PHyPO:基于优先级的混合任务 分区和卸载在移动计算中使用自动机器学习
Shehr Bano1,2, Ghulam Abbas2,3, Muhammad Bilal4
1School of Computing and Engineering, University of Huddersfield, Huddersfield, United Kingdom.
PloS one
|December 12, 2024
概括
一个新的基于优先级的混合任务分区和卸载 (PHyPO) 方案通过智能分区和卸载任务来优化移动计算. 这种混合方法提高了移动设备,边缘和云服务器的资源实用性和处理能力.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 移动计算 移动计算
背景情况:
- 移动计算需要智能资源管理.
- 云计算增加了延迟时间;边缘计算的资源有限.
- 现有的解决方案难以平衡延迟,能源和资源限制.
研究的目的:
- 引入一个基于优先级的混合任务分区和卸载 (PHyPO) 计划.
- 为移动任务解决云计算和边缘计算的局限性.
- 在移动环境中增强资源利用和处理能力.
主要方法:
- 开发了一个混合架构,集成移动设备,边缘和云服务器.
- 实施了对时间敏感任务的优先级机制.
- 利用自动机器学习进行最佳的模型选择和超参数调整.
- 计算出最佳的任务分区和卸载策略.
主要成果:
- 实现了96.1%的准确性以实现最佳分区和94.3%的最佳卸载.
- 与基准技术相比,表现出显著的改进.
- 将系统的时间复杂度降低到O(1) 使用自适应增强集体学习.
- 最大限度地提高了资源效用和处理能力.
结论:
- 该PHyPO计划有效地管理移动计算资源.
- 混合架构和智能卸载显著提高了性能.
- 自动化机器学习集成带来了高效和适应性的任务处理.


