面向多用户资源均衡分配的MEC计算卸载策略

来源：计算机集成制造系统杂志2024年第11期北京时间：

作者：卢敏, 宋逸杰, 杨晓慧, 杨忠明, 黄淳岚, 乐光学

单位：1.江西理工大学理学院2.嘉兴大学信息科学与工程学院3.上海大学计算机工程与科学学院

摘要：移动边缘计算在资源受限地区的物联网部署上面临能源、算力、容量等资源限制的挑战,为保障网络QoS,提出一种任务分组和资源分配联合优化的两阶段计算卸载策略(TSCOS)。以卸载决策和资源分配为约束,设计联合优化卸载算法来降低时延、提高资源利用率。第一阶段基于任务偏好的待卸载计算任务分组模型,与候选服务器进行预匹配,提高计算卸载的精准度以降低匹配时间开销;第二阶段运用Gale Shapley算法快速计算多对多博弈最优匹配解集,实现边缘网络负载均衡。与距离分组模型相比,任务偏好的分组模型可以提高卸载精准度以及计算资源的利用率。将TSCOS策略与随机游走策略(RS)、贪心策略(GE)以及动态资源调度策略(FFS+IPFS)对比,实验结果表明,TSCOS在服务器负载均衡方面相比,方差缩小达到2~4倍,任务成功率提高5%~15%;在相同的能耗下,能效比提高5%~10%。任务平均接收率和卸载任务处理成功率达92%和96%。

关键词：边缘计算,卸载决策,博弈匹配,资源分配,负载均衡

基金资助：国家自然科学基金重点资助项目(U19B2015);国家自然科学基金资助项目(11704163);浙江省“鲲鹏行动”计划资助项目;2021年江西省研究生创新专项资金资助项目(YC2021-S600)。