协作边缘计算中的基于能量的比例公平性

通过执行来自移动用户的卸载任务，边缘计算利用来自边缘节点（ENs）的计算/通信资源增强了移动用户设备（UEs），从而实现了新服务（例如实时游戏）。然而，尽管 ENs 比 UEs 资源更丰富，将 ENs 的资源分配给给定的一组有利用户（例如更靠近 ENs）可能会阻止其他 UEs 获得其服务。对于大多数仅旨在最大化网络社会福利或最小化总能耗而未考虑每个 UE 的计算/电池状态的现有方法而言，这通常如此。本工作开发了一个基于能量的比例公平框架，以在多層边缘网络中在服务所有具有多任务用户的同时，考虑其服务需求与能量/电池水平。由此产生的用于任务卸载与资源分配的问题是一个混合整数非线性规划（Mixed-Integer Nonlinear Programming），其为 NP-hard。为求解该问题，我们利用松弛问题为凸的这一事实，提出了一种分布式算法，即动态分支定界 Benders 分解（DBBD）。DBBD 将原问题分解为用于卸载决策的主问题（MP）与用于资源分配的多个子问题（SPs）。为快速剔除低效卸载方案，MP 集成了利用 ENs 资源约束的强有力 Benders 割。随后我们开发了动态分支定界算法（DBB）以高效求解考虑 ENs 间负载均衡的 MP。SPs 可求得其闭式解或在 ENs 上并行求解，从而降低复杂度。数值结果表明 DBBD 在最大化 UEs 间比例公平性上返回最优解。与最小化总能耗的现有方法相比，DBBD 具有更高的公平性指数，即 Jain 指数与极小极大比。