为了在移动边缘计算(MEC)中最大限度地减少处理用户任务的时延和能耗，改善用户体验，以最小化用户的完成时间和能耗的加权和为目标，在计算资源的约束下研究了多用户、多MEC服务器中的计算卸载问题。针对此问题，考虑卸载决策和资源分配之间存在的依赖关系，首先将原问题解耦为卸载决策和计算资源分配2个子问题。然后，使用鲸鱼优化算法求解卸载决策问题，通过添加非线性收敛因子和惯性权重加快收敛速度；引入反馈机制，防止陷入局部最优，得到更高概率可行的卸载决策；对于资源分配问题使用拉格朗日乘子法得到每个卸载决策下的最佳计算资源分配解。最后，通过多次迭代得到稳定的收敛解。仿真实验结果表明，与其他基准方案相比，最多减少了44.6%的系统开销。

In order to minimize the processing latency and energy consumption for user tasks in Mobile Edge Computing (MEC) and enhance user experience, this paper focuses on the computation offloading problem in a multi-user, multi-MEC server scenario under constraints on computational resources. With the objective of minimizing the weighted sum of user completion time and energy consumption, the problem is tackled by first decoupling it into two sub-problems: offloading decision and computation resource allocation. The Whale Optimization Algorithm is employed to solve the offloading decision problem, enhancing convergence speed by introducing a nonlinear convergence factor and inertial weight. A feedback mechanism is introduced to prevent local optima, yielding offloading decisions with higher probability of feasibility. The resource allocation problem is addressed using the Lagrange multiplier method to obtain the optimal computation resource allocation for each offloading decision. Finally, stable converged solutions are obtained through multiple iterations. Simulation results demonstrate that, compared to other benchmark solutions, the proposed approach reduces the system overhead by up to 44.6%.


相关文章

[1]	李卫平1,2，武海燕2，杨杰1. 基于效益博弈的云计算资源动态可协调分配策略研究[J]. J4, 20160101, 38(01): 57-61.
[2]	徐嘉, 张骥先, 王喆民, 刘林杰. 基于NUMA云计算架构的多资源分配可信拍卖机制[J]. 计算机工程与科学, 2024, 46(05): 761-775.
[3]	方海, 赵扬, 高媛, 杨旭. 考虑任务依赖的卫星边缘计算资源分配与卸载决策算法[J]. 计算机工程与科学, 2022, 44(11): 1951-1958.
[4]	池来新, 杨旭涛, 谢宁, 张学杰. 边缘计算系统中资源分配防策略拍卖机制设计[J]. 计算机工程与科学, 2021, 43(10): 1720-1729.
[5]	季子豪, 江凌云. 一种基于遗传算法的多站点协同计算卸载算法[J]. 计算机工程与科学, 2021, 43(03): 426-434.
[6]	吴俊斌, 吴晟, 吴兴蛟. 一种用于求解TSP问题的随机最佳插入烟花算法[J]. 计算机工程与科学, 2020, 42(11): 2080-2087.
[7]	童钊, 叶锋, 刘碧篮, 邓小妹, 梅晶, 刘宏. 移动边缘计算中多约束下的任务卸载和资源分配算法[J]. 计算机工程与科学, 2020, 42(10高性能专刊): 1869-1879.
[8]	薛建彬,安亚宁. 基于边缘计算的新型任务卸载与资源分配策略[J]. 计算机工程与科学, 2020, 42(06): 959-965.
[9]	李波，牛力，彭紫艺，黄鑫，丁洪伟. 基于马尔科夫决策过程的车载边缘计算切换策略[J]. 计算机工程与科学, 2020, 42(05): 788-794.
[10]	刘少楠，李玲，苑迎，蒋国佳，王聪，吕艳霞. 基于节点连通性排序的虚拟网络映射算法[J]. 计算机工程与科学, 2019, 41(12): 2101-2109.
[11]	刘辉1,2,3，宋家旺1,2，代云霞1,2，朱彬欣1,2. 异构网络中基于用户划分的资源分配与功率控制方案[J]. 计算机工程与科学, 2019, 41(08): 1398-1405.
[12]	朱新峰1,张智浩1，王彦凌2. 移动边缘计算环境下的动态资源分配策略[J]. 计算机工程与科学, 2019, 41(07): 1184-1190.
[13]	郭金林，武继刚，陈龙，史雯隽. 基于光纤-无线网络的协同计算卸载算法[J]. 计算机工程与科学, 2019, 41(01): 31-40.
[14]	张鹏1,2，冯旭祥1，葛小青1. 基于改进遗传算法的多天线地面站硬件资源分配方法[J]. 计算机工程与科学, 2017, 39(06): 1155-1163.
[15]	梁毅1，侯颖1，陈诚1，金翊2. 面向大数据流式计算的任务管理技术综述[J]. 计算机工程与科学, 2017, 39(02): 215-226.