唐 伦，胡彦娟，刘 通，陈前斌

（重庆邮电大学通信与信息工程学院移动通信技术重点实验室，重庆 400065）

0 概述

随着移动通信技术和互联网的快速发展，虚拟现实、增强现实和人脸识别等具有计算密集、时延敏感等特性的应用不断出现［1-2］。然而，由于终端设备在计算能力和电池寿命方面存在一定的局限性，导致它们难以支持上述应用［3］。受软件定义网络（Software Defined Network，SDN）和网络功能虚拟化（Network Function Virtualization，NFV）的驱动，移动云计算（Mobile Cloud Computing，MCC）技术应运而生，其允许用户将计算密集型任务卸载到资源丰富的远端云服务器执行，以缓解终端设备资源受限与高性能任务处理需求之间的冲突［4-5］。但是，在实际情况中，云服务器一般距离用户较远，云计算方案难以适用一些时延敏感的应用。为了解决这一问题，移动边缘计算（Mobile Edge Computing，MEC）技术被提出［6］，它能够在靠近移动设备的网络边缘提供云资源，不仅可以满足时延敏感型应用的QoS 需求，而且还在一定程度上降低了计算密集型应用所带来的网络负载和设备终端能耗［7-8］。

目前，已有学者针对MEC 任务卸载与资源分配问题进行研究。文献［9］考虑信道状态和任务到达的随机性，研究MEC 系统中能量效率与时延的权衡问题。文献［10］针对正交频分多址的移动边缘网络，设计一种基于计算能效的资源分配方案。文献［11］以最小化移动设备和MEC 服务器的平均总功耗为目标，提出一种在线无线资源和计算资源管理算法。文献［12］引入能量和时延加权因子，提出一种能量感知的卸载方案。……