Multiple-Time-Slot Multiple Access Binary Computation Offloading in the $K$-User Case
Notice bibliographique
Résumé
When multiple devices seek to offload computational tasks to their access point, the nature of the multiple access scheme plays a critical role in the system performance. For a system with heterogeneous tasks, we adopt a time-slotted signaling architecture in which different numbers of devices transmit in each slot, subject to individual power constraints. We consider the problem of jointly selecting the devices that will offload, along with optimizing their communication resources (their powers and rates in each time slot, and the time slot lengths) so as to minimize the a weighted sum of the energy expended by the devices. We employ a customized tree search algorithm for the offloading decisions in which a resource allocation problem is solved at each node. For time-division multiple access (TDMA) and “rate optimal” multiple access, we obtain reduced-dimension convex formulations of the resource allocation problem. For non-orthogonal multiple access (NOMA) with independent decoding (ID) or fixed-order sequential decoding (FOSD) we show that the resource allocation problem has a difference-of-convex structure and we develop a successive convex approximation algorithm with feasible point pursuit. Furthermore, for the FOSD scheme we obtain a closed-form expression that provides the optimal decoding order when it is feasible, and efficient algorithms for finding a good decoding order when it is not. Our results capture the inherent tradeoffs between the complexity of a multiple access scheme (and its resource allocation algorithm), and its performance in the computation offloading application.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».