面向工业互联网的约束多目标任务卸载：利用基站可分性的分解多任务方法及其精确帕累托前沿合成

《Computers》：Exploiting Base-Station Separability in Constrained Multiobjective Task Offloading for the Industrial Internet of Things: A Decomposition Multitasking Method with Exact Pareto-Front Synthesis

　　在工业物联网（IIoT）部署中，移动边缘计算（MEC）将计算密集型任务卸载，由此形成一个受约束的双目标优化问题（MTOP），需要在时间延迟与能耗之间进行权衡。我们证明该基准问题在微基站（MiBS）区域之间是**完全可分离**的：其延迟目标和能耗目标在各区域间可加，且唯一的耦合因素——小区内干扰——仅在区域内产生作用。基于这一性质，我们提出了一种结构感知的分解多任务方法CR-MTMEMTO-D，将每个区域视为一个独立的子任务，使用可行性修复的NSGA-II进行求解，并通过取各区域Pareto前沿Minkowski和的非支配子集来重构全局可行Pareto前沿——这是一种精确的组合方式，不会增加全局评估次数。在12个实例（45–432个变量，20个随机种子）上，该方法在每个实例上均取得了最优的超体积（HV）和IGD指标（平均HV为0.9340，而普通NSGA-II基线为0.8021；平均排名为1.00），且优势随问题规模增大而扩大；由于每次评估都是区域级主任务，在总评估次数匹配的条件下结果不变。可行性优先的接受门控保证了种群的完全可行性。在匹配预算条件下，带有赌博机控制迁移的廉价任务池方法未带来显著收益，这进一步说明了结构分解方法的优越性。