云边环境下按需分配物理资源的任务卸载策略

针对有限边缘服务器资源最大限度满足众多移动任务有着截止时间要求的移动任务卸载问题,提出了一种云边协同卸载移动任务的模型。该模型首先分析了影响移动任务服务需求和虚拟机服务保障的因素并给出度量方法,以及移动任务与虚拟机的服务匹配度的度量方法。其次,设计了一种动态云边环境下按需分配物理资源的移动任务卸载策略,该策略基于改进匈牙利算法求一批任务的最大化服务匹配度的卸载方案,并通过有限次迭代消除资源竞争进一步优化卸载方案。最后,将所提算法与P2PITS、ALBOA和ESSDSA算法进行对比,结果表明:相对于P2PITS算法,所提算法虚拟机负载率降低了30.1%,平均等待时间降低了13%;相对于ALBOA算法,所提算法平均完成时间降低了38.6%;相对于ESSDSA算法,所提算法执行成功率提高了3.5%。所提算法能够在满足用户截止时间要求下有效提高资源利用率,降低任务的平均完成时间。

基于NOMA的移动边缘计算网络优化方案

移动边缘计算(MEC)使智能终端能够将部分计算负载转移到位于基站子系统的边缘服务器上,以解决物联网络大量数据处理问题。通过研究非正交多址(NOMA)的多址MEC,提出了一种终端-边缘服务器资源分配方案,通过NOMA方式传输,智能终端可以将计算工作负载卸载到不同的边缘服务器,从而减少完成智能终端的计算工作负载的总延迟。该方案目标是优化资源成本最小,该系统成本考虑终端卸载的计算工作量和边缘服务器的计算资源使用成本的总延迟。通过单个终端的最优卸载解决方案数值结果验证了方案的有效性。