Multi-Access Edge Computing：多接入（ 5G/4G/WiFi/有线）边缘计算等各种物联网应用场景移动互联网驱动ICT融合，5G面向跨行业全业务方向发展，现有网络垂直封闭烟囱式架构不能满足低时延/高带宽等业务需求，网络需面向全云化演进，MEC实现本地化泄流与云服务提供

东洲物联自研了低功耗的通用型物联网网关和具有强大本地计算能力的边缘计算物联网网关，为复杂多变物联网应用场景实现了业务快速部署、策略灵活设置；统一实现物联感知、数据采集、网络传输和决策执行。属于标准化、适应性高、应用可扩展的智慧物联网感知层节点设备。

设备接入能力高并发能力，数据分析与可视化能力，安全能力边缘计算能力，提供设备接入套件，降低设备支持千万级设备，同时并发并提供设备数据实时计算引擎云、管、边、端全方位安全支持多协议、多种计算能接入成本,提升连接稳定性保证设备的稳定性和便捷的可视化工具监控、预警以及专业服务力;云边端一体化协同能力

更高效的管理：降低购物中心人力成本以及能耗成本 更匹配的商户：通过数据决策招商及商户服务 更匹配的人群：通过数据决策顾客服务及营销活动 四大行业中心 领域服务模型和工具为ISV/SI降低开发和部署成本 模块式架构体系支持用户随时迭代满足用户50年运营需求

提出了 5G 边缘计算安全防护策略，方便行业用户在开展 5G 边缘计算应用的同时，落实安全三同步（同步规划、建设、维护）方针，指导行业提升边缘计算的安全能力

安信证券-计算机行业深度分析：边缘计算，5G时代新风口

移动边缘计算的最小完成时间分流算法

论文笔记 此篇博文用于记录阅读一些论文之后所得。 Computation Offloading in Multi-access Edge Computing using Deep Sequential Model based on Reinforcement Learning 一、论文解决了什么问题？ 由于MEC卸载问题是NP-hard的，现有的卸载策略研究大多都基于启发式算法，但随着MEC应用和无线网络体系结构的日益复杂，任何启发式的卸载策略都很难完全适应MEC中的各种场景。为了解决任务依赖性和适应动态场景的挑战，文中提出了一种新的基于DRL的卸载框架。提出的解决方案可以自动发现各种应用程序

移动边缘计算（MEC）将计算和存储资源移动到移动网络的边缘，使其能够在满足严格的延迟要求的同时在移动设备处运行要求高处理的应用。它考虑了移动计算卸载问题，其中可以调用工作流中的多个移动服务来满足其复杂需求，并决定是否卸载工作流的服务，同时考虑了组件服务之间的依赖关系，并旨在优化执行移动服务的执行时间和能耗。针对上述问题运用了基于遗传算法（GA）的卸载方法，经过设计和实施后，部分修改传统遗传算法，以满足对所述问题的特殊需求。仿真实验表明，GA算法的实验效果都优于算法Local Execution和RANDOM得到的实验结果。