دانلود مقاله انگلیسی رایگان:مدیریت منابع برای IoV به کمک هوش لبه (EI) با استفاده از یادگیری تقویتی الهام گرفته از پردازش کوانتومی - 2022
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی محاسبات کوانتومی رایگان
  • Resource Management for Edge Intelligence (EI)-Assisted IoV Using Quantum-Inspired Reinforcement Learning Resource Management for Edge Intelligence (EI)-Assisted IoV Using Quantum-Inspired Reinforcement Learning
    Resource Management for Edge Intelligence (EI)-Assisted IoV Using Quantum-Inspired Reinforcement Learning

    دسته بندی:

    محاسبات کوانتومی - Quantum-Computing


    سال انتشار:

    2022


    عنوان انگلیسی مقاله:

    Resource Management for Edge Intelligence (EI)-Assisted IoV Using Quantum-Inspired Reinforcement Learning


    ترجمه فارسی عنوان مقاله:

    مدیریت منابع برای IoV به کمک هوش لبه (EI) با استفاده از یادگیری تقویتی الهام گرفته از پردازش کوانتومی


    منبع:

    ieee - ieee Internet of Things Journal;2022;9;14;10:1109/JIOT:2021:3137984


    نویسنده:

    Dan Wang; Bin Song; Peng Lin; F. Richard Yu; Xiaojiang Du; Mohsen Guizani


    چکیده انگلیسی:

    Recent developments in the Internet of Vehicles (IoV) enable interconnected vehicles to support ubiquitous services. Various emerging service applications are promising to increase the Quality of Experience (QoE) of users. On-board computation tasks generated by these applications have heavily overloaded the resource-constrained vehicles, forcing it to offload on-board tasks to other edge intelligence (EI)-assisted servers. However, excessive task offloading can lead to severe competition for communication and computation resources among vehicles, thereby increasing the processing latency, energy consumption, and system cost. To address these problems, we investigate the transmission-awareness and computing-sense uplink resource management problem and formulate it as a time-varying Markov decision process. Considering the total delay, energy consumption, and cost, quantum-inspired reinforcement learning (QRL) is proposed to develop an intelligence-oriented edge offloading strategy. Specifically, the vehicle can flexibly choose the network access mode and offloading strategy through two different radio interfaces to offload tasks to multiaccess edge computing (MEC) servers through WiFi and cloud servers through 5G. The objective of this joint optimization is to maintain a self-adaptive balance between these two aspects. Simulation results show that the proposed algorithm can significantly reduce the transmission latency and computation delay.
    Index Terms: Cloud computing | edge intelligence (EI) | Internet of Vehicles (IoV) | multiaccess edge computing (MEC) | quantum-inspired reinforcement learning (QRL)


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 13
    حجم فایل: 1882 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 1103 :::::::: بازدید دیروز: 7209 :::::::: بازدید کل: 20469 :::::::: افراد آنلاین: 33