搜索资源列表
深度学习的边缘计算代码
- 关于移动边缘计算任务卸载的matlab代码
移动边缘计算环境下服务工作流的计算卸载实验仿真
- #遗传算法 #********************************************************************************************* #对于给定的一个任务流,在遵守任务前后顺序下,存在不同的位置编码和不同的排序编码 #比如对于任务流S,可以通过初始化得到N个位置编码,N个排序编码 #1.调用Order_initial生成一个带前后固定顺序(即前驱任务固定)的任务流 #2.调用N次Position_initial生成
移动边缘计算环境下服务工作流的计算卸载实验仿真
- #遗传算法 #********************************************************************************************* #对于给定的一个任务流,在遵守任务前后顺序下,存在不同的位置编码和不同的排序编码 #比如对于任务流S,可以通过初始化得到N个位置编码,N个排序编码 #1.调用Order_initial生成一个带前后固定顺序(即前驱任务固定)的任务流 #2.调用N次Position_initial生成
BiJOR2
- 协同移动边缘计算中联合卸载决策和资源分配的双层优化方法(A bi level optimization method for joint unloading decision and resource allocation in collaborative mobile edge computing)
task-offloading-edge-computing-master
- 边缘计算任务卸载与资源调度的算法,是论文的源代码,具有价值(Edge computing task unloading and resource scheduling algorithm, is the source code of the paper, has value)
IncentiveMechanisms_Emulation-master
- 该论文是关于边缘计算方面的论文,欢迎有关边缘计算研究的朋友下载学习(This paper is about the edge computing paper, welcome to the edge computing research friends to download and learn)
DDLO算法
- 本文研究了移动边缘计算 (MEC) 网络,其中多个无线设备 (WD) 选择将其计算任务卸载到边缘服务器。为了节约能源并保持 WD 的服务质量,联合卸载决策和带宽分配的优化被表述为混合整数规划问题。然而,该问题在计算上受到维数灾难的限制,无法通过通用优化工具以有效和高效的方式解决,尤其是对于大规模 WD。在本文中,我们为 MEC 网络提出了一种基于分布式深度学习的卸载 (DDLO) 算法,其中使用多个并行 DNN 来生成卸载决策。我们采用共享重放内存来存储新生成的卸载决策,这些决策进一步训练和改进
强化学习=ppo算法
- 这个是关于强化学习的代码ppo。内容是边缘计算卸载。