面向移动感知的计算卸载及资源分配策略研究

摘要：

在移动边缘计算(MEC)中,用户设备将计算密集任务卸载至边缘服务器执行以降低执行时延与能耗,基于5G技术的新型应用要求计算过程支持设备的高速移动性,而目前计算卸载方案的研究大多集中于静态场景.为提高用户体验质量,在多设备与多MEC服务器场景下,对MEC中考虑设备移动轨迹的计算卸载方案进行研究.结合设备移动性、计算与通信资源、信道状态及任务需求等因素,将场景下的计算卸载方案设计为混合整数非线性规划问题.为降低求解难度,将上述问题分解为卸载服务器选择问题和固定服务器选择方案下的计算资源分配与子信道选择问题,采用凸优化技术及改进的Kuhn-Munkres算法对子问题进行求解,并依据子问题的解设计启发式卸载服务器选择算法,基于多项式时间复杂度获得次优卸载方案.通过EdgeCloudSim工具对本文卸载策略进行仿真,并与常用的卸载算法进行对比,实验结果表明,该算法在满足任务的实时性要求下,与穷举算法的平均系统效用差距控制在2.3％以内.

关键词：移动边缘计算、移动感知、计算卸载、资源分配、卸载算法

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61972273

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：163-173