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

本研究介绍了移动边缘计算技术，该技术可以通过将计算任务从无线设备卸载至网络边缘，从而实现实时信息传输和计算。

Dec, 2017

本文提出了一种混合整数非线性规划方法，以最小化计算延迟和移动用户的能量消耗，同时考虑服务缓存放置、计算卸载和系统资源分配，利用降低复杂度的交替最小化技术更新缓存放置和卸载决策。仿真表明，相比其他基准方法，所提出的技术实现了大量的资源节约。

Jun, 2019

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

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