Key points are not available for this paper at this time.
Le développement rapide des applications pour dispositifs mobiles exerce une pression énorme sur les nœuds de périphérie avec des capacités de calcul limitées, ce qui peut entraîner une mauvaise expérience utilisateur. Pour résoudre ce problème, l'informatique collaborative Cloud-Edge est proposée. Dans le calcul Cloud-Edge, un nœud de périphérie avec des ressources locales limitées peut louer davantage de ressources à un nœud cloud. Selon la nature du service cloud, le service cloud peut être divisé en cloud privé et cloud public. Dans un environnement de cloud privé, le nœud de périphérie doit allouer des ressources entre le nœud cloud et le nœud de périphérie. Dans un environnement de cloud public, puisque les fournisseurs de services cloud public offrent différents modes de tarification pour les diverses demandes de calcul des utilisateurs, le nœud de périphérie doit également sélectionner le mode de tarification approprié pour le service cloud ; ce qui constitue un problème de décision séquentielle. Dans cette étude, nous modélisons cela comme un processus de décision de Markov et un processus de décision de Markov avec actions paramétrées, et nous proposons un algorithme d'allocation de ressources d'allocation de ressources rentables avec cloud privé (CERAI) et d'allocation de ressources rentables avec cloud public (CERAU) dans l'environnement collaboratif Cloud-Edge basé sur l'algorithme d'apprentissage par renforcement profond de gradient de politique déterministe profond et P-DQN. Ensuite, nous avons évalué CERAI et CERAU par rapport à trois algorithmes typiques d'allocation de ressources basés sur des données synthétiques et réelles des ensembles de données de Google. Les résultats expérimentaux montrent que CERAI et CERAU peuvent réduire efficacement le coût d'exploitation à long terme de l'informatique collaborative Cloud-Edge dans divers contextes exigeants. Notre analyse peut fournir des idées utiles aux entreprises pour concevoir la stratégie d'allocation de ressources dans le système de calcul collaboratif Cloud-Edge.
Xu et al. (Thu,) ont étudié cette question.