CCOS: A Coded Computation Offloading Strategy for Satellite-Terrestrial Integrated Networks
Notice bibliographique
Résumé
Ultra-dense computation services are widely distributed in various application scenarios with the rapid development of artificial intelligence and machine learning. Relying on the existing ground cellular networks, it is challenging to satisfy the 6G vision of full coverage and massive machine connectivity. Satellite-terrestrial integrated network (STIN) has abundant computation resources and seamless coverage ability, which can be served as an effective supplementary for the task allocating in cellular networks. Nevertheless, STIN has the characteristic of architecture complexity, unavoidable stragglers and high economic costs. The rational computation resource allocation among distributed on-orbit satellites becomes an urge problem, synthesizing these drawbacks in STINs. In this paper, to address these issues, we attempt to design a coded computation offloading strategy (CCOS) to migrate ground ultra-dense computing tasks to distributed satellite constellations in space. Considering the effect of unpredictable computation resource occupation on satellites, we investigate two coded computation methods, i.e., maximum distance separable (MDS) code and rateless code, to resist the random stragglers occurring on satellite nodes. Then, we formulate the optimization problem about minimizing the delay-energy tradeoff cost with different CCOSs under the tolerant time constraints, and obtain the optimal task offloading decisions (i.e., executing locations and coding parameters) using a proposed low-cost offloading decision searching algorithm (LODSA). Numerical simulation results show that, our coded computation strategies can significantly eliminate the effect of stragglers, and improve the cost performance obviously compared with the un-coded strategies in typical application cases.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».