王艺洁，凡佳飞，王陈宇

（1.山东科技大学计算机科学与工程学院，山东青岛 266000；2.空装驻上海地区军事代表局空装驻南京地区第三军事代表室，南京 211100）

（*通信作者电子邮箱wyj_jsj@163.com）

0 引言

随着物联网（Internet of Things，IoT）的发展，移动设备的数量激增，具有沉浸式体验的移动应用程序正在逐渐流行，并成为5G［1］网络中的主流应用程序，丰富的应用程序规模也变得越来越大，比如自然语言处理［2］、虚拟现实［3］、智能交通［4］、车辆互联网［5］等，但这些新型应用程序需要大计算量和高能耗，而受轻量级移动设备的限制，计算密集型应用和计算资源有限的移动设备之间的冲突为未来物联网的发展带来了巨大挑战［6］。

为了解决移动设备资源有限以及延迟的问题，移动边缘计算（Mobile Edge Computing，MEC）［7-8］被提出。移动边缘计算可以在紧邻移动设备的无线接入网络内提供云计算能力，同时能够满足物联网应用的延迟要求［9］并提高物联网移动设备的可靠性和能效，因此在过去的几年时间出现了许多有关MEC 任务迁移的研究工作。Liu 等［10］提出Stackelberg 动态博弈模型，通过研究具有一个接入点（Access Point，AP）和许多其他无线设备的物联网应用的无线MEC 系统中的资源分配问题来获得节点的最佳分配资源；Chen 等［11］研究在多信道无线干扰环境下的移动边缘云计算的多用户迁移问题，将移动设备之间的分布式计算迁移决策问题转化为任务迁移博弈，但它未考虑到MEC 存在计算资源不足的可能性；文献［12］中建立博弈模型并使用变分不等式理论计算静态混合策略的任务均衡分配，通过分散算法用于在附近设备和边缘云之间分配计算任务，但它并未考虑到任务之间的信号干扰；……