杨 天,田 霖,孙 茜,张宗帅,王园园

(1.重庆邮电大学 通信与信息工程学院,重庆 400065;2.中国科学院计算技术研究所 a.无线通信技术研究中心; b.移动计算与新型终端北京市重点实验室,北京 100190)

0 概述

随着5G时代的到来,不断涌现的增强现实[1]、图像识别[2]等新兴应用对计算能力的要求越来越高,但用户设备的计算能力和续航能力限制了用户体验。对此,移动云计算(Mobile Cloud Computing,MCC)[3]可以作为一种有效的解决方案,但其同时给移动回传网络带来了巨大的负载压力,并且存在较高时延。针对这些问题,国内外研究机构与企业提出了移动边缘计算(Mobile Edge Computing,MEC)[4]技术。MEC将云资源下沉到更接近用户的位置,在网络边缘为用户提供云服务。用户可将计算任务卸载至MEC服务器中执行,从而摆脱终端设备计算能力的限制。此外,由于任务数据直接在无线接入网侧进行处理,因此MEC能够减轻回传网络的压力,减小时延[5]。但由于MEC中无线资源与计算资源存在高度共享性,因此为保障用户体验,需要制定合理的计算卸载策略[6-7]。

在MEC计算卸载过程中,时延过高会导致一些应用无法正常使用,而能耗过高则会严重降低移动设备的电池寿命。因此,现有MEC计算卸载方案大多以时延和能耗为优化目标。文献[8]提出一种基于马尔科夫决策过程的时延优化卸载方案,通过分析每个计算任务的平均时延和移动设备的平均功耗并设计一维搜索算法,得到最优任务调度策略。文献[9]设计一种启发式方法对卸载任务进行调度,通过划分用户的计算任务,使所有用户的任务平均完成时间最少。……