在合作移动边缘计算网络中的分布式任务卸载
移动边缘计算(MEC)被提出作为一种处理边缘服务器上计算密集型和延迟敏感移动任务的有前途的技术。然而,边缘服务器之间的计算资源分布不均和高通信和计算成本使得寻找有效的任务卸载决策非常具有挑战性。本文考虑了在合作MEC网络中带有约束的任务卸载问题,其中多个边缘服务器和云中心共同处理从移动设备接收到的任务。我们将这样的合作任务卸载问题形式化为一般的凸约束优化问题。与现有模型侧重于单一性能指标的模型不同,我们的问题表述可以表示各种性能指标,例如服务延迟、能耗以及两者的组合。此外,除了标准的线性约束,由于资源限制或延迟要求,我们考虑非线性不等式约束。为了解决所制定的凸优化问题,我们基于梯度投影和虚拟队列技术开发了一种新颖的分布式算法。所提出的分布式算法使得每个边缘服务器仅通过本地通信就能计算其任务卸载决策,而无需任何可能导致通信/计算瓶颈的中央处理器。我们证明了所提算法以次线性速率收敛到最优的工作负载分配决策。仿真验证了所提算法的效率,并且证明它比基线算法具有更低的计算复杂性。
图1. 由云中心、多个边缘服务器和多个移动设备组成的合作MEC网络。
图2. 具有云边协作和边边协作的合作边缘计算网络的连接图。