基于智能化用户协作的边缘计算任务卸载与资源分配优化  

Collaborative task offloading and resource allocation optimization for intelligent edge devices

作　　者：李贤 毕宿志 曾泓儒 林彬 林晓辉[1] LI Xian;BI Suzhi;ZENG Hongru;LIN Bin;LIN Xiaohui(College of Electronics and Information Engineering,Shenzhen University,Shenzhen 518060,China;Pengcheng Laboratory,Broadband Communication Research Department,Shenzhen 518066,China)

机构地区：[1]深圳大学电子与信息工程学院,广东深圳518060 [2]鹏城实验室宽带通信研究部,广东深圳518066

出　　处：《物联网学报》2022年第4期41-52,共12页Chinese Journal on Internet of Things

基　　金：国家重点研发计划(No.2019YFB1803305);国家自然科学基金资助项目(No.61871271,No.62271325);鹏城实验室宽带通信研究部重点研究计划;广东省教育厅科技重点专项(No.2020ZDZX3050);广东省基础与应用基础研究基金资助项目(No.2022A1515011219,No.2022A1515010973);深圳市科创委基础研究项目(No.20220810142637001,No.JCYJ20210324093011030,No.JCYJ20190808120415286);智慧城市物联网国家重点实验室(澳门大学)开放课题(No.SKL-IoTSC(UM)-2021-2023/ORPF/A03/2022)。

摘　　要：为了解决移动边缘计算网络中计算资源日益紧缺的问题,设计了一种基于用户协作的边缘计算资源分配机制,充分利用用户之间的空闲计算资源,有效提升系统整体的数据处理性能。以最大化用户的效用函数为目标,将目标优化问题建模为一个关于用户任务卸载决策和本地计算通信资源的联合优化问题,并结合深度学习技术和凸优化理论,提出了一种混合深度学习-优化算法对目标问题进行求解。仿真结果表明,相较于对比算法,所提算法能使用户的效用提升至少85.4%,并能在亚秒级的时间内实现用户效用的近似最优化。In order to deal with the increasingly scarce computing resources,a cooperative edge computing scheme was proposed,which makes full use of the idle resources among users to improve the overall data processing performance.To maximize the user utility,the target problem was formulated as an MINLP(mixed integer non-linear programming),and a learning-optimization-integrated method was proposed to jointly optimize the resource allocation and user offloading decisions.Simulation results show that the proposed scheme can produce a near-optimal solution in sub-second and effectively improve the system utility at least 85.4%compared to the considered benchmark methods.

关 键 词：移动边缘计算 效用最大化 凸优化 深度学习 

分 类 号：TN92[电子电信—通信与信息系统]