基于智能化用户协作的边缘计算任务卸载与资源分配优化

作     者：李贤 毕宿志 曾泓儒 林彬 林晓辉 LI Xian;BI Suzhi;ZENG Hongru;LIN Bin;LIN Xiaohui

作者机构：深圳大学电子与信息工程学院广东深圳518060 鹏城实验室宽带通信研究部广东深圳518066 

基　　金：国家重点研发计划(No.2019YFB1803305) 国家自然科学基金资助项目(No.61871271,No.62271325) 鹏城实验室宽带通信研究部重点研究计划 广东省教育厅科技重点专项(No.2020ZDZX3050) 广东省基础与应用基础研究基金资助项目(No.2022A1515011219,No.2022A1515010973) 深圳市科创委基础研究项目(No.20220810142637001,No.JCYJ20210324093011030,No.JCYJ20190808120415286) 智慧城市物联网国家重点实验室(澳门大学)开放课题(No.SKL-IoTSC(UM)-2021-2023/ORPF/A03/2022) 

出 版 物：《物联网学报》 (Chinese Journal on Internet of Things)

年 卷 期：2022年第6卷第4期

页      码：41-52页

摘      要：为了解决移动边缘计算网络中计算资源日益紧缺的问题,设计了一种基于用户协作的边缘计算资源分配机制,充分利用用户之间的空闲计算资源,有效提升系统整体的数据处理性能。以最大化用户的效用函数为目标,将目标优化问题建模为一个关于用户任务卸载决策和本地计算通信资源的联合优化问题,并结合深度学习技术和凸优化理论,提出了一种混合深度学习-优化算法对目标问题进行求解。仿真结果表明,相较于对比算法,所提算法能使用户的效用提升至少85.4%,并能在亚秒级的时间内实现用户效用的近似最优化。

主 题 词：移动边缘计算 效用最大化 凸优化 深度学习 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001] 

D　O　I：10.11959/j.issn.2096−3750.2022.00303

馆 藏 号：203116196...