基于学习驱动的多接入移动边缘计算卸载策略研究
2021-09-23苏志凯马鹏飞
通信电源技术 2021年9期
苏志凯,杨 健,马鹏飞
(中国电子科技集团公司第五十四研究所,河北 石家庄 050081)
0 引 言
近年来,随着网络流量的不断增加和移动终端设备的指数性增长,第五代通信网络(5G)中的大量新型应用业务如虚拟现实、自动驾驶、智慧医疗以及智慧工厂等爆发性增长[1]。此类业务具有高吞吐量、高带宽、低时延的业务需求特性,需要消耗大量的无线网络资源,而现有的移动终端计算能力和电池能量受限,无法满足新型业务如工业物联网和电子医疗等时延敏感的业务需求,对5G无线网络中的通信资源、计算资源以及存储资源等提出严峻挑战。
现有的新型业务可为计算密集型和时延敏感型两类[2]。其中,计算密集型具有高带宽和高吞吐量的特性,如虚拟现实;而时延敏感型具有低延时的特性,如自动驾驶。面向上述业务,具有强大计算能力的云计算可以将移动终端的计算任务传输到云端服务器进行计算,从而为资源受限的移动终端提供充足的计算资源。然而,由于移动终端距离云端服务器距离较远,导致传输时延大,传输能耗高。多接入移动边缘计算作为5G无线网络的新型技术,将云端的服务能力下沉到网络边缘,智能移动终端可以卸载计算任务到位于网络边缘的服务器上,满足低能耗和低延时的业务需求。
其中,计算卸载问题是移动边缘计算的关键问题,根据用户移动终端的电池容量和计算能力等情景信息,选择合适的MEC服务器进行高效地任务卸载,从而保证网络延时性能,减少能量消耗。……
登录APP查看全文
