超密集边缘计算网络中面向能耗优化的任务卸载方法

摘要：

传统网络架构部署下的边缘服务器难以满足大规模用户设备的接入和通信质量要求.为增加网络容量,提高频谱利用率,通过密集化基站的部署,构建一种面向超密集边缘计算网络的任务卸载优化模型.面对信道状态的变化、移动设备的动态需求以及服务器和频谱资源的有限性对任务卸载带来的挑战,结合任务类型和服务器的计算能力,并考虑信道状态变化、移动设备的动态需求以及干扰约束对卸载策略的影响,提出一种基于自适应模拟退火遗传(AGASA)算法的任务卸载方法,在满足任务截止期限的同时,对任务卸载能耗进行优化.同时,为得到最优上传功率,采用黄金分割算法解决功率控制问题,从而降低传输能耗.实验结果表明,AGASA算法在信道状态变化时可保证通信质量和计算效率,相比混合遗传粒子群算法,能够在满足截止期约束的同时使卸载能耗降低15.56％.

关键词：超密集网络、移动边缘计算、任务卸载、信道分配、自适应模拟退火遗传算法

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;福建省高校产学合作项目;福建省自然科学基金项目;福建省自然科学基金项目;福建省自然科学基金项目;福建省教育厅中青年教师教育科研项目;福建省社会科学规划青年项目;福建师范大学协;学院智能计算与应用团队项目

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：39-48