智能工厂中风险敏感的边缘计算任务卸载策略研究

发布时间：2024-03-22 20:23

　　本文围绕智能工厂中关键性任务的边缘计算开展研究.考虑边缘计算中由于信道的不确定性及计算资源受限可能出现的高时延风险,首先通过使用条件风险价值(Conditional Value at Risk, CVaR)完成时延分布尾部信息的刻画,通过利用CVaR的凸性和平移等价性,给出了时延CVaR的上界.进一步,通过对边缘服务器的选择与计算资源分配,完成了机器设备处理计算任务的平均时延与CVaR上界的联合优化.通过仿真实验,验证了算法模型对高时延分布刻画的有效性.从仿真结果可知,所提策略不仅提高了计算的可靠性,同时降低了时延的高风险值.

【文章页数】：7 页

【部分图文】：

图1不同风险敏感参数下的CCDF

在图1中,每个任务的大小为0.5Mbit,服务器CPU的主频为12GHz.图1给出了风险敏感参数对延迟的互补累积分布函数(ComplementaryCumulativeDistributionFunction,CCDF)的影响.风险敏感参数β越大,策略对风险值越敏感.从图....

图2可靠性与计算任务大小的关系

另外,针对平均时延和CVaR性能指标交互变化趋势,定义两个策略:均值策略(MO):β=0,该策略仅考虑延迟的平均性能,而不考虑延迟的CVaR,即延迟的风险.均值-CVaR策略(MC):β=0.3,该策略同时考虑了延迟的平均性能和延迟的CVaR.图2在给定服务器主频为12GH....

图3延迟的平均延迟和第99百分位数与服务器的主频之间的关系

在图3中,每个任务大小设置为0.5Mbit.比较了不同服务器计算频率下MO策略和MC策略的延迟性能.使用两个指标:均值和风险值,其中风险值使用时延的第99百分位数来表征.随着服务器主频的增加,两种策略的平均延迟和第99百分位延迟都会减小.这是由于服务器计算资源的增加,使得分配给....

本文编号：3934910