大规模异步移动边缘计算的任务卸载：一种索引策略方法
信息论
2021-02-03 v1 math.IT
摘要
移动边缘计算（MEC）将计算任务从无线设备卸载到网络边缘，并实现实时信息传输与计算。大多数现有工作关注小规模同步 MEC 系统。本文关注具有随机任务到达、异构工作负载和多样截止时间的大规模异步 MEC 系统。我们将卸载策略设计建模为无休止多臂老虎机（RMAB）以最大化时间范围内的总折扣奖励。然而，所建模的 RMAB 涉及一个 PSPACE-hard 的序贯决策问题，难以求解。为解决该问题，我们利用 Whittle 索引（WI）理论，严格建立了 WI 可索引性并推导出一个可扩展的闭式解。因此，在我们的 WI 策略中，每个用户只需计算其 WI 并上报给基站（BS），具有最高索引的用户被选中执行任务卸载。此外，当任务完成率成为关注重点时，将更短松弛时间更少剩余工作负载（STLW）优先级规则引入 WI 策略以提升性能。当卸载前不可获知用户卸载能耗知识时，我们开发了贝叶斯学习赋能的 WI 策略，包括最大似然估计、带共轭先验的贝叶斯学习以及先验交换技术。仿真结果表明所提策略显著优于其他现有策略。
引用
@article{arxiv.2012.08718,
title = {Task Offloading for Large-Scale Asynchronous Mobile Edge Computing: An Index Policy Approach},
author = {Yizhen Xu and Peng Cheng and Zhuo Chen and Ming Ding and Branka Vucetic and Yonghui Li},
journal= {arXiv preprint arXiv:2012.08718},
year = {2021}
}
备注
Accepted by IEEE Transactions on Signal Processing (Full Version) Dec. 2020