一种车载服务的快速深度Q学习网络边云迁移策略

智能网联交通系统中车载用户的高速移动,不可避免地造成了数据在边缘服务器之间频繁迁移,产生了额外的通信回传时延,对边缘服务器的实时计算服务带来了巨大的挑战。为此,该文提出一种基于车辆运动轨迹的快速深度Q学习网络(DQN-TP)边云迁移策略,实现数据迁移的离线评估和在线决策。车载决策神经网络实时获取接入的边缘服务器网络状态和通信回传时延,根据车辆的运动轨迹进行虚拟机或任务迁移的决策,同时将实时的决策信息和获取的边缘服务器网络状态信息发送到云端的经验回放池中;评估神经网络在云端读取经验回放池中的相关信息进行网络参数的优化训练,定时更新车载决策神经网络的权值,实现在线决策的优化。最后仿真验证了所提算法与虚拟机迁移算法和任务迁移算法相比能有效地降低时延。

短距离无线通信技术发展及在医疗监护中的应用

短距离无线通信技术为现代医疗监护的发展注入新的活力,主要依靠移动终端来获取和了解患者的相关信息。它变革了传统有线通信技术不能随时随地进行医疗监护工作和通信设备更新困难等缺点,能帮助医护人员获取海量的数据信息,是提高医疗监护工作质量的重要手段。文中主要围绕短距离无线通信技术应用在医疗监护中的发展现状以及存在的问题进行论述和分析,并提出相应的改进对策,为日后短距离无线通信技术的发展提供参考。