移动边缘计算的计算卸载技术分析研究

计算卸载作为移动边缘计算的关键技术之一,对于提升移动边缘计算实现节能、降低时延和改善用户体验等方面,起到关键的作用.本文围绕移动边缘计算的计算卸载技术进行分析研究,首先介绍了计算卸载概念和主要特征;并就移动边缘计算的计算卸载实施步骤和计算卸载系统分类进行阐述;然后针对计算卸载关键技术中的3个重点研究问题进行了详细分析;最后,对研究工作进行总结.     

移动边缘计算的计算卸载技术分析研究

计算卸载作为移动边缘计算的关键技术之一,对于提升移动边缘计算实现节能、降低时延和改善用户体验等方面,起到关键的作用.本文围绕移动边缘计算的计算卸载技术进行分析研究,首先介绍了计算卸载概念和主要特征;并就移动边缘计算的计算卸载实施步骤和计算卸载系统分类进行阐述;然后针对计算卸载关键技术中的3个重点研究问题进行了详细分析;最后,对研究工作进行总结.     

减少核心网拥塞的边缘计算资源分配和卸载决策

随着互联网的发展,智能终端在实践中得到了应用,大量时间敏感的计算机应用在人们的生活中也被广泛使用,如p/虚拟现实、智能家居和汽车互联网等。网络流量的增加将逐渐增大核心网络的压力,管理延迟网络变得越来越困难。目前,云协作计算解决方案是拟议的模型边界,文中提出了一种新的算法来管理边缘云之间基本网络流量的分布和解密,以共享时间和分配来改善边缘处理流程的算法资源,遗传算法用于寻找最佳分解分辨率。实验结果表明,与基线相比,拟议的算法可以提高资源效率并减少云流量边缘,从而减少核心网络拥堵现象。     

移动边缘计算卸载技术综述

移动边缘计算(Mobile Edge Computing,MEC)将云服务器的计算资源扩展到更靠近用户一侧的网络边缘,使得用户可以将任务卸载到边缘服务器,从而克服原先云计算中将任务卸载到云服务器所带来的高时延问题。首先介绍了移动边缘计算的基本概念、基本框架和应用场景,然后围绕卸载决策、联合资源分配的卸载决策分别从单MEC服务器和多MEC服务器两种场景总结了任务卸载技术的研究现状,最后结合当前MEC卸载技术中存在的不足展望了未来MEC卸载技术的研究。     

超密集网络中基于移动边缘计算的任务卸载和资源优化

移动边缘计算(MEC)通过在无线网络边缘为用户提供计算能力,来提高用户的体验质量。然而,MEC的计算卸载仍面临着许多问题。该文针对超密集组网(UDN)的MEC场景下的计算卸载,考虑系统总能耗,提出卸载决策和资源分配的联合优化问题。首先采用坐标下降法制定了卸载决定的优化方案。同时,在满足用户时延约束下采用基于改进的匈牙利算法和贪婪算法来进行子信道分配。然后,将能耗最小化问题转化为功率最小化问题,并将其转化为一个凸优化问题得到用户最优的发送功率。仿真结果表明,所提出的卸载方案可以在满足用户不同时延的要求下最小化系统能耗,有效地提升了系统性能。

     

基于边缘计算的无人机移动辅助卸载策略研究

文中研究了基于边缘计算的无人机移动辅助卸载技术,对促进无人机发展、提升其经济价值具有重要的意义。值得注意的是,当前我国需要实现无人机辅助边缘计算系统的能耗最小化、用户时延最小化、系统吞吐量最大化、无人机能耗最小化等,以促进无人机技术高质量发展。基于此,文中提出了利用合理的计算卸载机制,使无人机在卸载过程中的位置适宜化,实现了用户任务的分配高效、无人机运动建模、无人机轨迹优化,并设计了用户终端任务分配方案、优化算法,从而设计出一种快速收敛的算法,推动无人机技术的快速发展。     

基于多接入边缘计算的任务卸载和资源分配策略研究

随着移动通信技术和工业互联网的飞速发展,移动设备端日渐庞大的数量和复杂的应用对大量计算密集和低时延提出了要求,也因此引出了基于多接入边缘计算的任务卸载概念。这种任务卸载方式能够有效地利用边缘云服务器资源,将复杂的计算任务卸载至邻近的低消耗边缘服务器,提高任务计算效率和更高的服务质量。提出了一种基于拓扑结构的任务卸载策略和边缘资源分配策略,旨在解决边缘计算场景中,任务卸载效率低、资源利用率不足等问题。     

车载边缘计算卸载技术研究综述

通过将移动边缘计算技术应用在车联网,车载边缘计算技术可为车载用户提供低时延、高带宽、高可靠性的应用服务.首先详细介绍了车载边缘计算卸载技术的背景、意义以及本文的贡献.其次,分别概述了车载边缘计算卸载技术的网络架构、主要挑战以及应用场景.然后,从移动分析、卸载模式、资源协作和管理等多个维度全面综述了车载边缘计算卸载技术的...     

基于深度强化学习的多用户计算卸载优化模型和算法

在移动边缘计算(MEC)密集部署场景中,边缘服务器负载的不确定性容易造成边缘服务器过载,从而导致计算卸载过程中时延和能耗显著增加。针对该问题,该文提出一种多用户计算卸载优化模型和基于深度确定性策略梯度(DDPG)的计算卸载算法。首先,考虑时延和能耗的均衡优化建立效用函数,以最大化系统效用作为优化目标,将计算卸载问题转化为混合整数非线性规划问题。然后,针对该问题状态空间大、动作空间中离散和连续型变量共存,对DDPG深度强化学习算法进行离散化改进,基于此提出一种多用户计算卸载优化方法。最后,使用该方法求解非线性规划问题。仿真实验结果表明,与已有算法相比,所提方法能有效降低边缘服务器过载概率,并具有很好的稳定性。     

面向空天地异构网络的边缘计算部分任务卸载策略

空天地异构网络作为一种新型网络构架,是未来6G实现泛在连接的关键支撑。该文提出一种面向空天地异构网络(SAGIN)的移动边缘计算部分任务卸载方案。首先,分析了低轨(LEO)卫星的覆盖时间。其次,联合考虑用户与无人机(UAV)匹配关联因子、任务分配、带宽分配、无人机计算资源分配以及无人机轨迹,旨在建立一个能耗最小化问题。最后,采用交替迭代优化算法,将原非凸问题分解为3个子问题,并利用变量替换和连续凸逼近方法将问题转化为凸问题进行求解。仿真结果表明,所提算法具有良好的收敛性能,并有效地降低系统能耗。     

大规模移动边缘计算网络：空间建模及计算吞吐量优化

提出并定义了大规模移动边缘计算(MEC)网络中的空间计算吞吐量这一性能指标,通过运用随机几何、凸优化等理论,对这一性能指标进行了分析和最优化设计。利用随机几何理论为大规模MEC网络建立空间模型,该模型涵盖边缘云及用户的空间随机分布、无线接入、计算任务卸载、边缘端并行计算等重要的网络特征。基于网络模型,首次对MEC网络空间计算吞吐量进行定义和分析,并通过优化设计MEC服务范围半径(r0)以及用户计算卸载比例(ρ)这两个指标,来实现MEC网络空间吞吐量的最大化。所提供的严谨的理论分析、富有物理内涵的优化结果将为部署大规模MEC网络提供了极为重要的设计指南。     

Stochastic Learning for Opportunistic Peer-to-Peer Computation Offloading in IoT Edge Computing

Peer-to-peer computation offloading has been a promising approach that enables resourcelimited Internet of Things(IoT) devices to offload their computation-intensive tasks to idle peer devices in proximity. Different from dedicated servers, the spare computation resources offered by peer devices are random and intermittent, which affects the offloading performance. The mutual interference caused by multiple simultaneous offloading requestors that share the same wireless channel further complicat...     

Intelligent Task Offloading and Collaborative Computation in Multi-UAV-Enabled Mobile Edge Computing

This article establishes a three-tier mobile edge computing(MEC) network, which takes into account the cooperation between unmanned aerial vehicles(UAVs). In this MEC network, we aim to minimize the processing delay of tasks by jointly optimizing the deployment of UAVs and offloading decisions,while meeting the computing capacity constraint of UAVs. However, the resulting optimization problem is nonconvex, which cannot be solved by general optimization tools in an effective and efficient way. To...     

Computation Rate Maximization in Multi-User Cooperation-Assisted Wireless-Powered Mobile Edge Computing with OFDMA

In the era of Internet of Things(Io T),mobile edge computing(MEC) and wireless power transfer(WPT) provide a prominent solution for computation-intensive applications to enhance computation capability and achieve sustainable energy supply. A wireless-powered mobile edge computing(WPMEC) system consisting of a hybrid access point(HAP) combined with MEC servers and many users is considered in this paper. In particular, a novel multiuser cooperation scheme based on orthogonal frequency division mul...     

基于移动路径预测的车载边缘计算卸载切换策略研究

车载云计算环境中的计算卸载存在回程网络延迟高、远程云端负载大等问题,车载边缘计算利用边缘服务器靠近车载终端,就近提供云计算服务的特点,在一定程度上解决了上述问题。但由于汽车运动造成的通信环境动态变化进而导致任务完成时间增加,为此该文提出一种基于移动路径可预测的计算卸载切换策略MPOHS,即在车辆移动路径可预测情况下,引入基于最小完成时间的计算切换策略,以降低车辆移动性对计算卸载的影响。实验结果表明,相对于现有研究,该文所提算法能够在减少平均任务完成时间的同时,减少切换次数和切换时间开销,有效降低汽车运动对计算卸载的影响。     

智能超表面赋能移动边缘计算部分任务卸载策略

针对移动边缘计算(MEC)任务卸载性能易受障碍物阻挡影响的问题,该文提出一种双智能超表面(RIS) 赋能的移动边缘计算任务部分卸载框架。首先,分析两个RIS之间的反射对链路增益的影响。其次,联合考虑终端用户的发射功率、终端用户的卸载速率、任务卸载量、卸载时间的分配以及RIS相移约束,旨在建立一个能耗最小化优化问题。最后,采用交替迭代算法,将原非凸问题分解为两个子问题,并利用Dinkelbach方法和最优性条件进行求解。仿真结果验证了所提算法的快速收敛特性以及在降低系统能耗方面的有效性。     

面向空天地一体化网络的移动边缘计算技术

空天地一体化通信网络是未来6G移动通信系统的重要发展趋势,能真正实现全球全域的"泛在连接"。考虑到空天地一体化网络的多层异构性,引入移动边缘计算(Mobile Edge Computing, MEC)技术可为用户提供各种数据业务计算服务的支持。首先,对空天地一体化网络中的天基网络、空基网络、地基网络以及MEC技术分别进行了概述,并讨论了引入MEC技术对空天地一体化网络带来的优势。其次,分别对低轨(Low Earth Orbit, LEO)卫星-MEC融合网络架构、高空平台(High Attitude Platforms, HAPs)-MEC融合网络架构、无人机(Unmanned Aerial Vehicle, UAV)-MEC融合网络架构以及空天地一体化网络(Space-Air-Ground Integrated Network, SAGIN)-MEC融合网络架构进行了介绍,并讨论了这4种架构的应用场景。最后,探讨了空天地一体化网络架构中安全性、移动性管理等关键性挑战问题。