MEC 中资源分配与卸载决策联合优化策略
2021-05-14刘继军邹山花卢先领
计算机与生活 2021年5期
关键词:用户
刘继军,邹山花,卢先领+
1.江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122
2.江南大学物联网工程学院,江苏无锡214122
3.江苏省物联网应用技术重点建设实验室,江苏无锡214100
随着资源密集型和时延敏感型应用的逐渐增多,如增强现实、无人驾驶等,用户对于低时延与低能耗的任务处理需求愈发显著[1-2]。作为第五代移动通信的核心技术之一——移动边缘计算(mobile edge computing,MEC)将计算资源与存储资源部署到无线网络边缘,以处理资源密集型和时延敏感型任务[3-4],解决了云计算在通信资源占有量高、任务处理时延长等方面的问题。用户可通过计算卸载,将任务传输到边缘服务器上处理,从而降低处理时延与能耗,满足服务质量需求。
计算卸载作为MEC 关键技术,目前已有许多相关研究。在MEC 计算卸载结构上,文献[5-7]主要考虑“边-端”两层结构,忽略了云在计算卸载过程中的辅助作用。文献[8]以随机优化理论为基础,提出了一种最小化能耗的动态卸载决策算法。文献[9]将任务缓存概念引入卸载决策中,分别采用凸优化方法和0-1 规划算法对任务卸载与任务缓存问题进行求解,从而实现最小化任务处理能耗。文献[10]针对边缘节点过载问题,提出一种多路径传输负载平衡优化方案,利用多路径传输的边缘计算架构作为传输协议支持车辆之间的通信和边缘节点间的实时虚拟机迁移,以最小化任务处理时延。文献[8-10]仅考虑到能耗或时延单一指标,忽略了两者对任务卸载处理性能的综合影响。……
登录APP查看全文