文献

J-GLOBAL ID：201702291771810185   整理番号：17A0239554

再生可能発電移動エッジコンピューティングにおけるオフローディングと自動スケーリングのためのオンライン学習【Powered by NICT】

Online Learning for Offloading and Autoscaling in Renewable-Powered Mobile Edge Computing

著者 (2件)： Xu Jie ,  Ren Shaolei
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： GLOBECOM  ページ： 1-6  発行年： 2016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： 移動エッジ計算(a.k.a.霧計算)は,最近,モバイルネットワークのエッジで遅延に敏感なアプリケーションのその場処理を可能にするために出現した。が,移動端コンピューティングの支援における系統電力供給は費用がかかり,も実行不可能である(厳しいまたは未開発地域における),ますます多くのシナリオにおける主要なまたは唯一も電源としてオンサイト再生エネルギーされている。それにもかかわらず,再生可能エネルギーの間欠性と予測不可能性は,再生可能な電動移動端計算システムにおけるユーザに高品質サービスを達成するために,非常に困難なものにした。本論文では,モバイル端計算への再生可能エネルギーを組み込んだの課題に取り組むで効率的な強化学習ベース資源管理アルゴリズム,長期システムコスト(サービス遅延と運用コストの両方を含む)を最小化するための動的作業負荷除荷(集中雲)とエッジサーバ提供の最適政策はオンザフライ学習を提案した。著者らのオンライン学習アルゴリズムを(オフライン)値反復と(オンライン)強化学習の分解を用いて,Q学習のような標準的な強化学習アルゴリズムと比較した場合,学習速度と実行時性能の顕著な改善を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 強化学習 ,  資源管理 ,  電力供給 ,  *学習 ,  アルゴリズム ,  再生エネルギー ,  学習アルゴリズム ,  携帯電話 ,  操業費 ,  間欠性
準シソーラス用語： Q学習 ,  *オンライン ,  モバイルネットワーク ,  *オンライン学習 ,  *オフローディング , 【Automatic Indexing@JST】

分類 (2件)： 電力工学・電力事業一般  (NB01000X) ,  エネルギー政策・エネルギー制度  (LA01040K)

タイトルに関連する用語 (5件)： 発電 ,  エッジコンピューティング ,  オフローディング ,  スケーリング ,  オンライン学習