移动边缘计算：架构和计算卸载的调查
本文介绍了一种利用能量收集技术来为移动设备供电的绿色 MEC 系统，并开发了一种有效的计算卸载策略。从执行成本、执行延迟和任务失败三个角度，提出了 Lyapunov 优化的动态计算卸载（LODCO）算法，并在模拟中验证了其有效性和性能。
May, 2016
本研究探讨了移动边缘计算（MEC）与新兴技术的融合，其中包括 Metaverse、6G 无线通信、人工智能 (AI) 和区块链，重点关注于这些技术的技术融合，如 MEC 和 6G 的融合、MEC 与区块链的融合等，并介绍了 MEC 在移动增强现实（MAR）和 Metaverse 的应用场景。
Sep, 2022
本文提出了一种名为 OREO 的基于 Lyapunov 优化和 Gibbs 采样的在线算法，用于动态服务缓存和任务卸载，以应对 MEC 系统中的关键挑战，包括服务异构性、未知系统动态、空间需求耦合和分散协调，可有效降低终端用户的计算延迟并保持能源消耗低。
Jan, 2018
本研究提出在多用户 MEC 系统中优化资源分配，解决 I/O 干扰问题，设计针对多种指标的离线调度算法，实现用户的离线调度，控制他们的离线大小并将时间分配给通信与计算。
Nov, 2018
该研究论文概述了移动边缘计算技术的现状和潜在应用，并提出与 5G 及更高版本的新技术相结合的 MEC 方案，最终总结了当前研究现状和挑战，并探讨了潜在未来方向。
Jun, 2019
本文提出了一种基于深度强化学习和马尔科夫决策过程的移动边缘计算系统中的任务卸载策略优化算法。实验结果表明，该算法相比基线策略有了显著的平均成本改善。
Mar, 2018
本文针对异步 MECO 系统提出了能耗最小化的资源管理策略，根据时间共享和计算截止期限约束，通过数据分割和时间分割来实现终端设备，移动网络和云之间的计算负载均衡和协同工作。
Jan, 2018
本论文提出了一种基于极值理论的移动边缘计算系统设计，用于满足极其可靠的低延迟要求和减少用户能量消耗，同时考虑无线通道动态和服务器资源负载。论文提供了两种时间尺度的解决方案，即长时间尺度下的用户 - 服务器关联和短时间尺度下的动态任务卸载和资源分配策略，并通过仿真实验验证了该方法的有效性。
Dec, 2018