移动边缘计算网络中用于最小化延迟的分布式任务卸载与资源分配
信号处理
2024-09-10 v2
摘要
人工智能（AI）技术的增长引起了人们对移动边缘计算（MEC）中延迟感知任务卸载的极大兴趣，即最小化服务延迟。此外，MEC 系统的使用带来了由移动设备（MDs）有限的电池资源所引发的额外问题。本文解决了延迟感知分布式任务卸载优化的紧迫挑战，其中联合考虑了用户关联（UA）、资源分配（RA）、全任务卸载以及移动设备（MDs）的电池。在现有研究中，由于组合优化问题的复杂性，很少考虑整体任务卸载和 UA 的联合优化；在考虑的情况下，也采用了诸如功耗等线性目标函数。我们的目标彻底改变了 MEC 领域，包含了影响用户体验质量的所有主要组成部分，包括延迟和能耗。为此，我们首先提出了一个 NP-hard 组合问题，其目标函数包含三个要素：通信延迟、计算延迟和电池使用量。我们推导出了该问题的闭式 RA 解；接着，我们提供了一种基于分布式定价的 UA 解。我们对所提出的算法进行了各种资源密集型任务的仿真。我们的数值结果表明，所提出的方法 Pareto 优于基线方法。具体而言，结果表明，所提出的方法在延迟上比基线方法短 1.62 倍，且能耗减少 41.2%。
引用
@article{arxiv.2404.03154,
title = {Distributed Task Offloading and Resource Allocation for Latency Minimization in Mobile Edge Computing Networks},
author = {Minwoo Kim and Jonggyu Jang and Youngchol Choi and Hyun Jong Yang},
journal= {arXiv preprint arXiv:2404.03154},
year = {2024}
}
备注
20 pages, 12 figures