边缘计算——云边协同——论文阅读笔记
文章目录
- 系统模型
- 1. 本地计算模型
- 2. 卸载计算模型
- 3. 能量收集模型
- 4. 隐私保护模型
- 5. 问题建模
论文来自: https://ieeexplore.ieee.org/document/9452108
论文题目:Learning-Based Joint Optimization of Energy Delay and Privacy in Multiple-User Edge-Cloud Collaboration MEC Systems
系统模型
云边协作MEC系统的系统模型图解如下:
考虑了一个云边协作MEC系统,该系统由一个不受信任的MEC服务器,一个云服务器以及多个具有能量收集组件(这些组件可以将环境基站的射频信号转换为电能)的移动用户设备组成。我们用M={1,2,…,M}表示用户设备的集合。在时隙t的开始,用户设备生成新任务Am(t)(in bits),其中m指的是第m个用户设备。每个设备都嵌入了用于支持设备操作的电池和用于临时存储未执行任务的缓冲区,用Qm(t)表示当前存储在缓冲区中的任务大小。因此,第m个用户设备的任务总大小是新任务与缓冲区中任务的总和,用Am(t)+Qm(t)表示。
下图描绘了用户设备的任务卸载过程。
1. 本地计算模型
2. 卸载计算模型
我们认为,来自特定用户设备的卸载任务可以传输到MEC服务器或云服务器。将任务卸载到具有丰富计算资源的服务器可以帮助用户设备大大减少其工作负载,但是卸载本身的过程会导致额外的传输延迟和能量成本。首先,无论卸载到MEC服务器还是云服务器,用户设备都必须通过嵌入式天线将任务发送到MEC服务器,这绝对是一个耗时且耗能的时期。具体地,通过无线通道从用户设备到MEC服务器的传输周期期间,传输延迟为:
此外,我们假设服务器具有丰富的计算资源。换句话说,每个用户设备都可以访问服务器的足够的计算资源,以便边缘服务器或云服务器可以在一个时隙中成功地处理所有到达任务。此外,我们没有考虑由MEC服务器的任务发送和两个服务器的计算操作产生的能源成本,因为两个服务器是电网供电的,因此具有连续的电源。
3. 能量收集模型
4. 隐私保护模型
5. 问题建模
基于深度强化学习的隐私保护任务卸载策略将会在下一篇博客中进行讲解,本篇着重讲述这篇论文的建模部分。
边缘计算——云边协同——论文阅读笔记相关推荐
- 点云配准论文阅读笔记--(4PCS)4-Points Congruent Sets for Robust Pairwise Surface Registration
目录 点云配准系列 写在前面 Abstract摘要 1 Introduction引言 2 Background研究背景 RANSAC Randomized Alignment 3 Approximat ...
- 点云配准论文阅读笔记--Comparing ICP variants on real-world data sets
目录 写在前面 点云配准系列 摘要 1引言(Introduction) 2 相关研究(Related work) 3方法( Method) 3.1输入数据的敏感性 3.2评价指标 3.3协议 4 模块 ...
- 点云配准论文阅读笔记--3d-dnt博士论文
目录 点云配准系列 本文内容 摘要 chapter1 introduction 1.1 Contributions 1.2 outline chapter2 常用概念 2.1 点.位姿 2.2 旋转 ...
- Learning Multiview 3D point Cloud Registration论文阅读笔记
Learning multiview 3D point cloud registration Abstract 提出了一种全新的,端到端的,可学习的多视角三维点云配准算法. 多视角配准往往需要两个阶段 ...
- 论文阅读笔记:MGAT: Multi-view Graph Attention Networks
论文阅读笔记:MGAT: Multi-view Graph Attention Networks 文章目录 论文阅读笔记:MGAT: Multi-view Graph Attention Networ ...
- 从开源视角分析,搞定边缘计算云原生方案选型
作者 | lanliang 来源 | 边缘计算社区 头图 | 下载于视觉中国 随着Kubernetes已经成为容器编排和调度的事实标准,各大公有云厂商都已经基于Kubernetes提供了完善的Kube ...
- FCGF论文阅读笔记
FCGF论文阅读笔记 0. Abstract 从三维点云或者扫描帧中提取出几何特征是许多任务例如配准,场景重建等的第一步.现有的领先的方法都是将low-level的特征作为输入,或者在有限的感受野上提 ...
- PointConv论文阅读笔记
PointConv论文阅读笔记 Abstract 本文发表于CVPR. 其主要内容正如标题,是提出了一个对点云进行卷积的Module,称为PointConv.由于点云的无序性和不规则性,因此应用卷积比 ...
- DCP(Deep Closest Point)论文阅读笔记以及详析
DCP论文阅读笔记 前言 本文中图片仓库位于github,所以如果阅读的时候发现图片加载困难.建议挂个梯子. 作者博客:https://codefmeister.github.io/ 转载前请联系作者 ...
最新文章
- XiaoluD的留言板
- pytorch用win还是Linux,如何在Windows系统安装使用机器学习库PyTorch
- Exchange 默认数据库删除问题
- 工作队列 order linux,linux 工作队列(workqueue)
- r语言中正定矩阵由于误差不正定_R语言之数据处理(一)
- postman数据保存在哪里_Postman 历史记录导出的解决方案
- 想提高运维效率,那就把MySQL数据库部署到Kubernetes 集群中
- 获取目录文件.bat
- 帆软报表重要Activator之DesignerStartup
- CentOS6.5恢复误删除的文件
- 多核cpu服务器安装SQLserver 2005的问题
- 开源的物联网技术平台thingsboard安装测试及使用步骤
- rx560d linux 图形设计,RX560D与560区别对比:RX 560D和RX 560哪个好
- Atom markdown-pdf 插件错误 Markdown-pdf: Error. Check console for more information.
- 推送环境搭建基于开源MPush
- Linux字符终端用鼠标移动一个红色矩形
- mysql 完美卸载
- 一款吊到不行接私活儿软件!
- 要来一把紧张刺激的互联网狼人杀吗?
- 微信小程序开发采坑记录1