Key points are not available for this paper at this time.
في السنوات الأخيرة، زاد عدد الأجهزة والمحطات المتصلة بالمدينة الذكية بشكل كبير. تواجه الشبكات الحافة تنوعًا أكبر من الكائنات المتصلة والخدمات الضخمة. بالنظر إلى أن عددًا كبيرًا من الخدمات لديها متطلبات مختلفة للجودة، كان دائمًا من التحديات الكبيرة للمدينة الذكية تخصيص موارد الحوسبة المحدودة لجميع الخدمات بشكل أمثل للحصول على أداء مرضٍ. على وجه الخصوص، يكون التأخير غير مقبول للخدمات في تطبيقات معينة، مثل التطبيقات الطبية والصناعية، وما إلى ذلك، التي تتطلب أولوية عالية. لذلك، من الضروري جدولة الخدمات إلى العقدة المثلى من خلال جدولة ديناميكية مرنة لضمان تجربة المستخدم. في هذه الورقة، نقترح خطة تخصيص موارد لشبكة حوسبة حافة هرمية في المدينة الذكية تعتمد على آلية الانتباه، لاستخراج عدد صغير من الميزات التي يمكن أن تمثل الخدمات من كمية كبيرة من المعلومات المجمعة من نقاط الحافة. تُستخدم آلية الانتباه لتحديد أولوية الخدمات بسرعة. بناءً على ذلك، يتم تطوير نشر المهام وتخصيص الموارد لزيادة جودة الخدمة في المدن الذكية من خلال إدخال التعلم المعزز. تظهر نتائج المحاكاة أن الخطة المقترحة يمكن أن تحسن بشكل فعال استخدام موارد شبكة الحافة، وتقليل متوسط تأخير معالجة المهام، وضمان جودة الخدمة بشكل فعال.
قام Sun وآخرون (Mon،) بدراسة هذا السؤال.