本研究论文介绍了移动边缘计算(MEC)的概念和应用,特别针对计算卸载的决策、计算资源分配、移动管理等三个关键领域的研究进行了详细的探讨,同时归纳了该领域的研究成果和未来需解决的开放性研究问题。
Feb, 2017
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
在多用户移动边缘计算场景下,考虑延迟和可靠性约束,提出了一种概率约束方法,使用了极值理论来解决低概率事件的问题,旨在最小化计算和传输功率,并使用 Lyapunov 随机优化工具解决。模拟结果表明该方法的有效性,同时研究了不同计算强度所需的功率延迟权衡和计算资源。
Oct, 2017
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
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
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。
本文旨在研究移动边缘计算卸载系统(MECO)中资源分配与压缩模型对系统延迟的影响,并通过数值模拟验证了不同模型的有效性。
Apr, 2017
本文研究了一种移动边缘计算服务定价方案,来协调服务缓存决策和控制设备的任务卸载行为。通过采用两阶段的动态不完全信息博弈模型,得到了设备的最优卸载策略,同时利用低复杂度算法优化基站的服务定价和缓存策略。
Nov, 2020