發(fā)布時(shí)間：2024-03-22 20:23

　　本文圍繞智能工廠中關(guān)鍵性任務(wù)的邊緣計(jì)算開(kāi)展研究.考慮邊緣計(jì)算中由于信道的不確定性及計(jì)算資源受限可能出現(xiàn)的高時(shí)延風(fēng)險(xiǎn),首先通過(guò)使用條件風(fēng)險(xiǎn)價(jià)值(Conditional Value at Risk, CVaR)完成時(shí)延分布尾部信息的刻畫(huà),通過(guò)利用CVaR的凸性和平移等價(jià)性,給出了時(shí)延CVaR的上界.進(jìn)一步,通過(guò)對(duì)邊緣服務(wù)器的選擇與計(jì)算資源分配,完成了機(jī)器設(shè)備處理計(jì)算任務(wù)的平均時(shí)延與CVaR上界的聯(lián)合優(yōu)化.通過(guò)仿真實(shí)驗(yàn),驗(yàn)證了算法模型對(duì)高時(shí)延分布刻畫(huà)的有效性.從仿真結(jié)果可知,所提策略不僅提高了計(jì)算的可靠性,同時(shí)降低了時(shí)延的高風(fēng)險(xiǎn)值.

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1不同風(fēng)險(xiǎn)敏感參數(shù)下的CCDF

在圖1中,每個(gè)任務(wù)的大小為0.5Mbit,服務(wù)器CPU的主頻為12GHz.圖1給出了風(fēng)險(xiǎn)敏感參數(shù)對(duì)延遲的互補(bǔ)累積分布函數(shù)(ComplementaryCumulativeDistributionFunction,CCDF)的影響.風(fēng)險(xiǎn)敏感參數(shù)β越大,策略對(duì)風(fēng)險(xiǎn)值越敏感.從圖....

圖2可靠性與計(jì)算任務(wù)大小的關(guān)系

另外,針對(duì)平均時(shí)延和CVaR性能指標(biāo)交互變化趨勢(shì),定義兩個(gè)策略:均值策略(MO):β=0,該策略?xún)H考慮延遲的平均性能,而不考慮延遲的CVaR,即延遲的風(fēng)險(xiǎn).均值-CVaR策略(MC):β=0.3,該策略同時(shí)考慮了延遲的平均性能和延遲的CVaR.圖2在給定服務(wù)器主頻為12GH....

圖3延遲的平均延遲和第99百分位數(shù)與服務(wù)器的主頻之間的關(guān)系

在圖3中,每個(gè)任務(wù)大小設(shè)置為0.5Mbit.比較了不同服務(wù)器計(jì)算頻率下MO策略和MC策略的延遲性能.使用兩個(gè)指標(biāo):均值和風(fēng)險(xiǎn)值,其中風(fēng)險(xiǎn)值使用時(shí)延的第99百分位數(shù)來(lái)表征.隨著服務(wù)器主頻的增加,兩種策略的平均延遲和第99百分位延遲都會(huì)減小.這是由于服務(wù)器計(jì)算資源的增加,使得分配給....

本文編號(hào)：3934910