MEC系统中用于分类智能任务的联合计算卸载与资源分配

《IEEE Transactions on Network and Service Management》：Joint Computing Offloading and Resource Allocation for Classification Intelligence Tasks in MEC Systems

移动边缘计算通过将计算和存储资源靠近终端用户实现高可靠性和低延迟应用，智能任务作为重要应用场景面临复杂资源交互下的卸载与分配难题。本文针对分类智能任务（CITs）提出联合优化模型，综合考虑任务准确率和延迟约束，将问题分解为子载波分配、计算容量分配和压缩卸载三个子问题，采用逐次凸逼近和凸优化方法求解，仿真表明算法平均性能提升16.4%并实现收益成本灵活平衡。

　　

摘要：

移动边缘计算（MEC）通过将计算和数据存储能力更接近终端用户，实现了高可靠性和低延迟的应用。智能计算是MEC的一个重要应用领域，其中计算资源被用来根据任务需求解决相关问题。然而，在MEC系统中高效地卸载计算任务并分配资源以支持智能任务是一个具有挑战性的问题，因为任务需求与MEC资源之间存在复杂的交互关系。为了解决这一挑战，我们研究了MEC系统中用于分类智能任务（CITs）的联合计算卸载和资源分配机制。我们的目标是通过综合考虑计算精度和任务延迟来优化系统效用，从而实现系统的最大价值。我们专注于CITs，并构建了一个优化模型，该模型考虑了任务特性，包括精度要求和MEC系统中的并行计算能力。为了解决所提出的问题，我们将其分解为三个子问题：子载波分配、计算能力分配和压缩卸载。我们采用连续凸逼近和凸优化方法，为子载波分配、卸载变量、计算能力分配以及压缩比找到了最优的可行解。基于这些解决方案，我们设计了一种高效的联合计算卸载和资源分配算法，用于MEC系统中的CITs。仿真结果表明，与基准算法相比，所提出的算法平均性能提升了16.4%，并且在系统收益和成本之间实现了灵活的权衡。