文献

J-GLOBAL ID：202102251338645085   整理番号：21A0152401

クラウドエッジコンピューティングにおける自動車のインターネットのための少数ゲームによる動的タスクオフローディング【JST・京大機械翻訳】

Dynamic Task Offloading with Minority Game for Internet of Vehicles in Cloud-Edge Computing

著者 (6件)： Shen Bowen (School of Computer and Software, Nanjing University of Information Science and Technology,Nanjing,China) ,  Xu Xiaolong (School of Computer and Software, Nanjing University of Information Science and Technology,Nanjing,China) ,  Dar Fei (School of Big Data and Intelligence Engineering, Southwest Forestry University,Kunming,China) ,  Qi Lianyong (School of Information Science and Engineering, Qufu Normal University,China) ,  Zhang Xuyun (Macquaire University,Deparatment of Computing,Australia) ,  Dou Wanchun (State Key Laboratory for Novel Software Technology, Nanjing University,Nanjing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICWS  ページ： 372-379  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 車両(IoV)のインターネットの出現により,運転者は,通常,大規模な計算を必要とする多様な時間に敏感な車両サービスを提供する。民間車は計算資源において一般的に不十分であるので,サービス要求はクラウドデータセンターにオフロードされ,サービス品質(QoS)を強化するために十分な計算資源を持つエッジコンピューティング装置(ECDs)をオフロードする。しかし,ECDは,しばしば過度のサービス要求で過負荷である。さらに,ネットワーク条件とサービス構成が複雑で動的であるので,ECDの集中制御は達成するのが難しい。これらの課題に取り組むために,DOMと呼ばれるクラウドエッジコンピューティングにおける少数ゲーム(MG)による動的タスクオフロード法を本論文で提案した。技術的に,MGは,資源配分における集中制御への依存性を最小化できる分散メカニズムを有する有効なツールである。MGにおいて,強化学習(RL)を適用して,参加者の分散意思決定を最適化した。最後に,IoVサービスの実世界データセットを用いて,DOMの有効性と適応性を評価した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ゲーム ,  *自動車 ,  ネットワーク ,  集中制御 ,  資源割付 ,  適応性 ,  データセンタ ,  過負荷 ,  有効性 ,  *インターネット ,  強化学習
準シソーラス用語： サービス品質 ,  計算資源 ,  *エッジコンピューティング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 自動車 ,  インターネット ,  ゲーム ,  タスク ,  オフローディング