边缘计算卸载分配优化的论文

Posted yxx_bzz

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了边缘计算卸载分配优化的论文相关的知识,希望对你有一定的参考价值。

《Task Scheduling for Mobile Edge Computing Using》(基于遗传算法和冲突图的移动边缘计算任务调度)二区

解决的问题

这篇论文主要解决了将由一组相互依赖的子任务组成的任有复杂关联和时间要求的任务,以并行和顺序的方式卸载到多个移动边缘计算服务器上。目标是实现最小化卸载延迟和故障概率,在给子任务分配服务器的过程中使用到了遗传算法和冲突图算法。

系统模型

  1. 针对每个待求问题进行数学模型建立

    • 任务和服务器对应元组
    • 元组中每个元素的计算式子
    • 卸载关系和子任务依赖定义为矩阵
  2. 分别定义顺序和并行卸载中待求时延和失败概率

  3. 举例说明两个卸载方式的系统模型和计算

需要注意的是顺序卸载的“顺序”指的只是上行传输时按照顺序进行。

算法设计

  1. 进行了问题描述设置约束
  2. 求出问题规模,引出为什么用算法解决
  3. 遗传算法
    • 将算法向遗传算法靠拢,二次建模,使该遗传算法中的染色体和适应度函数满足模型的约束
    • 使用遗传算法找出最优方案
    • 由于遗产算法要不断计算适应度,所以考虑更另一种冲突图算法。
  4. 冲突图
  • 冲突图顾名思义,每条边都是一个约束,相连两点都有冲突,最终结果有你没我。
  • 并行卸载冲突图
    • 约束如下:

  • 顺序卸载
    • 约束如下:

    • 顺序相对并行略难,因为可以两个任务卸载到一个服务器上,这时就要限定什么时候可以。
  • 使用到最小加权顶点搜索算法寻找最优解,下面这个思想还是很巧妙的。


5. 最后论文分析了两种算法对应顺序和并行的复杂度

实验测试

  1. 先讲述设备和所用到的参数值
  2. 实验一:延迟失败率和输入包个数的关系,再分开讨论
  3. 实验二:延迟失败率和子任务间依赖大小(这里它用依赖概率表示)的关系,然后分开讨论
  4. 实验三:延迟失败率和子任务个数的关系,再分开讨论
  5. 实验四:延迟失败率和服务器和设备距离大小(信噪比SNR)的关系,再分开讨论

以上是关于边缘计算卸载分配优化的论文的主要内容,如果未能解决你的问题,请参考以下文章

边缘计算卸载分配优化的论文

python有没有简单的遗传算法库

解读边缘计算在7大领域的研究趋势和最新进展

边缘计算资源分配与任务调度优化综述

边缘计算

bzoj 5306 [HAOI2018] 染色