摘要：无人机辅助移动边缘计算(Mobile Edge Computing,MEC)系统利用无人机部署灵活和能与地面设备建立起高质量通信链路的优势,可以提高边缘计算的性能。已有的无人机辅助MEC系统研究通常假设计算任务卸载通信的数据包较长,其结果无法直接用于对计算时延具有严格要求的MEC应用场景。本文考虑了一个具有超可靠低时延通信(Ultra-Reliable and Low-Latency Communication,URLLC)任务卸载的无人机辅助MEC系统,其中一架配备计算服务器的无人机为多个地面设备提供MEC服务,地面设备将部分计算任务通过URLLC的方式向无人机卸载。通过联合优化无人机的部署位置、卸载通信的带宽和无人机与地面设备的中央处理器(Central Processing Unit,CPU)计算频率来最小化系统的计算时延。针对形成的非凸优化问题,采用块坐标下降方法将该问题分解为无人机部署位置优化子问题和任务卸载带宽与CPU频率优化子问题,并交替求解这两个子问题直到收敛。在求解两个子问题的过程中,使用对数函数非线性近似方法对URLLC卸载通信速率表达式进行化简,并通过连续凸逼近方法将每个子问题转换成易于求解的凸优化问题。仿真结果表明,与其他基准算法相比,所提算法能够有效平衡系统的通信能力和计算能力,从而降低系统时延。

摘要：初步研究了虚拟环境中计算时延的特性,从能量传输的角度讨论了计算时延对虚拟环境稳定性的影响,并设计了一个虚拟阻尼器以抵消计算时延产生的多余能量,从而保证虚拟环境的无源稳定性。

摘要：计算卸载决策是移动边缘计算的关键问题之一,与移动边缘计算系统中任务计算时延和计算能耗的优化密切相关.针对多用户多MEC服务器的移动边缘计算系统中的计算卸载决策问题,考虑MEC服务器计算资源有限的特点,以任务计算时延和计算能耗为优化目标,设计了一种基于混合果蝇算法的计算卸载决策方法***方法首先使用启发式方法和随机方法进行种群初始化;然后,使用基于概率选择的自适应方法进行嗅觉搜索;最后,基于模拟退火原理对视觉搜索后的最优解作进一步优化,以提升算法的局部搜索能力.通过仿真实验,将HFOA方法与其他计算卸载决策方法进行对比,结果表明HFOA方法在系统计算时延、计算能耗、收敛性等方面均有改进.