现边缘服务器与服务车辆之间的任务有效分配和执行。为了最小化任务卸载延迟，我们提出了一种改进的粒子群遗传算法 （IPSGA） 来实现最优卸载策略。该算法以迭代次数为特征的可变加速度系数和以成功率为代价的惯性权重作为反馈参数，改进粒子群优化算法（PSO），并采用自适应交叉概率和自适应突变概率改进遗传算法（GA）。实验结果表明，与基线相比，IPSGA 能够降低整体系统延迟并提高任务完成率。 |
| 求助人 | |
| 下载 | |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
归尘
月子淇
GingerF
xxfsx
Huzhu
tuanheqi
ZYP
kentonchow
哈基米德
mashibeo
优美的小笨蛋
西风漂流
从容芮
Demon
MchemG
tianzml0
无极微光
浮游
何柯
hanawang
ccm
聪慧的正豪
领导范儿
33
皖公网安备34019202002308
