Dynamic Transmission and Computation Resource Optimization for Dense LEO Satellite Assisted Mobile-Edge Computing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A dense satellite-terrestrial integrated mobile-edge computing network (SATIMECN) architecture is developed to meet the computing demands for next generation networks. We formulate an average weighted sum energy consumption minimization problem by jointly considering task ratio allocation of computing or offloading at local and the gateway (GW), ground user terminal (GUT)-satellite association relation, GUT multiple-input and multiple-output (MIMO) precoding, and computation resource allocation at local and the GW. Due to the stochastic property of the optimization problem, we adopt Lyapunov optimization theory to transform it into a deterministic one. Then, we decompose the optimization problem into four subproblems and solve each one iteratively. Specifically, task ratio allocation of computing or offloading at local and the GW is obtained in a closed-form expression using the delay constraint. Then, the binary GUT-satellite association subproblem is solved by the weighted minimum mean-squared error and quadratic transform based fractional programming (QTFP) methods. Moreover, the MIMO precoding subproblem is solved by QTFP and interior point methods. Finally, the computation resource allocation subproblem for local and edge computing is derived in closed-form expressions. Simulation results demonstrate that the tradeoff between the average weighted sum energy consumption and the average queue length can be realized by adjusting the Lyapunov control parameter. Moreover, the proposed MIMO communication and frequency reuse schemes for dense satellite network can realize efficient computation offloading with relative low cost.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle