边缘计算卸载论文阅读分析总结（用于组会汇报甚是合适）

（论文分析）端边缘云计算中计算卸载策略优化的潜在博弈方法

论文题目：A Potential Game Theoretic Approach to Computation Offloading Strategy Optimization in End-Edge-Cloud Computing

研究目的内容：根据云对UE的可见性和可访问性将EECC分为两种计算架构类型，即分层端边缘云计算（Hi-EECC）和水平端边缘云运算（Ho-EECC）。研究了Hi-EECC和Ho-EECC中的计算卸载策略优化问题，从UE的能耗、UE的时间消耗、ES的资源利用率、应用类型和用户规模等方面综合研究了这两种计算架构的可扩展性和适用性。

针对的问题：不同EECC架构下的计算卸载优化问题，如何在不同的应用场景选择特定的EECC架构。

解决方案:根据云对UE的可见性和可访问性将EECC分为两种计算架构类型，即分层端边缘云计算（Hi-EECC）和水平端边缘云运算（Ho-EECC）。在HiEECC中，HiEECC是一个三层架构，UE看不到云，UE只能将其任务卸载给ES，当ES的资源耗尽时，ES请求云向UE提供资源。在Ho EECC中，Ho EECC是一个双层架构，UE可以将其任务直接卸载到ES和云。文中，研究了计算卸载策略优化问题，为EECC环境构建了一个潜在的博弈，每个UE自私地最小化其收益，根据计算架构的特点在Hi-EECC和Ho-EECC中开发了两个潜在的基于博弈的算法。

算法1是迭代卸载算法，用于优化UE在其自身和ES之间的卸载决策，旨在最小化UEs的成本，而不考虑UEs的QoS要求。
算法2基于贪婪策略的算法，利用贪心策略，我们可以得到两个任务卸载重调度方案。以成本最低的方案作为最终策略，确定是否继续将这些未满足的任务上载到云中以满足其需求。

算法3是名为COAHi，在算法1和2的基础上开发的，是在HiEECC中制定卸载策略的算法，调用算法1获得本地处理和卸载到ESs之间的初始决策集，调用算法2在ES和云之间重新调度任务。最后，根据成本较低的重新调度决策集进行更新更新，得到UE的最终卸载策略。

算法4是COAHo，在算法1的基础上开发的，描述了在Ho-EECC中为UEs制定任务卸载策略的过程，首先使用算法1做出卸载决策。然后，将决策成本与云处理成本进行比较安排任务到云。因此，可以获得最终的卸载策略。

实验结论：本文所提出的算法在UE的成本、延迟、能耗和QoS需求方面表现更好。从UE的成本、延迟和能耗以及ES的资源利用率来看，Hi-EECC更适合小规模用户场景，而Ho-EECC则更适合大规模用户场景。对于通信密集型任务，Hi-EECC中UE的成本低于Ho-EECC的UE成本，无论是在大规模用户场景还是小规模用户场景中，Hi-EECC是通信密集型任务的更好选择。对于计算密集型任务，我们可以得出结论，在小规模用户场景中，Hi-EECC是UE的更好选择，而Ho-EECC则是UE在大规模用户场景中的更好选择。

好的点：针对不同EECC架构的性能进行分析，研究不同计算架构下的计算卸载优化问题，以及如何针对不同的应用场景选择特定的EECC架构这里介绍的也很详细。

不好的点：实验里面总共有六个服务区域，而实验假设同一服务区域内的ESs是同质的