无线供能及移动边缘计算技术的整合为下一代无线通信网的实现提供了技术支持。然而,用户数量的激增将对诸如系统响应时效性和超低延时等需求的实现提出了新的挑战。因此,如何设计迭代次数少、收敛速度快、灵活性强的实时计算卸载策略成...无线供能及移动边缘计算技术的整合为下一代无线通信网的实现提供了技术支持。然而,用户数量的激增将对诸如系统响应时效性和超低延时等需求的实现提出了新的挑战。因此,如何设计迭代次数少、收敛速度快、灵活性强的实时计算卸载策略成了研究的新热点。文章梳理了无线供能移动边缘计算(Wireless Powered Mobile Edge Computing,WP-MEC)系统在实现超低延时需求上面临的问题与挑战;总结了WP-MEC系统的网络模型及其计算卸载策略的研究概况;详细阐述了4种不同接入方式下的WP-MEC系统的计算卸载策略研究现状;对比分析了各类传统的数值优化方法及深度强化学习优化方法在实时计算卸载决策方面的优劣;对低复杂度高效计算卸载策略的发展进行总结与展望,提出了延时最小化计算卸载策略的3个关键研究方向。展开更多
文摘无线供能及移动边缘计算技术的整合为下一代无线通信网的实现提供了技术支持。然而,用户数量的激增将对诸如系统响应时效性和超低延时等需求的实现提出了新的挑战。因此,如何设计迭代次数少、收敛速度快、灵活性强的实时计算卸载策略成了研究的新热点。文章梳理了无线供能移动边缘计算(Wireless Powered Mobile Edge Computing,WP-MEC)系统在实现超低延时需求上面临的问题与挑战;总结了WP-MEC系统的网络模型及其计算卸载策略的研究概况;详细阐述了4种不同接入方式下的WP-MEC系统的计算卸载策略研究现状;对比分析了各类传统的数值优化方法及深度强化学习优化方法在实时计算卸载决策方面的优劣;对低复杂度高效计算卸载策略的发展进行总结与展望,提出了延时最小化计算卸载策略的3个关键研究方向。