Adaptive User-managed Service Placement for Mobile Edge Computing: An Online Learning Approach(移动边缘计算的自适应用户管理服务放置:一种在线学习方法)
摘要
设想为云扩展的移动边缘计算(MEC)将云资源从网络核心推送到网络边缘,从而满足许多新兴的计算密集型移动应用程序的严格服务要求。现有的许多工作都集中在研究系统范围的MEC服务放置问题,个性化服务性能优化而受到的关注较少。因此,在本文中,我们提出了一种新颖的自适应用户管理的服务放置机制,该机制可以优化用户的感知延迟和服务迁移成本,并通过用户偏好进行加权。为了克服未来信息的可用性和未知的系统动态,我们将动态服务放置问题公式化为上下文多臂强盗(MAB)问题,然后提出一种基于汤普森采样的在线学习算法来探索动态MEC环境,进一步协助用户做出自适应服务放置决策。严格的理论分析和广泛的评估证明了所提出的自适应用户管理服务放置机制的优越性能。