移动边缘网络中基于QoE的网络媒体流卸载算法

TN393; 针对移动边缘计算中新兴网络媒体流业务面临的高时延、高能耗、高带宽、低用户体验质量(QoE)等问题,提出一种基于QoE反馈配置卸载(QFCO)算法.首先,联合考虑预处理和优先级划分,从而最大化网络资源利用率,并为计算任务赋予不同的权重建立资源分配关系;然后,综合考虑截止时间、计算资源、功率和带宽等约束,以任务时延、能耗和精确度加权和为优化目标建立QoE模型,利用拉格朗日乘数法求解.仿真结果表明,相比深度增强学习在线卸载(DROO)算法,所提算法可有效实现资源的整体优化配置,更好地提升用户体验质量....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 45; no. 2; pp. 201 - 212
Main Authors 王再见, 程浩
Format Journal Article
LanguageChinese
Published 安徽师范大学物理与电子信息学院,安徽 芜湖 241002 25.02.2024
安徽省智能机器人信息融合与控制工程研究中心,安徽 芜湖 241002
Subjects
用户体验质量
网络媒体流
拉格朗日乘数法
计算卸载
mobile edge computing
network media streaming
Lagrange multiplier method
com-puting offloading
移动边缘计算
quality of experience
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2024035

Cover

More Information
Summary:TN393; 针对移动边缘计算中新兴网络媒体流业务面临的高时延、高能耗、高带宽、低用户体验质量(QoE)等问题,提出一种基于QoE反馈配置卸载(QFCO)算法.首先,联合考虑预处理和优先级划分,从而最大化网络资源利用率,并为计算任务赋予不同的权重建立资源分配关系;然后,综合考虑截止时间、计算资源、功率和带宽等约束,以任务时延、能耗和精确度加权和为优化目标建立QoE模型,利用拉格朗日乘数法求解.仿真结果表明,相比深度增强学习在线卸载(DROO)算法,所提算法可有效实现资源的整体优化配置,更好地提升用户体验质量.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2024035