基于边缘计算的新型任务卸载与资源分配策略

发布时间：2021-11-08 17:38

　　针对移动边缘计算（MEC）中密集型任务卸载时,系统开销较大和延时抖动明显的问题,提出一种新型资源分配策略。首先在系统时延约束下,分析了系统任务执行开销与终端设备的资源分配机制;其次建立了基于计算卸载和任务分配的联合凸优化目标;最后采用拉格朗日乘子法进行迭代更新得到最优解。仿真结果表明,所提任务卸载与资源分配方案在保证用户服务质量的同时降低了任务执行开销,并有效提升了MEC系统性能。 

【文章来源】：计算机工程与科学. 2020,42(06)北大核心CSCD

【文章页数】：7 页

【部分图文】：

基于FDMA的计算卸载协议

图1搭建了一个协同计算卸载任务分配系统,假设考虑系统中的一个具有可分割的待处理密集型任务的终端用户,一个协助终端用户处理任务的AP集合 N={ 1,?,Ν } ,称之为代理集合,第i (i∈N)个AP称为代理i,表示为Ai。终端用户UE通过本地计算和利用无线网络将自身的任务卸载到代理AP进行任务处理,AP帮助计算处理之后将结果返回给用户。2.1 传输时间模型

图3所示是用户端到边缘代理1、代理2和代理3的距离di分别为80 m、60 m和40 m时,用户端计算任务总量与任务分配量的关系。从图3中可以看出,任务分配量随任务总量的增大而增大,由于用户本身具有固定的计算能力,所以随着总任务量的增大,分配给用户本身的任务基本趋于平稳。图3中,距离用户端较远且计算能力较弱的代理1,被卸载较少的计算任务量;而距离用户端较近且计算能力较强的代理2和代理3,会被分配较多的计算任务量,并且随着用户端计算任务量的不断增大,代理2和代理3被分配的计算任务越来越多,而代理1变化较小,其原因在于代理1计算能力较弱且与用户端之间的通信距离较大,造成的通信开销也较大。图4描述了4种不同方案的系统开销随用户端计算任务总量的变化曲线。如图4所示,任务执行开销均随着输入数据大小的增加而增加,原因在于较大的输入数据需要较长的执行等待时间和较大的能量才能完成任务计算,从而导致较大的任务执行成本。

【参考文献】：
期刊论文
[1]移动边缘计算环境下的动态资源分配策略[J]. 朱新峰,张智浩,王彦凌.  计算机工程与科学. 2019(07)



本文编号：3483934