面向移动边缘云用户体验提升的数据驱动在线资源分配
信号处理
2024-04-09 v1
摘要
随着云被推向网络边缘，移动边缘云中面向用户体验提升的资源分配日益重要且面临多重挑战。本文研究移动边缘云中面向体验质量的资源分配，同时考虑用户多样性、有限资源以及已分配资源与用户体验之间的复杂关系。我们引入了一个闭环在线资源分配框架来解决这一问题。它从历史数据集中学习资源分配的目标函数，并利用在线测试结果更新学习到的模型。由于学习到的目标模型通常是非凸的且难以实时求解，我们利用 Lyapunov 优化来解耦长期平均约束，并应用原对偶方法来解决这一解耦后的资源分配问题。此后，我们分别针对同质和异构用户场景，提出了一种数据驱动的最优在线队列资源分配算法和一种数据驱动的鲁棒 OQRA 算法。此外，我们为 OOQRA 算法提供了严格的收敛性分析。我们使用合成数据集和 YouTube 数据集进行了大量实验以评估所提出的算法。数值结果验证了理论分析，并表明在合成数据集和 YouTube 数据集中，用户投诉率分别降低了 100% 和 18%。
关键词
引用
@article{arxiv.2404.04482,
title = {Data-Driven Online Resource Allocation for User Experience Improvement in Mobile Edge Clouds},
author = {Liqun Fu and Jingwen Tong and Tongtong Lin and Jun Zhang},
journal= {arXiv preprint arXiv:2404.04482},
year = {2024}
}
备注
This work was presented in part at IEEE ICC 2021