移动边缘计算中基于局部比率的实时任务卸载与资源分配

移动边缘计算(MEC)作为一种有前景的范式，使车辆能够处理智能交通中的计算密集型和时间敏感型应用。由于MEC中资源有限，有效的资源管理对于提升系统性能至关重要。虽然现有研究大多关注任务卸载问题并假设任务资源需求是固定且先验给定的，但任务卸载（为每个任务选择边缘服务器）和资源分配（确定为卸载和处理分配的带宽和计算资源）的联合考虑仍未被充分探索。本文针对MEC中受截止时间约束的任务，在通信和计算资源约束下解决联合问题，旨在最大化从任务中获得的总效用。为解决此问题，我们提出了一种近似算法IDAssign，其近似比为$\frac{1}{6}$，并通过使用真实出租车轨迹和物体检测应用将其与最先进启发式方法进行实验性能比较。