摘要
本发明提供基于深度学习的无线供能移动边缘计算卸载方法及系统,包括:向混合接入点AP采集能量然后再将需要卸载的任务直接卸载到AP上或通过设备卸载到AP上;在卸载过程中构建传输约束、能量约束、链路容量约束、流量约束、量守恒约束和卸载时间约束;在所有约束下构建目标函数,利用分段线性化PWL将问题转化成混合整数线性规划模型MILP问题,根据BCMD近似算法求解得到问题近似解;根据DLOO算法预测传输功率,将问题转化为LP问题,获得可行解,计算出能量收集和数据卸载所需要的最小时间开销。提出了基于BCMD的近似算法和基于DL的功率预测算法,实现任务卸载过程中链路的选择、传输功率的优化以达到最小化系统时延的目标。
技术关键词
卸载方法
混合整数线性规划模型
能量收集
链路
近似算法
深度信任网络
分段线性函数
接入点
深度学习框架
最小化系统
能耗
数据
可读存储介质
近似误差
卸载系统
处理器
噪声功率
系统为您推荐了相关专利信息
可升级固件
微处理器
开关模块
可控开关
单刀双掷继电器
图像处理系统
计算机视觉
切分设备
排序设备
定义规则
碳化硅芯片
性能评估方法
动态特性参数
耦合特征
能效