余 翔,石雪琴,刘一勋

(重庆邮电大学 通信与信息工程学院,重庆 400065)

0 概述

随着互联网的发展,多种多样的新型数据业务极大地丰富了用户日常移动应用的体验[1],如人脸识别、交互式游戏和虚拟现实技术等[2]。但由于移动设备(Mobile Devices,MD)的资源有限,无法频繁处理占用资源较高的业务[3-4]。而移动边缘计算(Mobile-Edge Computing,MEC)的出现弥补了这些能力受限设备的不足,通过将密集型计算任务卸载到边缘服务器可以为设备扩展容量和降低能耗[5-6]。计算卸载是MEC的关键技术之一,也是MEC系统实现终端业务实时化处理的重要手段[7],实验结果表明,将任务卸载到MEC上,可以减少高达88%的时延和93%的能耗[8]。

文献[9]研究了移动设备中具有能量收集功能的MEC系统,并提出了基于Lyapunov优化的动态计算卸载算法。文献[10]使用马尔可夫决策过程执行随机计算任务调度,并通过一维搜索算法得到了最佳的卸载决策。文献[11]提出分段凸优化方法,该方法通过次梯度优化方法有效地解决执行延迟最小问题。文献[12]研究了云和边缘云之间的协作,将联合通信和计算资源分配问题转化为等效的凸优化问题,并制定了资源分配策略。上述文献专注于最小化时延的研究,然而能耗对于用户的体验质量也是至关重要的。文献[13]设计了一种前、后向链路联合优化的计算卸载策略,通过改进的人工鱼群算法对时延和能耗进行优化。文献[14]将计算任务表示为约束马尔可夫决策过程,该过程基于应用特性和无线电环境统计行为的先验知识预先计算的离线策略。……