基于缓存优化的移动边缘计算资源分配策略

移动边缘计算研究中,边缘服务器通过缓存任务数据可以有效节约计算资源,但如何分配缓存资源解决边缘服务器的竞争关系,以及能耗和效益问题,达到系统性能最优是一个NP难问题。为此提出基于缓存优化的在线势博弈资源分配策略OPSCO(online potential-game strategy based on cache optimization),采用新的缓存替换策略CASCU(cache allocation strategy based on cache utility),最大化缓存的效用。通过优化边缘服务器的效益指示函数,将缓存替换代价等因素与李雅普诺夫优化、势博弈以及EWA(exponential weighting algorithm)算法结合,对边缘服务器的竞争关系建模,进行势博弈相关证明和分析。仿真结果表明,OPSCO相比于其他资源分配策略,可以明显提升任务完成率和缓存效用,并降低设备能耗和时间开销,解决了移动边缘计算在线缓存场景中的资源分配以及数据缓存问题。     

一种基于博弈论的移动边缘计算资源分配策略

现有的对移动边缘计算资源分配策略问题的研究，较多的是针对时延和能耗因素进行优化，考虑边缘服务器的收益问题的相对较少，而在考虑边缘服务器收益时，许多研究忽略了对任务完成时延的优化。因此，提出了一种基于博弈论的双向更新策略(TUSGT)。TUSGT在边缘服务器侧将其之间的任务竞争关系转化为一个非合作博弈问题，采用基于势博弈的联合优化策略，允许边缘服务器以最大化其自身收益为目的来确定任务选择偏好。在移动设备侧使用在线学习中的EWA算法进行参数更新，从全局角度影响边缘服务器的任务选择偏好，提高总体任务完成率。仿真实验结果表明，TUSGT与BGTA、MILP、贪婪策略、随机策略、理想策略相比，任务完成率最多提高30%,边缘服务器平均收益最多提高65%。