Multi-Level Priority Task Offloading in 5G Edge: Joint Optimization of Completion Ratio and Latency

多访问边缘计算 (MEC) 被广泛认为是实现最小延迟应用的关键使能器。然而， dropped task ratio 指标在文献中尚未得到充分研究。忽略这一指标可能降低系统有效管理任务的能力，导致更多任务被消除或未处理。本文提出一种 5G-MEC 任务卸载场景，聚焦于最小化 dropped task ratio、计算延迟和通信延迟。我们采用混合整数线性规划 (MILP)、粒子群优化 (PSO) 和遗传算法 (GA) 来优化延迟和 dropped task ratio。我们分析了任务数量和用户设备 (UE) 数量对 dropped task 比例和延迟的影响。由 UE 生成的任务分为两类：紧急任务和非紧急任务。具有紧急任务的 UE 在处理优先级更高，以确保零 dropped task 比例。我们的方法在 5G-MEC 任务卸载场景中优于基线方法——先到先服务 (FCFS) 和最短任务优先 (STF)。在基于 MILP 的方法下，延迟相较于 GA 降低约 55%，相对于 PSO 降低 35%。基于 MILP 的方法下的 dropped task ratio 相较于 GA 降低约 70%，相对于 PSO 降低 40%。