Cooperative Computation Offloading in FiWi Enhanced 4G HetNets Using Self-Organizing MEC
Notice bibliographique
Résumé
Multi-access edge computing (MEC) is an emerging paradigm to meet the rapidly growing computation demands of mobile applications. This paper investigates the performance gains of cooperative computation offloading for MEC enabled FiWi enhanced HetNets with capacity-limited backhaul links. After presenting the envisioned two-tier MEC architecture for a FiWi based networking infrastructure, we propose a simple but efficient offloading strategy, which relies on the flexible trilateral cooperation between end-device, edge servers, and the remote cloud. We then present an analytical framework to estimate the average response time and energy consumption of mobile users for various offloading scenarios with different wireless access modes (i.e., WiFi and 4G LTE-A). The presented analysis flexibly allows for incorporating both offloaded and conventional human-to-human (H2H) traffic of mobile users as well as fixed (wired) subscribers. Finally, we present our self-organization based mechanism, which enables mobile users to make suitable energy-delay trade-offs by jointly minimizing the average task execution time and energy consumption, using only their local information. The obtained results demonstrate the feasibility of the proposed cooperative self-organizing offloading strategy and its superior performance over schemes with MEC- or cloud-only offloading strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».