基于两阶段优化的并发流任务计算卸载策略
来源：计算机工程杂志2022年第12期北京时间：
作者：姚政, 吴怀宇, 陈洋
单位：1. 冶金自动化与检测技术教育部工程研究中心, 武汉 430081;2. 武汉科技大学 机器人与智能系统研究院, 武汉 430081
摘要：计算卸载作为移动边缘计算中最关键的技术之一而备受研究人员的关注，然而现有研究较少同时考虑拓扑结构、优化目标多样性及计算资源竞争的特性。针对移动边缘计算场景下的并发型数据流任务计算卸载及资源竞争问题，设计一种基于并发型数据流任务的多目标计算卸载混合整数模型，并给出一种基于多目标优化和多属性决策的两阶段优化框架对该模型进行求解。在多目标优化阶段，提出改进动态多种群并行NSGA-II（DMP-NSGA-II）算法，包括多种群多交叉策略、动态调整种群规模与二次局部搜索的改进策略，以解决局部收敛和全局搜索难以平衡的问题，同时设计一种基于混合式求解框架的DMP-NSGA-II算法求解多目标混合整数模型。在多属性决策阶段，提出一种基于模糊C均值聚类和灰关联投影法的后验选解方法，以选出在不同偏好下具有代表性的最优卸载决策。在测试函数和模型实例上的实验结果表明，设计的两阶段优化框架能够有效地求解所提出的模型，在ZDT系列测试函数上DMP-NSGA-II算法的HV和SP指标表现全面优于NSGA-II、MOEA/D和MOEA/D-DE算法，在模型实例上DMP-NSGA-II算法的Meantime和Meanenergy指标相较于基于混合式求解框架的NSGA-II算法，分别提升了30.1%和8.9%。
关键词：并发流任务,计算资源竞争,偏好多目标,移动边缘计算,模糊C-均值聚类
基金资助：国家自然科学基金（62173262，62073250）。
