(中山大学数据科学与计算机学院 广州 510006) (mahr3@mail2.sysu.edu.cn)
出版日期: 2020-09-01基金资助:国家自然科学基金项目(61972432,U1711265)Dynamic Task Offloading for Mobile Edge Computing with Green Energy
Ma Huirong, Chen Xu, Zhou Zhi, Yu Shuai(School of Data and Computer Science, Sun Yat-sen University, Guangzhou 510006)
Online: 2020-09-01Supported by:This work was supported by the National Natural Science Foundation of China (61972432, U1711265).摘要/Abstract
摘要： 移动边缘计算(mobile edge computing, MEC)是近年来出现的一种崭新技术，它能满足更多应用程序所需的计算资源，能使移动网络边缘资源受限的物联网(IoT)设备获得更好的性能.然而，众所周知，边缘基础设施在提高电力使用效率和整合可再生能源方面的能力较差.此外，由于物联网设备的电池容量是有限的，当电池电量耗尽时，所执行任务会被中断.因此，利用绿色能源来延长电池的使用寿命是至关重要的.此外，物联网设备间可以动态、有益地共享计算资源和通信资源.因此，为了提高边缘服务器的能效(power usage efficiency, PUE)，实现绿色计算，设计了一种高效的任务卸载策略，提出了一种利用能量收集(energy harvesting, EH)技术和设备间通信(device-to-device communication, D2D)技术的绿色任务卸载框架.该框架旨在最小化任务执行所造成的边缘服务器端电网电力能源成本及云服务器端云资源租用成本.与此同时，引入激励约束，能够有效促进IoT设备间的协作，并防止IoT设备资源被其他设备过度使用.考虑到系统未来信息的不确定性，例如绿色能源的可获得性，提出了一种基于李雅普诺夫优化技术的在线任务卸载算法，该算法仅依赖于系统的当前状态信息.该算法的实现只需要在每个时间片内求解一个确定性问题，其核心思想是将每个时间片的任务卸载问题转化为图匹配问题，并通过调用爱德蒙带花树算法求得近似最优解.对所提出算法的性能进行了严格的理论分析，并通过实验验证了所提出框架的优越性能.
参考文献
相关文章 6
| [1] | 卢海峰, 顾春华, 罗飞, 丁炜超, 杨婷, 郑帅. 基于深度强化学习的移动边缘计算任务卸载研究[J]. 计算机研究与发展, 2020, 57(7): 1539-1554. |
| [2] | 吴嘉鑫,武继刚,陈龙,隋秀峰. 能量收集与协作网络安全容量优化技术[J]. 计算机研究与发展, 2019, 56(3): 533-543. |
| [3] | 邓晓衡,关培源,万志文,刘恩陆,罗杰,赵智慧,刘亚军,张洪刚. 基于综合信任的边缘计算资源协同研究[J]. 计算机研究与发展, 2018, 55(3): 449-477. |
| [4] | 齐彦丽，周一青，刘玲，田霖，石晶林. 融合移动边缘计算的未来5G移动通信网络[J]. 计算机研究与发展, 2018, 55(3): 478-486. |
| [5] | 于博文,蒲凌君,谢玉婷,徐敬东,张建忠. 移动边缘计算任务卸载和基站关联协同决策问题研究[J]. 计算机研究与发展, 2018, 55(3): 537-550. |
| [6] | 葛永琪, 董云卫, 顾斌. 能量收集信息物理融合系统抢占阈值调度[J]. 计算机研究与发展, 2015, 52(12): 2695-2706. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4250
