针对移动边缘云和移动辅助设备联合计算卸载和资源分配的优化问题,提出一个联合计算卸载方案。计算用户设备(Computing User Equipment,CUE)通过为辅助用户设备(Helper User Equipment,HUE)提供带宽激励的方式,将计算卸载到边缘云和辅...针对移动边缘云和移动辅助设备联合计算卸载和资源分配的优化问题,提出一个联合计算卸载方案。计算用户设备(Computing User Equipment,CUE)通过为辅助用户设备(Helper User Equipment,HUE)提供带宽激励的方式,将计算卸载到边缘云和辅助用户设备,并通过优化本地、辅助用户设备和边缘云中的资源分配,实现对带宽和计算资源及时间的实际约束的最小加权能耗。为了解决非凸优化问题,采用几何规划(Geometric Programming,GP)和瓶颈匹配(Bottleneck Matching,BM)方法求近似凸问题的最优解。数值研究表明,与云卸载策略相比,在卸载延迟没有明显增加的情况下,该方案的总计算时间可以减少35%~40%。展开更多
文摘针对移动边缘云和移动辅助设备联合计算卸载和资源分配的优化问题,提出一个联合计算卸载方案。计算用户设备(Computing User Equipment,CUE)通过为辅助用户设备(Helper User Equipment,HUE)提供带宽激励的方式,将计算卸载到边缘云和辅助用户设备,并通过优化本地、辅助用户设备和边缘云中的资源分配,实现对带宽和计算资源及时间的实际约束的最小加权能耗。为了解决非凸优化问题,采用几何规划(Geometric Programming,GP)和瓶颈匹配(Bottleneck Matching,BM)方法求近似凸问题的最优解。数值研究表明,与云卸载策略相比,在卸载延迟没有明显增加的情况下,该方案的总计算时间可以减少35%~40%。
