移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略

发布时间：2024-09-17 12:33

　　 深度神经网络因其强大的数据分析功能而被广泛使用在移动智能应用中,然而其计算任务的复杂性给计算能力与电池容量均有限的终端设备带来了巨大的挑战。若将深度神经网络中的计算任务完全卸载到云端,则会产生较高数据传输时延。移动边缘计算因其低时延、分布式、位置感知的优势能有效解决深度神经网络的时延和能耗问题。为了在保证用户时间约束的同时,充分优化终端设备能耗,建立了移动边缘计算环境中深度神经网络计算任务卸载的时间和能耗评价模型,基于该模型提出了移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略。该策略以神经网络层为单位,将深度神经网络中的计算任务进行拆分,在计算任务卸载时,对移动边缘计算环境中多重计算资源进行综合考虑。最后,提出了移动边缘环境中基于多重资源任务卸载的粒子群调度算法,该算法能在满足时间约束的同时,充分优化终端设备能耗。实验表明,与已有的3种任务卸载策略相比,新策略对应的粒子群调度算法所得适应度值最优,满足时间约束下,终端设备的能耗值最低。

【文章页数】：9 页

【文章目录】：
1 问题的提出
2 相关工作
3 移动边缘计算中深度神经网络计算任务卸载模型
    3.1 基于DNNs结构的计算任务模型和负载模型
        3.1.1 基于DNNs结构的计算任务模型
        3.1.2 负载模型
    3.2 任务卸载时间与能耗模型
        3.2.1 任务卸载时间模型
        3.2.2 任务卸载能耗模型
4 基于多重资源任务卸载的粒子群调度算法
    4.1 适应度函数
    4.2 算法描述
5 实验分析
    5.1 实验环境及参数设置
    5.2 实验结果与分析
        5.2.1 适应度值的比较
        5.2.2 能耗和时间的比较
6 结束语



本文编号：4005460