Информатика и автоматизация
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Информатика и автоматизация:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Информатика и автоматизация, 2024, выпуск 23, том 1, страницы 284–318
DOI: https://doi.org/10.15622/ia.23.1.10
(Mi trspy1288)
 

Цифровые информационно-телекоммуникационные технологии

Latency aware intelligent task offloading scheme for Edge-Fog-Cloud computing – a review
[Интеллектуальная схема распределения задач с учетом задержек вычислений в Edge-Fog-Cloud – обзор]

B. Swapna, V. Divya

Koneru Lakshmaiah Education Foundation (Deemed to be University), Vaddeshwaram
Аннотация: Огромный объем данных, создаваемых процедурами Интернета вещей, требует вычислительной мощности и места для хранения, предоставляемого облачными, периферийными и туманными вычислительными системами. Каждый из этих способов вычислений имеет как преимущества, так и недостатки. Облачные вычисления улучшают хранение информации и вычислительные возможности, одновременно увеличивая задержку соединения. Периферийные и туманные вычисления предлагают аналогичные преимущества с уменьшенной задержкой, но имеют ограниченное хранилище, емкость и покрытие. Первоначально оптимизация применялась для решения проблемы сброса трафика. И наоборот, традиционная оптимизация не может удовлетворить жесткие требования к задержке принятия решений в сложных системах, варьирующейся от миллисекунд до долей секунды. В результате алгоритмы машинного обучения, особенно обучение с подкреплением, набирают популярность, поскольку они могут быстро решать проблемы разгрузки в динамических ситуациях, включающих определенные неопознанные данные. Мы проводим анализ литературы, чтобы изучить различные методы, используемые для решения этой интеллектуальной задачи по разгрузке задач с учетом задержек для облачных, периферийных и туманных вычислений. Уроки, полученные в результате этих исследований, затем представлены в настоящем отчете. Наконец, мы определяем некоторые дополнительные возможности для изучения и проблемы, которые необходимо преодолеть, чтобы достичь минимальной задержки в системе разгрузки задач.
Ключевые слова: разгрузка задач, облачные вычисления, периферийные вычисления, туманные вычисления, Интернет вещей, задержка.
Поступила в редакцию: 17.07.2023
Тип публикации: Статья
УДК: 004.7
Язык публикации: английский
Образец цитирования: B. Swapna, V. Divya, “Latency aware intelligent task offloading scheme for Edge-Fog-Cloud computing – a review”, Информатика и автоматизация, 23:1 (2024), 284–318
Цитирование в формате AMSBIB
\RBibitem{SwaDiv24}
\by B.~Swapna, V.~Divya
\paper Latency aware intelligent task offloading scheme for Edge-Fog-Cloud computing – a review
\jour Информатика и автоматизация
\yr 2024
\vol 23
\issue 1
\pages 284--318
\mathnet{http://mi.mathnet.ru/trspy1288}
\crossref{https://doi.org/10.15622/ia.23.1.10}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/trspy1288
  • https://www.mathnet.ru/rus/trspy/v23/i1/p284
  • Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Информатика и автоматизация
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024