An Improved ARO Model for Task Offloading in Vehicular Cloud Computing in VANET
Notice bibliographique
Résumé
Abstract Vehicle-to-vehicle (V2V) communication enables a network of automobiles to perform collaborative computing, giving rise to the concept of a "vehicular cloud" (VC). However, without the need for edge nodes or cloud servers, vehicles can carry out applications needing the massive amount of processing cooperatively on their own by creating a Vehicular Ad-Hoc Network (VANET). Managing the recurrent topology alteration caused by vehicle mobility is a significant challenge for VANET cooperative computing. In this research, we present a V2V-based cooperative computing approach. The suggested method takes into account the distance between vehicles while choosing which ones to collaborate with, and it waits task offloading until the last possible moment to ensure a stable and energy-efficient cooperative computing environment. Despite its competitive performance when compared to other MH algorithms, the artificial rabbits optimisation (ARO) algorithm still suffers from poor accuracy and the issue of becoming trapped in solutions. By antagonism methods, this research creates selective opposition version of the artificial rabbit procedure (LARO), which eliminates the negative consequences of these shortcomings. To begin, during the random concealment phase, a Lévy flight strategy is implemented to increase population diversity and dynamics. The algorithm's convergence accuracy is enhanced by the richness of its various population samples. The tracking efficiency is improved, and ARO is kept from getting stuck in its existing local solutions by adopting the selective opposition technique. In comparison to traditional static scheduling techniques, the suggested strategy improves upon both energy efficiency and network reliability.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».