面向移动边缘计算网络的高能效计算卸载算法

移动边缘计算(mobile edge computing,MEC)是一种高效的技术,通过将计算密集型任务从移动设备卸载到边缘服务器,使终端用户实现高带宽、低时延的目标.移动边缘计算环境下的计算卸载在减轻用户负载和增强终端计算能力等方面发挥着重要作用.考虑了服务缓存,提出一种云-边-端协同的计算卸载框架,在该框架中引入D2D(device-to-device,D2D)通信和机会网络.基于建立的模型,将计算卸载决策问题转化为一个混合整数非线性规划问题,并对无线特性和移动用户之间的非合作博弈交互制定了一个迭代机制来共同确定计算卸载方案.对提出的计算卸载算法从理论上证明了多用户计算卸载博弈模型为严格势力场博弈(exact potential game,EPG),卸载决策可获得全网范围内的最优效益.考虑到服务器的计算资源、卸载任务数据量和任务延迟需求,提出对用户和MEC服务器之间最佳用户关联匹配算法.最后,模拟结果表明,卸载决策算法具有较快的收敛速度,并在能效方面优于其他基准算法.

授权链路保护的频谱分配算法

研究了在保护授权链路的前提下认知无线电网络(CRN)的频谱优化分配问题。基于博弈论提出了一种新型的频谱分配模型,设计了一种保护授权链路的快速收敛的频谱分配算法(FCAPLL)。仿真分析证明,FCAPLL算法能在保护授权链路的前提下对认知无线电(CR)链路进行最优化频谱分配,有较快的收敛速度;同时仿真给出了网络性能参数与比例因子的关系,为FCAPLL应用于不同性能要求的CRN提供了依据。