基于差分进化的推断任务卸载策略

摘要：

卷积神经网络(Convolutional Neural Network,CNN)作为深度学习的重要技术,已被广泛应用在移动智能应用中.针对CNN推断任务高内存、高计算量的需求,现有解决方案多将任务卸载到云上执行,难以适应时延敏感的移动应用程序.为解决上述问题,提出了一种基于改进差分进化算法的CNN推断任务卸载策略,它采用端云协作模式将计算任务部署在云和边缘设备之间.该策略研究了成本约束下最小化时延的任务卸载方案,将CNN推断过程转化为任务图并将其构建为0-1整数规划问题,利用改进二进制差分进化算法高效求解最佳卸载决策.实验结果表明,在给定费用约束下,与移动端推断和云推断方案相比,所提策略将任务响应时间平均缩短了33.60％和6.06％.

关键词：卷积神经网络、移动云计算、计算卸载、协同推断、差分进化算法

所属期刊栏目：47

分类号：TP393(计算技术、计算机技术)

资助基金：国家重点研发课题;国家自然科学基金重点项目;中央高校科研业务费;华能集团重点研发课题

在线出版日期：2020-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：256-262