Latency and Reliability-Aware Task Offloading and Resource Allocation for Mobile Edge Computing
虽然移动边缘计算(MEC)消除了移动设备的计算和功率限制,但在将任务卸载到远程MEC服务器时会产生额外的延迟。在这项工作中,在任务卸载的上下文中的功率延迟权衡研究在多用户MEC的情况下。与依赖于平均度量的当前系统设计(例如,平均队列长度和平均延迟),提出了一种新的网络设计,其中考虑了延迟和可靠性约束。这是通过对用户的任务队列长度施加概率约束,并调用极值理论的结果来表征队列长度(或排队延迟)违规方面的低概率事件的发生。该问题被制定为一个计算和发射功率最小化的延迟和可靠性的约束,并解决了使用工具从李雅普诺夫随机优化。仿真结果表明,所提出的方法的有效性,同时检查功率延迟的权衡和所需的计算资源,为各种计算强度。
2017-10-02 cs.NI
How Close to the Edge? Delay/utilization tradeoffs in MEC
移动用户消耗的几乎所有快速增长的数据流量都需要某种处理,通常在云服务器上执行。最近的推动力{ \em移动边缘计算}将这种处理移动到蜂窝移动网络内的服务器{ \em}。移动数据使用所面临的巨大的时间和空间变化可能会使边缘云提供的延迟减少,在冗余和未充分利用的基础设施中以不可接受的成本出现。我们提出了一些关于这个问题的第一个实证结果,基于大规模抽样的人群来源的痕迹,从几个主要城市跨越多个运营商,并确定在使用中的应用程序。我们找到了同时获得高服务器利用率和低应用延迟的机会,但最佳方法将取决于各个网络运营商的部署策略和我们研究的城市的地理特征。
2016-11-25 cs.NI
Energy and Latency Control for Edge Computing in Dense V2X Networks
本研究的重点是密集毫米波车联网(V2X)网络中的边缘计算。在车辆机动性引起的延迟约束下,提出了一个能量消耗最小化的控制问题。提出了一种易于处理的算法来解决这个问题,通过优化卸载的计算任务和传输功率的车辆和路边单元。所提出的动态解决方案可以很好地协调干扰,而不需要全局信道状态信息,并在能量消耗和任务计算延迟之间进行权衡。
2018-11-23 cs.NI
The Complexity-Performance Tradeoff in Resource Allocation for URLLC Exploiting Dynamic CSI
本文针对URLLC资源分配中的复杂度-性能权衡,提出动态导频分配方案自适应调整CSI年龄,并扩展基于图的分配方法,在密集网络中相比贪婪方法提升频谱效率超12%,公平性亦获改善。
2025-02-28 cs.NI
Design and Analysis of Dynamic Auto Scaling Algorithm (DASA) for 5G Mobile Networks
网络功能虚拟化(NFV)使移动运营商能够将其网络实体虚拟化为虚拟化网络功能(VNF),从而提供细粒度的按需网络能力。VNF可以动态扩展/缩小,以满足未来5G网络的性能要求。然而,在考虑传统网络设备的容量的同时设计具有低操作成本和低延迟的自动缩放算法是一个挑战。在本文中,我们提出了一个VNF动态自动缩放算法(DASA)考虑性能和运营成本之间的权衡。我们还开发了一个分析模型来量化权衡,并通过广泛的模拟验证分析。该系统被建模为一个嵌入式模型,而传统的网络设备被认为是一个保留的服务器块。VNF实例根据作业请求的数量通电和断电。实验结果表明,在给定时延上限的情况下,所提出的DASA算法可以显著降低系统的运行开销。此外,这些模型提供了一种快速评估成本与性能权衡的方法,无需广泛部署,可以节省成本和时间。
2017-02-10 cs.NI
Toward hyper-adaptive AI-enabled 6G networks for energy efficiency: techniques, classifications and tradeoffs
LIMOS, Université de Clermont-Auvergne(克莱蒙奥弗涅大学)
本文探讨了AI在6G网络中提升能效的技术、分类及权衡,分析了AI方法在动态环境下的适应性与决策能力,并讨论了能效与其他6G目标的权衡问题。
2025-11-20 cs.NI
The Tradeoff Between Coverage and Computation in Wireless Networks
我们考虑一个分布式边缘计算的情况下,由几个无线节点,位于感兴趣的区域。具体地,一些“主”节点的任务是感测环境(例如,通过经由摄像机获取图像或视频)并处理相应的传感数据,而其他节点被分配为“工作者”以帮助主节点的计算密集型处理任务。一个新的权衡,以前没有在现有的文献中探索出现在这样的配方:一方面,希望分配尽可能多的主节点,以覆盖大面积的准确监测。另一方面,人们还希望分配尽可能多的工作节点,以最大化感测数据的计算速率。正是在这种权衡的背景下,这项工作提出。通过利用无线通信系统的基本物理层原理,我们制定和分析空间网络的覆盖和计算性能之间的权衡。我们还提出了一个算法,找到最佳的权衡,并通过数值模拟证明其性能。
2019-10-29 cs.IT cs.NI math.IT
Energy-Delay Tradeoffs of Virtual Base Stations With a Computational-Resource-Aware Energy Consumption Model
下一代(5G)蜂窝网络面临着效率、灵活性和可持续性的挑战,以支持移动互联网时代的数据流量。为了应对这些挑战,已经提出了基于云的蜂窝架构,其中虚拟基站(VBS)发挥着关键作用。VBSs带来了进一步的节能,但也需要一个新的能源消耗模型以及计算资源的优化。本文研究了具有容迟业务的可变基站系统的能量-时延权衡问题。我们提出了一个计算资源感知的能耗模型来捕获的总能耗的VBS和反映动态分配的计算资源,包括CPU内核的数量和CPU的速度。基于该模型,我们分析了一个VBS的能量延迟权衡考虑BS的睡眠和状态切换成本,以最小化功率消耗和平均延迟的加权和。我们推导了最优数据传输速率的显式表达式,并找到了能量最优速率存在且唯一的条件。同时观察到减少平均延迟和实现节能的机会。我们进一步提出了一个有效的算法,联合优化的数据率和CPU核数。数值结果验证了我们的理论分析,并在典型的模拟设置下,我们发现在EARTH模型下,与传统基站相比,VBS可以实现超过60%的节能,这表明VBS在5G蜂窝系统中具有巨大的潜力。
2014-10-21 cs.NI
Stringer: Balancing Latency and Resource Usage in Service Function Chain Provisioning
网络功能虚拟化(NFV)使电信基础设施提供商能够用运行虚拟化网络功能(VNF)的商品服务器取代专用网络设备。利用NFV技术的服务提供商面临将VNF实例分配给物理基础设施(例如,数据中心)和路由服务功能链(客户所需的功能序列,也称为SFC)在物理网络中。在这样做时,提供者必须在性能和资源使用的各种竞争目标之间进行平衡。我们提出了一种方法,为证监会提供,包括三个要素。第一个要素是快速、可扩展的循环启发式。第二个要素是基于混合可编程(MIP)的方法。第三个要素是一个延迟理论模型,用于估计与任何SFC配置解决方案相关的平均延迟。结合这些元素,创建一种方法,生成一组SFC配置解决方案,反映资源使用和性能之间的不同权衡。
2016-06-09 cs.DC cs.NI
The Augmentation-Speed Tradeoff for Consistent Network Updates
新兴的软件定义网络技术支持更具适应性的通信基础设施,允许通过利用工作负载的时间结构对网络需求的变化做出快速反应。然而,自适应地操作网络在算法上是具有挑战性的,因为满足网络的严格可靠性要求依赖于保持基本的一致性和性能属性,例如循环自由度和拥塞最小化,即使在更新过程中。本文利用增强速度权衡来显著加快一致的网络更新。我们表明,允许一个小的和短的(因此实际上是可以容忍的,例如,使用缓冲)链路的超额预订允许我们更快地解决许多网络更新实例,以及降低计算复杂性(即,算法的运行时间)。我们首先正式探讨这种权衡,揭示了调度更新的计算复杂性。然后,我们提出并分析算法,保持逻辑和性能属性在更新过程中。使用一个广泛的模拟研究,我们发现,权衡是更有利的,在实践中比我们的分析界限建议。特别是,我们发现,通过只允许10%的增强,更新时间平均减少了32%以上,在现实世界的网络频谱。
2022-11-07 cs.NI
Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs
Aalborg University(奥尔堡大学);Siemens AG(西门子股份公司);University of Oulu(奥卢大学)
智能物联网环境(iIoTe)由可以协作执行半自主物联网应用的异构设备组成,其示例包括高度自动化的制造单元或自主交互的收获机器。在这种边缘环境中,能源效率是关键,因为它们通常基于由无线和电池供电设备组成的基础设施,例如,电动拖拉机、无人机、自动导引车(AGV)和机器人。总能耗来自多种物联网技术的贡献,这些技术实现了边缘计算和通信、分布式学习以及分布式账本和智能合约。本文提供了这些技术的最新概述,并说明了它们的功能和性能,特别关注资源、延迟、隐私和能耗之间的权衡。最后,本文提供了将这些使能技术集成到节能iIoTe中的愿景,以及解决开放研究挑战的路线图
2021-12-24 cs.AI cs.DC cs.NI
Rate-Fidelity Tradeoffs in All-Photonic and Memory-Equipped Quantum Switches
Yale University(耶鲁大学);University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校);Einblick LLC(Einblick有限责任公司)
本文研究了全光子和配备量子记忆的量子交换机在速率与保真度之间的权衡,通过比较两种架构的性能,提出了评估方法并分析了其在不同应用场景中的优化策略。
2026-03-03 cs.NI quant-ph
The Complexity-Rate Tradeoff of Centralized Radio Access Networks
在集中式RAN中,来自多个RAP的信号在数据中心中集中处理。集中式RAN支持高级干扰协调策略,同时利用数据处理资源的弹性供应。它特别适合密集部署,例如在大型建筑物内,RAP通过光纤连接,许多小区未得到充分利用。本文考虑集中式RAN的计算需求,目的是阐明池化计算资源的好处。提出了一种新的分析框架,量化的计算负荷与集中处理的上行链路信号中存在的块瑞利衰落,距离相关的路径损耗,和分数功率控制。定义了几个新的性能指标,包括计算中断概率,中断复杂度,计算增益,计算分集,和复杂度-速率权衡。通过与符合3GPP LTE标准的模拟器进行数值比较,证实了分析框架的有效性。使用开发的指标,它表明,集中的计算资源提供了更高的净吞吐量,每计算资源相比,本地处理。
2015-08-09 cs.IT cs.NI math.IT
ISAC-Enabled Non-Terrestrial Networks for 6G: Design Principles, Standardization, Performance Tradeoffs, and Use Cases
University of Glasgow(格拉斯哥大学);Dr B R Ambedkar National Institute of Technology(B.R.安贝德卡尔国立技术学院);Daegu Gyeongbuk Institute of Science and Technology (DGIST)(大邱庆北科学技术院);OUF Innovative(OUF创新公司);RakFort;IIITD(印度信息与技术学院德里分校);Korea University(高丽大学);Futurewei Technologies(华为技术);InterDigital Europe Ltd.(互信欧洲有限公司)
本文探讨了ISAC赋能的非地面网络在6G中的设计原则、应用场景、标准化挑战及性能权衡,通过案例研究揭示关键技术挑战与未来研究方向。
2026-04-13 cs.IT cs.NI math.IT
Cloud Is Closer Than It Appears: Revisiting the Tradeoffs of Distributed Real-Time Inference
University of California Los Angeles(加州大学洛杉矶分校);University of California Riverside(加州大学河滨分校)
本文重新审视云推理在实时控制任务中的适用性,通过建立分析模型和仿真实验,证明云平台在高吞吐量资源下可有效缓解网络和排队延迟,从而在安全约束下优于本地推理。
2026-02-17 cs.AI cs.DC cs.LG
Strategic Latency Reduction in Blockchain Peer-to-Peer Networks
本文研究区块链P2P网络中的战略性延迟降低问题,证明仅控制本地对等决策的战略代理能实现与集中式付费服务相当的延迟收益,并从理论上证明现有网络在节点流失和交易活动下不可避免该操纵。
2023-09-11 cs.CR cs.GT cs.NI
Optimizing Information Freshness Through Computation-Transmission Tradeoff and Queue Management in Edge Computing
边缘计算应用程序通常需要在源处对生成的数据进行预处理,然后传输到边缘服务器。在这种情况下,传输时间和预处理时间相结合,在它们之间进行权衡,以实现目标。本文提出了这样一个系统的分析,其目标是优化边缘服务器上接收到的数据的新鲜度。我们将该系统建模为两个串联的队列,其服务时间随时间独立,但传输服务时间单调依赖于平均计算服务时间。这种依赖性捕获了由于较低的卸载计算而导致的传输时间的自然减少。我们分析了各种队列管理方案在这个串联队列中的第一个队列有一个单一的服务器,泊松包到达,一般独立的服务,没有额外的缓冲区来保存传入的状态更新数据包。第二队列具有从第一队列接收分组的单个服务器,并且服务是无记忆的。我们考虑两种形式的第二个队列:(i)没有数据缓冲区和(ii)一个单位的数据缓冲区,最后来的先服务与丢弃。我们分析了各种非抢占以及抢占的情况下。我们进行平稳分布分析,并获得封闭形式的表达式平均年龄的信息(AoI)和平均峰值AoI。我们的数值结果说明了分析结果如何计算和传输时间可以权衡优化AoI,并揭示了平均AoI和平均峰值AoI之间的权衡。
2019-12-03 cs.IT cs.NI math.IT
Perigee: Efficient Peer-to-Peer Network Design for Blockchains
区块链中的一个关键性能指标是广播交易和确认交易之间的延迟(所谓的确认延迟)。虽然共识技术的改进可以降低确认延迟,但确认延迟的一个基本下限是消息通过底层点对点(p2p)网络的传播延迟(在比特币中,传播延迟为几十秒)。比特币和其他区块链使用的事实上的p2p协议是基于随机连接的:每个节点连接到一个随机的节点子集。诱导的p2p网络拓扑结构可能是高度次优的,因为它忽略了地理距离,带宽,散列功率和计算能力的差异。我们提出了近地点,一个分散的算法,自动学习一个有效的p2p拓扑结构调整到上述网络的异质性,纯粹基于对等点与他们的邻居的互动。受多臂强盗问题文献的启发,近地点最佳地平衡了保留与已知连接良好的邻居的连接和探索与以前未见过的邻居的新连接之间的权衡。实验评估表明,近地点减少延迟广播$33\%$。最后,Perigee简单,计算量小,抗攻击,并且与对等点的自私利益兼容,使其成为区块链上有吸引力的P2P协议。
2020-06-25 cs.MA cs.NI math.OC
Ultra-Reliable and Low-Latency Vehicular Communication: An Active Learning Approach
University of Oulu(奥卢大学);Kyung Hee University(庆熙大学);Virginia Tech(弗吉尼亚理工学院暨州立大学)
在这封信中,提出了一种用于车载通信网络的信息时代(AoI)感知传输功率和资源块(RB)分配技术。由于车辆网络的高度动态性质,获得关于网络动态的先验知识,即,为了分配资源,无线信道和干扰是具有挑战性的。因此,为了有效地分配功率和RB,所提出的方法允许网络通过在最小化车辆的AoI超过预定义阈值的概率和最大化关于网络动态的知识之间进行平衡来主动学习其动态。在这方面,使用高斯过程回归(GPR)方法,提出了一种在线分散策略,以主动学习网络动态,估计车辆未来的AoI,并主动分配资源。仿真结果表明,与几个基线相比,AoI违规概率有了显着改善,至少减少了50%。
2019-11-27 cs.LG cs.NI stat.ML
Optimizing Pipelined Computation and Communication for Latency-Constrained Edge Learning
King’s College London(伦敦国王学院)
考虑通过通信信道连接到边缘处理器的设备。该设备保存要卸载到边缘处理器的本地数据,以便训练机器学习模型,例如,用于回归或分类。数据到学习处理器的传输以及基于随机梯度下降(SGD)的训练都必须在时限内完成。假设通信和计算可以流水线,这封信调查的最佳选择的数据包有效载荷大小,给定的开销,每个数据包传输和计算和通信速率之间的比率。这相当于偏差和方差之间的权衡,因为首先传达整个数据集会减少训练过程的偏差,但可能不会留下足够的时间进行学习。解析界的预期最优性差距推导,从而使一个有效的优化,这是在数值结果中验证。
2019-06-12 cs.DC cs.IT cs.LG