ISC-QL 边缘服务器部署算法

负载均衡提升五成

融合改进谱聚类与Q学习的智能车联网边缘服务器部署，同时优化负载均衡、能耗与延迟，实现整体性能提升。

周舟 · Abawajy, Jemal H.

IEEE Transactions on Intelligent Transportation Systems 2025

参数信息

负载均衡提升

50 %

平均能耗降低

22 %

平均延迟降低

16 %

技术优势

整体性能提升

同时优化负载均衡、能耗和延迟三个指标，而不是只改进一个方面。

负载均衡大幅改善

相比于基准方法，负载均衡提升了50%，使边缘服务器间的任务分配更加均匀。

能耗显著降低

平均能耗降低22%，有助于减少车联网基础设施的运营成本。

延迟更低

平均延迟降低16%，提升了车联网服务的实时性。

应用场景

• 车联网边缘计算：为车联网提供低延迟计算服务，减少数据传输延迟。
• 智能交通系统：提升交通系统实时响应能力，增强安全与效率。
• AI驱动的边缘智能：利用AI优化边缘资源部署，实现智能决策。
• 网络基础设施优化：优化基站与边缘服务器布局，提升网络整体性能。