边缘计算作为实现5G通讯标准的关键技术,其通过将用户的终端任务卸载到附近具有计算与存储资源的边缘服务器上,达到提高服务质量的目的。论文针对边缘服务器的放置问题,提出了一种在5G网络中最小化用户时延的边缘服务器放置方法ESPFA(Ed...边缘计算作为实现5G通讯标准的关键技术,其通过将用户的终端任务卸载到附近具有计算与存储资源的边缘服务器上,达到提高服务质量的目的。论文针对边缘服务器的放置问题,提出了一种在5G网络中最小化用户时延的边缘服务器放置方法ESPFA(Edge Server Placement based on Firefly Algorithm),将用户平均时延、边缘服务器负载均衡量和边缘服务器平均资源利用率进行加权、并作为指标衡量系统整体性能。仿真结果表明,与主流的放置方法相比,在放置边缘服务器数量为10时,论文提出的萤火虫算法降低时延效果明显,比传统K-Means算法下降了16.2%,并且算法系统性能优良,分别比Random算法和Top-K算法提升了9.4%和22.6%。展开更多
文摘随着移动边缘计算(mobile edge computing,MEC)技术的不断演进发展,大量的用户设备分散在边缘服务器密集部署的各个区域内。然而,在任务时延与资源受限的前提下,如何选择合适的服务器进行任务卸载,仍然是一个具有挑战性的难题。研究用户-服务器关联、卸载比例以及资源分配的联合优化问题,在考虑需求和服务异构性下最小化系统能耗。该问题被建模为混合整数非线性规划问题,并分解为用户-服务器关联子问题、卸载率和资源分配子问题进行求解。对于第一个子问题,在同时考虑通信质量与服务类型条件下,利用改良的带权匈牙利算法(Kuhn-Munkres matching algorithm,K-M)实现用户-服务器关联。为了处理第二个高度非凸问题,提出一种有效的双层算法,内层采用拉格朗日对偶法得到计算与通信资源分配;外层采用一维搜索方法得到卸载比例。最后,利用块坐标下降技术交替求解两个子问题,直到收敛。仿真结果表明,与随机算法、贪婪算法和带权匈牙利匹配-本地计算(Kuhn-Munkres matching and local computing,KM-LC)算法相比,文中所提出的算法能有效降低系统能耗。
文摘边缘计算作为实现5G通讯标准的关键技术,其通过将用户的终端任务卸载到附近具有计算与存储资源的边缘服务器上,达到提高服务质量的目的。论文针对边缘服务器的放置问题,提出了一种在5G网络中最小化用户时延的边缘服务器放置方法ESPFA(Edge Server Placement based on Firefly Algorithm),将用户平均时延、边缘服务器负载均衡量和边缘服务器平均资源利用率进行加权、并作为指标衡量系统整体性能。仿真结果表明,与主流的放置方法相比,在放置边缘服务器数量为10时,论文提出的萤火虫算法降低时延效果明显,比传统K-Means算法下降了16.2%,并且算法系统性能优良,分别比Random算法和Top-K算法提升了9.4%和22.6%。
