姚政，吴怀宇，陈洋

（1.冶金自动化与检测技术教育部工程研究中心，武汉 430081；2.武汉科技大学 机器人与智能系统研究院，武汉 430081）

0 概述

随着移动设备在全国各城市中迅速普及和增长，密集型计算任务随之激增［1-2］，这给移动设备的计算能力和电池寿命提出了更高的要求。然而，由于微芯片架构和低功耗设计，使得移动设备计算能力有限［3-4］，导致设备在处理高密集、低延迟任务时存在较大的延误。同时，设备在处理这些任务时也产生了更多的能耗，这也进一步缩短了设备的续航时间。为解决该问题，研究人员提出移动边缘计算［5］，通过在靠近移动设备的网络边缘部署计算资源，使移动设备能够高效地卸载计算密集型任务。相比云计算，数据传输不再需要经过核心网络，移动设备即能够获得较低的传输延迟和较强的续航能力。

计算卸载是移动边缘计算中最突出和广泛讨论的问题之一，其为移动边缘计算的智能核心因素。目前，现有研究工作主要从应用拓扑结构、优化目标多样性和计算资源竞争等特性分别展开，然而很少联合考虑应用拓扑结构、优化目标多样性及计算资源竞争的特性。首先，对于多用户并发型数据流任务计算卸载问题，任务之间不仅会对边缘服务器的计算资源产生竞争，而且也会对移动设备本地计算资源产生竞争，这种双边竞争进一步增加了计算资源竞争的复杂程度。其次，从数学建模角度来讲，决策变量包括任务卸载比例（连续变量）和任务执行顺序（离散变量），因此该问题本质上是一个多目标混合整数问题的求解。……