《電子技術應用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于自适应遗传算法的MEC任务卸载及资源分配
基于自适应遗传算法的MEC任务卸载及资源分配
2020年电子技术应用第8期
闫 伟，申 滨，刘笑笑
重庆邮电大学 通信与信息工程学院，重庆400065
摘要： 移动边缘计算(Mobile Edge Computing，MEC)是指将具有计算和存储能力的云服务器部署在移动网络边缘，从而为用户带来低能耗、低时延的优势。针对单小区-多用户场景下的计算任务卸载问题，设计系统总开销优化函数，并提出任务卸载决策和资源分配的联合优化问题。首先采用自适应遗传算法制定卸载决策及后续的更新操作，在每一次卸载决策更新的情况下将原问题分解为功率分配和计算资源分配两个子问题；然后根据凸优化及准凸优化理论，利用二分搜索法和拉格朗日乘子法分别求出功率分配和计算资源分配的最优解。仿真结果表明，所提出的方案在保证用户时延约束的同时，降低了系统总开销，有效地提升系统的性能及用户服务质量。
中圖分類號： TN929.5
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200113
中文引用格式： 閆偉，申濱，劉笑笑. 基于自適應遺傳算法的MEC任務卸載及資源分配[J].電子技術應用，2020，46(8)：95-100.
英文引用格式： Yan Wei，Shen Bin，Liu Xiaoxiao. Offloading and resource allocation of MEC based on adaptive genetic algorithm[J]. Application of Electronic Technique，2020，46(8)：95-100.
Offloading and resource allocation of MEC based on adaptive genetic algorithm
Yan Wei，Shen Bin，Liu Xiaoxiao
School of Communication and Information Engineering，Chongqing University of Posts and Telecommunications， Chongqing 400065，China
Abstract： Mobile Edge Computing(MEC) provides its users with low energy consumption and low latency by providing IT service environment and cloud computing capabilities at the edge of mobile networks. This paper addresses the computing tasks offloading in a single-cell MEC scenario, and designs the optimization function of system total cost, and proposes a joint optimization problem of offloading decision and resource allocation. Firstly, the adaptive genetic algorithm is used to make the offloading decision and subsequent update operations. Based on updating the offloading decision, the two sub-problems of power allocation and computing resource allocation are solved correspondingly. The binary search method and the Lagrange multiplier method are used to obtain the optimal solutions for power allocation and computation resource allocation, respectively. Simulation results show that the proposed scheme can meet the goal of minimizing total system overhead for users under the requirement of delay constraints, and effectively improve system performance and user service quality.
Key words : mobile edge computing(MEC)；adaptive genetic algorithm；task offloading；resource allocation

0 引言

    近年來，隨著移動互聯網和智能終端的快速發(fā)展，越來越多的新型應用出現在人們的日常生活當中，例如，人臉識別、虛擬現實和增強現實等[1-2]。然而，由于移動設備的計算能力和電池續(xù)航能力有限，難以有效地處理這些應用。若將計算任務卸載到距離用戶較遠的云服務器可能會產生更高的時延從而影響任務的執(zhí)行效率。針對以上問題，業(yè)界提出了移動邊緣計算的概念。移動邊緣計算(Mobile Edge Computing，MEC)是將具有存儲和計算能力的網絡設備實體部署在移動網絡邊緣，從而為移動網絡提供IT服務環(huán)境和計算能力[3]。MEC的關鍵技術主要包括任務卸載和資源分配兩個方面，任務卸載是指將計算密集型或延遲敏感型任務卸載到資源相對豐富的計算機或服務器中執(zhí)行，以解決移動設備在存儲、計算等方面存在的缺陷[4-5]。此外，在多個用戶將其各自的計算任務從本地卸載到MEC服務器進行處理時，由此涉及有限的MEC服務器資源在各個用戶之間的分配問題。因此，MEC服務器的資源分配致力于解決移動設備在實現卸載后如何高效公平地分配資源以實現任務處理的問題。

    針對MEC的任務卸載和資源分配問題，文獻[6]考慮了云服務器計算資源受限的約束，提出了多用戶場景下基于在線和離線的任務卸載決策算法，對計算任務進行云端處理和本地處理的劃分，并分別處理。文獻[7]提出了一種考慮前向鏈路和后向鏈路聯合優(yōu)化的卸載決策問題，并通過改進的人工魚群算法對任務卸載過程中所產生的能量消耗進行優(yōu)化。文獻[8]分別研究了在單小區(qū)和多小區(qū)場景下的任務卸載和資源分配問題，設計了系統(tǒng)總開銷函數(時延-能耗加權和)，并將用戶設備的電池剩余能耗引入到加權因子當中，通過凸優(yōu)化理論與迭代搜索相結合方式的尋找最優(yōu)解。然而文獻[6]、[7]僅關注用戶任務卸載決策，缺少優(yōu)化資源分配或者考慮資源約束；文獻[8]只考慮了本地設備計算資源及無線資源的分配，而忽略了MEC服務器有限計算資源對任務卸載的影響。因此，無法完全保證能夠高效地利用MEC服務場景的對于眾多用戶而言仍顯得稀缺有限的無線資源和計算資源。

    針對上述問題，本文提出首先采用自適應遺傳算法獲取卸載決策及后續(xù)的更新操作。在每一次卸載決策更新的情況下，將原問題分解為上行鏈路功率分配和計算資源分配兩個子問題，然后根據凸優(yōu)化和準凸優(yōu)化理論，利用二分搜索法和拉格朗日乘子法分別求出功率分配和計算資源分配的最優(yōu)解。最后，通過迭代求解得到最優(yōu)的卸載決策和資源分配結果。仿真結果表明，所提出的方案在保證用戶時延約束的同時，降低了系統(tǒng)總開銷，有效地提升系統(tǒng)的性能。




本文詳細內容請下載:http://www.ihrv.cn/resource/share/2000002958




作者信息:

閆  偉，申  濱，劉笑笑

(重慶郵電大學 通信與信息工程學院，重慶400065)

此內容為AET網站原創(chuàng)，未經授權禁止轉載。