基于闲置路边设备协同的绿色边缘计算卸载策略

《IEEE Systems Journal》：Offloading Strategy of Green Edge Computing Based on Idle Roadside Devices Collaboration

移动边缘计算（MEC）在低延迟服务中至关重要，但受限于计算资源不足。本文提出利用能量收集技术，将空闲停车场设备作为虚拟边缘服务器，构建包含延迟、剩余能量和任务成功率的多指标QoE模型，并改进灰狼优化算法为遗传-灰狼混合算法（GGOA），仿真显示QoE提升3.4倍，且GGOA较原算法提升37.9%。

　　

摘要：

移动边缘计算（MEC）在为用户提供低延迟和高可靠性服务方面发挥着关键作用。然而，对于计算密集型应用而言，由于电力设施建设不足以及MEC服务器的计算资源有限，大多数以往的研究工作无法高效地进行。针对上述问题，本文以能量收集技术作为推动绿色边缘计算发展的动力，并提出了一种任务卸载方案。具体而言，我们利用闲置的路边设备（如停放的车辆）作为虚拟边缘服务器，这些设备集成了能量收集功能，协助MEC服务器执行卸载任务。此外，为了最大化用户体验（QoE），我们建立了一个包含延迟、剩余能量和任务成功率等指标的模型。随后，我们对瞪羚优化算法进行了改进，提出了遗传-瞪羚优化算法（GGOA），以获得该模型的次优解。仿真结果表明，在所提出的算法下，该卸载方案的QoE是本地卸载方案的3.4倍；同时，在该卸载方案下，GGOA算法的QoE比Gray Wolf算法高出37.9%，从而提供了更高效、更稳定的卸载服务。

引言

随着移动设备的日益普及，产生了大量数据，这些数据需要被高效地处理和分析[1]。然而，传统的集中式云计算模型存在一些局限性，如高数据传输延迟、网络拥堵、隐私问题和安全性问题[2]。为了解决这些挑战，移动边缘计算（MEC）已成为物联网领域的重要技术之一。