文献

J-GLOBAL ID：202002210544607763   整理番号：20A0933489

車載サービスの高速深さQ学習ネットワークにおけるクラウドマイグレーション戦略【JST・京大機械翻訳】

A Fast Deep Q-learning Network Edge Cloud Migration Strategy for Vehicular Service

著者 (6件)： Peng Jun (中南大学計算机学院 長沙 410083) ,  Wang Chenglong (中南大学計算机学院 長沙 410083) ,  Jiang Fu (中南大学計算机学院 長沙 410083) ,  Gu Xin (中南大学自動化学院 長沙 410083) ,  Mou Yueyue (中南大学計算机学院 長沙 410083) ,  Liu Weirong (中南大学計算机学院 長沙 410083)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 42  号： 1  ページ： 58-64  発行年： 2020年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スマートグリッド接続交通システムにおける車載ユーザの高速移動は、データがエッジサーバ間で頻繁に移動し、余分な通信遅延を生み出し、エッジサーバのリアルタイム計算サービスに巨大なチャレンジをもたらした。このために,本論文は,車両運動軌道に基づく高速深さQ学習ネットワーク(DQN-TP)のエッジクラウドマイグレーション戦略を提案して,データ移動のオフライン評価とオンライン決定を実現した。車載意志決定ニューラルネットワークは,リアルタイムでアクセスしたエッジサーバのネットワーク状態と通信遅延をリアルタイムに取得し,仮想マシンまたはタスク移動の意思決定を車両の運動軌跡に従って実行し,同時に,リアルタイムの意思決定情報と取得されたエッジサーバのネットワーク状態情報を雲の経験的な再生プールに送る。ネットワークパラメータの最適化訓練は,ネットワークパラメータの最適化訓練のために,ニューラルネットワークのクラウドエンドで読み取り,そして,オンライン意思決定の最適化は,時間更新車載意思決定ニューラルネットワークの重みを更新するために,行った。最後に,シミュレーション結果は,提案したアルゴリズムが,仮想マシンマイグレーションアルゴリズムおよびタスク移動アルゴリズムと比較して,時間遅延を効果的に低減できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  シミュレーション ,  意思決定 ,  *ネットワーク ,  ニューラルネットワーク ,  交通システム ,  仮想機械システム ,  スマートグリッド
準シソーラス用語： 通信遅れ ,  *Q学習 ,  実時間 ,  オンライン ,  ネットワークパラメータ ,  オフライン , 【Automatic Indexing@JST】

分類 (2件)： 通信網  (ND07030A) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (4件)： 車載 ,  サービス ,  Q学習 ,  戦略