基于K-means的动态资源分配策略

为提高移动边缘计算(MEC)环境下大型云计算中心资源的利用率和用户体验,提出基于K-means算法的动态计算资源和频谱资源分配算法(KDSAA)。分析传统的资源平均分配方式和虚拟机分配方式现状,研究用户的综合需求,将资源模拟成“流体”,采用拍卖算法进行分配,线性求解出边缘云吞吐量和传输时延的最优值。实验结果表明,该算法可有效提高边缘云吞吐量和降低传输时延。

基于多目标优先级粒子群算法的资源调度策略

移动边缘云计算是5G技术的核心之一,也是当下非常热门的通信技术。但当前移动用户数量迅猛增长,传统资源分配方式已不能满足用户需求,因此根据用户的规模及其任务优先级的实时变化,如何合理制定资源分配策略来满足用户对计算单元、存储空间、软件等资源的需求是当下十分热门的研究方向。该文提出了一种基于多目标优先级粒子群算法的边缘云资源调度算法(MPPSO),合理布局多个边缘基站,形成边缘云。在多用户多任务并发时,综合用户数据传输速率、任务能耗、任务优先级和边缘基站性能等多方面因素,设计了两个适应度函数和一种粒子编解码方法,同时引入了帕累托控制机制,协助策略搜索多目标优先级最优解,为边缘云提供最优的资源调度策略,便于实时满足不同用户不同任务的资源需要,不仅使边缘云资源得到了充分利用,也大大提高了用户的使用体验。最后通过实验验证了该算法的有效性。