An Optimize-Aware Target Tracking Method with Combine MAC layer and Active Nodes in Wireless Sensor Networks
无线传感器网络是由具有特定目标的不同大小的节点组成的网络。跟踪应用在无线传感器网络中非常重要。本研究提出了一种方法,以减少在无线传感器网络的能量消耗,考虑目标跟踪。提出了一种基于MAC层的预测方法,该方法利用MAC层的媒体访问控制机制,使少数节点处于活动状态跟踪目标,而其余节点则处于休眠状态。通过减少参与目标跟踪的节点数量和仅激活有限数量的必要节点来减少能量消耗。实验结果表明,该算法在不同通信距离下的能量消耗、节点数对能量消耗的影响、通信距离下参与跟踪的节点数以及目标丢失等情况下,都具有比同类算法更好的性能。这意味着所提出的方法更优越,更有效。当目标进入模拟区域时,网络节点通过所提出的方法(这是最优方法)识别目标节点,并在目标节点位于模拟区域内时对其进行跟踪。性能标准,包括能源,其他节点,和吞吐量在模拟中使用。实验结果表明,该方法具有最优性能,降低了网络跟踪过程中的能量消耗。仿真结果表明,与已有方法相比,该方法在提高目标跟踪精度的同时,在可接受的范围内降低了能量消耗。关键词:主动节点,MAC层,能量效率,目标跟踪,无线传感器网络,目标跟踪。
2020-04-21 cs.NI
Energy Aware Routing in Heterogeneous Multi-Hop Wireless Networks
具有支持多种无线电接入技术的无线设备的异构无线网络正见证来自网络提供商和消费者的日益增长的兴趣。由于一方面移动终端的电池寿命有限,另一方面与能量消耗有关的操作费用不断增加,因此这种网络中的能量效率已经成为重要的设计考虑因素。在本文中,我们提出了一种多无线电多跳无线网络的路由协议,其目的是实现在网络中的能量消耗和路由延迟之间的权衡,同时考虑在设备的能量消耗和链路的能量成本。我们还提出了最佳的路由路径选择策略,通过定义一个效用函数,以最大限度地减少网络中的能量消耗,同时最大限度地提高网络的生命周期。使用模拟,我们验证了实用的路由路径选择策略和效率的能量感知路由算法。事实证明,所提出的协议是能源效率的路径选择方面,在端到端的延迟略有妥协。
2012-12-20 cs.NI
A Multipath Energy-Aware On demand Source Routing Protocol for Mobile Ad-Hoc Networks
由于移动节点是由电池供电的,因此能量消耗是移动自组网路由协议设计中最具挑战性的问题。此外,在诸如军事或救援任务等关键环境中,更换电池或对电池充电通常是不可能的。在移动自组网中,节点的能量耗尽不仅影响节点本身,而且影响整个网络的生命周期。在本文中,我们提出了多路径和能量感知的按需源路由(MEA-DSR)协议,该协议利用路由多样性和电池的能量水平的信息来平衡移动节点之间的能量消耗。仿真结果表明,MEA-DSR协议在几乎所有的移动场景下都比DSR协议更节能。
2009-02-26 cs.NI
LPCH and UDLPCH: Location-aware Routing Techniques in WSNs
无线传感器节点与基站(BS)一起构成无线传感器网络(WSN)。节点由微型动力电池组成。节点感知数据并将其发送到BS。无线传感器网络需要一个有效的网络能量消耗协议。在直接传输和最小传输能量路由协议中,能量消耗分布不均匀。然而,LEACH(低能量自适应分簇层次)是一种分簇协议;在每一轮中随机选择簇头(CH)。然而,CH的随机选择不能保证网络的有效能量消耗。因此,我们在路由协议中提出了新的分簇技术,位置感知永久CH(LPCH)和用户定义的位置感知永久CH(UDLPCH)。在这两种协议中,网络场被物理地划分为两个区域,在每个区域中随机地部署相等数量的节点。在LPCH中,CH的数目在第一轮中由LEACH算法选择。而UDLPCH在每个区域选择相等的最优CH数,在整个网络生命周期内CH数保持不变。仿真结果表明,LPCH的稳定期和吞吐量均大于LEACH,UDLPCH的稳定期和吞吐量均大于LPCH。
2013-07-26 cs.NI
Camel: Energy-Aware LLM Inference on Resource-Constrained Devices
针对边缘设备上LLM推理中能耗与延迟的平衡问题,提出能量管理框架Camel,通过优化GPU频率和批处理大小,在NVIDIA Jetson AGX Orin平台上实现EDP降低12.4%-29.9%。
2025-08-07 cs.NI
Traffic-aware Two-stage Queueing Communication Networks: Queue Analysis and Energy Saving
为了提高一般延迟容忍物联网网络的节能性,研究了一种两级单中继的级联通信方案.具体地,在中继处应用业务感知的$N$阈值和门控服务策略。作为两个基本的和重要的性能指标,平均等待时间和长期预期的功耗显式推导和相关的路由和服务参数,如分组到达率,服务阈值和信道统计。此外,我们考虑到电路的能量消耗时,中继服务器和接入点(AP)是在不同的模式和模式转换的能量成本,从而功耗模型是更实际的。建立了平均等待时间约束下的期望功率最小化问题。采用严格的封闭形式的界限,以获得易于处理的分析公式,具有较低的计算复杂性。确定了能够根据分组到达速率灵活调整的最优节能业务门限。此外,数值结果表明:1)牺牲平均等待时间不一定有利于节能; 2)更高的到达率导致更大的最优服务阈值;和3)我们的政策比目前的国家的最先进的性能更好。
2020-02-15 cs.NI
Energy-Aware Virtual Machine Management in Inter-datacenter Networks over Elastic Optical Infrastructure
数据中心(DC),大规模部署,以支持不断增长的需求,数据处理应用程序,消耗巨大的能源。利用可再生能源为DC供电可以有效降低棕色能源消耗。由于发展中国家的地理分布,可再生能源发电和数据处理的需求通常在不同的发展中国家有所不同。根据可再生能源的可用性在DC之间迁移虚拟机(VM)有助于匹配DC中的能源需求和可再生能源发电,从而最大化可再生能源的利用。我们首先引出了可再生能源感知的数据中心间(DC间)VM迁移问题,在一个DC间网络的弹性光基础设施,提出了它作为一个多-多播通信问题,然后将其公式化为一个整数线性规划问题。目标是通过VM迁移最小化DC在这种DC间网络中的棕色能量消耗的总成本。我们使用CVX和Guidelines来解决这个问题的小网络配置,我们提出了一些启发式算法,近似的最佳解决方案,为大型网络配置。通过大量的模拟,我们表明,所提出的算法,通过在DC之间迁移VM,可以减少高达19.7%的棕色能源消耗的成本。
2018-02-17 cs.NI
Energy-aware Resource Management for Federated Learning in Multi-access Edge Computing Systems
在联邦学习(FL)中,通过鼓励移动用户在其本地数据上执行模型训练并以迭代方式聚合输出的本地模型参数来开发全局统计模型。然而,由于移动设备的能量和计算能力有限,为了满足局部能量最小化的目标,模型训练的性能总是岌岌可危。在这方面,支持多访问边缘计算(MEC)的FL通过允许用户将其本地数据集的一部分卸载到边缘服务器以进行模型训练来解决模型性能与移动设备的能耗之间的权衡。由于边缘服务器具有高计算能力,因此在边缘服务器处的模型训练的时间消耗是微不足道的。然而,数据集从移动用户卸载到边缘服务器的时间消耗对总时间消耗有显著影响。因此,MEC使能FL中的资源管理是具有挑战性的,其中目标是减少总时间消耗,同时节省移动设备的能量消耗。在本文中,我们制定了一个能源意识的资源管理MEC使FL模型训练损失和总的时间消耗联合最小化,同时考虑到移动设备的能源限制。此外,我们重新制定的问题作为一个广义纳什均衡问题(GNEP),以捕捉无线电资源管理和数据集卸载之间的耦合约束。然后,我们分析了数据集卸载和计算资源分配对模型训练损失、时间和能耗的影响。
2021-01-11 cs.NI cs.SY eess.SY
Using Existing Network Simulators for Power-Aware Self-Organizing Wireless Sensor Network Protocols
在本文中,我们比较了三个现有的仿真平台(OPNET Modeler,Network Simulator 2,Georgia Tech Sensor Network Simulator)。我们的比较研究主要集中在易用性,可扩展性,易于实现的功耗模型和物理层建模的准确性,主要。本研究的结论,并将帮助我们决定使用哪种模拟环境来评估功耗感知的自组织传感器网络协议。
2006-11-14 cs.NI
Analysis of Power-aware Buffering Schemes in Wireless Sensor Networks
研究了电池供电的传感器网络中的能量感知缓冲问题,重点研究了固定大小和固定间隔的缓冲机制。主要的动机是解决尚未了解的大小变化引起的影响,对功耗感知的缓冲方案。我们的理论分析阐明了固定大小和固定间隔的缓冲方案在数据大小变化的存在下的根本区别。它表明,数据大小的变化有不利的影响,在一般情况下,固定大小的缓冲的功耗,并揭示了大小变化引起的影响可以减轻由正偏度或促进由负偏度的大小分布。相比之下,固定间隔缓冲方案具有明显的优势,即不受数据大小变化的影响。因此,固定间隔缓冲方案是一种风险规避策略,其鲁棒性在各种操作环境。此外,基于固定间隔缓冲机制,建立了静态数据汇集树中子节点与父结点的功耗关系,深入分析了子节点带宽分配对父节点功耗的影响。这项研究是具有实际意义的:它揭示了新的光之间的关系的功耗的缓冲方案,功率参数的无线电模块和存储体,数据到达率和数据大小的变化,从而提供了明智的指导,在确定最佳的缓冲区大小(间隔),以最大限度地提高传感器网络的运行寿命。
2011-05-11 cs.NI
Mobility Aware Optimization in the Metaverse
融合了移动增强现实(MAR)的虚拟宇宙应用程序通过将虚拟世界与物理世界融合在一起,提供了混合的沉浸式体验。值得注意的是,由于它们的多模态,这样的应用在能量消耗、计算和高速缓存资源方面要求高,以有效地支持参与用户的前台交互和丰富的背景内容。在本文中,metaverse服务被分解并锚定在5G及其他网络中合适的边缘缓存/计算节点上,以有效处理嵌入目标ARO的背景metaverse区域模型。为了实现这一目标,提出了一种联合优化问题,该问题显式地考虑了用户物理移动性、业务分解以及业务延迟、用户感知质量和功耗之间的平衡。一组广泛的数值研究表明,该计划可以提供最佳的决策和优于其他名义基线计划,是无视用户的移动性,以及不考虑服务分解。
2022-09-19 cs.NI
Distance Aware Relaying Energy-efficient: DARE to Monitor Patients in Multi-hop Body Area Sensor Networks
近年来,无线体域传感器网络的应用受到了广泛的关注。WEBSYS在获得实时的精确数据和降低能耗水平方面发挥着重要作用。它由微型,重量轻和能量受限的传感器组成,放置在人体内/人体上,以监测身体器官中的任何模糊性并测量各种生物医学参数。在这项研究中,一个名为距离感知中继节能(DARE)协议,以监测病人在多跳体域传感器网络(BASNs)。该协议通过调查病房的医院,包括八个病人,在不同的拓扑结构下,通过定位在不同的位置或使其静态或移动的水槽。每个病人身上都有七个传感器,测量心电图(ECG)、脉搏率、心率、体温水平、血糖水平、毒素水平和运动的不同参数。为了降低能耗,这些传感器通过贴在每个患者胸部的身上继电器与水槽通信。与身体传感器相比,身体中继器拥有更高的能量资源,因为它们执行数据的聚合和中继到汇聚节点。与BAN的另一种协议M-ATTEMPT进行了比较。仿真结果表明,相对于M-ATTEMPT协议,该协议延长了网络生存时间,有效降低了网络能耗。
2013-07-26 cs.NI
Optimal Mobility Aware Wireless Edge Cloud Support for the Metaverse
移动增强现实(MAR)应用程序扩展到虚拟世界,可以通过融合虚拟和物理世界提供混合和沉浸式体验。然而,MAR和metaverse之间的联合考虑寻求这些应用程序对前台交互和后台内容的可靠和高质量的支持,这加剧了它们在能量、缓存和计算资源上的消耗。为了应对这些挑战,通过将分解后的虚拟实境增强服务锚定在不同的边缘节点,并主动缓存嵌入目标增强现实对象(ARO)的背景虚拟实境区域模型,提出了一种更灵活的请求分配和处理效率更高的资源分配方法.先进的终端也被认为是进一步减少服务延迟在一个可接受的代价的能源消耗。然后,我们提出并解决了一个联合优化该问题明确考虑了移动事件中用户感知质量约束下的服务延迟和能量消耗之间的平衡,同时明确考虑了用户终端的能力,并将所提出的优化方案与其终端不经意版本进行了比较.根据一组广泛的数值调查,该方案具有优势,在服务延迟和能源效率比其他名义基线计划,忽视终端的能力,用户的物理移动性,服务分解和固有的多模态的虚拟实境MAR服务。
2023-01-16 cs.NI
Interference and Congestion Aware Gradient Broadcasting Routing for Wireless Sensor Networks
本文讨论了通过传感器网络的数据的可靠传输问题。我们专注于在恶劣环境中快速部署的网络。对于这些网络,重要的设计要求是快速数据传输和快速网络设置,以及最小化能耗以延长网络寿命。我们提出了一种新的广播解决方案,占干扰的影响和信道的拥塞程度,以提高鲁棒性,能源消耗和延迟性能,相比基准路由协议,GRAB算法。提出了三种解决办法:P-GRAB是一种用于干扰缓解的概率路由算法,U-GRAB是一种基于实用程序的算法,可根据实时拥塞进行调整,UP-GRAB是P-GRAB和U-GRAB的组合。结果表明,P-GRAB提供了最好的性能几何感知网络,而U-GRAB方法是不可靠和不稳定的网络的最佳选择。
2010-01-06 cs.NI
Energy-Aware Data Center Management: A Sustainable Approach to Reducing Carbon Footprint
Military Institute of Science and Technology(军事科学与技术学院);IUBAT - International University of Business Agriculture and Technology(国际商业农业与技术大学)
本研究针对数据中心能耗与碳足迹问题,提出结合动态工作负载分配、可再生能源集成与智能冷却的能耗感知管理框架,在保持高性能的同时降低能耗与成本,推动绿色云基础设施发展。
2025-08-06 cs.NI
Temperature-Aware Virtual Data Center Embedding to Avoid Hot Spots in Data Centers
虚拟数据中心(VDC)嵌入最近引起了极大的关注,因为越来越多的需求,高效和灵活的数据中心(DC)资源分配的手段。现有的发展中国家嵌入研究主要集中在提高发展中国家的资源利用率。然而,在VDC嵌入式解决方案中没有考虑的一个重要问题是通过DC中的机架的过度散热和热空气产生而产生热点,这对冷却系统的能量消耗和IT设备寿命具有显著的不利影响。为了解决这个问题,我们提出了一个温度感知VDC嵌入方案,以避免热点,最大限度地减少每个机架发出的热空气的最高温度。与此同时,我们亦希望在此方案中减少资讯科技设备的总耗电量。提出了一个混合线性规划模型和一个启发式算法来实现VDC嵌入方案。数值结果表明,所提出的温度感知嵌入方案可以显着优于负载平衡嵌入方案的最高机架温度,IT设备的总功耗,和VDC拒绝率。
2019-12-26 cs.DC cs.NI
A Survey on Delay-Aware Network Structure for Wireless Sensor Networks with Consecutive Data Collection Processes
无线传感器网络(WSN)由空间分布的自主传感器组成,以监测物理或环境条件,如温度,声音,压力等。在传感应用中,数据包从传感器节点流向基站。在数据汇集过程中,使用自自底向上的的方法。在自自底向上的的方法中,所有节点将其感测到的数据分组直接发送到基站。在这种方法将导致增加延迟,这将导致更高的能源消耗。为了降低传感器节点的能量消耗,分簇算法和低能量自适应分簇层次(LEACH)被使用。在无线传感器信息系统中,正在使用传感器信息系统中的功率高效收集(PEGASIS)。无线传感器网络中存在着诸如时延、网络生命周期、能量耗散等问题需要解决。
2014-02-06 cs.NI
Optimizing Integrated Terrestrial and Non-Terrestrial Networks Performance with Traffic-Aware Resource Management
本文提出BLASTER算法,在集成地面与非地面网络中动态优化带宽分配、用户关联、功率控制及基站激活,以平衡节能与服务质量,满足流量需求。
2025-03-01 cs.NI
Energy Efficient and Delay Aware Vehicular Edge Cloud
车辆边缘云(VECs)是一种新的分布式处理范例,其利用车辆处理能力的革命来提供节能服务和改进的QoS。在本文中,我们解决了在云雾VEC架构的处理分配问题,通过开发一个联合优化混合线性规划(MILP)模型,以最小化功耗,传播延迟,和排队延迟。结果表明,虽然VEC处理可以降低功耗和传播延迟,但由于车辆和数据源节点之间的低数据率连接,VEC处理会增加排队延迟。
2020-04-15 cs.NI eess.SP
Energy aware routing scheme for mobile ad hoc network using variable range transmission
本文讨论了一种新的能量感知路由方案,使用可变的传输范围。该协议已被纳入随着AODV的路由发现过程作为一个案例研究。使用Network Simulator对这两种协议进行了仿真,并根据不同网络场景下的能耗、网络生命周期和存活节点数指标对它们的性能进行了比较分析。仿真结果表明,该算法有效地利用了节点能量.
2012-09-12 cs.NI
PNap: Lifecycle-aware Edge Multi-state sleep for Energy Efficient MEC
Hasso-Plattner Institute (HPI), Digital Engineering Faculty, University of Potsdam(波茨坦大学数字工程学院哈索·普拉特纳研究所)
本文提出PNap框架,通过联合管理服务器睡眠状态和服务生命周期状态,减少能耗并保障服务连续性。
2026-03-24 cs.NI
Bi-Objective Optimization for Energy Aware Internet of Things Service Composition
近年来,基于服务的物联网(IoT)受到了研究和工业界的广泛关注。需要集成和组合智能对象功能或其服务,以创建和推广具有高级功能的更复杂的物联网应用程序。当部署了许多智能对象时,通过考虑能量和服务质量(QoS)来选择最合适的智能对象集合以组成服务是一项重要且具有挑战性的任务。在本文中,我们减少了问题之间的QoS水平和消耗的能量的物联网服务组合的最佳平衡的问题,一个双目标最短路径优化(BSPO)的问题,并使用一个精确的算法命名为脉冲来解决这个问题。BSPO有两个目标,最小化包括执行时间、网络延迟和服务价格的QoS,以及最小化组合服务的能量消耗。实验结果表明,该方法在各种复杂的服务配置文件具有较短的执行时间。同时,它可以获得良好的性能,在能量消耗,从而网络寿命,同时保持一个合理的QoS水平。
2018-10-15 cs.NI
Fast energy-aware OLSR routing in VANETs by means of a parallel evolutionary algorithm
Universidad de la República(乌拉圭共和国大学)
针对车载网络OLSR路由协议功耗优化问题,提出一种借助并行进化算法快速搜寻高能效OLSR配置的方法,实验证明其能在QoS无明显损失的前提下显著降低功耗。
2025-01-17 cs.AI cs.NE cs.NI
DVFS-Aware DNN Inference on GPUs: Latency Modeling and Performance Analysis
Beijing National Research Center for Information Science and Technology(北京信息科学国家研究中心);Department of Electronic Engineering, Tsinghua University(清华大学电子工程系)
针对GPU上DNN推理,提出DVFS感知延迟模型,精确刻画推理时间,较CPU-DVFS模型显著降低推理延迟与能耗。
2025-06-20 cs.LG cs.NI
EMinRET: Heuristic for Energy-Aware VM Placement with Fixed Intervals and Non-preemption
云结构即服务(IaaS)云已经变得越来越流行,使用户能够在虚拟机下运行应用程序。本文研究了IaaS云环境下具有能量感知的虚拟机(VM)分配问题,该问题具有多资源、固定间隔时间和虚拟机不可抢占等特点。许多以前的作品提出使用最小数量的物理机,然而,这不一定是一个很好的解决方案,以最大限度地减少总能耗的VM放置与多个资源,固定的间隔时间和非抢占。我们观察到,最小化物理机的总能耗相当于最小化所有物理机的总完成时间之和。在此基础上,提出了EMinRET算法。EMinRET算法将分配VM与具有相同VM类型并且被分配在相同物理机器上的合适的重叠VM交换,以最小化所有物理机器的总完成时间。EMinRET使用物理机执行时间段内的资源利用率作为评估指标,然后选择最小化指标的主机来分配新的VM。此外,本文还研究了一些用于对虚拟机列表进行排序的算法(例如,按最早开始时间或最长持续时间等排序)分配VM。仿真结果表明,与功耗感知最佳拟合递减(PABFD)算法和基于向量装箱范数的贪心算法相比,EMinRET算法的能耗降低了25%~45%.此外,EMinRET启发式算法的总能耗也低于我们之前的模拟算法(例如MinDFT和EPOBF)(使用相同的虚拟机排序方法)。
2015-11-21 cs.DC cs.NI
Social-aware Cooperative Caching in Fog Radio Access Networks
研究了雾天无线接入网中的协作缓存问题,以联合优化传输时延和能耗。利用雾接入点(F-AP)之间潜在的社会关系,提出了一种基于享乐联盟博弈(HCG)的分簇方案,以提高潜在的合作增益.然后,考虑到优化问题是非确定性多项式难(NP-hard)问题,提出了一种基于改进萤火虫算法(FA)的协同缓存方案,该方案利用基于局部内容流行度的变异策略避免早熟收敛.仿真结果表明,我们提出的方案可以有效地减少内容传输延迟和能量消耗相比,基线。
2022-06-28 cs.NI eess.SP
Evolutionary Power-Aware Routing in VANETs using Monte-Carlo Simulation
University of Malaga(马拉加大学);Universidad de la Republica(共和国大学)
针对车载网络AODV协议功耗问题,提出结合进化算法与平行蒙特卡洛模拟的自动配置搜索方法,实现功耗显著降低且服务质量无明显损失。
2025-02-01 cs.AI cs.NE cs.NI
RALL - Routing-Aware Of Path Length, Link Quality, And Traffic Load For Wireless Sensor Networks
物联网(IoT)应用场景的多样性和普遍性为当前和未来的互联网带来了新的应用视角。无线传感器网络为物联网通信模式的发展提供了关键设备,例如收集各种信息的传感器以及路由和MAC协议。然而,这种类型的网络具有很强的功耗和传输容量限制(低速无线链路和受干扰)。在这种情况下,有必要开发基于网络资源的优化利用实现更有效通信的解决方案。本文提出了一种多目标路由算法,命名为路由感知路径长度,链路质量和流量负载(RALL),试图平衡三个目标:最小化瓶颈,最小化路径长度,并避免低质量的链路。在考虑传输速率、开销、延迟和功耗时,RALL会产生良好的性能。
2016-09-15 cs.DS cs.NI
The Greatest Teacher, Failure is: Using Reinforcement Learning for SFC Placement Based on Availability and Energy Consumption
Universidade Federal de Pernambuco (UFPE)(伯南布哥联邦大学(UFPE));Dublin City University (DCU)(都柏林城市大学(DCU));Universidade de Pernambuco (UPE)(伯南布哥大学(UPE))
软件定义网络(SDN)和网络功能虚拟化(NFV)正在使网络可编程,从而更加灵活和敏捷。为了满足服务水平协议,实现传统网络的更大利用率,更快的服务部署并减少支出,电信运营商正在部署越来越复杂的服务功能链(SFC)。尽管SFC具有诸多优势,但从云到边缘的异构性和动态性的增加带来了重大的SFC放置挑战,尤其是在保持可用性、服务质量和最小化成本的同时添加或删除网络功能。本文提出了一种基于强化学习(RL)的可用性和能量感知的动态SFC布局解决方案。两个策略感知RL算法,优势演员批评(A2C)和接近的政策优化(PPO2),使用模拟的地面实况网络拓扑结构的基础上,Rede Nacional de Ensino e Pesquisa(RNP)网络,巴西的国家教学和研究网络骨干。仿真结果表明,PPO2一般优于A2C和贪婪的方法,无论是在接受率和能源消耗。A2C仅在网络服务器拥有更多计算资源的情况下才优于PPO2。
2020-11-18 cs.LG cs.NI
QoE-Driven Multi-Task Offloading for Semantic-Aware Edge Computing Systems
Shenzhen University(深圳大学);Zhejiang University of Technology(浙江工业大学);University of Surrey(萨里大学);Sun Yat-sen University(中山大学);University of Glasgow(格拉斯哥大学)
本文提出语义感知的多任务卸载框架,通过优化资源分配提升边缘计算系统的用户体验。
2026-02-12 cs.NI eess.SP
Energy-aware Scheduling of Virtualized Base Stations in O-RAN with Online Learning
Delft University of Technology(代尔夫特理工大学)
用于配置虚拟化基站(vBS)的开放无线电接入网络(O-RAN)兼容系统的设计对于网络运营商来说是至关重要的。这项任务具有挑战性,因为优化vBS调度过程需要了解参数,而这些参数不稳定且需要提前获得。在本文中,我们提出了一个在线学习算法平衡的性能和能耗的vBS。该算法在不可预见的条件下提供性能保证,例如非平稳流量和网络状态,并且不受vBS操作配置文件的影响。我们以最一般的形式研究了这个问题,并证明了所提出的技术实现了次线性遗憾(即,即使在快速变化的环境中也是如此。通过使用真实世界的数据和各种跟踪驱动的评估,我们的研究结果表明,与最先进的基准相比,vBS的功耗节省高达74.3%。
2022-08-23 cs.LG cs.NI
EMM: Energy-Aware Mobility Management for Mobile Edge Computing in Ultra Dense Networks
将移动边缘计算(MEC)功能与密集部署的基站(BS)相结合,可以带来巨大的好处,例如对计算资源的真正接近、低延迟访问。然而,设想的集成带来了许多新的挑战,其中移动性管理(MM)是一个关键的。简单地应用现有的面向无线电接入的MM方案导致较差的性能,这主要是由于MEC使能的BS的无线电接入和计算服务的共同供应。在本文中,我们开发了一种新的以用户为中心的能量感知移动性管理(EMM)计划,以优化由于无线电接入和计算的延迟,在长期的用户能耗约束。基于李雅普诺夫优化和多臂强盗理论,EMM在线工作的方式没有未来的系统状态信息,并有效地处理不完美的系统状态信息。理论分析明确考虑了无线切换和计算迁移成本,并证明了与具有准确和完整的未来系统信息的Oracle解决方案相比,延迟性能和能耗都有界偏差。所提出的算法也有效地处理的情况下,候选BS随机开关在卸载过程中的任务。仿真结果表明,该算法在满足用户能量消耗约束的情况下,可以获得接近最优的时延性能。
2017-09-08 cs.IT cs.NI math.IT
Combination of Convolutional Neural Network and Gated Recurrent Unit for Energy Aware Resource Allocation
Ayandegan Institute of Higher Education(阿扬德甘高等教育学院);Islamic Azad University(伊斯兰阿扎德大学)
云计算服务模式已经经历了快速的增长,并且低效率的资源使用被认为是云数据中心高能耗的最大原因之一。旨在减少能耗的云数据中心中的资源分配已经使用虚拟机(VM)的实时迁移及其合并到少量物理机(PM)中来进行。然而,选择适当的VM进行迁移是一个重要的挑战。为了解决这个问题,可以根据用户请求的模式将VM分类为对延迟敏感或不敏感的类别,然后可以选择合适的VM进行迁移。在本文中,卷积神经网络(CNN)和门控递归单元(GRU)的组合用于Microsoft Azure数据集中的VM分类。由于该数据集中的大多数VM都被标记为对延迟不敏感,因此迁移该组中的更多VM不仅可以降低能耗,还可以减少违反服务水平协议(SLA)的情况。实证结果表明,该模型的预测准确率为95.18,明显优于其他模型。
2021-06-23 cs.DC cs.LG cs.NI
Data-Efficient Energy-Aware Participant Selection for UAV-Enabled Federated Learning
Université Amar Telidji de Laghouat(拉格瓦特阿马尔·泰利德吉大学);Carleton University(卡尔顿大学);École de Technologie Supérieure(高等技术学院)
针对无人机边缘联邦学习中的数据冗余与能耗约束,提出DEEPS参与者选择策略,利用SSIM得分和功耗概况选择参与者,提升模型准确率、训练效率与能耗表现。
2023-08-14 cs.AI cs.LG cs.NI
NV-Fogstore : Device-aware hybrid caching in fog computing environments
通过在整个网络中放置分布式存储的边缘缓存是一种有前途的解决方案,可以减少延迟和内容交付的网络成本。随着即将到来的5G未来的到来,将创建数十亿个F-RAN(Fog-Radio Access Network)节点并用于边缘缓存。因此,部署在边缘的内存总量预计将增加100倍。目前,在CDN(内容分发网络)中使用的基于DRAM的高速缓存非常耗电且昂贵。我们的目的是降低F-RAN节点的拥有成本和经常性成本(功耗),同时保持服务质量。为了我们的目的,我们提出了NV-FogStore,一个可扩展的混合键值存储架构,用于在边缘缓存中利用非易失性存储器(如RRAM,MRAM,Intel Optane)。我们进一步详细描述了一种新颖的,分层的,写损坏,大小和频率感知的内容缓存策略H-贪婪我们的架构。我们表明,我们的政策可以根据性能目标进行调整,以降低功耗,能源消耗和总成本超过一个只有DRAM为基础的系统,只有一个相对较小的权衡平均访问延迟。
2020-10-20 cs.AR cs.NI
An Energy-Aware RIoT System: Analysis, Modeling and Prediction in the SUPERIOT Framework
本研究针对SUPERIOT项目的硅基RIoT节点开展能耗特性分析,通过软硬件优化实现60%以上能耗降低,并构建了三种准确率超97%的能耗预测模型。
2025-01-17 cs.AR cs.ET cs.NI
In-Orbit Processing or Not? Sunlight-Aware Task Scheduling for Energy-Efficient Space Edge Computing Networks
针对空间边缘计算网络的星上能耗挑战,提出光照感知的PHOENIX调度框架,利用持续受照节点的充足太阳能,通过卸载任务实现能效优化,大幅降低电池能耗并延长寿命。
2024-07-10 cs.NI eess.SP
Green-LLM: Optimal Workload Allocation for Environmentally-Aware Distributed Inference
Arizona State University(亚利桑那州立大学)
本文提出Green-LLM框架,通过联合优化运营成本、碳排放和延迟惩罚,实现可持续的大语言模型推断,同时满足水消耗约束。
2026-04-08 cs.DC cs.NI cs.SY
Energy-Aware Lease Scheduling in Virtualized Data Centers
能源效率已经成为衡量虚拟化数据中心调度算法的重要指标。然而,能量高效调度算法的挑战之一是在最小化能量消耗和满足服务质量(例如,性能、预留请求的资源可用性)之间的权衡。我们认为,在私有云系统的虚拟化数据中心的上下文中的资源需求,提供资源租赁的虚拟机(VM)的用户应用程序。在本文中,我们提出了解决上述挑战的虚拟机调度算法。在性能评估方面,仿真结果表明,与现有的先来先服务(FCFS)调度算法相比,在满足相同性能要求的情况下,所提算法的总能耗显著降低。我们还讨论了在上述算法中额外使用迁移策略时的节能改进。
2014-10-28 cs.DC cs.NI cs.PF
On the Bandwidth Consumption of Blockchains
The University of Sydney(悉尼大学);Redbelly Network(红贝利网络)
本文首次实证比较了不同区块链协议的带宽消耗,发现传输协议和节点角色对网络流量影响显著。
2026-01-26 cs.DC cs.NI cs.PF