边缘计算卸载知识点调研

目录

1. 博弈论

2. 纳什均衡

3. 计算卸载

---

1. 博弈论

        博弈论中的收益（payoff）代表参与者从博弈中收获的效用（utility），博弈参与者采取何种策略目的是使得自己的收益能够最大化。

2. 纳什均衡

        所有博弈参与人的m最佳策略（Best response）集合的交点，通常为纳什均衡点。

        达到纳什均衡后，在其他参与人不改变策略时，任一参与人均无法通过改变自身策略获得更高收益。在一个博弈中，可以存在一个以上的纳什均衡点，且不同的均衡点收益可以不同。有时参与人可以通过协商来达成更优（帕累托占优）的纳什均衡。所有参与人选择同一种策略时可以达到纳什均衡的博弈被称为协调博弈，而在协调博弈中，人们有时可以通过协商来达成一个更优的纳什均衡。

        复杂的博弈中，可以通过猜测-验证的方法来寻找纳什均衡。

3. 计算卸载

（这里总结自边缘计算卸载matlab仿真,移动边缘计算卸载技术简介_weixin_39917291的博客-CSDN博客）

        计算卸载是指移动设备将部分或全部计算任务交给云计算环境处理的技术，用于解决UE在资源存储、计算性能以及能效等方面存在的不足。计算卸载过程主要包括UE 执行卸载决策和网络执行资源分配两个阶段。

        卸载决策是指由UE决定如何卸载、卸载数据大小以及卸载内容。UE 的卸载决策系统一般由代码解析器、系统解析器和决策引擎三部分组成，代码解析器确定可卸载内容，系统解析器负责监控各项参数，决策引擎做出最终卸载结果。决策结果可分为本地执行、部分卸载、完全卸载，具体决策结果由UE根据能量消耗和完成计算任务时延决定。卸载决策的目标主要为降低时延、降低能耗以及权衡时延与能耗。

        资源分配是指如何为已卸载任务分配计算和通信资源，即卸载到哪里，资源分配主要是为了平衡系统内的计算资源和通信资源利用率，以达到最小化时延、能耗并提高网络整体性能的目标。

        关于边缘计算面临的几个挑战总结：一是边缘工作负载不断增加，数据量猛增，边缘存储压力不断增加。二是所中计算架构的应用。三是5G替代网络的应用，5G在边缘网络的部署和应用成本极高（RAN解决方案）。四是边缘安全（由于计算任务被卸载到分布式边缘网络中，原本用于集中式云计算的许多安全解决方案也不再适用于边缘计算网络。因此，需要设计新的安全解决方案用于保护计算卸载过程中用户的信息安全和隐私。）需求迫切。五是人工智能重要性凸显，传感器采集的是数据需要在边缘侧实时的完成处理，离不开边缘侧AI推理能力。六是专属的边缘操作系统，，需要更安全更可靠以及实时性更高的边缘操作系统。七是干扰管理，若多个接入设备同时向MEC服务器卸载计算任务，则会产生严重的干扰问题，如何在保证QoS 的前提下实现资源的合理分配并解决干扰问题是MEC 计算卸载面临的关键挑战之一。八是移动性管理，在传统的蜂窝网络中，用户在 eNodeB/SCeNB 之间移动时，为保证服务的连续性，有严格的切换流程。类似地，如果将UE 的计算任务卸载到MEC，如何保证服务的连续性是 MEC计算卸载面临的挑战之一。