随着5G时代的到来,万物互联逐渐成为现实,然而,物联网中的很多终端因计算资源不足导致功能受限。移动边缘计算是一种新型网络计算模式,其终端设备可以将资源敏感型应用卸载到附近计算资源充足的边缘节点,从而降低运行成本/时延,提高服务质量(QoS,quality of service)。针对移动边缘计算资源部署问题进行研究,考虑网络服务提供商(ISP,Internet service provider)支付部署资源的费用,同时向终端设备出租资源以获得收入的场景。由于物联网终端设备的资源需求是快速随机变化的,而边缘计算资源的部署是一个长期缓慢变化的过程,因此,合理的资源部署策略至关重要。提出了一个基于5G网络模型的分层网络结构,其中,计算资源可以部署在基站端、汇聚端以及云端等不同的网络层级。基于该分层网络架构,最优资源部署问题被构建为一个以ISP的利润最大化为优化目标的混合整数规划问题,并基于MATLAB中的CVX工具箱对该问题进行求解。仿真结果表明,所提出的移动边缘计算资源分层部署方案在ISP收入和部署成本方面的性能均优于平坦型资源部署方案。
移动边缘计算(MEC,mobile edge computing)作为将计算基础设施从远程云数据中心推向边缘设备的新架构模式,为满足物联网(IoT,Internet of things)应用时延敏感、计算密集等需求提供了新方案。针对可切分任务在多用户多MEC服务器系统中...
详细信息
移动边缘计算(MEC,mobile edge computing)作为将计算基础设施从远程云数据中心推向边缘设备的新架构模式,为满足物联网(IoT,Internet of things)应用时延敏感、计算密集等需求提供了新方案。针对可切分任务在多用户多MEC服务器系统中的任务卸载与调度问题进行研究,每个用户任务均可切分为多个相互关联的子任务,且子任务均可在本地执行或被卸载到某MEC服务器执行,系统通过对子任务的卸载和调度决策来提高网络性能。使用用户体验(QoE,quality of experience)和用户间公平性来表征网络性能,将优化问题建模为一个可切分任务卸载和调度(J-DTOS,joint dependent task offloading and scheduling)优化问题。该问题是一个NP-hard非线性混合整数规划问题,因此,所提方案进一步通过引入中间变量重新构造了原问题,并基于此提出了一个近似最优解。仿真结果表明,所提的卸载和调度策略能显著提高系统的性能。
暂无评论