源于 DNNs 的低轨卫星边缘计算卸载

以降低系统的效率指标为目标，需要建立卫星边缘计算多用户多任务模型，并考虑用户卸载决策和带宽分配的问题。然而，由于卸载决策是二进制变量，上述问题作为混合整数规划问题，通过一般的优化工具无法得到有效解决。

作者提出了一种基于深度学习通过多个并行的深度神经网络 (DNNs) 生成卸载决策的方法。首先，系统随机初始化 DNNs 的参数并且清空内存，然后系统将用户生成的不同任务的大小作为 DNNs 的输入，然后得到 DNNs 生成相应的卸载决策。然后，系统通过推导出的最优带宽分配方案为每个用户分配带宽，通过得到的卸载决策和为每个用户分配的带宽计算系统的效用函数值。

作者通过大量的实验来验证所提出的联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法的优越性，包括：收敛性分析，系统效用函数值的对比分析，嵌入式系统与嵌入式DNN 的时间序列的成本分析。

本研究研究了一种在低轨卫星上配备边缘服务器，形成边缘计算低轨卫星的场景，同时，作者考虑多用户多任务场景，提出了一种基于深度学习的卸载算法来获得接近最优的卸载决策，并通过自适应最优带宽分配算法将带宽分配给每个用户，以获得最优的系统效用函数值。在本发明的一个实例中，提供了一种方法，用于在网络设备之间传输数据。

（编辑：银川站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!