JET：在数据密集型移动边缘计算中的解耦部署与在线协同演化调度

《IEEE Open Journal of the Communications Society》：JET: Decoupled Placement and Online Coevolutionary Scheduling in Data-Intensive Mobile Edge Computing

　　

摘要：

数据密集型移动边缘计算（MEC）要求服务器部署与任务调度之间实现协同优化，然而这两个过程采用的不同优化视角导致了它们之间的矛盾。本文提出了一种名为JET的两阶段优化框架，通过基于服务器位置的调度机制来弥合这一差距。在离线阶段，使用进化算法优化基站部署位置，以最小化部署成本的同时最大化地理覆盖范围；在在线阶段，分布式共同进化算法（CEA）对固定基础设施进行实时调度和资源分配。JET引入了三项关键创新：(1) 具有有向无环图（DAG）感知能力的遗传算法，用于识别关键路径以提升任务并行性并减少不可行的解决方案；(2) 自适应种群规模调整机制，可在不牺牲性能的前提下将计算量减少约30%；(3) 动态参考点调整机制，用于保持帕累托前沿的多样性。通过使用真实世界工作负载（Alibaba-Cluster、TPC-H和Montage）进行的广泛测试表明，JET相比现有方法在延迟方面最多可降低10.42%，在能源消耗方面可节省31.61%。最重要的是，在所评估的工作负载和延迟条件下，JET能够完全避免截止日期违规，并充分考虑了实际通信开销，从而确保在动态的大规模MEC环境中实现可扩展的性能。