| 标题 |
 Joint optimization of DNN model partitioning and slice delivery for distributed edge-cloud inference over optical networks |
| 网址 | |
| DOI | |
| 其它 |
摘要： 随着低延迟深度神经网络（DNN）推理需求的不断增长，边缘云协作推理已成为一种有前景的范式。然而，模型日益多样化，加上边缘节点资源有限且异构，使得在边缘预先部署所有模型变得不切实际。这些约束不仅加剧了模型划分和切片交付的复杂性，也对调度和资源协调施加了更严格的要求。为应对这些挑战，本文提出了一种联合优化方法用于模型划分和切片交付，以提升推理性能。我们首先构建一个混合整数非线性规划（MINLP）模型以进行精确优化。进一步开发了启发式种子遗传算法（HSGA），结合启发式初始化和任务驱动交替演化，以提升解质量和收敛速度。模拟结果表明，所提算法显著缩短了任务完成时间和阻塞率，验证了其在复杂边缘云环境中的有效性。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
PDF的下载单位、IP信息已删除
(2025-6-4)
无极微光
Nole
DW
秋风
共产主义战士
v0id
Ali
fx
godccc
和云流彩
cdercder
爱吃樱桃的菁菁
小小
罗Eason
aajhajkahna
科研狗
aaaa
潇洒的惋清
学术文献互助
Kao
皖公网安备34019202002308
