魏泽丰，周元元

(1.杭州电子科技大学 计算机学院，浙江 杭州 310018； 2. 合肥师范学院 电子信息系统仿真设计安徽省重点实验室，安徽 合肥 23009)

随着智能移动设备和人工智能技术[1]的高速发展，人脸识别、自然语言处理、虚拟现实、深度学习模型压缩[2]等新兴技术逐渐被布局在移动设备上，这对移动设备的计算能力、内存、电池容量提出了挑战[3-4]。传统方法中，移动用户可以将工作流任务卸载到云端服务器，从而提高服务质量，但是这种方式存在延迟过高、带宽有限、极度中心化等缺点，大幅度降低了用户服务质量(Quality of Service，QoS)。近年来，研究人员对云计算技术进行了优化，提出了移动边缘计算[5](Mobile Edge Computing，MEC)的概念。在MEC环境下，用户将计算密集型应用卸载到基站(evolved Node B，eNB)配置的边缘服务器中，从而降低任务的响应时间，减少本地能源消耗并增强隐私保护。

移动边缘计算也受到学术界的广泛关注。任务调度是移动边缘计算研究中最核心的部分，是向用户提供优质服务的关键。因此，研究人员对移动边缘计算环境下的任务调度问题进行了一系列研究。文献[6]考虑了任务执行者之间的默契程度，并将其定义为协作相容性，提出了一种兼顾协作相容性和任务负载的任务分配算法，提高了整个工作流的执行效率。为了实现最大收益和服务利用率，文献[7]在考虑延迟容忍和延迟约束的前提下，对任务进行优先级排序以优化任务分流，有效降低了服务延迟。文献[8]提出了一种基于凸函数优化的迭代搜索算法，将移动设备电池的剩余容量引入到能耗和等待时间的加权因子中，优化了网络和计算资源的分配，达到减少能耗的目的。……