移动边缘计算(MEC，mobile edge computing)中计算卸载技术即将移动终端的计算任务卸载到边缘网络，解决了设备在资源存储、计算性能以及能效等方面存在的不足。同时相比于云计算中的计算卸载，MEC 解决了网络资源的占用、高时延和额外网络负载等问题。首先介绍了 MEC 的网络架构及其部署方案，并对不同的部署方案做了分析和对比；然后从卸载决策、资源分配和系统实现这3个方面对MEC计算卸载关键技术进行了研究；通过对5G环境及其MEC部署方案的分析提出了两种计算卸载优化方案，总结归纳了目前MEC中计算卸载技术面临的移动性管理、干扰管理以及安全性等方面的核心挑战。
2021-07-21 17:30:28
1.25MB
1
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。
2021-05-08 17:13:23
673KB
1
为了解决移动终端资源有限的问题，提升任务处理效率，提出了基于边-端协同的任务卸载与资源分配算法，以任务完成总效益最大化为目标，以业务QoS保证和资源受限为约束，形成了基于李雅普诺夫理论的最优任务卸载资源分配问题，由于该问题是NP难问题，因此提出了解将其耦为采用KKT条件求解的信道资源分配问题和关于任务分配的0-1整数规划问题。与传统算法相比，所提算法的复杂度是O(mn)，并提高了约20%的效益，降低了15%以上的时延。
2021-05-07 13:44:31
842KB
1
移动边缘计算改变了4G系统中网络和业务分离的状态，通过对传统无线网络增加MEC平台网元，将业务平台（包含内容、服务、应用）下沉到移动网络边缘，为移动用户提供计算和数据存储服务。MEC平台的具体部署方式主要分为两类，包括宏基站场景的部署以及小小区基站场景的部署。
（1）宏基站场景部署
一般来说，基站的服务范围较广，服务用户较多，且宏基站本身具备一定的计算和存储能力，故MEC在宏基站场景的部署主要为将MEC平台直接嵌入到宏基
2021-04-18 09:31:19
347KB
1
为实现车辆终端用户任务执行时延与处理速率、能耗的最佳均衡关系，针对车联网的边缘接入环境，提出了一种基于深度 Q 网络（DQN）的计算任务分发卸载算法。首先根据层次分析法对不同车辆终端的计算任务进行优先级划分，从而为计算任务处理速率赋予不同的权重建立关系模型；然后引入基于深度Q网络的边缘计算方法，以计算任务处理速率加权和为优化目标建立任务卸载模型；最后建立基于 DQN 的车辆终端自主最优任务卸载策略，最大化卸载决策制定模型的长期效用。仿真结果表明，相比Q学习算法，所提算法有效提高了任务执行效率。
2021-04-14 20:33:15
793KB
1