دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Ying Chen, Ning Zhang, Yuan Wu, Sherman Shen سری: Wireless Networks ISBN (شابک) : 3031168216, 9783031168215 ناشر: Springer سال نشر: 2022 تعداد صفحات: 166 [167] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Energy Efficient Computation Offloading in Mobile Edge Computing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بارگیری محاسبات کارآمد انرژی در محاسبات لبه موبایل نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب یک بررسی جامع و بحث عمیق در مورد ادبیات
تحقیقاتی پیشرفته ارائه میکند و بارگذاری محاسباتی کارآمد و
مدیریت منابع را برای محاسبات لبه موبایل (MEC) پیشنهاد میکند،
که بارگذاری وظایف، تخصیص کانال، مقیاس بندی فرکانس و زمان بندی
منابع از آنجایی که فرآیند رسیدن کار و شرایط کانال تصادفی و پویا
هستند، نویسندگان ابتدا یک طرح تخلیه محاسباتی پویا با انرژی
کارآمد را برای به حداقل رساندن مصرف انرژی و تضمین عملکرد تاخیر
دستگاههای پایانی پیشنهاد میکنند. برای بهبود بیشتر بهره وری
انرژی همراه با انرژی دم، نویسندگان یک طرح تخلیه محاسباتی و
مقیاس بندی فرکانس را ارائه می کنند تا به طور مشترک با تخصیص کار
تصادفی و مقیاس فرکانس چرخه CPU برای حداقل مصرف انرژی و در عین
حال تضمین پایداری سیستم مقابله کند. آنها همچنین بارگذاری
محاسباتی با تأخیر و کارآمدی انرژی را در یک سیستم MEC پویا با
سرورهای لبه متعدد بررسی میکنند و یک رویکرد یادگیری تقویتی عمیق
(DRL) را برای انتخاب بهترین سرور لبه برای بارگذاری و تخصیص
محاسبات بهینه معرفی میکنند. منبعی به گونه ای که مطلوبیت
بلندمدت مورد انتظار به حداکثر برسد. در نهایت، نویسندگان بارگیری
محاسبات چند وظیفهای را در MEC با دسترسی چندگانه از طریق دسترسی
چندگانه غیرمتعامد (NOMA) و محاسبه شرایط کانال متغیر با زمان
مطالعه میکنند. یک الگوریتم آنلاین مبتنی بر DRL برای یادگیری
موثر راهحلهای تخلیه تقریباً بهینه پیشنهاد شده است.
محققانی که در محاسبات لبه تلفن همراه، بارگذاری وظایف و مدیریت
منابع، و همچنین دانشجویان سطح پیشرفته در مهندسی برق و کامپیوتر،
مخابرات، علوم کامپیوتر کار میکنند. یا سایر رشته های مرتبط این
کتاب را به عنوان مرجع مفید خواهند یافت. متخصصانی که در این
زمینه های مرتبط کار می کنند نیز از این کتاب بهره مند خواهند
شد.
This book provides a comprehensive review and in-depth
discussion of the state-of-the-art research literature and
propose energy-efficient computation offloading and resources
management for mobile edge computing (MEC), covering task
offloading, channel allocation, frequency scaling and resource
scheduling. Since the task arrival process and channel
conditions are stochastic and dynamic, the authors first
propose an energy efficient dynamic computing offloading scheme
to minimize energy consumption and guarantee end devices’ delay
performance. To further improve energy efficiency combined with
tail energy, the authors present a computation offloading and
frequency scaling scheme to jointly deal with the stochastic
task allocation and CPU-cycle frequency scaling for minimal
energy consumption while guaranteeing the system stability.
They also investigate delay-aware and energy-efficient
computation offloading in a dynamic MEC system with multiple
edge servers, and introduce an end-to-end deep reinforcement
learning (DRL) approach to select the best edge server for
offloading and allocate the optimal computational resource such
that the expected long-term utility is maximized. Finally, the
authors study the multi-task computation offloading in
multi-access MEC via non-orthogonal multiple access (NOMA) and
accounting for the time-varying channel conditions. An online
algorithm based on DRL is proposed to efficiently learn the
near-optimal offloading solutions.
Researchers working in mobile edge computing, task
offloading and resource management, as well as advanced level
students in electrical and computer engineering,
telecommunications, computer science or other related
disciplines will find this book useful as a reference.
Professionals working within these related fields will also
benefit from this book.