图片丢失啦 智能化边缘计算

边缘计算使得服务调用所需的数据、数据处理和应用程序可以部署在网络边缘设备中,边缘服务器可以直接与用户进行业务交互并对相关数据进行处理边缘计算产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。本虚拟专题遴选了《计算机科学》近年报道的边缘计算方面的相关优质文章,欢迎广大学者下载阅读。

默认 最新文章 浏览次数
Please wait a minute...
选择: 显示/隐藏图片
1. 边缘计算助力工业互联网:架构、应用与挑战
李辉, 李秀华, 熊庆宇, 文俊浩, 程路熙, 邢镔
计算机科学    2021, 48 (1): 1-10.   DOI: 10.11896/jsjkx.200900150
摘要828)      PDF(pc) (3930KB)(2139)    收藏
工业互联网通过整合5G通信、人工智能等先进技术,将各类具有感知、控制能力的传感器与控制器融入工业生产过程,来优化产品生产工艺,降低成本,提高生产率。传统的云计算模式由于集中式部署的特点,计算节点通常离智能终端较远,难以满足工业领域对高实时性、低延迟的需求。边缘计算通过将计算、存储与网络等资源下沉到工业网络边缘,可以更加便捷地响应设备请求,满足工业互联网环境下智能接入、实时通信、隐私保护等关键需求,实现智能绿色通信。文中首先介绍了工业互联网的发展现状和边缘计算的相关概念,然后系统地论述了工业互联网边缘计算架构及推动工业互联网边缘计算发展的核心技术,最后总结了边缘计算在工业互联网领域的成功应用案例,并阐述了当下工业互联网边缘计算的现状与挑战。
参考文献 | 相关文章 | 多维度评价
2. 边缘计算中任务卸载研究综述
刘通, 方璐, 高洪皓
计算机科学    2021, 48 (1): 11-15.   DOI: 10.11896/jsjkx.200900217
摘要881)      PDF(pc) (1452KB)(4190)    收藏
近年来,随着移动智能设备的普及以及5G等无线通信技术的发展,边缘计算作为一种新兴的计算模式被提出,作为传统的云计算模式的扩展与补充。边缘计算的基本思想是将移动设备上产生的计算任务从卸载到云端转变为卸载到网络边缘端,从而满足实时在线游戏、增强现实等计算密集型应用对低延迟的要求。边缘计算中的计算任务卸载是一个关键的研究问题,即计算任务应在本地执行还是卸载到边缘节点或云端。不同的任务卸载方案对任务完成时延和移动设备能耗都有着较大的影响。文中首先介绍了边缘计算的基本概念,归纳了边缘计算的几种系统架构。随后,详细阐述了边缘计算中的计算任务卸载问题。基于对任务卸载方案研究的必要性与挑战的分析,对现有的相关研究工作进行了全面的综述和总结,并对未来的研究方向进行了展望。
参考文献 | 相关文章 | 多维度评价
3. 物联网中多设备多服务器的移动边缘计算任务卸载技术综述
梁俊斌, 田凤森, 蒋婵, 王天舒
计算机科学    2021, 48 (1): 16-25.   DOI: 10.11896/jsjkx.200500095
摘要653)      PDF(pc) (2195KB)(1396)    收藏
随着物联网(Internet of Things,IoT)技术的快速发展,出现了大量具有不同功能的设备(如多种带不同传感器的智能家居设备、移动智能交通设备、智能物流或仓储管理设备等),它们相互连接,被广泛应用于智能城市、智慧工厂等领域。然而,这些物联网设备的处理能力有限,很难满足延迟敏感、计算密集型应用的需求。移动边缘计算(Mobile Edge Computing,MEC)的出现有效解决了这一问题。物联网设备可以将任务卸载到MEC服务器上,借助它们完成相应的计算任务。这些服务器通常由网络运营商部署在网络边缘,即靠近用户端的网络接入层,用于汇聚用户网络的网络层面。某一段时间内,物联网设备可能处于多个MEC服务器的覆盖区域中,多个设备共享服务器有限的计算和通信资源。在这个复杂环境下,制定一个任务卸载和资源分配方案,使得任务完成的时延或物联网设备的能耗达到最优化,是一个NP-难问题。目前,已有许多工作对这一问题进行了研究,并取得了一定的成果,但在实际的应用中仍面临着一些问题。为了更深入地推进该领域的研究,文中对近几年的最新研究成果进行了分析、归纳和总结,对比分析了它们的优缺点,并对未来的工作进行了展望。
参考文献 | 相关文章 | 多维度评价
4. 基于排队论的服务资源可用性相关研究综述
张恺琪, 涂志莹, 初佃辉, 李春山
计算机科学    2021, 48 (1): 26-33.   DOI: 10.11896/jsjkx.200900211
摘要515)      PDF(pc) (1486KB)(2335)    收藏
排队论在很多领域中解决了复杂的排队问题,文中首先对排队论的一般模型表示和常见模型进行了介绍。然后,简要对排队论解决的各类问题进行了归纳总结,重点对近年来有关排队论的服务资源可用性预测文献进行了综述,对排队模型在日常生活、云计算以及网络资源等场景中的应用进行总结。通过对文献进行综述找到服务与用户需求之间的关系,并对预测服务可用性的目的进行分类和总结归纳,包括对资源进行预测、合理规划以及分配资源、满足用户需求、缩短用户等待时间、提高系统可靠性等。通过对此类文献的总结,找出其存在的问题,并提出了改进方法和建议。最后,对基于排队论的服务资源可用性预测在推荐方面的应用进行趋势展望,并简要说明今后的研究方向和将要遇到的挑战。
参考文献 | 相关文章 | 多维度评价
5. 基于移动边缘计算的车载CAN网络入侵检测方法
于天琪, 胡剑凌, 金炯, 羊箭锋
计算机科学    2021, 48 (1): 34-39.   DOI: 10.11896/jsjkx.200900181
摘要609)      PDF(pc) (2718KB)(1214)    收藏
随着车联网技术的快速发展和广泛部署,其在为智能网联汽车提供互联网与大数据分析等智能化服务的同时,引入了网络入侵等安全与隐私问题。传统车载网络的封闭性导致现有的车载网络通信协议,特别是部署最为广泛的控制器局域网络(Controller Area Network,CAN)总线协议,在发布时缺少隐私与安全保护机制。因此,为检测网络入侵、保护智能网联汽车安全,文中提出了一种基于支持向量数据描述(Support Vector Data Description,SVDD)的车载CAN网络入侵检测方法。该方法提取单位时间窗内CAN网络报文ID的加权自信息量和ID的归一化值作为特征信息,并在移动边缘计算服务器处构建并训练SVDD模型,目标车辆基于训练的SVDD模型进行异常特征值识别,从而实现实时的车载CAN网络入侵检测。文中采用韩国高丽大学HCR实验室公开的CAN网络数据集,对所提方法与3种传统的基于信息熵的车载网络入侵检测方法在拒绝服务攻击和伪装攻击检测准确率方面进行了对比与分析。仿真实验结果表明,在少量报文入侵时,所提方法显著提高了入侵检测的准确率。
参考文献 | 相关文章 | 多维度评价
6. 一种基于深度强化学习与概率性能感知的边缘计算环境多工作流卸载方法
马堉银, 郑万波, 马勇, 刘航, 夏云霓, 郭坤银, 陈鹏, 刘诚武
计算机科学    2021, 48 (1): 40-48.   DOI: 10.11896/jsjkx.200900195
摘要525)      PDF(pc) (4467KB)(1304)    收藏
移动边缘计算是一种新兴的分布式和泛在计算模式,其将计算密集型和时延敏感型任务转移到附近的边缘服务器,有效缓解了移动终端资源不足的问题,显著减小了用户与计算处理节点之间的通信传输开销。然而,如果多个用户同时提出计算密集型任务请求,特别是流程化的工作流任务请求,边缘计算环境往往难以有效地进行响应,并会造成任务拥塞。另外,受任务负载、电力供给、通信能力的实时变化等不利因素的影响,边缘服务器本身的性能总是处于波动和变化中,从而为保证任务执行效能和用户感知服务效率带来了挑战。针对上述问题,文中提出了一种基于深度Q网络(DQN)与概率性能感知机制的边缘计算环境多工作流调度方法。首先对边缘云服务器的历史性能数据进行概率分析,然后利用获得的性能概率分布数据驱动DQN模型,不断迭代优化,生成多工作流的卸载策略。在实验验证环节,基于边缘服务器位置数据集、性能测试数据和多个科学工作流模板,在反映不同系统负载水平的多个场景下进行了模拟实验。实验结果表明,所提方法在多工作流执行效率方面明显优于传统方法。
参考文献 | 相关文章 | 多维度评价
7. 基于延迟接受的多用户任务卸载策略
毛莺池, 周彤, 刘鹏飞
计算机科学    2021, 48 (1): 49-57.   DOI: 10.11896/jsjkx.200600129
摘要439)      PDF(pc) (2576KB)(909)    收藏
随着人工智能的应用对计算资源的要求越来越高,移动设备由于计算能力和存储能量有限而无法处理这类有实时性需求的计算密集型应用。移动边缘计算(Mobile Edge Computing,MEC)可以在无线网络边缘提供计算卸载服务,达到缩短时延和节约能源的目的。针对多用户依赖任务卸载问题,在综合考虑时延与能耗的基础上建立用户依赖任务模型,提出了基于延迟接受的多用户任务卸载策略(Multi-User Task Offloading Based on Delayed Acceptance,MUTODA),用于解决时延约束下最小化能耗的任务卸载问题。该策略通过非支配的单用户最优卸载策略和解决资源竞争的调整策略两个步骤的不断迭代,来解决多用户任务卸载问题。实验结果表明,相比基准策略和启发式策略,基于延迟接受的多用户任务卸载策略能够提高约8%的用户满意度,节约30%~50%的移动终端能耗。
参考文献 | 相关文章 | 多维度评价
8. 移动边缘计算中的动态用户分配方法
唐文君, 刘岳, 陈荣
计算机科学    2021, 48 (1): 58-64.   DOI: 10.11896/jsjkx.200900079
摘要382)      PDF(pc) (3029KB)(1177)    收藏
在边缘计算环境中,为用户匹配合适的服务器是一个关键问题,可以有效提升服务质量。文中将边缘用户分配问题转换为一个受距离和服务器资源约束的二分图匹配问题,并将其建模为一个0-1整数规划问题进行优化。在离线状态下,基于精确式算法的优化模型可以求得最优分配策略,但其求解时间过长,无法处理规模较大的数据,不适用于现实服务环境。因此,提出了基于启发式策略的在线分配方法,以在时间有限的情况下优化用户-服务器的分配。实验结果显示,基于近邻启发式的在线方法的竞争比能够接近100%,可以在可接受的时间范围内求得较优的分配解。同时,近邻启发式方法比其他基础启发式方法的表现更优秀。
参考文献 | 相关文章 | 多维度评价
9. 边缘计算场景中基于虚拟映射的隐私保护卸载算法
余雪勇, 陈涛
计算机科学    2021, 48 (1): 65-71.   DOI: 10.11896/jsjkx.200500098
摘要746)      PDF(pc) (2098KB)(764)    收藏
随着移动边缘计算(Mobile Edge Computing,MEC)和无线充电技术(Wireless Power Transmission,WPT)的诞生和发展,越来越多的计算任务被卸载至MEC服务器以进行处理,并借助WPT技术为终端设备供电,以缓解终端设备计算能力受限和设备能耗过高的问题。由于卸载的任务和数据往往携带用户个人使用习惯等信息,因此将任务卸载到MEC服务器进行处理会导致新的隐私泄露问题。针对上述问题,文中首先对计算任务的隐私量进行定义,并设计了能够降低用户在MEC服务器累积隐私量的虚拟任务映射机制;然后,综合考虑映射机制与隐私约束的优化,提出了一种具有隐私保护效果的在线隐私感知计算卸载算法;最后,对仿真结果进行分析发现,所提卸载方法能够使用户累积隐私量保持在隐私阈值内,达到了隐私保护的效果,同时提高了系统计算速率,降低了用户计算时延。
参考文献 | 相关文章 | 多维度评价
10. 一种基于遗传算法的多边缘协同计算卸载方案
高基旭, 王珺
计算机科学    2021, 48 (1): 72-80.   DOI: 10.11896/jsjkx.200800088
摘要532)      PDF(pc) (2314KB)(1341)    收藏
边缘计算(Edge Computing,EC)作为云计算的补充,在处理 lOT 设备产生的计算任务时可以保证计算的延时符合系统的要求。针对在传统卸载场景中,由于计算任务到达存在空窗期导致异地边缘云存在空闲状态,造成异地边缘云利用不充分的问题,文中提出了一种基于遗传算法的多边缘与云端协同计算卸载模型(Genetic Algorithm-based Multi-edge Collaborative Computing Offloading Model,GAMCCOM)。该计算卸载方案联合本地边缘和异地边缘进行任务卸载,并采用遗传算法进行求解,从而得到同时考虑时延和能耗的最小的系统代价。通过仿真实验结果可知,在综合考虑卸载系统的时延消耗和能量消耗的情况下,该方案相比基本的三层卸载方案系统整体代价降低了23%,在只考虑时延消耗和只考虑能量消耗的情况下依然分别能够降低系统代价 17% 和 15%。因此针对边缘计算的不同卸载目标,GAMCCOM 卸载方案对系统代价均有比较优秀的降低效果。
参考文献 | 相关文章 | 多维度评价
11. 基于负载均衡的VEC服务器联合计算任务卸载方案
杨紫淇, 蔡英, 张皓晨, 范艳芳
计算机科学    2021, 48 (1): 81-88.   DOI: 10.11896/jsjkx.200800220
摘要429)      PDF(pc) (2388KB)(820)    收藏
在车载边缘计算(Vehicular Edge Computing,VEC)网络中,车辆计算资源受限导致无法处理海量的计算任务,需要将车载应用产生的计算任务卸载到VEC服务器上进行处理。但车辆的移动性和区域部署的差异性易导致VEC服务器负载不均衡,造成了计算卸载效率和资源利用率降低。为解决该问题,提出一种计算卸载和资源分配方案,以使用户效用最大化。将用户效用最大化问题转化成服务器选择决策和卸载比例与计算资源分配联合优化两个子问题,在此基础上设计基于匹配的服务器选择决策算法和基于Adam梯度优化法的计算任务卸载比例与资源分配联合优化算法,并对上述两种算法进行联合迭代,直至收敛,从而得到近似最优解以达到负载均衡。仿真结果表明,相比最近卸载方案和预测卸载方案,该方案能有效降低计算任务处理时延和车辆能耗,增大车辆效用,促进负载均衡。
参考文献 | 相关文章 | 多维度评价
12. L-YOLO:适用于车载边缘计算的实时交通标识检测模型
单美静, 秦龙飞, 张会兵
计算机科学    2021, 48 (1): 89-95.   DOI: 10.11896/jsjkx.200800034
摘要683)      PDF(pc) (3375KB)(921)    收藏
在车载边缘计算单元中,由于其硬件设备的资源受限,开发适用于车载边缘计算的轻量级、高效的交通标识检测模型变得越来越迫切。文中提出了一种基于Tiny YOLO改进的轻量级交通标识检测模型,称为L-YOLO。首先,L-YOLO使用部分残差连接来增强轻量级网络的学习能力;其次,为了降低交通标识的误检和漏检,L-YOLO使用高斯损失函数作为边界框的定位损失。在TAD16K交通标识检测数据集上,L-YOLO的参数量为18.8 M,计算量为8.211 BFlops,检测速度为83.3 FPS,同时mAP达到86%。实验结果显示,该算法在保证实时性的同时,还提高了检测精度。
参考文献 | 相关文章 | 多维度评价
13. 基于近似匹配的移动边缘计算缓存管理方法
郦睿翔, 毛莺池, 郝帅
计算机科学    2021, 48 (1): 96-102.   DOI: 10.11896/jsjkx.200800215
摘要440)      PDF(pc) (2352KB)(787)    收藏
针对终端用户产生大量相同或相似计算请求的情况,可以通过近似匹配在边缘服务器缓存空间中查找相似数据,选取可复用的计算结果。现有算法大多未考虑数据分布不均的问题,导致计算量和时间开销较大,对此文中提出基于动态局部敏感哈希算法与加权k近邻算法的缓存数据选择策略(Cache Selection Strategy based on Dynamic-LSH algorithm and Weighted-KNN algorithm,CSS-DLWK)。其中,Dynamic-LSH算法能够针对数据分布不均的问题,根据数据分布的变化动态调整哈希桶粒度,从缓存空间中选出与输入数据相似的数据集合;Weighted-KNN算法以距离和样本数为权重,对由Dynamic-LSH算法获取的相似数据集合进行数据再选取,得到与输入数据最相似的数据,获取相应的计算结果以供复用。仿真实验结果表明,在CIFAR-10数据集中,与基于A-LSH算法与H-KNN算法的缓存选取策略相比,CSS-DLWK策略的平均选取准确率提高了4.1%;与传统的LSH算法相比,其平均选取准确率提高了16.8%。CSS-DLWK策略能够在可接受的数据选取时间开销内,有效地提高可复用数据选取的准确率,从而减少边缘服务器的重复计算。
参考文献 | 相关文章 | 多维度评价
14. 基于用户延迟感知的移动边缘服务器放置方法
郭飞雁, 唐兵
计算机科学    2021, 48 (1): 103-110.   DOI: 10.11896/jsjkx.200900146
摘要533)      PDF(pc) (3351KB)(1145)    收藏
物联网和5G网络的快速发展产生了大量数据,通过将计算任务从移动设备卸载到具有足够计算资源的边缘服务器上,可有效减少网络拥塞和数据传播延迟等问题。边缘服务器放置是任务卸载的核心,高效的边缘服务器放置方法能有效满足移动用户访问低时延、高带宽等需求。为此,文中以最小化访问延迟和最小化负载差异为优化目标,建立边缘服务器放置优化模型;然后,提出了一种基于改进启发式算法的移动边缘服务器放置方法ESPHA (Edge Server Placement Based on Heuristic Algorithm),实现多目标优化。首先将K-means算法与蚁群算法相结合,通过效仿蚁群在觅食过程中共享信息素,将信息素反馈机制引入边缘服务器放置方法中,然后,通过设置禁忌表对蚁群算法进行改进,提高算法的收敛速度;最后,用改进的启发式算法求解模型的最优放置方案。使用上海电信真实数据集进行实验,结果表明提出的ESPHA方法在保证服务质量的前提下取得了低延迟和负载均衡之间的优化平衡,其效果优于现有的其他几种代表性的方法。
参考文献 | 相关文章 | 多维度评价
15. 智能化边缘计算专题序言
计算机科学    2021, 48 (1): 0-00.  
摘要423)      PDF(pc) (477KB)(743)    收藏
相关文章 | 多维度评价
16. 边缘计算中面向数据流的实时任务调度算法
张翀宇, 陈彦明, 李炜
计算机科学    2022, 49 (7): 263-270.   DOI: 10.11896/jsjkx.210300195
摘要319)      PDF(pc) (2316KB)(789)    收藏
近年来,随着物联网(Internet of Things,IoT)技术的发展,其应用场景呈爆炸式增长,这类应用一般具有时延敏感性和资源受限性。如何在有限的资源环境下实现任务的实时分配是当前的一个研究热点,而将这些有限的计算资源动态分配给实时任务,一般来说是一个NP-hard的组合优化问题。为解决此问题,设计了一种基于李雅普诺夫优化的实时调度算法,在保持虚拟队列稳定的情况下优化长期平均总能耗和总效用。首先在计算资源和通信资源约束下建立联合总能耗和加权总效用的优化模型,该模型包含两层虚拟缓冲队列,通过端到端(Device-to-Device,D2D)的调度方式进行任务卸载;然后基于李雅普诺夫优化,将长期平均总能耗和总效用的联合优化问题转化为一系列实时优化问题,为此还设计了一种基于贪心的设备匹配算法。数值实验的结果显示,该算法的效果比随机法所能达到的最好情况提升了8.6%,并且在不同连接概率下其效果逼近穷举法。
参考文献 | 相关文章 | 多维度评价
17. 基于边缘智能的频谱地图构建与分发方法
刘兴光, 周力, 刘琰, 张晓瀛, 谭翔, 魏急波
计算机科学    2022, 49 (9): 236-241.   DOI: 10.11896/jsjkx.220400148
摘要460)      PDF(pc) (2114KB)(784)    收藏
频谱地图可协助认知用户准确感知和利用频谱空洞,实现网络节点间的干扰协调,提升无线网络的频谱效率和鲁棒性。然而,当认知用户在利用和共享频谱地图时,面临着计算复杂度高和分发时延开销大的问题,限制了认知用户对空间频谱态势的实时感知能力。为了解决该问题,提出了一种边缘智能网络中基于强化学习的频谱地图构建与分发方法。首先,在频谱地图构建上,采用了一种克里金插值和超分辨率相结合的低复杂度构建技术;其次,通过引入边缘计算,将频谱地图构建与分发过程中的计算迁移策略选择问题建模为一个混合整数非线性规划问题;最后,将人工智能和边缘计算相结合,采用了一种集中式训练、分布式执行的强化学习框架,对不同网络场景下的频谱地图构建和分发策略进行学习。实验结果表明,所提方法具备良好的适应性,可有效降低频谱地图构建与分发的能耗和时延,支持认知用户在移动边缘网络场景下对频谱地图的近实时级应用。
参考文献 | 相关文章 | 多维度评价
18. VEC中基于动态定价的车辆协同计算卸载方案
孙慧婷, 范艳芳, 马孟晓, 陈若愚, 蔡英
计算机科学    2022, 49 (9): 242-248.   DOI: 10.11896/jsjkx.210700166
摘要324)      PDF(pc) (2340KB)(589)    收藏
车载边缘计算(Vehicular Edge Computing,VEC)是移动边缘计算(Mobile Edge Computing,MEC)在车联网中的一个重要应用。在VEC中,请求服务的车辆可以通过付费的方式,将计算任务卸载到VEC服务器或者空闲计算资源丰富的服务车辆上,从而满足车辆任务对计算服务的需求。然而,对于VEC运营商来说,收益最大化是其追求的目标之一。由于系统中的计算需求和计算资源是动态变化的,因此如何在车辆协同场景下确定一个合理的定价策略是一个不容忽视的问题。针对该问题制定了一个动态定价策略,使VEC服务器和服务车辆的价格随着计算资源的供需关系而动态调整。基于此,设计了运营商收益最大化的车辆协同计算卸载方案,通过将时延约束下的VEC运营商收益最大化问题转化为多用户匹配问题,使用Kuhn-Munkres(KM)算法求得卸载结果。仿真实验表明,相比已有定价策略,该动态定价策略下VEC服务器和服务车辆的价格均可以根据计算资源供需关系动态调整,从而实现运营商收益最大化;相比已有卸载方案,该方案可以在满足任务时延约束的前提下提高运营商的收益。
参考文献 | 相关文章 | 多维度评价
19. 一种基于博弈论的移动边缘计算资源分配策略
陈祎鹏, 杨哲, 谷飞, 赵雷
计算机科学    2023, 50 (2): 32-41.   DOI: 10.11896/jsjkx.220300198
摘要463)      PDF(pc) (2129KB)(2087)    收藏
现有的对移动边缘计算资源分配策略问题的研究,较多的是针对时延和能耗因素进行优化,考虑边缘服务器的收益问题的相对较少,而在考虑边缘服务器收益时,许多研究忽略了对任务完成时延的优化。因此,提出了一种基于博弈论的双向更新策略(TUSGT)。TUSGT在边缘服务器侧将其之间的任务竞争关系转化为一个非合作博弈问题,采用基于势博弈的联合优化策略,允许边缘服务器以最大化其自身收益为目的来确定任务选择偏好。在移动设备侧使用在线学习中的EWA算法进行参数更新,从全局角度影响边缘服务器的任务选择偏好,提高总体任务完成率。仿真实验结果表明,TUSGT与BGTA、MILP、贪婪策略、随机策略、理想策略相比,任务完成率最多提高30%,边缘服务器平均收益最多提高65%。
参考文献 | 相关文章 | 多维度评价
20. 空-天-地一体化移动边缘计算系统的部署优化和计算卸载
郑鸿强, 张建山, 陈星
计算机科学    2023, 50 (2): 69-79.   DOI: 10.11896/jsjkx.220600057
摘要640)      PDF(pc) (2318KB)(2005)    收藏
空-天-地一体化的通信技术作为一种新兴的架构,能够有效提高地面终端的网络服务质量,近年来引起了广泛关注。文中研究了一种空-天-地一体化的移动边缘计算系统,其中多台无人机为地面设备提供低延迟的边缘计算服务,近地轨道卫星为地面设备提供无处不在的云计算服务。由于无人机的部署位置和计算任务的卸载方案是影响系统性能的关键因素,因此需要对无人机的部署位置、地面设备与无人机之间的连接关系以及计算任务的卸载比例进行联合优化,实现系统内系统平均任务响应时延最小化。并且,由于形式化定义的联合优化问题是一个混合非线性规划问题,因此设计了一种双层优化算法,在该算法的上层,提出了一种结合了遗传算法算子的粒子群优化算法来优化无人机的部署位置,并在算法的下层采用贪心算法来实现对计算任务卸载方案的优化。大量的数值仿真实验验证了所提算法的可行性和有效性。结果表明,与其他基准算法相比,所提算法能有效降低系统的任务平均响应时延。
参考文献 | 相关文章 | 多维度评价
21. 6G重叠区域中基于博弈论的任务卸载策略
高丽雪, 陈昕, 殷波
计算机科学    2023, 50 (5): 302-312.   DOI: 10.11896/jsjkx.220500120
摘要161)      PDF(pc) (2871KB)(348)    收藏
为实现6G网络基站服务范围重叠区域内复杂任务的高效计算,对重叠区域的任务卸载问题展开研究。在综合考虑任务时延约束、系统能耗、社会效应以及经济激励的基础上,构建多基站多物联网设备的多接入边缘计算网络模型,联合优化基站定价策略、物联网设备基站选择策略和任务卸载策略,实现基站利润和物联网设备效用的最大化。为解决重叠区域中物联网设备基站选择的问题,构建了多对一匹配博弈模型,提出基于交换匹配的基站选择算法优化物联网设备的基站选择策略。引入斯坦伯格博弈理论建立基站与物联网设备间定价和任务卸载交互的两阶段博弈模型,通过反向归纳法证明斯坦伯格均衡的存在性和唯一性。提出了基于博弈论的最优价格最佳响应算法(Optimal pricing and Best response algorithm based on Game Theory,OBGT),以获得基站和物联网设备的均衡策略。仿真实验和对比实验表明,OBGT算法可以在短时间内达到收敛,有效提高基站利润和物联网设备效用。
参考文献 | 相关文章 | 多维度评价
22. 移动边缘计算中基于Stackelberg模型的分布式定价与计算卸载
陈序展, 林兵, 陈星
计算机科学    2023, 50 (7): 278-285.   DOI: 10.11896/jsjkx.220500254
摘要169)      PDF(pc) (2412KB)(356)    收藏
移动边缘计算(Mobile Edge Computing,MEC)作为一种新颖的计算范式,通过将计算任务从移动设备卸载到物理上临近的网络边缘,为移动设备提供低延迟和灵活的计算与通信服务。然而,由于边缘服务器和移动设备通常属于不同的主体,它们之间的利益冲突给MEC系统带来了很大的挑战。因此,为多边缘服务器多移动设备的MEC系统设计一种定价和计算卸载方案,最大化边缘服务器的效用并优化移动设备的体验质量至关重要。考虑到多边缘服务器多移动设备之间复杂的相互作用,采用多领导者多追随者Stackelberg模型来分析它们之间的相互作用。其中,边缘服务器作为领导者为其计算资源设定价格,移动设备作为追随者根据边缘服务器的定价来调整卸载策略。在Stackelberg模型的基础上,提出了一种基于次梯度法的分布式迭代算法,该算法可以有效收敛到Stackelberg均衡。仿真实验结果表明,所提方案能够在提高边缘服务器效用的同时保证移动设备的体验质量。
参考文献 | 相关文章 | 多维度评价
23. 基于深度强化学习和无线充电技术的D2D-MEC网络边缘卸载框架
张乃心, 陈霄睿, 李安, 杨乐瑶, 吴华明
计算机科学    2023, 50 (8): 233-242.   DOI: 10.11896/jsjkx.220900181
摘要276)      PDF(pc) (2442KB)(473)    收藏
物联网设备中大量未被充分利用的计算资源,正是移动边缘计算所需要的。一种基于设备对设备通信技术和无线充电技术的边缘卸载框架,可以最大化利用闲置物联网设备的计算资源,提升用户体验。在此基础上,可以建立物联网设备的D2D-MEC网络模型。在该模型中,主设备根据当前环境信息和估计的设备状态信息,选择向多个边缘设备卸载不同数量的任务,并应用无线充电技术提升传输的成功率和计算的稳定性。运用强化学习方法解决任务分配和资源分配的联合优化问题,也就是最小化计算延迟、能量消耗和任务丢弃损失,最大化边缘设备利用率和任务卸载比例的优化问题。除此之外,为了适应状态空间更大的情况,提高学习速度,提出了一种基于深度强化学习的卸载方案。基于以上理论和模型,使用数学推导计算出了D2D-MEC系统的最优解及性能上限。仿真实验证明了D2D-MEC卸载模型及其卸载策略的综合性能更好,更能充分利用物联网设备的计算资源。
参考文献 | 相关文章 | 多维度评价