【多种改进粒子群算法进行比较】基于启发式算法的深度神经网络卸载策略研究【边缘计算】附Matlab代码

最新推荐文章于 2025-12-03 17:03:32 发布

原创最新推荐文章于 2025-12-03 17:03:32 发布 · 613 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #启发式算法 #dnn

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

一、引言

随着人工智能技术的飞速发展，深度神经网络（Deep Neural Network, DNN）在计算机视觉、自然语言处理、智能物联网等领域的应用日益广泛。然而，DNN 模型的复杂度过高（如层数多、参数规模大），导致其在终端设备（如智能手机、物联网传感器）上运行时面临计算资源不足、能耗过高、时延过大等问题。边缘计算作为一种将计算任务从云端下沉到靠近终端设备的边缘节点的技术，能够有效降低任务传输时延与终端设备能耗，为 DNN 模型的高效运行提供了新的解决方案。

在边缘计算场景中，DNN 卸载策略的核心是决定将 DNN 的哪些层卸载到边缘节点运行，哪些层在本地终端设备运行，以实现时延最小化、终端能耗最小化、任务完成率最大化等多目标优化。传统的卸载策略（如全本地运行、全卸载运行）难以平衡多目标需求，而启发式算法凭借其高效的寻优能力，成为求解此类复杂多目标优化问题的重要工具。

粒子群优化（Particle Swarm Optimization, PSO）算法作为经典的启发式算法，具有结构简单、收敛速度快、易实现等优点，但传统 PSO 存在后期收敛精度低、易陷入局部最优等缺陷。为此，研究者提出了多种改进粒子群算法（如惯性权重改进 PSO、混沌改进 PSO、混合改进 PSO 等）。本研究旨在通过对比分析多种改进粒子群算法在 DNN 卸载策略优化中的性能，筛选出适配边缘计算场景的最优算法，为边缘计算中 DNN 卸载决策的制定提供科学依据，进而提升边缘计算系统的整体运行效率。

二、边缘计算与 DNN 卸载策略基础

（一）边缘计算系统架构

边缘计算系统主要由终端设备层、边缘节点层和云端层三层架构组成，各层功能与特点如下：

终端设备层：包括智能手机、智能摄像头、物联网传感器等设备，具有计算资源有限、电池容量受限、移动性强等特点。终端设备负责采集数据（如图像、语音），并可运行 DNN 的部分浅层网络（如卷积层、池化层）。

边缘节点层：由靠近终端设备的边缘服务器、基站、边缘网关等组成，计算能力介于终端设备与云端之间，且与终端设备的通信时延远低于云端（通常为毫秒级）。边缘节点可承接终端设备卸载的 DNN 深层网络（如全连接层、Transformer 层）计算任务。

云端层：由大型数据中心组成，具备强大的计算与存储能力，但与终端设备的通信时延高（通常为秒级），且受网络带宽波动影响大。云端主要用于存储大规模 DNN 模型参数、处理非实时性的复杂计算任务，而非优先承接实时性要求高的 DNN 卸载任务。

在 DNN 卸载场景中，核心是终端设备与边缘节点的协同计算 —— 终端设备完成数据预处理与部分浅层网络计算，将计算密集型的深层网络卸载到边缘节点，边缘节点完成计算后将结果返回终端设备，最终实现 DNN 任务的高效执行。

（二）DNN 卸载策略的优化目标与约束条件

四、结论与展望

（一）研究结论

本研究通过对比线性递减惯性权重 PSO（LDW-PSO）、混沌惯性权重 PSO（CIW-PSO）、混合粒子群 - 模拟退火算法（PSO-SA）在边缘计算 DNN 卸载策略优化中的性能，得出以下结论：

收敛速度：LDW-PSO 最快（42 次迭代），PSO-SA 次之（45 次），CIW-PSO 最慢（58 次）；但 LDW-PSO 收敛精度最低（0.682），且鲁棒性与 Pareto 解均匀性最差，仅适用于对实时性要求高、对精度要求低的简单边缘计算场景。

CIW-PSO 通过混沌惯性权重提升了算法的全局探索能力，收敛精度、鲁棒性与解均匀性均优于 LDW-PSO，但收敛速度较慢，适用于对精度有一定要求、可接受稍慢收敛速度的场景。

PSO-SA 在所有评价指标中表现最优：收敛精度最高（0.563）、鲁棒性最强（0.079）、Pareto 解分布最均匀（0.112），且收敛速度仅略慢于 LDW-PSO，能够平衡多目标需求，是边缘计算 DNN 卸载策略优化的最优算法。其核心优势在于 SA 的概率接受准则与 PSO 的快速收敛特性结合，既避免了局部最优，又保证了搜索效率。

（二）研究展望

尽管本研究通过对比多种改进 PSO 算法得出了有意义的结论，但仍可从以下方向进一步拓展：