翻译

随着物联网（IOT）的发展，自动驾驶技术不断突破，计算密集型和时延敏感的车载应用和计算任务不断出现，给在满足延迟要求下为车辆提供必要的计算资源带来了很大的挑战。车辆边缘计算(VEC)是一种新的计算方式，通过将应用程序从资源受限的车辆转移到轻量级且在路边普遍存在的VEC服务器，相较于传统云计算，可以大幅度降低计算延迟。尽管如此，在卸载方案中，如果任务负载不均衡，计算资源分配不合理，可能会限制车辆边缘计算带来的性能提升；并且在车流量呈现明显的周期性，如果不能弹性的提供计算资源，会导致浪费大量的能耗。针对这一问题，本文提出将负载均衡与卸载相结合，研究多用户多服务器VEC系统的任务卸载、资源分配和节省能耗的问题。首先，我们将联合负载平衡和资源分配、卸载问题表示为一个混合整数非线性规划问题，以最大化系统效用。然后，我们将问题解耦为两个子问题，并开发了一个低复杂度的算法来共同进行VEC服务器的选择，计算资源分配。最后，在该模型的基础上，利用摩尔投票算法，在车流量低谷期选出空负载或较小负载的VEC服务器休眠，以降低能耗。数值结果表明，该算法收敛速度快，与基准相比，证明了我们的联合优化VEC服务器选择决策计算资源分配算法以及能耗节省方法的优越性能