异步移动边缘计算卸载:高效能资源管理
研究了基于时分多址和正交频分多址的多用户 MECO 系统的资源分配,其中优化的资源分配被证明具有基于阈值的结构,而云计算的有限容量则通过提出子优化算法减少了计算复杂度。
May, 2016
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
本篇论文研究了一个多用户缓存辅助移动边缘计算系统中通信、缓存和计算的联合设计,提出了一种联合缓存和卸载机制,以及优化存储资源的能量最小化问题。数值结果表明,所提出的次优解法优于现有比较方案。
Aug, 2017
本文考虑一种基于 OFDMA 的多用户和多 MEC 服务器系统,联合研究任务卸载策略和无线资源分配,通过双层优化方法,将原始 NP 困难问题解耦为下层问题和上层任务卸载问题,通过模拟结果表明,与传统方案相比,所提出的算法在节能和成功卸载概率方面具有出色的性能。
Mar, 2018
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
本文研究了移动边缘计算中的任务调度问题,采用马尔科夫决策过程方法解决该问题,并且提出了一种有效的一维搜索算法来找到最优的任务调度策略。仿真结果表明,与基线策略相比,该策略可以实现更短的平均执行延迟。
Apr, 2016
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
本文提出了一种在线联合无线电和计算资源管理算法,用于多用户 MEC 系统,旨在最小化移动设备和 MEC 服务器的长期平均加权和功耗,同时满足任务缓冲稳定性约束。具体来说,我们在每个时隙中获取移动设备的最佳 CPU 周期频率,并使用 Gauss-Seidel 方法确定计算卸载的最佳传输功率和带宽分配;对于 MEC 服务器,推导出 CPU 核心的最佳频率和最佳 MEC 服务器调度决策。此外,提出了一个延迟改进机制来降低执行延迟。
Feb, 2017